摘要
公路运输是城市发展的基础和前提，交通问题已经成为影响城市功能正常发挥和城市可持续发展的一个全局性问题。客运是运输需求中最活跃的一个领域。随着道路运输业的持续快速发展，客运系统所起的作用越来越重要的作用。
本文结合南宁市公路运输发展状况，在对客流进行分析的基础上，研究各种预测方法在公路客运量预测中的应用。首先在调查和收集南宁历年的客运量数据资料的基础上，运用弹性系数法、线性回归法、灰色模型、指数平滑法这四种单项预测模型对南宁市的客运量发展进行预测，同时为了减少单项预测模型容易出现的预测值过于激进或者过于保守的情况，利用已经建立好的四种单项模型构建一个组合模型再对南宁客运量进行预测，然后根据各个模型预测的最后结果与权威的预测结果做对比，分析各个模型的误差原因，以此来研究各预测模型的适用情况。
关键词：客运量预测弹性系数法灰色模型线性回归指数平滑法组合模型
The Research of Highway Passenger
Volume Forecast Method
ABSTRACT
Road transportation is the foundation and prerequisite to the urban development, traffic problems have become urban function normal play and urban sustainable development in a global problem. Passenger transportation is the most active field of the transportation . With the sustained and rapid development of road transportation, passenger transport systems become more and more important in the whole transportation system.
Based on the road transport development in Nanning city ,this paper analysis the passenger flow based on the study of forecast method applied in highway passenger transport volume forecast. by using the linear elastic coefficient method, regression analysis, grey model, exponential smoothing method to predict the passenger volume of Nanning. And then use the four kinds of single model to construct a combination model to forecast the passenger traffic volume of Nanning. With the final results of each prediction model prediction results compared to the authority, analysis the causes of errors of each model in order to study the application of each prediction model.
Key words:Passenger Traffic V olume Prediction ,elastic coefficient method , regression analysis , grey model ,exponential smoothing method , patterns assembly
目录
第一章绪论 (1)
第一节研究背景及意义 (1)
第二节国内外研究现状 (2)
第三节本文的研究内容 (3)
第二章客运量预测及方法综述 (4)
第一节客运量预测 (4)
第二节常用客运量预测方法与模型 (7)
第三章模型的实际应用 (21)
第一节原始数据准备 (21)
第二节弹性系数模型 (22)
第三节线性回归模型 (26)
第四节灰色模型 (29)
第五节指数平滑模型 (32)
第六节组合模型 (36)
第四章结果分析 (39)
结论 (41)
参考文献 (42)
致谢 (44)
第一章绪论
第一节研究背景及意义
交通运输是国民经济的基础支柱产业，是国民经济的动脉，它把国民经济各个部门和各个地区连接起来，是人类社会生产活动和生活活动中一个不可缺少的方面。城市是社会经济发展的主要载体，是产业和人口聚集的地区。城市交通是城市发展的基础和前提，是城市生产和人民生活必不可少的社会公共服务设施，是城市投资环境和居住环境的基本物质条件。
公路运输是交通运输中重要的组成部分，公路运输存在灵活机动、适应力强、可实现“门到门”直达运输、在中短途运输中速度较快、运量较小的优点。处理好公路运输有利于一个城市的全面发展。
公路运输系统是个抽象的系统，没有物理模型。公路客运量受众多因素影响，因此，公路客运量存在很多不确定性因素，正是这些因素使得公路客运量的预测值与实际值产生偏差。为了准确地把握公路客运量的未来发展特征，数十年来许多学者提出了多种预测模型，进行了有益的尝试。现今提出的预测模型已经多达300多种，归纳起来大体分为定性预测和定量预测两类。常用的定性预测方法是德尔菲法；定量预测方法有指数平滑法、回归分析法、马尔可夫分析法、客流调查法、弹性系数法、细分集成法、灰色系统法等。但是基于客运量的变化是由多种原因相互作用影响的结果，这些方法通常并不能很准确的反应未来的客运量情况，所以如今国际上对于客运量预测的问题提出了一种更为全面的预测模型——组合模型预测法，既从实际问题出发，分析各个预测模型对于预测结论的影响，再通过对各个预测模型结果给定一个权重系数，各个结论与系数的乘积之和即为组合预测模型的最后结论。这种方法将多种预测模型的结合起来，考虑充分，其结果更具说服力[1]。
客运量预测的意义十分重大，对于调整运输结构、合理投入不同结构的运力、配备不同的运力结构、满足不同层次旅客的运输需求、提高运输企业的经济效益、实现道路旅客运输资源的配置、提高客运企业的市场竞争力具有非常重要的现实意义。从而可以使运输资源得到最大限度的利用，实现客运资源的合理配置。使公路建设与经济发展、社会发展人民生活水平相协调，
进一步社会的和谐繁荣，对于城市发展具有战略意义。
南宁市作为广西壮族自治区首府，广西第一大城市，北部湾经济区核心城市，其城市的公路运输系统的优劣对于全市乃至全省有重大影响。因此做好南宁市的公路规划对于城市发展有着重大意义。而公路规划的制定依赖于公路运输量的预测，没有准确的预测就难以制定出适合未来城市发展的公路运输系统。因此，预测的准确是城市规划的关键。本文以广西南宁市1996年到2011年的客运量为参考数据，通过指数平滑法、回归分析法、弹性系数法、灰色系统法等预测模型以及组合模型对南宁市未来15年的公路客运量做出科学预测，并通过比较选定最为合理的预测模型，使之预测结果更准确，误差更小，更适用于南宁市的公路客运量预测。
第二节国内外研究现状
交通量预测是交通运输领域的一项专门研究课题。进入20世纪70年代以后，随着计算技术、数学模型的日益成熟以及计算机的广泛使用，预测技术也日趋成熟，回归分析法、投入产出法、时间序列法、灰色模型法、系统动力学法等多种方法已广泛应用于交通量预测领域，但是这些方法基本上只能应用于对单一运输指标的预测，使预测方法难以与运输活动的本质建立直接联系。为了更系统和更完整的分析交通量变化，结合多个单项模型重新组建出一个组合模型的方法越来越受到人们的重视，国内外有关专家学者在从运输需求调查开始的各个阶段都已取得了一些研究成果，如：侯丽敏，马国峰在2011年针对铁路客运系统是一个信息不完全的灰色系统，运用灰色预测理论构建灰色模型GM(1，1)与线性回归的组合模型。用于对未来五年内河南省铁路客运量进行预测。研究表明，模型改善了原线性回归模型中没有指数增长趋势和基本灰色预测模型中没有线性因素的不足，和单一模型相比，预测精度更高，预测结果更为可靠，具有较高的实际应用价值．也为铁路客运量预测研究提供了新的途径[2]。
杨林,刘晶在2011年针对公路客运量预测问题，在建立灰色GM(1，1)模型和三次指数平滑模型的基础上,利用最优加权系数法建立组合模型来对客运量进行预测。以此来避免单一模型的不足，从而提高模型的预测精度。
通过2005 -2009年安顺到贵阳的贵黄高速客运量模型的检验，证明组合模型是合理、可行的，并且具有较高的预测精度[3]。
