铁路客票发售数据抽取及短时客流预测研究

发布时间：2021-02-02 02:13

　　在经济快速发展、运输市场竞争日益激烈的背景下,铁路运输企业必须提高客运营销管理科学水平,快速、灵活地应对市场变化,以更好地满足市场经济和自身发展的新要求,而这些都需要以对短期客流及时、准确的分析和预测为基础。本文主要研究铁路客票发售数据的抽取方法及短时客流预测问题,利用预售期内往日的已售客票及当日实时售票的样本数据,预测预售期内的客票发售数量,进而推算发车时的最终客流量。为了给客票发售数据抽取方法的设计和客流预测算法的选取提供依据,本文首先从对客票销售历史数据的统计分析出发,研究其各个维度上的时序趋势规律,提出售票事件的统计分布假设,并通过拟合优度检验加以验证。依据单日不同时段售票量的时序特征,本文提出了针对客票发售数据的分层抽样方法,即:通过三阶段多层抽样得到客票发售样本数据,并基于实际数据,从统计特征一致性角度,对该方法的有效性进行了验证。同样以客票发售数据的时序特征为依据,本文提出了以径向基函数（RBF）神经网络为工具,以预售期内已售客票数据为基础,对预售期内后续各天售票量的预测方法,并提出了利用单日24小时内的售票量时序规律预测当日售票量,进而对最终客流预测结果提供修正的方法。... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
致谢
中文摘要
ABSTRACT
1 引言
    1.1 研究背景
    1.2 问题的提出
    1.3 国内外研究现状
        1.3.1 针对数据抽取的研究现状
        1.3.2 短时预测相关问题的研究现状
    1.4 研究思路
        1.4.1 本文研究的重点问题
        1.4.2 技术路线
2 客票销售数量短期时序特征及统计分布研究
    2.1 数据选取和预处理
    2.2 单位时间车站售票总量统计规律分析
        2.2.1 时序特征分析
        2.2.2 单位时间售票量统计分布的拟合优度检验
    2.3 区分OD的单位时间售票量统计分析
        2.3.1 拟合优度检验
        2.3.2 每小时售票量的同比分析
    2.4 区分发车日期的单位时间售票量统计分析
        2.4.1 单位时间售票量的统计分布
        2.4.2 预售期内单位时间售票量的时序特征
    2.5 统计结果分析
3 客票数据实时抽取方法研究
    3.1 统计抽样基本理论与方法
        3.1.1 样本的数据质量
        3.1.2 数据抽样的步骤
        3.1.3 基本的抽样方法
    3.2 客票数据抽取方法设计
        3.2.1 客票数据实时抽样的基本思想
        3.2.2 数据抽样分层设计
        3.2.3 精度分析
        3.2.4 样本量的确定
    3.3 实证研究
        3.3.1 基于不同属性数据比例的分析
        3.3.2 基于售票事件统计分布的分析
4 基于实时售票数据的短时客流预测研究
    4.1 短时客流预测方法的选择
        4.1.1 客流预测方法选择的影响因素
        4.1.2 短时客流预测方法的确定
    4.2 径向基函数神经网络的理论基础
        4.2.1 径向基函数神经网络的结构
        4.2.2 径向基函数神经网络的功能
        4.2.3 径向基函数神经网络的映射机理
    4.3 基于RBF神经网络的预售期内短时客流预测
        4.3.1 数据准备和归一化处理
        4.3.2 网络设计和训练
        4.3.3 实证研究
    4.4 基于实时售票数据的预测量修正
        4.4.1 方法的提出
        4.4.2 实证研究
        4.4.3 小结
5 结束语
参考文献
作者简历
学位论文数据集



本文编号：3013857