鐵路客流總量預測方法研究

呂曉艷，劉彥麟，顏 穎，王煒煒

（1.中國鐵道科學研究院 電子計算技術研究所，北京 100081；2.中國鐵路總公司 運輸局營運部， 北京 100844）

鐵路客流總量預測方法研究

呂曉艷1，劉彥麟1，顏 穎2，王煒煒1

（1.中國鐵道科學研究院 電子計算技術研究所，北京 100081；2.中國鐵路總公司 運輸局營運部， 北京 100844）

客流預測是鐵路運輸進行運力布局，產品調整的重要基礎。預測的科學性、精確度將直接影響運輸生產，因此努力提高客流預測的精度與可用性，是目前運輸學科的一個熱門研究領域。本文提出基于歷史與預售的時間序列（HAP）預測方法對鐵路客運中、短期客運總量進行預測分析，以預測鐵路客流總量，控制預測誤差。經過實際應用，驗證了該方法的科學性和合理性。

鐵路；旅客運輸；客流預測

鐵路客流預測一般包括長期、中期和短期預測3種。長期預測多用于鐵路運力布局、建設與調整，中短期預測較多用于旅客運輸組織工作，幫助客運部門針對鐵路客流短期波動情況做出快速響應，有效組織運輸力量，最大化經濟和社會效益[1]。

鐵路客流受多種因素影響，因素之間關系錯綜復雜，用傳統的計量方法來建立預測模型難以取得令人滿意的預測效果。本文從應用性出發，引入生產預售因素，用于調整預測誤差，提出基于歷史與預售的時間序列（HAP）客流預測方法，除考慮傳統的因素外，還利用實際的生產數據影響因素調整模型，保證模型的預測精度，通過對2010年鐵路春運客流預測案例分析，證明了該方法具有良好的效果和可應用性。

1 鐵路客流特征

通過對客流的時序分析，發現鐵路客流具有相當的穩定性、良好的周期性和明顯的趨勢性，如圖1所示，鐵路客流具備時間序列的主要特征[2]。

圖1 連續3年的發送量趨勢圖

2 HAP方法

由圖1可知，鐵路客流具備采用HAP客流預測方法的重要特征。該預測方法最重要的是識別客流周期。這些客流周期相互交疊，整體作用于發送量，本文采用差分計算方法計算客流周期[3]。

2.1 周期識別

n階差分運算是一個遞歸過程：

k步差分是指相聚k期的序列值之差：

以選取的發送量訓練集為例，進行15步的差分時序圖分析，如圖2所示。

圖2 發送量n步差分時序圖

鐵路發送量是一個受季節周期影響的遞增時間序列。通過時序圖分析可以看到，只有第12步差分趨勢是單增的，即其它步的時序圖都是圍繞0值上下周期波動，具有明顯的增長趨勢，所以，對訓練樣本集的樣本增量分析應以年為周期分析。

用k步差分尋找發送量的默認周期是可行的，根本理由是時間序列自身的周期性。不同的發送量時間序列有不同的周期，如以分析日發送量為例，可得到的日基本周期為7，即以每一周為基本周期。但是，根據數據集的所有周期不能全部通過上述的發送量n步差分觀察獲得，如在上述發送量特征分析中，客流的一次探底客流周期是由于中國特殊的春節引起的，在公歷為周期的日期時間序列中，并不能很好地找到其變化周期，這需要對時間序列中的日期規則進行公農歷換算才可獲取。

2.2 HAP預測

圖3是采用HAP方法預測的基本流程，主要包括客票預售分布預測和客流變化趨勢預測。根據預測日期距乘車日期的遠近，為兩個預測結果分配不同的權重，線性擬合出客運量HAP預測參數。

圖3 HAP預測流程

目前采用的客運量預測方法是客票預售分布預測值與客流變化趨勢預測值的擬合。圖4是從上述兩個角度對客運量進行獨立預測的結果分布圖。

Forecasting method for total railway passenger fow

LV Xiaoyan1,LIU Yanlin1,YAN Ying2,WANG Weiwei1
( 1.Institute of Computing Technologies,China Academy of Railway Sciences,Beijing 100081,China;2.Department of Transportation Operations,China Railway,Beijing 100844,China)

Passenger fow forecast is an important foundation for railway transport to arrange the transport capacity,adjust rail transport product.The science and accuracy of prediction would directly affect the transportation production,therefore to improve the accuracy and availability of passenger transport forecast is a hot research area.This article proposed a forecasting method HAP to analyze the total railway passenger transport volume for the middle-term and short-term railway passenger transport,forecast the total railway passenger fow and control the prediction error.The application test proved that HAP was a valid method to forecast the total railway passenger fow.

railway;passenger transport;passenger fow forecast

U293∶TP39

A

1005-8451（2016）02-0001-03

2015-06-03

中國鐵道科學研究院電子計算技術研究所基金項目（DZYF-14-16）。

呂曉艷，副研究員；劉彥麟，工程師。