国外对客运量的预测研究比较早，也取得了一系列研究成果。早期的研究主要集中在利用因素回归法建立预测模型。Cigliano.J.M[4]选取国民生产总值和票价为自变量，利用因素回归分析法，分别研究了美国-欧洲、加拿大-欧洲的客运量，研究表明：客运量对国民生产总值都具有高弹性。Alperovich[5]通过对国际客运量的预测研究，证明了国际客运量的需求收入弹性比较大而价格弹性比较小。Bunn D W[6]。运用基于回归分析法的组合预测对运输客运量进行了预测，得出结论：组合预测法的精度明显高于单项预测法。Dargay 和 Gately[7]主要研究了航空客运量增长与收入之间的相关性，通过对大量客运量历史数据分析之后，他们认为航空客运量与收入存在较强的正相关关系。
第三节本文的研究内容
本文的研究思路是依据统计学、计量经济学、运筹学等相关理论，结合南宁的发展，从借鉴国内外文献及前人的研究成果出发，探索适合用于公路客运量预测的方法与模型，为公路客运组织和管理提供有效保证。
本文将分为四个部分来对组合预测理论及其在公路客运量预测中的应用进行系统的研究。
第一部分：绪论。介绍了研究的背景及意义、国内外研究状况以及研究的思路与结构；
第二部分：单项预测模型的选择与建立。然后对每一种方法进行预测应用，分析模型的特点以及在公路客运量预测中的适用性；
第三部分：组合预测模型。对组合预测理论进行了较为详细的叙述，介绍确定权重的常用方法；在单项模型的基础上建立组合预测模型建立各种组合预测模型，并对预测结果进行了分析与对比。
第四部分：结束语。对本文的研究过程与最后结论作了简要的概述。
第二章客运量预测及方法综述
第一节客运量预测
一、客运量预测概念
客运量又称客运运输量，是指在一定的运输供给条件下所能实现的人的空间位移总量，是运输需求与供给、运输需求与运输服务水平相互作用的反映，是在一定运输能力下所实际完成的运输需求量。客运量的预测主要内容包括各种运输方式的总客运量和旅客总周转量等。客运量是评价运输组织效果的指标，是衡量旅客运输生产劳动量的尺度，是统计期内运送的旅客数量，其实质体现了运输部门的绝对成果和运输组织方式满足社会客运需要程度的大小。对未来若干年的客运量及其发展趋势进行预测，可以有效地计划和组织旅客运输，为客运系统的规划布局提供依据，以达到促进旅客运输的经济效益和社会效益，满足国民经济快速增长和人民生活水平日益提高需要的目的，对于客运的管理和决策具有重要的意义。
二、预测的特点
在进行客运量预测时，不仅要考虑社会经济发展对客运需求的影响，而且还应从综合交通的角度出发，考虑各种交通方式之间的相互作用对客运需求带来的影响，研究客运量预测的规律与特点，以更好的反映客运量的未来增长规律。
预测模型在运用中通常以一个特定的假设条件作为前提，即预测对象的未来发展趋势与历史资料所反映的发展趋势相同。当前，我国的交通运输行业进入了快速发展的时期，各种交通方式的客运量增长趋势发生了很大的变化，在进行客运量预测时，必须注重对模型的选择和历史数据的选取，既要符合预测理论，又要考虑客运量增长的特点。在客运量预测中，数据样本一般具有以下特点：
1、样本小
近年来，我国的交通运输行业进入了加速发展的时期，客运量的增长趋
势发生了很大的变化，在预测中，需要对历史数据进行合理选取，因此，在实际客运量预测研究中所能收集到的有效数据样本较少(一般未有超过20 的)。
2、非线性
交通系统是一个复杂的大系统，影响客运量的因素众多，客运量的增长不仅受社会经济的影响，并且，在综合交通系统内各交通方式之间也相互促进、相互制约，其关系往往不能用简单的数学解析式表述，另一方面，随着我国经济的快速发展和综合交通系统的完善，我国的交通运输行业近年来进入了加速发展的时期，客运量的增长趋势也随之发生了较大的变化，客运量历史数据往往呈现出非线性增长的特点。此外，各种突发事件的干扰往往也会使客运量的历史数据出现较大的波动，如2003年非典事件对交通运输行业的影响。
三、影响客运量的因素
综合分析影响客运量的因素，是进行预测工作的前提，对建立有效的数学模型，提高预测的精度具有重要的理论意义和实用价值。交通系统是社会经济大系统下的一个子系统，运输量是在一定运输装备条件下，社会经济发展对交通运输需求的集中体现，直接受规划区域社会经济发展的影响。社会经济的发展是影响客运量的直接因素，一般来说，客运量的增长受经济发展水平、运价水平、服务质量、国家经济体制、居民消费水平、人口及城市化程度等因素的影响。另一方面，综合交通系统又是一个由多种交通方式构成的复杂大系统，系统内的各种交通方式相互制约和促进，任一交通方式的客运量又受到其他交通方式发展的影响。在综合交通系统中，客运量主要受以下因素影响：
1、区域社会经济发展及经济结构
客运需求的产生主要来源于生产和消费这两个不同的领域，经济的发展不仅增强了生产活动的联系性，也增加了消费性的出行(如旅游)，从而驱动了客运量伴随经济的发展呈现出稳定的上升趋势。从各个国家或城市客运的发展情况来看，社会经济的发展和三次产业结构的变化调整发展过程与综合交通系统的客运需求有着极大的联系，如：第二产业比例的提高增加了生产
性客运需求的增加，第三产业比例的提高增加了旅游等消费性客运需求的增加。常用的社会经济发展及经济结构评价指标有社会生产总值、工农业生产总值、第一产业生产总值、第二产业生产总值和第三产业生产总值等。
2、区域人口数量与结构
人口的数量和结构的变化将引起客运需求的变化，一般情况下，出行频率一定时，人口数量的增加将引起客运量的相应增加。此外，非农业人口的增加，导致农村剩余劳动力向城镇的转移以及人口城镇化和城市化的加大，也必然引起旅客运输需求的增加。常用的人口评价指标有总人口数、农业及非农业人口数、社会劳动力人数及其构成等。
3、人均收入与消费水平
人均收入水平的提高，旅游等需求也随之增加，消费结构亦随之发生变化，用于非饮食开支部分的比例逐步加大，旅行游览、参观探亲等活动逐渐成为人们生活中必需的组成部分，与之相联系的交通消费需求也相应的在数量和质量上发生变化。对收入与消费水平的常用评价指标有人均国民收入、城镇居民人均可支配收入和人均消费额等。
4、宏观经济政策
合理的宏观经济政策改善了现有生产关系，促进了生产力的发展，从而刺激了交通需求的增加。如在计划经济体制下，实行严格的户籍管理和就业制度，人员流动量小，客运量也比较低。而在市场经济体制下，人员流动相对频繁，因此客运量也会相应增加。
5、路网规模与服务水平
交通运输设备是实现客运需求的基础，路网的布局和质量直接影响综合交通系统的运输能力及对客运需求的适应程度。另一方面，路网规模的扩大与完善，提高了交通运输的服务水平，刺激了社会客运总需求的增加，从而促进了客运量的增加。在五种交通方式中，铁路与公路是最主要的旅客运输方式，因此，路网规模最常用的评价指标有公路或铁路通车里程与路网密度、铁路复线比例、高等级公路通车里程等。
6、综合交通系统的影响
在综合交通系统中，各种交通方式之间的运力合理配置和相互衔接对客运量有重要的影响，综合交通结构的改善，将提高出行的机动性，有效改善出行的条件、缩短出行时间，提高出行的舒适性，增加了社会对客运的需求，
这必将引起在综合交通系统中客运总量的增加。另一方面，不同交通方式又相互竞争，某种运输方式的开通、运价或服务水平的改变必将引起其客运量的变化，从而导致其他交通方式客运量的变化。不同交通方式之间的客运量存在相互促进与制约的关系，通过相互作用实现了全社会的总客运需求在不同运输方式之间的动态分担，因此，在进行客运量预测时，需要充分考虑其他交通方式客运量变化带来的影响。
7、突发事件的影响
综合交通系统是一个复杂的大系统，一些突发事件如疾病、自然灾害等常对交通运输行业造成较大的影响，从而造成客运量历史数据的波动，如2003年的非典事件。
第二节常用客运量预测方法与模型
客运量预测方法归纳起来大体分为定性预测和定量预测两类，目前，最常用的定量预测模型有弹性系数模型、线性回归预测模型、灰色模型、指数平滑模型以及组合模型等。
一、弹性系数模型
（一）弹性系数模型简介
弹性原是一个物理学名词，用于反映物体受外力作用的应变能力，即在受外力作用发生变形后，除去外力时恢复原状原装的能力。早期的弹性系数是给定一个函数F(X)，即Y=F(x)，从而计算Y的变化率与X的变化率的比率。而在30年代以后，有时度量弹性时用一个变量变化率与另一个被称为自变量的变化率的比率，没有任何函数关系的介入。
根据研究对象、函数关系和计算方法的不同，弹性系数可以分为不同的类别。按选取指标名称分，弹性系数可分为需求价格弹性、经济增长就业弹性、投资弹性、消费弹性、交叉弹性等；按函数是否连续分，弹性系数可分为点弹性和弧弹性；按计算方法分，弹性系数可分为名义弹性和实际弹性。
在经济学中，弹性系数则是一定时期内相互联系的两个经济指标增长速度的比率，它是衡量一个经济变量的增长幅度对另一个经济变量增长幅度的
依存关系。经济学中的弹性理论最早是由19世纪的法国经济学家古诺提出的。19世纪中叶，英国经济学家穆勒在研究中注意到了需求与价格间的相互关系，由此产生了需求弹性的初步概念。19世纪末，另一位英国经济学家马歇尔将需求弹性明确地用公式表示出来，即“数量的相对变动对价格的相对变动之比”，并形成一个完整的理论。20世纪以后，英国经济学家庇古等人将这一理论运用于实际，使得弹性概念在经济学广为应用。目前，弹性系数已成为现代西方经济领域中用于微观分析的重要工具[8]。
