發(fā)布時間：2021-02-02 02:13

　　在經濟快速發(fā)展、運輸市場競爭日益激烈的背景下,鐵路運輸企業(yè)必須提高客運營銷管理科學水平,快速、靈活地應對市場變化,以更好地滿足市場經濟和自身發(fā)展的新要求,而這些都需要以對短期客流及時、準確的分析和預測為基礎。本文主要研究鐵路客票發(fā)售數據的抽取方法及短時客流預測問題,利用預售期內往日的已售客票及當日實時售票的樣本數據,預測預售期內的客票發(fā)售數量,進而推算發(fā)車時的最終客流量。為了給客票發(fā)售數據抽取方法的設計和客流預測算法的選取提供依據,本文首先從對客票銷售歷史數據的統(tǒng)計分析出發(fā),研究其各個維度上的時序趨勢規(guī)律,提出售票事件的統(tǒng)計分布假設,并通過擬合優(yōu)度檢驗加以驗證。依據單日不同時段售票量的時序特征,本文提出了針對客票發(fā)售數據的分層抽樣方法,即:通過三階段多層抽樣得到客票發(fā)售樣本數據,并基于實際數據,從統(tǒng)計特征一致性角度,對該方法的有效性進行了驗證。同樣以客票發(fā)售數據的時序特征為依據,本文提出了以徑向基函數（RBF）神經網絡為工具,以預售期內已售客票數據為基礎,對預售期內后續(xù)各天售票量的預測方法,并提出了利用單日24小時內的售票量時序規(guī)律預測當日售票量,進而對最終客流預測結果提供修正的方法。... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數】：66 頁

【學位級別】：碩士

【文章目錄】：
致謝
中文摘要
ABSTRACT
1 引言
    1.1 研究背景
    1.2 問題的提出
    1.3 國內外研究現狀
        1.3.1 針對數據抽取的研究現狀
        1.3.2 短時預測相關問題的研究現狀
    1.4 研究思路
        1.4.1 本文研究的重點問題
        1.4.2 技術路線
2 客票銷售數量短期時序特征及統(tǒng)計分布研究
    2.1 數據選取和預處理
    2.2 單位時間車站售票總量統(tǒng)計規(guī)律分析
        2.2.1 時序特征分析
        2.2.2 單位時間售票量統(tǒng)計分布的擬合優(yōu)度檢驗
    2.3 區(qū)分OD的單位時間售票量統(tǒng)計分析
        2.3.1 擬合優(yōu)度檢驗
        2.3.2 每小時售票量的同比分析
    2.4 區(qū)分發(fā)車日期的單位時間售票量統(tǒng)計分析
        2.4.1 單位時間售票量的統(tǒng)計分布
        2.4.2 預售期內單位時間售票量的時序特征
    2.5 統(tǒng)計結果分析
3 客票數據實時抽取方法研究
    3.1 統(tǒng)計抽樣基本理論與方法
        3.1.1 樣本的數據質量
        3.1.2 數據抽樣的步驟
        3.1.3 基本的抽樣方法
    3.2 客票數據抽取方法設計
        3.2.1 客票數據實時抽樣的基本思想
        3.2.2 數據抽樣分層設計
        3.2.3 精度分析
        3.2.4 樣本量的確定
    3.3 實證研究
        3.3.1 基于不同屬性數據比例的分析
        3.3.2 基于售票事件統(tǒng)計分布的分析
4 基于實時售票數據的短時客流預測研究
    4.1 短時客流預測方法的選擇
        4.1.1 客流預測方法選擇的影響因素
        4.1.2 短時客流預測方法的確定
    4.2 徑向基函數神經網絡的理論基礎
        4.2.1 徑向基函數神經網絡的結構
        4.2.2 徑向基函數神經網絡的功能
        4.2.3 徑向基函數神經網絡的映射機理
    4.3 基于RBF神經網絡的預售期內短時客流預測
        4.3.1 數據準備和歸一化處理
        4.3.2 網絡設計和訓練
        4.3.3 實證研究
    4.4 基于實時售票數據的預測量修正
        4.4.1 方法的提出
        4.4.2 實證研究
        4.4.3 小結
5 結束語
參考文獻
作者簡歷
學位論文數據集



本文編號：3013857