客運(yùn)量

引 言軌道交通客運(yùn)量預(yù)測對于軌道交通建設(shè)和路網(wǎng)布局起著至關(guān)重要的作用，為城市軌道交通規(guī)劃、設(shè)計、建設(shè)和運(yùn)營等環(huán)節(jié)提供數(shù)據(jù)依據(jù)，因此科學(xué)的預(yù)測軌道交通客運(yùn)量的發(fā)展趨勢極為重要。為做好地鐵客運(yùn)量預(yù)測，需分析地鐵線網(wǎng)發(fā)展現(xiàn)狀，選取適用的客運(yùn)量預(yù)測方法。2 客運(yùn)量變化的主要影響因素2.1 票制票價調(diào)整票價對地鐵客運(yùn)量變化有較大的影響，客運(yùn)量隨著票價的高低變化而變化。例如北京地鐵2007年10月調(diào)整全網(wǎng)2元一票制后，客運(yùn)量大幅度增長。2.2 地鐵網(wǎng)絡(luò)化發(fā)展新線路開通

進(jìn)行空間位移，客運(yùn)量及人口出行數(shù)量代表了客運(yùn)業(yè)的發(fā)展程度。金偉[1]認(rèn)為運(yùn)輸業(yè)可以提高國家產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變的速度，促進(jìn)新興行業(yè)的發(fā)展，降低農(nóng)村人口的比例，創(chuàng)造就業(yè)、創(chuàng)業(yè)條件，拉動和加快各區(qū)域的經(jīng)濟(jì)、文化交流，促進(jìn)不同區(qū)域的共同發(fā)展。余佳瑩、楊緒彪等[2]通過多元回歸分析法分析了上海虹橋機(jī)場的客運(yùn)數(shù)據(jù)，調(diào)查了客運(yùn)量對航空客運(yùn)量的影響。宋迪等[3]研究了外出日期、氣候及出行方式等影響因素對客運(yùn)量的影響，對不同因素之間的相關(guān)性進(jìn)行了調(diào)查。目前，國內(nèi)外對人們的交通出行

中之重。對我國客運(yùn)量進(jìn)行預(yù)測，有利于提前布局我國經(jīng)濟(jì)發(fā)展政策。本文采用時間序列建模的方法，通過數(shù)據(jù)預(yù)處理、模型識別、參數(shù)估計以及模型檢驗與優(yōu)化等步驟，建立了ARIMA（0，2，4）模型，并利用該模型對未來5年我國客運(yùn)量進(jìn)行預(yù)測，并基于預(yù)測結(jié)果提出了合理化建議。關(guān)鍵詞：客運(yùn)量;時間序列;SAS;ARIMA模型1引言1.1研究背景一個國家，過去與未來的經(jīng)濟(jì)發(fā)展與交通運(yùn)輸都是相互影響和制約的，民間流傳的一句話，最形象的表達(dá)了運(yùn)輸與經(jīng)濟(jì)發(fā)展的關(guān)系：“要想富，先修路

運(yùn)輸效率。航空客運(yùn)量可以用來評估民航業(yè)的發(fā)展?fàn)顩r，根據(jù)分析出的影響客運(yùn)量變化的因素，可以為民航系統(tǒng)的發(fā)展提供方向。本文利用多元回歸分析法，根據(jù)現(xiàn)階段多式聯(lián)運(yùn)發(fā)展程度較高的上海虹橋機(jī)場數(shù)據(jù)，分析鐵路、軌道、公路和水運(yùn)的客運(yùn)量對航空客運(yùn)量產(chǎn)生的影響。關(guān)鍵詞： 多元回歸分析; 多式聯(lián)運(yùn); 客運(yùn)量文章編號： 2095-2163（2021）03-0090-04 中圖分類號：F224 文獻(xiàn)標(biāo)志碼：A【Abstract】Multimodal transport is a