（二）弹性系数的获取
弹性系数的计算公式为е=P
0/P
1
，其中P
为客运量的增长率，P
1
为与客
运量成对应关系的对象的增长率。
（三）参数检验
若以GDP为对像，则当国民经济处于高速发展时期，弹性系数е>1，甚至超过2；随着国民经济的进一步发展，弹性系数的值下降，大都小于1。
（四）模型计算公式
运用下列模型对客运量进行预测：
M=M0（1+е×α）t-t0 （2-1）其中，M为预测南宁市的公路客运量；Mo为基准年公路客运量；е为弹性系数；α为GDP年增长率，t为预测年；t0为基准年。
二、线性回归模型
（一）线性回归模型简介
在统计学中，线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回
归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。
回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
在线性回归中，数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。最常用的线性回归建模是给定X值的y的条件均值是X的仿射函数。不太一般的情况，线性回归模型可以是一个中位数或一些其他的给定X的条件下y的条件分布的分位数作为X的线性函数表示。像所有形式的回归分析一样，线性回归也把焦点放在给定X值的y的条件概率分布，而不是X和y的联合概率分布。
线性回归是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。这是因为线性依赖于其未知参数的模型比非线性依赖于其位置参数的模型更容易拟合，而且产生的估计的统计特性也更容易确定[9]。
线性回归有很多实际用途。分为以下两大类：
如果目标是预测或者映射，线性回归可以用来对观测数据集的和X的值拟合出一个预测模型。当完成这样一个模型以后，对于一个新增的X值，在没有给定与它相配对的y的情况下，可以用这个拟合过的模型预测出一个y 值。
给定一个变量y和一些变量X1,...,Xp，这些变量有可能与y相关，线性回归分析可以用来量化y与Xj之间相关性的强度，评估出与y不相关的Xj，并识别出哪些Xj的子集包含了关于y的冗余信息。
各种数量关系大致可以分为两类：一种是变量之间的关系，可以通过理论分析，建立某种严格的数学模型，如某种产品的材料消耗金额等于消耗数量与材料单价的乘积，这种数量关系称为函数关系：另一类是变量之间不能推导出完全精确的函数表达式，但变量之间又客观存在一定的依存关系，本文中研究的公路客运量预测就是属于这种情况。这种关系称为相关关系。
（二）相关性计算以及检验
对于任何一组统计数据(X i，Y i)，都可以推算出a,b，并据以建立一元线性回归方程y=a+bx,但x、y 之间是否具有近似线性关系，所揭示的规律是否比较准确，精度怎么样，还需要验证。为了把握预测的准确程度，还要计算
相关系数，进行相关性检测。即
]
)(-][)(-[-2
2
2
2
y y n x x n y
x xy n r ΣΣΣΣΣΣΣ＝
（2-2）
相关系数r 的取值－1≤r ≤1，r 的绝对值越接近于1，表明x 与y 之间线性关系越密切，当r ＝＋1，表明x 与y 之间完全正相关；当r=-1，表明x 与y 之间完全负相关；当r=0,表明x 与y 之间没有任何联系。故在预测分析中，只有︱r ︳的值趋近于1 才有实际意义[10]。
（三）模型计算公式
在确定了相关性后，对方程y=a+bx 中的a 、b 求值，a 、b 的求值公式；
2
1
21
1
1121
)(*i n
i i n
i i
i n
i i n i i n i i
n
i X X n Y X X Y a X
＝＝＝＝＝＝Σ—ΣΣΣ—ΣΣ
＝
（2-3）
2
1
21
1
11
)
(i n
i i
n i i
n
i i n
i i i n
i X X n Y X Y X n b ＝＝＝＝＝Σ—ΣΣΣ—Σ＝
（2-4）
(四)模型检验
在y =a +bx 中b =0，说明x 的变化对y 没有影响，这时回归方程x y ^
^
^
b a ＋＝就不能近似地描述变量x 与y 之间的关系，因此为了判断x 与y 之间是否在线性关系，只需检验假设：
H 0：b =0
根据观测数据(x i ,y i ) (i =1,2,…,n )作出拒绝或接受原假设b =0的判断．拒绝原假设才能确认我们的线性回归模型是合理的，接受原假设表示不能认为x 、y 之间有线性相关关系．
先把变量y 的离差平方和分解
:
=Q+U （2-5）
其中（2-6）
是回归值与其平均值的离差平方和，而,可以把看成是由于x的变化而引起的y值变化，因此称之为回归平方和；
（2-7）
反映的是观测值与回归值之间的离差平方和，它表示除x对y的线性影响之外的一切因素引起的y值的变化，称之为误差平方和或残差平方和.
而
∴（2-8）数学上我们可以证明,当H0为真时,统计量
～F(1, n-2). （2-9）对于给定的显著性水平α,查自由度为(1，n-2)的F分布临界值表,可得临界值Fα(1, n-2) 使得
. （2-10）其拒绝域为W={F>Fα(1, n-2)}，如图2-1所示。
图2-1 临界值F
α的拒绝域
由样本观测数据计算统计量F的观测值F0，如果F0>Fα(1,n-2),则应拒绝假设H0，即认为x与y之间线性关系显著；否则认为x与y的线性关系不显著或根本不存在线性关系，回归方程没有什么实用价值．
三、灰色模型
（一）灰色模型简介
灰色模型首先是由华中理工大学的邓聚龙教授提出的。灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的，但它毕竟是有序的，是有整体功能的。灰数的生成，就是从杂乱中寻找出规律。同时，灰色理论建立的是生成数据模型，不是原始数据模型，因此，灰色预测的数据是通过生成数据的GM(1,1)模型所得到的预测值的逆处理结果。
客运系统是一个抽象系统，没有物理原型且影响公交客运量的因素很多部分因素已知部分因素未知因此可以将公交系统视为灰色系统GM(n,h)表示n 阶h 个变量的灰色模型将公交系统客运量灰微分方程看成1个变量的一阶微分方程故我们选定模型GM(1,1)进行客运量预测[11]。
（二）参数计算以及检验
灰色模型的参数检验包括残差检验、关联度检验以及后差检验。 用相对残差值δ(i) 表示实际值x (0)(i)与模型值x ?(0)(i)的误差：
（2-11）
一般δ(i)的绝对值不大于10%时即为合格。
关联度系数公式为：
(2-12)
式中ζ(i ) 为第 i 个数据的关联度系数ρ为取定的最大百分比一般取50%即ρ=0.5。计算出关联度ζ的公式为：
(2-13)
一般当ζ>=0.6时，我们认为模型关联度合格，所以模型关联度检验合格。
后验差检验就是通过计算方差比C 和小误差概率P 来检验模型的精确程度，C 和P 的计算公式如下：
1
S S C ＝
(2-14) }*745.60-)({0S i p P ＜△△＝—
(2-15)
其中1
-21
1n S S
＝
(2-10)， 21
2
1)-)((—
＝△△Σ＝i n i s (2-16)
1
-20
0n S S
＝
(2-12)， 2_
)
0(1
20
)-)((x i x S n
i ＝Σ＝ (2-17)
)(11
i n n
i △Σ＝△＝—
(2-18)
计算出C 、P 后再根据下表2-1所示确定模型精度等级：
表2-1模型精度等级评价表
（三）模型计算公式
GM(1,1) 模型表示一个白化灰色系统灰度渐少白度渐增的过程形成的灰微分方程
x (0)(i)+az (1)(i)=u (2-19) 式中 z (1)表示由原始数据经累加后生成的新数列；x (0)有n 个观察值 x (0)={x (0)(1),x (0)(2),……, x (0)(n)}…
式中a 为发展参数 反映z (1)及原始数列x (0)的发展趋势u 为协调系数反映数据间的变化关系可通过原始序列计算得到。x (1)是由x (0)累加生成的序列，x (1)的第i 个元素为
)()1-()()()0()1()0(1
)
1(i x i x m x i i
m x
＋＝Σ＝＝ .......2,1＝
i (2-20) 新数列z (1)的第i 个元素为
z (1)(i)=0.5x (1)(i)+0.5x (1)(i-1) (2-21) 式中 i =1,2,…,n
对序列x (1)可建立预测模型的白化形式方程:
u ax dt
dx ＝＋）1()
1( （2-22） 采用最小二乘法求解GM(1, 1) 模型中的参数a 和u 设a? 为待估计参数向量：
n T
1-T ^
y B B B ],[），＝（＝T u a a （2-19） 式中
（2-23）
将a^代入式(2-18)并解微分方程得到白化方程的时间响应式:
a
u
a x i x ai ＋＝（＋-)0()
