基于EEMD高鐵客流預測

秦鳴 馮博

摘 要：鐵路運輸是一種重要的交通運輸方式，近年來，隨著我國鐵路事業的不斷發展，高鐵的出現，極大的提升了鐵路運輸的速度和效率，我國也逐漸發展成為在建規模最大、運營速度最高、運營里程最長、集成能力最強、系統技術最全、發展速度最快的國家。在高速鐵路的發展當中，對客流量的準確預測，是高鐵修建的依據和基礎。因此，基于EEMD的高鐵客流預測，具有十分重要的意義和作用。

關鍵詞：EEMD；高鐵；客流預測

在鐵路運輸當中，客流數據的變化規律往往較為復雜，而對于這些規律，可以通過分析客流時頻特性加以了解，從而更加準確的進行客流預測。在實際應用中，EEMD又叫做噪聲輔助經驗模態分解法，在非線性、非平穩數據的分析當中，具有十分良好的作用。利用EEMD法對高鐵客流做出準確的預測，在高鐵的建設和發展當中，能夠跟有針對性，提升高鐵資源的利用效率，從而取得更為良好的經濟效益和社會效益。

一、EEMD算法的基本概述

（一）EEMD算法

在過去的EMD算法當中，能夠分解非平穩序列，使之形成趨勢項、IMF分量等，在這些分量當中，具有能夠隨著序列改變而改變的頻率成分。分析分量的幅值、頻率等，能夠對原有序列的時頻特性進行準確的體現。

數據經過EMD處理之后，x（t）=cj（t）+r（t）。

式中本征模函數的個數為N，本征模函數為cj（t），由高到低的頻率范圍，其中趨勢項為r（t），對原序列主要趨勢進行表示。

而在實際應用中，處理數據時往往會受到一些外部因素的影響，所以在EMD分解當中，可能會發生模式混疊的情況，對本征模函數分析產生影響。所以，對EEMD法進行應用，在對原序列進行分析的過程中，先將隨機白噪聲信號加入，然后再分解，重復M次之后，對平均分解結果進行計算。

（二）IMF分量重構

在IMF分量的重構過程中，可以采用很多種方法。如果只是簡單的進行相加，可能會對預測精度產生影響。對此，可以采用一些輔助算法綜合進行應用。例如GA-BP神經網絡就是一種較為良好的方法，其本身具有非線性映射的功能和作用，因此，采用GA-BP神經網絡，能夠通過訓練對最優的IMF權重組合進行搜索。在重構過程中，應結合實際情況對是否選擇所有分量，或判斷如果加入往年同期數據，能夠為客流預測提供更大的依據。

（三）EEMD的組合預測算法

在EEMD算法的應用中，需要進行組合運算。在實際計算中，利用EEMD將原始數據進行分解，形成本征模函數和趨勢項。在運算當中，可以與GA-BP、GSVM等技術進行組合運算，針對本征模函數，進行建模和預測。相加分量預測結果，并向原序列預測結果還原。

二、基于EEMD高鐵客流預測

（一）高鐵客流特性

在當前的高速鐵路網絡建設當中，已經基本上遍布了全國主要的城市，尤其是在一些旅游景點所在城市之間，高鐵更是具有極大的客流量。而在一年當中，在不同的時間，也會體現出不同的客流量特點。具體來說，通常在一年當中的清明、五一、端午、中秋、國慶等節假日時期當中，會出現客流迅速攀升，并達到尖峰的情況，因此能夠看出是集中的旅游流爆發期。在除夕之前客流量逐漸攀升，到達最高點之后，在大年初一，時下降到最低點，由此可知是返鄉客流的時期。因此，在高鐵站的客流變化中，非平穩特性較為明顯，在一些特殊時間段中，客流與平時相比，差異性也較為明顯。

（二）客流序列聚類分析

在對客流進行分類的過程中，通過聚類的方式分析客流序列，以此作為基礎。以7天的時間為一個階段，對客流進行劃分，對差異較為明顯的幾種數據，采用K均值聚類的方法進行劃分，從而得出全年范圍內，不同類別片段的分布情況。根據劃分結果來看，除了在節假日階段以外，平時的客流量基本上屬于較為相似的情況。因此，可以采用統一的方式，對平日的客流進行預測。

（三）基于EEMD客流序列分析

在利用EEMD對客流序列進行分解之后，得到相應的趨勢項、IMF分量等。在原序列、趨勢項、IMF分量之間，進行Pearson相關性分析，得出的結果為，P（i）j=[-0.0075，0.0505，0.0555，-0.0557，0.0519，0.3146，

0.4794，-0.0915]，由此能夠看出，在原序列、IMF-1之間，并不具有較大的相關性，因而時間序列相關性較小。對其進行HHT的變換，能夠對元數據的幅值、頻率等，進行更加準確的體現。

而為了對數據中主要的頻率分布進行更加準確的判斷，將一些不相關的IMF分量，以及具有較大能量的趨勢項從原序列中進行消除，然后進行分析和預測。根據計算結果可知，幅值局部極值點的分布頻率分別為0.00275Hz、0.03453Hz、0.06629Hz、0.49862Hz。對應的周期為362天、30天、15天、2天，也就是全年客流序列的中期分布為1年、1個月、15天、2天。在這一分布當中，以2天為周期的能量幅值來看，雖然并不具有較高的數值，不過和周圍的幅值之間具有明顯的區分，因此可知，是由于節假日客流增加所造成的。

三、結論

鐵路運輸使當前一種十分重要的運輸形式，而在高鐵則是當前一種十分快速高效的鐵路運輸方式。高鐵雖然具有較高的速度和效率，但同樣具有較高的費用和成本。

因此，應根據實際客流量進行高鐵建設和調度，從而取得更好的效益。對此，可以利用基于EEMD的高鐵客流預測，準確的掌握客流情況，從而更好的推動高鐵事業的發展。

參考文獻：

[1] 蒲松，王文憲，陳釘均，呂紅霞.高速旅客列車開行方案的魯棒優化模型[J].交通運輸系統工程與信息，2015（06）：101-106.

[2] 過秀成，馬超，楊潔，李星，龔小林.高速鐵路綜合客運樞紐交通銜接設施配置指標研究[J].現代城市研究，2010（07）：20-24.

[3] 李剛，潘躍.基于SPSS Modeler的超售方法在京滬高鐵票額管理中的應用研究[J].鐵路計算機應用，2014（08）：33-35.

[4] 單杏花，衛瑞明，王煒煒，張軍鋒，呂曉艷.鐵路客運營銷輔助決策系統及關鍵技術研究[J].鐵路技術創新，2015（02）：123-127.