城市轨道交通客流灰色预测法应用

基于灰色预测模型GM(1,1)对重庆主城区未来十年公共交通运营量的预测发表时间：2019-01-15T11:07:55.810Z 来源：《信息技术时代》2018年4期作者：姜兰贞[导读] 公共交通关系着人们的出行，随着当今环保理念的普及以及交通拥挤的日益加重，公共交通成为了多数人采用的出行方式，公共交通的运营量的预测对政府部门交通预算的管理有着重要意义。

（重庆交通大学交通运输学院，重庆 400047）摘要：公共交通关系着人们的出行，随着当今环保理念的普及以及交通拥挤的日益加重，公共交通成为了多数人采用的出行方式，公共交通的运营量的预测对政府部门交通预算的管理有着重要意义。

灰色理论预测方法是按照已有的历史信息数据，通过确立一个从过去的历史信息数据到未来的信息数据的GM模型，进而通过分析历史信息数据在将来发展规律的趋势，本文主要通过灰色预测模型 GM(1,1)对重庆主城区未来10年公共交通运营量进行预测。

关键词：公共交通；交通量预测；GM(1,1)模型；灰色模型l前言：灰色理论预测交通量的方法是基于对历史信息数据进行累加后得出的数据序列和一阶微分方程为基础建立起来的灰色理论模型，进而可以快速有效地分析历史交通量数据，用以预测得出未来交通量。

本文通过GM(1,1)模型对重庆主城区2018年至2027年未来10年的公共交通运营量进行预测。

1.GM(1,1)模型原理灰色预测GM(1，1)模型里永远是离散数据列，通过累加生成得到随机性被削弱的较有规律的生成数据列，通过建立微分方程模型，通过微分方程在离散点处的解经过累减生成得到原始数据的近似值，进而预测原始数据的未来发展。

其建模的实质是对原始数据先进行一次累加，使生成的数据序列呈现一定规律，而后通过建立一阶微分方程模型，求得拟合曲线，用以对系统进行预测。

具体过程如下: 1.1给定原始数据序列x(0) 1.2对x(0)做一次累加 1.3构造数据矩阵B,yn将该方程成为白化方程，白化方程的解即作为该组数据的预测值。

灰色预测在高铁路基沉降预测中的应用秦晓光;场龙才【摘要】Based on the high-speed railway,by collecting the embankment settlement experimental data, it is divided into three categories accordingto the differences of settlement curve form and settlement rate. Grey theory GM(1,1) model, the hyperbolic method and three-point method are used to predict the settlement and inspect precision of grey theory forecasting model. Adopting data of preloading period as original data, by comparing the measured data with predicting results of grey theory, the paper shows that results of grey theory are more close to measured values. GM( 1,1) model prediction can get more satisfactory results.%以在建某高速铁路为背景,通过对路基沉降实测数据的汇总,根据沉降曲线形态及沉降速率的差异将其分为3类.对观测数据进行等时距变换,采用灰色理论GM(1,1)模型、双曲线法、三点法对工后沉降进行预测,并对灰色理论预测模型进行精度检验.选取堆载预压期的数据作为模型原始数据,通过与实测最后一期数据的对比,发现灰色理论预测结果更接近实测值,通过最终沉降之间的对比,发现双曲线法预测结果偏大,三点法预测结果偏小,GM(1,1)模型预测能得到较为满意的结果.【期刊名称】《华东交通大学学报》【年(卷),期】2011(028)005【总页数】5页(P88-92)【关键词】高速铁路;沉降预测;灰色理论;双曲线法;三点法【作者】秦晓光;场龙才【作者单位】同济大学道路与交通工程教育部重点实验室,上海201804;同济大学道路与交通工程教育部重点实验室,上海201804【正文语种】中文【中图分类】U238高速铁路对轨道平顺性的要求很高，而轨道的平顺性直接受到地基工后沉降的影响，因此高速铁路对工后沉降要求非常严格，高速铁路设计规范规定路基“工后沉降不宜超过15 mm”[1]。

基于灰色模型的铁路货运量预测铁路货运是国家经济的重要组成部分，货运量的大小直接反映了国家经济发展的水平。

对于铁路货运量的预测具有重要的应用价值。

在众多的预测方法中，灰色模型因其简单、直观、易操作，广泛应用于各个领域，且在时间序列数据的拟合和预测方面表现出良好的效果。

本文将以灰色模型为基础，对铁路货运量进行预测。

一、灰色模型的介绍灰色模型是由中国科学家陈纳德于1988年提出的。

它主要应用于数学建模、数据分析、预测和控制等领域。

灰色模型能够有效地处理少样本、不规则、短序列、非平稳、不规则的数据序列，并且具有较好的拟合和预测精度。

灰色模型是以小样本数据为基础，通过对数据的修正、推导和预测，得出一个合理的预测结果。

其核心思想是将不完备的信息转化为完备的信息，以便进行预测。

二、铁路货运量的影响因素铁路货运量的大小受到多种因素的影响，主要包括国民经济总量、工业结构、商品价格、货运需求等。

在进行货运量预测时，需要考虑到这些因素的综合影响，从而建立合理的预测模型。

通过对这些因素的分析，可以更好地预测铁路货运量的变化趋势。

灰色模型主要包括GM(1,1)模型、灰色马尔科夫模型、灰色Verhulst模型等。

本文将以GM(1,1)模型为例，进行铁路货运量的预测。

1.GM(1,1)模型的建立在建立GM(1,1)模型时，首先需要对原始数据进行累加生成新的数据序列，然后构建累加生成序列的一阶累减序列，进而建立GM(1,1)模型。

GM(1,1)模型的基本结构为：\[X^{(1)}(k) = (X^{(0)}(1) - \frac{b}{a})e^{-a(k-1)} + \frac{b}{a}\]\(X^{(0)}(k)\)表示原始数据序列，\(X^{(1)}(k)\)表示一阶累减序列，\(a\)和\(b\)为灰色常数。

2.模型参数的估计在模型参数的估计过程中，需要采用最小二乘法对模型参数进行估计，得出合理的模型参数。

3.模型的检验和优化建立模型后，需要对模型进行检验和优化，以保证模型的有效性和准确性。

基于灰色理论的成渝城际铁路客流预测
陈剑龙
【期刊名称】《中国新技术新产品》
【年(卷),期】2009(000)014
【摘要】本文运用灰色理论方法,建立GM(1,1)模型对成渝间铁路年客运总量进行预测,并检验模型的精度.预测结果表明,该模型适用于短期的客流量预测,预测结果对新建成渝城际铁路的运营方案制定和运营组织,提供了很好的数据基础.
【总页数】1页(P108)
【作者】陈剑龙
【作者单位】西南交通大学,交通运输学院,四川,成都,610031
【正文语种】中文
【中图分类】U2
【相关文献】
1.基于灰色理论的公交候车排队客流预测
2.基于灰色理论的城市轨道交通短期客流预测研究
3.基于灰色理论的城市轨道交通国庆客流预测
4.基于小波分解和ARIMA 模型的城际铁路客流预测
5.基于灰色理论的城市轨道交通国庆客流预测
因版权原因，仅展示原文概要，查看原文内容请购买。