1(^)u -)1()1( (2-24)
)(-)1()1()
1(^)1(^)0(^i x i x i x ＋＝＋ (2-25) )1()1()1()
0(^x x ＝ (2-26) 将时间函数离散化GM(1, 1) 灰色预测模型为:
a
u
x i x ai ＋）＝（＋-)0()a u -)1(1( (2-27)
式中，i=n ，n+1，n+2，…。
灰微分方程式(2-15) 是以式(2-18) 为基础建立的因此式称为GM(1, 1)的白化方程。应用GM(1, 1)模型进行预测的步骤如图2-2所示[12]:
图2-2 GM（1,1）模型预测步骤
四、指数平滑模型
（一）指数平滑模型简介
指数平滑法（Exponential Smoothing，ES）是布朗(Robert G..Brown)所提出，布朗、认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续的未来，所以将较大的权数放在最近的资料。
指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测，所有预测方法中，指数平滑是用得最多的一种。简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用；移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平
滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。
也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均[13]。
（二）参数计算以及检验
对于指数平滑法，如果所求问题中，有明显的初始值，那就用给定的初始值。如果原序列没有明确的初始值，原则上这样规定：①若序列数较大，如T>15时，用Y 。作为初始值就行了；②若序列数T<15时可以选用最初三期的数据，用适当方法求平均数作为初始值。
指数平滑实际上是一种以时间定权的加权平均，α体现了新观察值与原平滑值之间的比例关系。一般根据实际数据序列的特点和经验来考虑。(1)当时间序列波动不大，长期趋势比较稳定时，取值较小为好，这样可加重旧预测值的权重”，α一般在O ．05～0．2之间选取；(2)当时间序列波动较大，具有迅速明显的变动倾向时，d 选取较大值为好，这样可加重新预测值的“权重”，α一般在0．3～O ．7之间选取[16]。在一般情况下，我们要针对不同的序列，分别选取几个不同的值加以试算比较，求得使
2^
1
)(t t T
t y y S —Σ＝＝ （2-28）
取得最小的α。
（三）指数平滑法计算公式
指数平滑预测法是一种时间序列预测法，对于有明显线性趋势的时间序列，不宜用一次指数平滑法进行预测，通过观察历年南宁的客运量可知南宁的客运量基本逐年递增，与年份有一定的线性关系，这种情况宜采用二次指数平滑法预测，为减少误差，使预测值更好地接近于实际值，本文采用二次指数平滑法预测模型, 二次指数平滑法是建立在一次指数平滑法上的，一次指数平滑法公式为：
河南省铁路客运量和公路客运量3年数据专题报告2019版
序言 本报告以数据为基点对河南省铁路客运量和公路客运量的现状及发展脉络进行了全面立体的阐述和剖析，相信对商家、机构及个人具有重要参考借鉴价值。 河南省铁路客运量和公路客运量数据专题报告知识产权为发布方即我公司天津旷维所有，其他方引用我方报告均需注明出处。 河南省铁路客运量和公路客运量数据专题报告主要收集国家政府部门如中国国家统计局及其它权威机构数据，并经过专业统计分析处理及清洗。数据严谨公正，通过整理及清洗，进行河南省铁路客运量和公路客运量的分析研究，整个报告覆盖铁路、公路和水运总客运量，铁路客运量，公路客运量等重要维度。
目录 第一节河南省铁路客运量和公路客运量现状 (1) 第二节河南省铁路、公路和水运总客运量指标分析 (3) 一、河南省铁路、公路和水运总客运量现状统计 (3) 二、全国铁路、公路和水运总客运量现状统计 (3) 三、河南省铁路、公路和水运总客运量占全国铁路、公路和水运总客运量比重统计 (3) 四、河南省铁路、公路和水运总客运量（2016-2018）统计分析 (4) 五、河南省铁路、公路和水运总客运量（2017-2018）变动分析 (4) 六、全国铁路、公路和水运总客运量（2016-2018）统计分析 (5) 七、全国铁路、公路和水运总客运量（2017-2018）变动分析 (5) 八、河南省铁路、公路和水运总客运量同全国铁路、公路和水运总客运量（2017-2018）变 动对比分析 (6) 第三节河南省铁路客运量指标分析 (7) 一、河南省铁路客运量现状统计 (7) 二、全国铁路客运量现状统计分析 (7) 三、河南省铁路客运量占全国铁路客运量比重统计分析 (7) 四、河南省铁路客运量（2016-2018）统计分析 (8) 五、河南省铁路客运量（2017-2018）变动分析 (8)
目录 CONTENTS 第一篇：2015年1-6月我国公路客运量累计值统计--------------------------------------------------- 1 2015年1-6月我国公路客运量累计值统计表： --------------------------------------------------------- 2第二篇：公路客运全国布局加强开启国内客运产业新篇章------------------------------------------ 2第三篇：2014年北京市公路客运量统计同比下降0.24% -------------------------------------------- 3第四篇：我国公路客运的困难现状分析------------------------------------------------------------------- 4第五篇：我国公路客运发展面临的困境分析 ------------------------------------------------------------ 5第六篇：2014年中国十大公路客运公司排名------------------------------------------------------------ 6 2014年中国十大公路客运公司排名 ------------------------------------------------------------------------ 6 1江西长运股份有限公司 -------------------------------------------------------------------------------------- 6 2大众交通（集团）股份有限公司-------------------------------------------------------------------------- 7 3南京中北（集团）股份有限公司-------------------------------------------------------------------------- 7 4湖北宜昌交运集团股份有限公司-------------------------------------------------------------------------- 7 5福建龙洲运输股份有限公司 -------------------------------------------------------------------------------- 7 6新国线运输集团有限公司 ----------------------------------------------------------------------------------- 7 7北京首汽（集团）股份有限公司-------------------------------------------------------------------------- 7 8上海芷新（集团）有限公司 -------------------------------------------------------------------------------- 7 9苏州汽车客运集团有限公司 -------------------------------------------------------------------------------- 7 10无锡客运有限公司------------------------------------------------------------------------------------------- 7第七篇：我国公路客运行业发展前景分析 --------------------------------------------------------------- 7第八篇：前瞻资讯针对公路客运行业研究报告特点分析--------------------------------------------- 9第九篇：2014年公路客运行业分析与前景------------------------------------------------------------- 11（1）涉足快递业：利用客运汽车的行李舱，有偿运输邮件、包裹； -------------------------- 11第十篇：中国公路客运行业市场前瞻与投资规划分析报告---------------------------------------- 12第十一篇：中国公路客运中心建设与运营深度调研与投资预测分析报告 --------------------- 13 本文所有数据出自于《2015-2020年中国公路客运行业市场前瞻与投资战略规划分析报告》第一篇：2015年1-6月我国公路客运量累计值统计 2015年6月我国公路客运量累计值为950054万人，同比下降0.51%，5月累计客运量为798190万人，同比下降0.35%，4月累计为643261万人，同比下降0.14%。
