基于客流預(yù)測的城際高鐵票額分配模型研究.pdf

1、短期客流預(yù)測與合理的票額分配模型是構(gòu)建鐵路運營部門管理系統(tǒng)的主要部分，對高鐵運營的市場化、精細化和人性化，更好發(fā)揮高鐵客運在社會經(jīng)濟發(fā)展的作用，有著重要的理論和現(xiàn)實意義。
　　本文以短期客流預(yù)測與票額分配為出發(fā)點，針對短期客流預(yù)測不準確、票額分配存在客座率低和不公平性的問題，重新構(gòu)建了高速鐵路客流需求預(yù)測模型、票額預(yù)分配以及動態(tài)調(diào)整模型，并以某高鐵客流數(shù)據(jù)進行了實驗驗證。論文的主要工作如下:
　　(1)通過無法準確預(yù)測短期內(nèi)

2、客流量的問題，提出了小波包分解與長短時記憶網(wǎng)絡(luò)相結(jié)合的客流預(yù)測組合模型。該模型利用小波包對信息成分逐漸精細的時域和頻域處理在突變信息分析方面的優(yōu)勢，結(jié)合長短時記憶模型泛化能力強、精度高的優(yōu)點，構(gòu)建了客流組合預(yù)測模型。實驗表明，組合模型對客流變化的擬合程度為0.7832，比季節(jié)性模型提高20.38％,比經(jīng)驗?zāi)B(tài)分解的長短時記憶模型提高研究鐵路旅客流量數(shù)據(jù)具有時變性、非線性和隨機波動性等特點，針對傳統(tǒng)的預(yù)測模型44.66％;組合模型客流預(yù)測

3、的歸一化均方誤差為0.4178，比季節(jié)性模型減小31.16％，比經(jīng)驗?zāi)B(tài)分解的長短時記憶模型減小8.53％;組合模型客流預(yù)測的平均絕對百分比誤差為0.1292，比季節(jié)性模型減小6.24％，比經(jīng)驗?zāi)B(tài)分解的長短時記憶模型減小14.78％。分析表明，組合模型具有更好的預(yù)測性能。
　　(2)通過研究鐵路票額分配方法，針對基于線性規(guī)劃的傳統(tǒng)方法存在部分區(qū)間不公平、列車整體客座率較低和收益較低的問題，提出了比例預(yù)分與加權(quán)輪詢動態(tài)分配相結(jié)合的

4、高鐵客票分配模型。首先，利用組合預(yù)測方法得到的區(qū)間旅客出行需求，按客流比例對各區(qū)間進行基礎(chǔ)票額預(yù)分配，滿足區(qū)間客流的最低出行需求;然后，利用加權(quán)輪詢分配算法對剩余客流出行需求進行票額動態(tài)分配，將有限的票額更加均衡地分配到線路區(qū)段中，最大程度利用好列車席位，滿足各個區(qū)間旅客的出行需求。實驗表明，動態(tài)票額分配模型的列車整體客座率達到0.794、趟車二等座平均收益達到114130元、票額分配公平性達到100％，比傳統(tǒng)線性規(guī)劃票額分配模型的列車