深圳与粤港澳大湾区城市间铁路客流特征研究

粤港澳大湾区定位世界级城市群,深圳是其核心引擎城市之一,肩负辐射带动周边区域发展的重要任务。铁路作为城市群内部联系的骨干交通设施,对加强深圳与周边城市交流、促进区域协同发展具有重要作用。基于2015—2019年铁路票务数据,从总体、线路、车站等方面分析深圳与粤港澳大湾区城市间铁路客流特征,揭示深圳与这些城市铁路联系状况,同时为城市和铁路设施规划布局提供一定参考。

空间相互作用与城市关联网络演进——以我国20世纪90年代城际铁路客流为例

我国城市群在铁路客流空间相互作用的层次上所体现的空间分布和网络结构演化体现了城市群的重要方面。通过对1991和2000年我国200多个地级以上城市间铁路客流的经验性研究发现,城际铁路客流不但存在明显的距离衰减规律,而且各个主要城市群的铁路客流衰减变化规律及其网络结构有所不同,应用重力模型等方法不能较好地刻画这一变化。本研究借助“轴-辐”理念进一步从网络关联的角度考察了我国1990年代铁路客流变化,发现存在明显的区域重组、中心极化和空间关联升级现象,并分析这些现象所体现的城市群结构变化及其背后的原因。

灰色预测模型在铁路客流预测中的应用

运量预测是铁路运输组织工作的重要基础和主要依据之一,是一项经常性工作。只有根据运量预测结果及其他方面的信息才能做出科学的决策,编制出可行计划、规划或发展战略,最大程度地减少风险,降低运作成本,减少设施闲置。运用灰色预测模型建立铁路客流预测模型,对我国铁路客运量进行预测,灰色模型的方法简单,适合在数据少的情况下预测短期客流量。

基于复杂系统的铁路客流影响因素分析研究

基于复杂系统的理论,从时间、空间、客流属性、运输价格和运输能力等方面,分析研究客流的影响因素,得到铁路客流影响因素集和参数集,为铁路客流预测和铁路旅客运输系统的决策提供参考。

铁路客流量预测分析与研究

铁路客流量预测与分析对铁路部门采取有效的应对措施具有十分重要的意义.分别应用基本的神经网络和遗传算法优化BP神经网络对客流量进行了预测,建立铁路客流量网络预测模型.分别利用以前客流量的数据对2011年和2012年的客流量做了预测验证,并对2013年的客流量做了预测,结果表明利用遗传算法优化BP神经网络得到的预测数据和实际的基本相符,该预测算法应用到客流量的预测中效果良好,具有很好的应用和推广的前景.

组合预测方法在我国铁路客流预测中的应用

科学准确地预测铁路客运量是制定铁路网规划的基础。目前,运量预测的模型很多,单一模型并不能完全反映运量的变化规律和信息,因此,应采用Box-Jenkins模型和灰色预测模型相组合的预测模型方法对我国的铁路客运量进行预测,结果表明,组合预测模型能够提高我国铁路客运量的预测精度。

综合混沌相空间重构与相似性原理的铁路客流量预测

重构相空间理论对我国铁路客流量数据时间序列进行相空间重构,通过计算分形维数和提取最大Lyapunov指数,分析得出了铁路客流量时间序列数据的演化具有混沌特征,结合我国铁路客流量在全年中的波动特点,提出适合我国国情的综合混沌相空间重构与相似性原理的铁路客流量预测算法.该算法能自动参考过去相似年度同期的客流量变化趋势,对预测值进行智能化调整.通过以某火车站客流量为预测对象进行验证,结果证明了该预测算法的准确性和实用性.

基于灰色模型及月度比例系数法的铁路客流预测方法

文章针对铁路客流变化的影响因素及特点,提出了基于灰色模型及月度比例系数法的铁路客流预测方法,并通过实例分析,证明了该方法预测误差小、精度高、计算简便、可操作性强,可为铁路车站客运计划的制定及日常客运工作组织提供准确、可靠的数据。

高速铁路影响下铁路客流量预测研究

高速铁路开通后,运输能力、安全性、经济性、舒适性、方便性等方面对既有客流分布产生了一定影响。根据客流构成,将客流量分为趋势客流量、转移客流量和诱增客流量?3?部分,分析各类客流量影响因素及变化趋势的差异,分别选用?BP?人工神经网络、灰色模型、重力模型建立高速铁路影响下的铁路客流量预测模型。通过算例验证,铁路客流量预测结果可以为高速铁路运输需求分析和建设提供数据支撑。