一、意义 1、设计铁路能力的依据。客运量是选定铁路主要技术标准的依据，而主要技术标准又决定着运输装备的能力，它不应小于调查或预测的客运量，以满足国家要求的运输任务； 2、是评价铁路经济效益的基础。客运量决定铁路的运营收入、运输成本等经济效益指标。客运量大，则收入多、成本低； 3、是影响线路方案取舍的重要因素。铁路选线中，出现大量的线路方案比较。若运量大，则投资大的方案中选，运营支出小。 总之，若调查或预测的客运量偏大，则铁路标准偏高，技术装备能力也偏高，因而投资较大。但运营后发现实际运量偏小，则会造成铁路能力闲置，投资浪费，由于运营收入少，铁路的经济效益必然降低；若调查或预测的客运量偏小，虽初期投资省，但运营后能力很快就会饱和，从而过早的引起铁路改扩建，追加投资增大，也不经济。 二、影响客运量的因素 直通吸引范围：等距离原则划定（“哪边近走哪边”），上下行分别勾画； 地方吸引范围：运价最低（运距最低）原则确定（“哪边花钱少走哪边”）。 随着社会经济的不断发展，客运量也在不断增加，因此，只有把握住影响客运量增长的因素，才能更好地预测出客运量的大小。影响因素主要有： 1、国家的政治、经济形势，国民经济的增长速度与发展战略，运价政策和旅客对运费的承受能力，这些因素，在预测远期运量时需加以考虑； 2、设计线在路网中的地位和作用，以及邻接铁路的布局和能力，都将影响直通客运量； 3、设计线沿线的资源情况，工矿、电力等大型企业的发展规划，农林牧副渔和乡镇企业的发展情况，以及城乡人口、人均收入的增长情况，也将影响地方客运量； 4、设计线沿线的公路、水运等交通状况和发展规划，将影响设计线分担客运量的比重； 5、突发事件的影响：疾病、自然灾害等。 三、客运量预测方法 定性预测方法是主要以预测人员的经验判断为依据而进行的预测。预测者根据自己掌握的实际情况、实践经验、专业水平，对未来货运发展前景的性质、方向和程度做出判断。其特点为:需要的数据少，能考虑无法定量的因素，比较简便可行。 定性预测方法：经济调查法（直接估算法：根据规划线吸引范围内的经济、人口、人均收入等情况，比照邻接铁路每天开行的旅客列车对数，直接估计规划线运营初期每天需要开行的列车对数，远期可按每隔若干年增加一对估算）、德尔菲法（专家调查法）、类推法（时间类推和局部类推）、头脑风暴法等。但这种方法往往在很大程度上取决于参加预测的人员的经验、专业理论水平以及所掌握的实际情况，因此存在片面性，准确性不高的缺点。 定量预测方法则是以历史统计资料和有关信息为依据，运用各种数学方法来预测未来客运市场需求情况，即未来的运量。定量预测方法最大的优点就是客观性，这类方法的预测精度和可靠性在很大程度上取决于数据的准确性和预测方法的科学性。 定量预测方法：时间序列法（移动平均法、指数平滑法、季节指数法、自回归分析、趋势外推法、灰色预测法）、影响因素分析法（回归分析法、系数法：乘车系数和产值系数）、四阶段法（交通生成、交通分布、交通方式划分、交通流分配）。 时间序列分析预测法是一种依据客运量的历史变化趋势，找出其随时间变化的规律，并通过数学模型来表示，然后根据模型来进行预测的方法。这种方法的主要优点是需要数据少、简便，只要所研究的运量时间序列的趋势没有大的波动，预测效果较好。这类方法的缺点是无法反映出运量变化的原因，对于影响运量变化的外部因素变化，如调整经济政策和发展速度而引起的运输需求的变动无法反映。 影响总运输需求的主要因素有很多，但具体的预测目标类型、范围是不同的，必须细致地分析其最
河南省郑州市公路客运量和旅客周转量数据专题报告2019 版
前言 本报告主要收集权威机构数据如中国国家统计局，行业年报等，通过整理及清洗，从数据出发解读郑州市公路客运量和旅客周转量现状及趋势。 郑州市公路客运量和旅客周转量数据专题报告相关知识产权为发布方即我公司天津旷维所有，其他方引用我方报告均需要注明出处。 郑州市公路客运量和旅客周转量数据专题报告深度解读郑州市公路客运量和旅客周转量核心指标从客运量，旅客周转量等不同角度分析并对郑州市公路客运量和旅客周转量现状及发展态势梳理，相信能为你全面、客观的呈现郑州市公路客运量和旅客周转量价值信息，帮助需求者提供重要决策参考及借鉴。
目录 第一节郑州市公路客运量和旅客周转量现状 (1) 第二节郑州市客运量指标分析 (3) 一、郑州市客运量现状统计 (3) 二、全省客运量现状统计 (3) 三、郑州市客运量占全省客运量比重统计 (3) 四、郑州市客运量（2016-2018）统计分析 (4) 五、郑州市客运量（2017-2018）变动分析 (4) 六、全省客运量（2016-2018）统计分析 (5) 七、全省客运量（2017-2018）变动分析 (5) 八、郑州市客运量同全省客运量（2017-2018）变动对比分析 (6) 第三节郑州市旅客周转量指标分析 (7) 一、郑州市旅客周转量现状统计 (7) 二、全省旅客周转量现状统计分析 (7) 三、郑州市旅客周转量占全省旅客周转量比重统计分析 (7) 四、郑州市旅客周转量（2016-2018）统计分析 (8) 五、郑州市旅客周转量（2017-2018）变动分析 (8) 六、全省旅客周转量（2016-2018）统计分析 (9)
计量经济学课程论文 我国公路客运量的研究报告 信息管理与信息系统03级 指导老师：鲁万波 白一佳 40311006 陈华40311028 师群昌 40311020 王一竹40311062 张斯蕊 40311043 庄云40311065
我国公路客运量的研究报告 白一佳 陈华 师群昌 王一竹 张斯蕊 庄云 摘要：本文通过建立模型对影响我国公路客运量的因素进行了研究，通过Evies 对七个变量进行回归拟合，通过建立模型011223344556677t t Y X X X X X X X u ββββββββ=++++++++对样本数据进行回归，分析得到最终模型0122637 + + + t t Y X X X u ββββ=+，并在此基础上细分变量优化模型，引入虚拟变量对城市农村的影响情况进行对比分析，由此提出了最终模型的改进模型01227 + +t t Y X X u βββ=+，通过样本回归分析得出一定的结论，提出进一步探讨的问题。 关键词：公路客运量 OLS 回归 一．背景综述 改革开放后，我国国民经济持续高速发展，公路运输需求强劲增长，国家加大了公路基础设施的建设力度。随着道路环境的改善和城乡交流的日益频繁，公路客运量逐年提高。伴随着中国城市化的进程，城乡之间、城际之间的交流日益频繁，这直接支持了公路客运行业的发展。 公路客运在我国综合运输体系客运市场中发挥着举足轻重的作用，承担着90%以上的份额，因此对我国公路客运的研究就显得很有现实意义，通过研究我国从改革开放至今的公路客运量发展变化，可以从我国国民经济发展的一个侧面了解到我国二十多年来的交通运输、公共事业建设、人民生活水平、社会生产、流通、分配、消费各环节协调发展等诸多现实经济问题，对于提升个人对国家经济发展认识、研究分析的能力大有好处。 因此，本文以1978年为课题研究的时间起点，纵观中国公路、人口、人均收入、客运汽车产量、铁路、民航、水路运输客运量等众多因素对我国公路客运量的推动作用和影响，通过建立多元线性回归方程，进行实证分析，得出对我国公路客运量的显著影响因素。 二．模型变量选择及预测 在模型建立之初，我们选择了七个对公路客运量可能造成影响的因素：客运汽车总量、年底总人口、铁路客运量、水运客运量、民用航空客运量、公路长度及全国总人均收入。从经济常识的角度，初步认为，人口、人均收入作为国民经济衡量的基本要素对公路客运量应该有一定的影响；铁路客运、水运客运、民航客运与公路客运存在替代的经济关系，其三者的客运量要么与公路客运量有负相关的关系，要么与公路客运量的相关关系不大；客运汽车作为公路客运的硬件条件我们也将其引入模型，去考察客运汽车总量与客运量规模间的解释关系；而客运
