基于MI-PSO-RBF神经网络的铁路客货运量预测研究

准确地预测铁路客货运量对合理配置运输资源、提高铁路客货运组织工作效率有重要作用。为提高铁路客货运量的预测精度,提出一种基于MI-PSO-RBF神经网络的客货运量组合预测模型。本研究对铁路客货运量的影响因素及其内在关联进行分析,选取相关指标,利用互信息素法对指标进行筛选,构建影响因素指标体系。基于该指标体系,运用粒子群算法优化的RBF神经网络模型分别对铁路客货运量进行预测,并与传统的BP神经网络、RBF神经网络预测模型进行比较。结果显示,经过参数调整优化后的MI-PSO-RBF神经网络在铁路客运量及货运量的预测精度方面表现最佳,测试集R2分别达到了0.9481与0.9911,具有较高的精度及泛化能力,表明该组合预测模型能够进一步提升神经网络模型预测铁路客货运量精确度。

综合客运枢纽轨道交通系统运能匹配度研究

为提高轨道交通综合客运枢纽的服务效率,针对枢纽间不同轨道交通系统,研究不同系统间的运能匹配和疏散能力。本文分析了综合枢纽的定位及功能,提出了铁路到发能力、枢纽交通方式客流分担率、城轨疏散能力和枢纽设施设备能力的计算方法,基于此进行了分时段运能匹配分析,识别出枢纽运能高峰期的瓶颈所在位置并提出优化建议。成都东客站实例分析表明,该站高峰期线路运能匹配度为0.79,匹配性较好,城轨线路疏散能力足够及时有效地疏散铁路客流;而枢纽设施设备运能匹配度为1.10,匹配性不佳,枢纽设施设备能力不足,影响了乘客集散效率,呈现出瓶颈现象。

基于改进三角模糊TOPSIS法的山地旅游轨道交通制式选择

随着我国山地旅游轨道交通建设的开展,其制式选择成为一个亟需研究和解决的问题。本文利用三角模糊数改进TOPSIS法,将区间数、模糊定性评价和准确数据糅合到一个矩阵中,并进行建模求解;改进的方法嵌套了基于"平均矩阵"的熵权法为评价指标进行赋权,以此对山地旅游轨道交通的相关制式进行选择分析。计算结果表明,齿轨是最适合的山地旅游景区轨道交通制式。