基于灰色模型的铁路客流预测方法

铁路客流量的预测对于铁路交通业具有重要的实际意义,本文探讨应用灰色预测方法来预测铁路客流量的方法,并且通过对我国2007-2009年铁路客运量预测的实证分析,证明了此方法的可行性,并且检验了此方法的精确度,为准确预测铁路客流量提供了一种简便可行的分析预测方法。

基于BP神经网络的铁路客流量预测研究

铁路客流量的影响因素既来自于顾客的需求,也来自于铁路系统的供给。根据这些影响因素选取样本,利用BP神经网络的非线性映射特性进行网络训练及预测,结果客观可靠,从而为铁路系统的管理工作提供了有力的支持。

浅析敦煌铁路客流特点及营销策略

提高铁路营销能力是市场经济条件下铁路企业发展的必要条件。为此,文章具体分析了敦煌铁路的客流特点,提供了铁路线运营后开展市场营销的详细策略,强化品牌,增强线路竞争力。

基于灰色模型的铁路客流预测方法

在GM(1,1)预测模型基础上,构建2个不同的预测模型——GM(1,1)幂模型和对原始数据进行缓冲算子处理的GM(1,1)模型,采用Matlab建模,并将模型应用到铁路客流量预测,分析对中小样本振荡序列的预测效果。实例证明,GM(1,1)幂模型和对原始数据进行缓冲算子处理的GM(1,1)模型的应用范围和预测精度都优于灰色GM(1,1)模型,是非线性铁路客流量预测的一种有效方法,有助于制定铁路运输计划。

影响铁路客流的因素及相关度分析

对影响铁路客流的诸多因素进行了分析研究。运用灰色关联分析方法，寻求各因素间的主次关系，找出影响客流的重要因素。并以沪宁线客流为例，将分析结果与客流调查结果相比较，结果一致。掌握了客流的主要特征和升降规律，提出提高铁路客运吸引力的措施。

铁路客流影响因素及其对策分析

文中首先论述了铁路客流形成的机理,并分析了影响铁路客流的主要因素,最后提出了铁路客票营销策略。

基于客运大数据平台的铁路客流预测系统

客流预测是铁路路网规划、线路及场站设计、铁路运营等工作的重要基础。针对多层面、不同类型、不同时期的铁路客流预测业务需求,依托铁路客运大数据平台,构建铁路客流预测系统,能够在同一系统平台上完成客流预测方案的测试、评价和规范化应用。该系统集成各类客流预测算法模型,可充分利用历史售票数据,并考虑年度、季节、星期、时间、节假日、重大事件、天气等各类影响因素,提供不同角度、不同粒度、不同时期的客流预测功能,支持人机交互预测和定时批量离线预测2种应用模式,可为各类客运业务分析人员提供定制化客流预测数据,为票额智能预分、列车开行方案设计等客运业务提供准确、可靠的决策依据。

基于微信平台开展铁路客流调查的研究

针对铁路客流调查工作量大、效率低、统计分析难等问题,研究利用微信平台进行客流调查数据采集和处理技术,最大程度地提高客流调查的全面性和准确性,为客流预测和运力调配提供更可靠的决策依据。

基于GM(1,1)模型的铁路客流量预测

客流量预测是铁路运输组织工作的重要基础,是铁路部门制定运输方案和列车开行计划的重要依据。本文建立了铁路客流GM(1,1)模型,利用1999年至2010年全国铁路客运量数据,通过Matlab实现了GM(1,1)模型和一元线性模型,并比较两个模型的预测效果。结果表明,GM(1,1)模型预测效果优于一元线性回归模型,其平均相对误差减小约0.2511%。最后,对全国未来五年的铁路客流量进行预测,为管理人员做出合理决策提供了支持。

基于改进粒子群与神经网络的铁路客流预测模型

为提高对铁路客流量预测的准确性,提出一种基于改进粒子群与神经网络的铁路客流预测模型,针对粒子群算法易收敛至局部最优的问题,该算法提出自适应惯性权重调整策略,并扰动补偿因子对粒子群算法进一步改进。利用改进后的粒子群算法对BP神经网络初始值和阈值进行优化,建立铁路客流预测模型。测试结果表明,该算法能有效地提高预测准确性。

新开玉蒙铁路客流井喷

玉蒙铁路4月28日开通客运后,客流井喷。截至5月3日,玉蒙铁路平均上座率达到107.5%。昆明铁路局及时加挂了车厢,增加运力,满足旅客出行需求。 滇南是云南最早通铁路的地区,当地百姓有很深的铁路情节,而且沿线历史文化悠久,旅游资源丰富。