基于预测公路运量的模型求解 摘要 科学准确地预测公路货运量是制定公路网规划的基础。公路货运量的预测方法有很多，可以根据不同的情况选择不同的预测模型。 首先运用MATLAB的 BP神经网络组合预测模型，灵活利用神经网络通过自适应自学习能够拟合任意非线性函数的功能，有效克服传统的组合预测方法，在实际应用中把数据间的关系强加给某一类函数的不足，并借助于数学计算软件进行编程，大大降低模型的计算难度，预测出2010年和2011年的公路客运量和公路货运量。实例证明该方法具有很高的预测精度。 本次基于预测公路运量的问题，根据往年20年的数据，主要从人口数量、机动车数量、公路面积这几个方面考虑，先借助于matlab软件，从神经网络组合预测模型入手，预测出2010年和2011年的公路客运量和公路货运量。然后根据回归的知识，运用excel的强大功能预测出的2010年和2011年的公路客运量和公路货运量。最后两者进行对比，列出各自的优缺点。 预测结果如下： 用BP神经网络预测结果：2010年和2011年的公路客运量分别为 43370万人和43372万人；货运量分别为21770万吨和21771万吨。 用线性回归预测结果：2010年和2011年的公路客运量分别为 51011.91603万人和53092.16135万人；货运量分别为26050.09655万吨和28545.83948万吨万吨。 关键词：MATLAB；组合预测；BP神经网络；excel统计分析
1、问题重述 1.1基本情况 公路运量主要包括公路的客运量和公路货运量两个方面。据研究，某地区的公路运量主要与该地区的人数、机动车数量和公路面积有关，表1给出了20年得公路运量相关数据，表中人数和公路客运量的单位为万人，机动车数量单位为万两，公路面积的单位为万平方千米，公路货运量单位为万吨。 根据有关部门数据，该地区2010年和2011年的人数分别为73.39和75.55万人，机动车数量分别为3.9635和4.0975万辆，公路面积将分别为0.9880和1.0268万平方米。 1.2、相关信息（见附件） 附件1：某地区20年公路运量数据 1.3、需要解决的问题 1.请利用BP神经网络预测该地区2010年2011年得公路客运量和公路货运量。 2.请利用其他方法预测该地区2010年2011年得公路客运量和公路货运量。 3.比较两种方法的优缺点。 2、符号约定 Wi (i=1,2,3,4) 依次表示由人口数量，机动车数量，公路面积，年份预测出的公路客运量。 Zi （i=1,2,3,4）依次表示由人口数量，机动车数量，公路面积，年份预测出的公路客运量。 ai （i=1,2,3,4）依次表示人口数量，机动车数量，公路面积，2010年 Bi （i=1,2,3,4）依次表示人口数量，机动车数量，公路面积，2011年 3、问题分析 运输需求预测是公路网规划、区域发展规划、基础建设投资决策及运输生产组织管理的基础，对交通运输需求的预测分析具有重大的社会意义和经济意义。可见，公路货运量的预测举足轻重，可靠的预测结果是进行规划的前提，决定着整个规划的成功。 公路货运量的预测方法有很多，由于不同的预测模型的预测机理不同，往往能提供不同的有用信息，反而单独采用某一种模型往往有其局限性，因此可以根据不同的情况选择不同的预测模型。本文将运用BP神经网络组合预测模型、excel中的线性回归解决公路货运量的预测。并进行比较两种方法的优势与缺陷。
1994——2009年 影响铁路客运量趋势变动的 因素分析 学院工商管理 专业班级人力资源0910 学生姓名李川 学号0802091032
随着我国居民收入和生活水平的逐步提高旅客对铁路运输提出了越来越高的要求，铁路也面临越来越多考验。对铁路客运量进行预测分析已经成为市场经济体制对铁路客运日常组织工作的基本要求，对促进铁路客运的发展具有十分重要的意义。铁路运输系统是一个多层次、多因素、多目标、多属性的复杂的开放式大系统，一般来说铁路客运量与国民收入水平、经济发展水平、客运方式等因素有关，要弄清楚其中所有因素很不容易，因此寻找其中的规律并利用已知完全明确的信息用于铁路客运量的预测具有可行性和一定的现实意义。铁路客运量的准确预测是铁路旅客运输组织工作的重要基础和主要依据之一,准确预测铁路客运量是铁路运输企业面向市场、把握未来的重要保障。 一、变量选取 影响我国客运量的因素来自于方方面面，为了研究问题方便并结合我国现状，我找出几个可能影响铁路客运量的因素：铁路客运量，铁路线里程，铁路客运量，国内旅游人数。因为铁路线里程容易量化并反映了民航的客运能力所以选择它，人们出行是否选择火车可能受到收入和消费水平的影响，导致国民可能坐飞机。所以我选取了以上几个变量进行分析。
二、数据的收集与整理
三、多元统计分析模型的建立 设定模型如下： Y=B0+B1X1+B2X2+B3X3+B4X4 其中，被解释变量： Y——铁路客运量 解释变量： X1——国民收入 X2——民航客运量 X3——铁路线里程 X4——国内旅游人数 四、模型的检验、诊断和修正 （一）回归方程拟合优度检验、回归方程显著性检验和回归系数显著性检验 1、拟合优度检验 由表可知，修正R2=0.889，说明样本有很好的拟合优度。 2、F检验
南京市（全市）公路客运量与货运量情况3年数据分析报告 2019版
序言 本报告剖析南京市公路客运量与货运量情况重要指标即公路客运量，公路货运量等，把握南京市公路客运量与货运量情况发展规律，前瞻未来发展态势。南京市公路客运量与货运量情况数据分析报告相关知识产权为发布方即我 公司天津旷维所有，其他方引用我方报告均需要注明出处。 南京市公路客运量与货运量情况分析报告数据来源于中国国家统计局等权 威部门，并经过专业统计分析及清洗处理。无数据不客观，借助严谨的数据分析给与大众更深入的洞察及更精准的分析，体现完整、真实的客观事实，为公众了解南京市公路客运量与货运量情况提供有价值的指引，为需求者提供有意义的参考。
目录 第一节南京市公路客运量与货运量情况现状 (1) 第二节南京市公路客运量指标分析（均指全市） (3) 一、南京市公路客运量现状统计 (3) 二、全国公路客运量现状统计 (3) 三、南京市公路客运量占全国公路客运量比重统计 (3) 四、南京市公路客运量（2016-2018）统计分析 (4) 五、南京市公路客运量（2017-2018）变动分析 (4) 六、全国公路客运量（2016-2018）统计分析 (5) 七、全国公路客运量（2017-2018）变动分析 (5) 八、南京市公路客运量同全国公路客运量（2017-2018）变动对比分析 (6) 第三节南京市公路货运量指标分析（均指全市） (7) 一、南京市公路货运量现状统计 (7) 二、全国公路货运量现状统计分析 (7) 三、南京市公路货运量占全国公路货运量比重统计分析 (7) 四、南京市公路货运量（2016-2018）统计分析 (8) 五、南京市公路货运量（2017-2018）变动分析 (8) 六、全国公路货运量（2016-2018）统计分析 (9)
铁路客运量预测论文 摘要 随着我国市场经济的不断发展，交通运输业已发展成为国民经济的基础产业，特别是铁路运输，在整个综合运输网络中发挥着至关重要的作用。但目前，铁路运输面临着运输数量和质量的双重压力，为解决铁路运输的“瓶颈”问题，促进我国经济的快速发展，我国铁路管理部门己立足于现有基础扩充运力，在既有路线上进行技改提速。运量一直是衡量提速成效的一项重要指标，也是铁路提速项目可行性研究的核心内容之一。本文就是在分析了国内外研究现状的基础上，对客运量预测进行了深入和系统的理论与方法研究，并开展了实际应用。 文章在借鉴已有研究工作的基础上，分为四部分对提速后的客运量进行研究，主要做了如下工作: ①第一部分即绪论，首先分析了国内外对客运量预测的研究现状，并从中找出预测方法中存在的问题与缺陷，从而确定了文章的研究方向。 ②第二部分包括第二、三两章，主要对我国既有线铁路提速的状况以及提速的必要性进行了介绍，分析了提速后运输需求产生的原因以及影响运输需求的因素，同时也阐述了提速后客流的形成和预测的基本原理。 ③第三部分为第四章，也是本文的核心部分。提速后的客运量由趋势客运量、转移客运量、诱发客运量三部分构成。由于其产生的机理各不相同，所以需采取不同的模型进行预测。首先建立了时间序列模型对趋势客运量预测，并应用多目标决策理论和计量经济学方法来计算铁路提速前与提速后客运市场的占有率，最后建立转移客运量与诱发客运量的预测模型。 ④第四部分即第五章。将预测模型应用到了实例当中，以京秦线为例进行了实例分析，对客运量进行预测，通过预测结果与实际结果的比较说明模型的合理性。为今后提速项目可行性研究提供一套科学、合理、可行的客运量预测方法。 关键词：提速;客流预测;运输需求;既有线结论及展望 铁路的客运量预测是铁路系统规划及项目投资、建设的主要依据，也是每次进行铁路项目可行性研究中的重点研究内容。是决定项目效益的最关键因素之一，也是制定运营模式和行车组织方案的重要依据。本文在分析了国内外的研究
（交通运输）铁路旅客运输 统计规则
（交通运输）铁路旅客运输 统计规则
