铁路客流总量预测方法研究

吕晓艳，刘彦麟，颜 颖，王炜炜

（1.中国铁道科学研究院 电子计算技术研究所，北京 100081；2.中国铁路总公司 运输局营运部， 北京 100844）

铁路客流总量预测方法研究

吕晓艳1，刘彦麟1，颜 颖2，王炜炜1

（1.中国铁道科学研究院 电子计算技术研究所，北京 100081；2.中国铁路总公司 运输局营运部， 北京 100844）

客流预测是铁路运输进行运力布局，产品调整的重要基础。预测的科学性、精确度将直接影响运输生产，因此努力提高客流预测的精度与可用性，是目前运输学科的一个热门研究领域。本文提出基于历史与预售的时间序列（HAP）预测方法对铁路客运中、短期客运总量进行预测分析，以预测铁路客流总量，控制预测误差。经过实际应用，验证了该方法的科学性和合理性。

铁路；旅客运输；客流预测

铁路客流预测一般包括长期、中期和短期预测3种。长期预测多用于铁路运力布局、建设与调整，中短期预测较多用于旅客运输组织工作，帮助客运部门针对铁路客流短期波动情况做出快速响应，有效组织运输力量，最大化经济和社会效益[1]。

铁路客流受多种因素影响，因素之间关系错综复杂，用传统的计量方法来建立预测模型难以取得令人满意的预测效果。本文从应用性出发，引入生产预售因素，用于调整预测误差，提出基于历史与预售的时间序列（HAP）客流预测方法，除考虑传统的因素外，还利用实际的生产数据影响因素调整模型，保证模型的预测精度，通过对2010年铁路春运客流预测案例分析，证明了该方法具有良好的效果和可应用性。

1 铁路客流特征

通过对客流的时序分析，发现铁路客流具有相当的稳定性、良好的周期性和明显的趋势性，如图1所示，铁路客流具备时间序列的主要特征[2]。

图1 连续3年的发送量趋势图

2 HAP方法

由图1可知，铁路客流具备采用HAP客流预测方法的重要特征。该预测方法最重要的是识别客流周期。这些客流周期相互交叠，整体作用于发送量，本文采用差分计算方法计算客流周期[3]。

2.1 周期识别

n阶差分运算是一个递归过程：

k步差分是指相聚k期的序列值之差：

以选取的发送量训练集为例，进行15步的差分时序图分析，如图2所示。

图2 发送量n步差分时序图

铁路发送量是一个受季节周期影响的递增时间序列。通过时序图分析可以看到，只有第12步差分趋势是单增的，即其它步的时序图都是围绕0值上下周期波动，具有明显的增长趋势，所以，对训练样本集的样本增量分析应以年为周期分析。

用k步差分寻找发送量的默认周期是可行的，根本理由是时间序列自身的周期性。不同的发送量时间序列有不同的周期，如以分析日发送量为例，可得到的日基本周期为7，即以每一周为基本周期。但是，根据数据集的所有周期不能全部通过上述的发送量n步差分观察获得，如在上述发送量特征分析中，客流的一次探底客流周期是由于中国特殊的春节引起的，在公历为周期的日期时间序列中，并不能很好地找到其变化周期，这需要对时间序列中的日期规则进行公农历换算才可获取。

2.2 HAP预测

图3是采用HAP方法预测的基本流程，主要包括客票预售分布预测和客流变化趋势预测。根据预测日期距乘车日期的远近，为两个预测结果分配不同的权重，线性拟合出客运量HAP预测参数。

图3 HAP预测流程

目前采用的客运量预测方法是客票预售分布预测值与客流变化趋势预测值的拟合。图4是从上述两个角度对客运量进行独立预测的结果分布图。

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

中国铁道科学研究院电子计算技术研究所基金项目（DZYF-14-16）。

吕晓艳，副研究员；刘彦麟，工程师。