铁路旅客运输统计规则 各铁路局，各合资铁路X公司，各地方铁路： 根据铁路改革和发展的需要，部对《铁路客货运输统计规则》中旅客运输统计部分进行了重新修订，形成《铁路旅客运输统计规则》，现予发布，请按照执行。现将有关要求通知如下： １．本规则自２００２年１月１日起实行，由于时间紧，任务重，为确保部、局旅客统计系统平稳过渡，决定新旧系统且行３个月： （１）现系统延续壹个季度：２００２年第壹季度，各铁路局和合资、地方铁路X公司仍按现行报表制度上报１、２、３月份资料产生的报表，４月份资料起不再上报。 （２）新系统自报送２００２年２月份资料起正式启用：自２００２年１月起按新规章的要求收集原始信息，保管完好，１月份进行局内新系统的调试，自２月份资料起按新规章要求的报表格式正式上报报表，且补齐１月份新报表。（３）局间直接交换资料自１月份资料起按新格式交换。 ２．各单位要抓好新规章的培训工作，正确理解新规章的要求。原始资料提供部门和使用旅客运输统计资料的单位都应严格贯彻新规章。 ３．各单位要抓紧做好执行新规章的准备工作，确保新规章如期实施。 铁路旅客运输统计规则 第壹章总则 第壹条铁路旅客运输统计是铁路统计系统的重要内容。为履行铁路行业管理职能，确保铁路旅客运输统计质量，统壹全国铁路旅客运输统计范围、指标口径、指标含义、计算方法、报告制度、统计资料提供标准，根据《统计法》、《统计法实施细则》及有关规章，结合铁路运输实际情况，特制定本规则。
第二条本规则适用范围：国家铁路管辖的办理客运业务的车站、客运段（列车段）、客运X公司、票务中心，合资铁路，地方铁路，各级统计部门及使用旅客运输统计资料的单位。 第三条铁路旅客运输统计的基本任务是： 壹、建立适应铁路行业管理和运营管理所需要的旅客运输统计指标体系和调查方法。 二、运用先进的统计手段，准确、及时、全面、系统地搜集、整理、提供反映铁路旅客运输状况的统计资料。 三、分析、揭示铁路旅客运输发展的规律性在具体时间、地点、条件下的数量表现，阐明、预测铁路旅客运输发展的趋势、水平、结构、比例。 四、为国家制定铁路客运发展规划，进行宏观调控和决策及铁路旅客运输运营管理提供依据。 第四条根据统计任务的需要，旅客运输统计实行逐级管理负责制。各级统计机构和人员的职责是： 壹、根据国务院关于铁道部职能配置的规定，铁道部统计中心对国家、合资、地方铁路的旅客运输统计实行归口管理，负责规章制定、业务指导、协调、监督和质量考核。受铁道部委托，各铁路局对管内的合资铁路X公司，中国地方铁路协会对各地方铁路X公司的运输统计工作均负有归口管理的责任，且制定统计范围、报告制度、指标口径、质量考核细则。铁路局受铁道部委托，对管内地方铁路X 公司的旅客运输统计进行业务指导。 二、负责贯彻执行《统计法》、《统计法实施细则》和本规则及有关规定，依法统计。
郑州市（全市）公路客运量与民用航空客运量3年数据洞察报 告2019版
引言 本报告借助数据对郑州市公路客运量与民用航空客运量进行深度剖析，从公路客运量，民用航空客运量等方面进行阐述，以全面、客观的角度展示郑州市公路客运量与民用航空客运量真实现状及发展脉络，为需求者制定战略、为投资者投资提供参考和借鉴。 郑州市公路客运量与民用航空客运量洞察报告的数据来源于权威部门如中 国国家统计局、重点科研机构等，数据以事实为基准，公正，客观、严谨。郑州市公路客运量与民用航空客运量数据洞察报告知识产权为发布方即我 公司天津旷维所有，其他方引用我方报告均需注明出处。 郑州市公路客运量与民用航空客运量数据洞察报告旨在全面梳理郑州市公 路客运量与民用航空客运量的真实现状、发展脉络及趋势，相信能够为从业者、投资者和研究者提供有意义的启发和借鉴。
目录 第一节郑州市公路客运量与民用航空客运量现状 (1) 第二节郑州市公路客运量指标分析（均指全市） (3) 一、郑州市公路客运量现状统计 (3) 二、全国公路客运量现状统计 (3) 三、郑州市公路客运量占全国公路客运量比重统计 (3) 四、郑州市公路客运量（2016-2018）统计分析 (4) 五、郑州市公路客运量（2017-2018）变动分析 (4) 六、全国公路客运量（2016-2018）统计分析 (5) 七、全国公路客运量（2017-2018）变动分析 (5) 八、郑州市公路客运量同全国公路客运量（2017-2018）变动对比分析 (6) 第三节郑州市民用航空客运量指标分析（均指全市） (7) 一、郑州市民用航空客运量现状统计 (7) 二、全国民用航空客运量现状统计分析 (7) 三、郑州市民用航空客运量占全国民用航空客运量比重统计分析 (7) 四、郑州市民用航空客运量（2016-2018）统计分析 (8) 五、郑州市民用航空客运量（2017-2018）变动分析 (8) 六、全国民用航空客运量（2016-2018）统计分析 (9)
浙江省绍兴新昌县公路客运量和水运客运量3年数据研究报 告2019版
前言 绍兴新昌县公路客运量和水运客运量数据研究报告围绕核心要素公路客运量，水运客运量等展开深入分析，深度剖析了绍兴新昌县公路客运量和水运客运量的现状及发展脉络。 绍兴新昌县公路客运量和水运客运量研究报告中数据来源于中国国家统计局、行业协会、相关科研机构等权威部门，通过整理和清洗等方法分析得出，具备权威性、严谨性、科学性。 本报告从多维角度借助数据全面解读绍兴新昌县公路客运量和水运客运量现状及发展态势，客观反映当前绍兴新昌县公路客运量和水运客运量真实状况，趋势、规律以及发展脉络，绍兴新昌县公路客运量和水运客运量数据研究报告必能为大众提供有价值的指引及参考，提供更快速的效能转化。
目录 第一节绍兴新昌县公路客运量和水运客运量现状 (1) 第二节绍兴新昌县公路客运量指标分析 (3) 一、绍兴新昌县公路客运量现状统计 (3) 二、全省公路客运量现状统计 (3) 三、绍兴新昌县公路客运量占全省公路客运量比重统计 (3) 四、绍兴新昌县公路客运量（2016-2018）统计分析 (4) 五、绍兴新昌县公路客运量（2017-2018）变动分析 (4) 六、全省公路客运量（2016-2018）统计分析 (5) 七、全省公路客运量（2017-2018）变动分析 (5) 八、绍兴新昌县公路客运量同全省公路客运量（2017-2018）变动对比分析 (6) 第三节绍兴新昌县水运客运量指标分析 (7) 一、绍兴新昌县水运客运量现状统计 (7) 二、全省水运客运量现状统计分析 (7) 三、绍兴新昌县水运客运量占全省水运客运量比重统计分析 (7) 四、绍兴新昌县水运客运量（2016-2018）统计分析 (8) 五、绍兴新昌县水运客运量（2017-2018）变动分析 (8) 六、全省水运客运量（2016-2018）统计分析 (9)
山西省铁路客运量和水运客运量3年数据解读报告2019版
引言 本报告借助数据对山西省铁路客运量和水运客运量进行深度剖析，从铁路、公路和水运总客运量，铁路客运量，水运客运量等方面进行阐述，以全面、客观的角度展示山西省铁路客运量和水运客运量真实现状及发展脉络，为需求者制定战略、为投资者投资提供参考和借鉴。 山西省铁路客运量和水运客运量解读报告的数据来源于权威部门如中国国 家统计局、重点科研机构及行业协会等，数据以事实为基准，公正，客观、严谨。山西省铁路客运量和水运客运量数据解读报告知识产权为发布方即我公司天津旷维所有，其他方引用我方报告均需注明出处。 山西省铁路客运量和水运客运量数据解读报告旨在全面梳理山西省铁路客 运量和水运客运量的真实现状、发展脉络及趋势，相信能够为从业者、投资者和研究者提供有意义的启发和借鉴。
目录 第一节山西省铁路客运量和水运客运量现状 (1) 第二节山西省铁路、公路和水运总客运量指标分析 (3) 一、山西省铁路、公路和水运总客运量现状统计 (3) 二、全国铁路、公路和水运总客运量现状统计 (3) 三、山西省铁路、公路和水运总客运量占全国铁路、公路和水运总客运量比重统计 (3) 四、山西省铁路、公路和水运总客运量（2016-2018）统计分析 (4) 五、山西省铁路、公路和水运总客运量（2017-2018）变动分析 (4) 六、全国铁路、公路和水运总客运量（2016-2018）统计分析 (5) 七、全国铁路、公路和水运总客运量（2017-2018）变动分析 (5) 八、山西省铁路、公路和水运总客运量同全国铁路、公路和水运总客运量（2017-2018）变 动对比分析 (6) 第三节山西省铁路客运量指标分析 (7) 一、山西省铁路客运量现状统计 (7) 二、全国铁路客运量现状统计分析 (7) 三、山西省铁路客运量占全国铁路客运量比重统计分析 (7) 四、山西省铁路客运量（2016-2018）统计分析 (8) 五、山西省铁路客运量（2017-2018）变动分析 (8)
对我国高速铁路客运量预测的探讨 冷俊峰;陆凤山;王美云 【期刊名称】《西南交通大学学报》 【年(卷),期】2001(036)001 【摘要】The influ ence factors of passenger traffic volume and the roleof railway passenger trans portation in our country are analyzed. A method of forecasting the high-speed railway passenger traffic volume in the condition of markete conomy is put forward, I.e.,to forecast the total traff ic volume first, then to determine the traffic volume of high-speed railways according to its role in the total passenger transportation market. Specifically, a sample is given to illu strate the proposed forecasting method.%分析了客运量的影响因素、铁路客运在全国客运市场的地位，提出在市场经济条件下高速铁路客运量的预测方法，即先预测整个客运市场的客运量，再根据高速铁路在客运市场的地位和作用确定其客运量。最后给出一个例子对此予以说明。 【总页数】4页(88-91) 【关键词】旅客运输;预测;高速铁路 【作者】冷俊峰;陆凤山;王美云 【作者单位】长沙铁道学院经济管理学院,;长沙铁道学院经济管理学院,;长沙铁道学院经济管理学院, 【正文语种】中文 【中图分类】U293.1+3
西安市（全市）公路客运量与货运量情况3年数据分析报告 2019版
序言 本报告剖析西安市公路客运量与货运量情况重要指标即公路客运量，公路货运量等，把握西安市公路客运量与货运量情况发展规律，前瞻未来发展态势。西安市公路客运量与货运量情况数据分析报告相关知识产权为发布方即我 公司天津旷维所有，其他方引用我方报告均需要注明出处。 西安市公路客运量与货运量情况分析报告数据来源于中国国家统计局等权 威部门，并经过专业统计分析及清洗处理。无数据不客观，借助严谨的数据分析给与大众更深入的洞察及更精准的分析，体现完整、真实的客观事实，为公众了解西安市公路客运量与货运量情况提供有价值的指引，为需求者提供有意义的参考。
目录 第一节西安市公路客运量与货运量情况现状 (1) 第二节西安市公路客运量指标分析（均指全市） (3) 一、西安市公路客运量现状统计 (3) 二、全国公路客运量现状统计 (3) 三、西安市公路客运量占全国公路客运量比重统计 (3) 四、西安市公路客运量（2016-2018）统计分析 (4) 五、西安市公路客运量（2017-2018）变动分析 (4) 六、全国公路客运量（2016-2018）统计分析 (5) 七、全国公路客运量（2017-2018）变动分析 (5) 八、西安市公路客运量同全国公路客运量（2017-2018）变动对比分析 (6) 第三节西安市公路货运量指标分析（均指全市） (7) 一、西安市公路货运量现状统计 (7) 二、全国公路货运量现状统计分析 (7) 三、西安市公路货运量占全国公路货运量比重统计分析 (7) 四、西安市公路货运量（2016-2018）统计分析 (8) 五、西安市公路货运量（2017-2018）变动分析 (8) 六、全国公路货运量（2016-2018）统计分析 (9)
本文部分内容来自网络，本司不为其真实性负责，如有异议请及时联系，本司将予以删除== 本文为word格式，下载后可编辑修改，推荐下载使用！== 铁路客运量预测探讨 铁路客运量预测探讨铁路客运量预测探讨铁路客运量预测探讨摘要 随着我国市场经济的不断发展,交通运输业已发展成为国民经济的基础产业,特别是铁路运输,在整个综合运输网络中发挥着至关重要的作用。但目前,铁路运输面临着运输数量和质量的双重压力,为解决铁路运输的“瓶颈”问题,促进我国经济的快速发展,我国铁路管理部门己立足于现有基础扩充运力,在既有路线上进行技改提速。运量一直是衡量提速成效的一项重要指标,也是铁路提速项目可行性研究的核心内容之一。本文就是在分析了国内外研究现状的基础上,对客运量预测进行了深入和系统的理论与方法研究,并开展了实际应用。 文章在借鉴已有研究工作的基础上,分为四部分对提速后的客运量进行研究,主要做了如下工作: ①第一部分即绪论,首先分析了国内外对客运量预测的研究现状,并从中找出预测方法中存在的问题与缺陷,从而确定了文章的研究方向。 ②第二部分包括第二、三两章,主要对我国既有线铁路提速的状况以及提速的必要性进行了介绍,分析了提速后运输需求产生的原因以及影响运输需求的因素,同时也阐述了提速后客流的形成和预测的基本原理。 ③第三部分为第四章,也是本文的核心部分。提速后的客运量由趋势客运量、转移客运量、诱发客运量三部分构成。由于其产生的机理各不相同,所以需采取不同的模型进行预测。首先建立了时间序列模型对趋势客运量预测,并应用多目标决策理论和计量经济学方法来计算铁路提速前与提速后客运市场的占有率,最后建立转移客运量与诱发客运量的预测模型。 ④第四部分即第五章。将预测模型应用到了实例当中,以京秦线为例进行了实例分析,对客运量进行预测,通过预测结果与实际结果的比较说明模型的合理性。为今后提速项目可行性研究提供一套科学、合理、可行的客运量预测方法。 关键词:提速;客流预测;运输需求;既有线 结论及展望 铁路的客运量预测是铁路系统规划及项目投资、建设的主要依据,也是每次进行铁路项目可行性研究中的重点研究内容。是决定项目效益的最关键因素之一,也是制定运营模式和行车组织方案的重要依据。本文在分析了国内外的研究现状之后,得出了目前客运量预测方法一些不足之处,原有的一些客运量分析方法已不能解决铁路提速后的客运量预测问题。铁路客运系统是一个综合的运输系统,其客流量的变化受诸多因素的影响,要使提速后的铁路客流量预测比较符合实际,必须采取能反映铁路与其他运输方式相互竞争、以及服务质量、旅行时间、旅行费用等综合因素的预测方法。铁路提速后远景客运量由趋势客流量、转移客运量、诱发客运量三部分构成,由于它们产生的机理不同,相应的影响因素也不相同,所以
基于ARIMA 模型的全国公路客运量预测 摘要：采用自回归移动平均模型（ARIMA ），对国家统计局提供的全国公路客运量数据进行分析，然后利用求解出的模型对未来的公路客运量进行预测，为我国未来公路客运量的估计提供参考作用。 关键词：ARIMA 客运量 时间序列分析 公路运输现在已经成为5种主要运输方式中完成运输量最多，实现营业收入最高的一种运输方式。2004年全国累计完成公路客运量为162.89亿人，比上年增长11.2%的同时旅客周转量达到8719.15亿人公里，比上年增长13.5%。公路运输量是区域经济发展的一个重要衡量指标，也是反映区域经济活力的指标之一，对其进行科学而准确的预测是很有必要的，是科学落实运输相关政策的前提。同时，公路客运量是一个复杂的变量，受多种因素的影响，还存在着许多无法预知的内在影响关系，为了消除不客观因子对起客运量的影响，本文拟用时间序列ARIMA 模型的基本原理，对全国公路客运量进行预测。 一、 ARIMA 模型建模思路 ARIMA 模型( p, d, q) 又称为自回归移动平均模型。其中AR 指自回归; p 为模型的自回归阶数; MA 为移动平均; q 为模型的移动平均阶数; I 指积分; d 为时间序列成为平稳之前必须取差分的次数。其一般的表达式为: q t q t t p t y p t y t y t y -++-+-++-++-+-+=μβμβμβμβαααα 22110022110 ( 一) 建模思路 ARIMA 建模思路是: 假设所研究的时间序列是由某个随机过程产生的, 用实际统计序 列建立、估计该随机过程的自回归移动平均模型, 并用此模型求出预测值。 ( 二) 建模步骤 1. 观察时间序列。根据时间序的散点图自相关函数( ACF) 图和偏自相关函( PACF) 图以及ADF 单位根检验观察其方差、趋势及其季节性变化规律, 识别该序列的平稳性。 2. 对序列进行平稳化处理。如果数据序列是非平稳的, 并存在一定的增长或下降趋势, 则需对数据进行差分处理; 如果数据序列存在异方差性, 则需对数据进行对数转换或者开方处理, 直到处理后数据的自相关函数值和偏相关函数值无显著地异于零。 3. 模型识别。若平稳时间序列的偏相关函数是截尾的, 而自相关函数是拖尾的, 则可断定此序列适合AR 模型; 若平稳时间序列的偏相关函数是拖尾的, 而自相关函数是截尾的, 则可断定此序列适合MA 模型; 若平稳时间序列的偏相关函数和自相关函数均是拖尾的, 则此序列适合ARMA 模型。 4. 对ARIMA( p, d, q) 模型定阶, 估计参数。 5. 模型检验。进行假设检验, 诊断白噪声检验假设模型残差的ACF 值和PACF 值在早期或季节性延迟点处不得大于置信区间, 同时残差应理想化为0 均值。可观察残差的ACF 图、PACF 图, 并辅以D —w 值、t 值等检验法。 6. 预测分析。时间序列分析包括以下步骤: 分析时间序列的随机特性; 用实际统计序列构造预测模型; 根据所得模型做出最佳的预测值。 二、数据说明