021年3月總客運(yùn)量21.65億人次，日均6992.5萬人次，環(huán)比2月上漲46.3%；同比2019年3月上漲5.92%。本月共有深圳、成都、西安、重慶、杭州、長沙、鄭州、蘇州、合肥、寧波、南昌、青島、昆明、無錫、廈門、濟(jì)南16城月度日均客運(yùn)量創(chuàng)歷史新高。說明：1. 城市范圍:包含2021年3月已開通地鐵（除有軌電車、云軌、鐵路運(yùn)營的市域鐵路等）的內(nèi)地39座城市（新增洛陽，佛山數(shù)據(jù)列入廣州），及港臺5座城市（香港、臺北、桃園、高雄、澳門），全中國共計44座城

38城40天總客運(yùn)量為20.75億人次，日均5186.37萬人次，同比2020年增加105.81%，同比2019年減少2.20%。中國內(nèi)地38城2021年2月總客運(yùn)量13.37億人次，日均4773.99萬人次，環(huán)比1月下降16.60%；同比2019年2月下降272.76萬人次，降幅5.40%。說明：1.城市范圍:包含2021年2月已開通地鐵（除有軌電車、云軌、鐵路運(yùn)營的市域鐵路等）的內(nèi)地38座城市（佛山數(shù)據(jù)列入廣州），及港澳臺5座城市（香港、臺北、桃園、高

20年12月總客運(yùn)量20.26億人次，日均6546.87萬人次，環(huán)比11月上漲了0.62%；同比2019年12月減少了285.34萬人次，降幅4.18%。深圳、西安、杭州、鄭州、蘇州、合肥、寧波、石家莊、呼和浩特、徐州、濟(jì)南11城創(chuàng)月度日均客運(yùn)量歷史新高。說明：1. 城市范圍：包含2020年12月已開通地鐵（除有軌電車、云軌、鐵路運(yùn)營的市域鐵路等）的內(nèi)地38座城市（佛山數(shù)據(jù)列入廣州），及港澳臺5座城市（香港、臺北、桃園、高雄、澳門），全中國共計43座城市。

鐵官方微博每日客運(yùn)量通報。2. 由于部分城市地鐵運(yùn)營主體的官方微博并未定期發(fā)布客運(yùn)量數(shù)據(jù)，或者存在多個運(yùn)營主體，數(shù)據(jù)的獲取與統(tǒng)計較為困難，因此本文僅針對上海、廣州、成都、南京、武漢共5地的地鐵客運(yùn)量數(shù)據(jù)展開分析。本文以2019年1月1日至2020年10月31日的每日客運(yùn)量為數(shù)據(jù)基礎(chǔ)，對比分析常態(tài)情況下（2019年）與受疫情影響后（2020年）的客流情況。一、客運(yùn)量總體情況1、2019年總體情況圖1 2019年各城市每日客運(yùn)量變化圖（虛線為工作日平均值）從總

20年11月總客運(yùn)量19.48億人次，日均6492萬人次，環(huán)比10月上漲了5.39%；同比2019年11月減少了383.15萬人次，降幅5.57%。本月共有2城4次創(chuàng)歷史新高（無錫、徐州各2次）。地鐵行業(yè)新線開通不斷，運(yùn)營總客流規(guī)模已達(dá)去年的九成四，四大一線城市中最高已超過去年！說明：1. 城市范圍：包含2020年11月已開通地鐵（除有軌電車、云軌、鐵路運(yùn)營的市域鐵路等）的內(nèi)地37座城市（佛山數(shù)據(jù)列入廣州），及港澳臺5座城市（香港、臺北、桃園、高雄、澳門）

城市公共交通總客運(yùn)量為地面公交客運(yùn)量與軌道交通客運(yùn)量之和.2018年城市公共交通總客運(yùn)量共計747 454.78萬人次，日均2 047.82萬人次.其中，工作日日均2 259.65萬人次；非工作日日均1 587.32萬人次.分擔(dān)比例：軌道交通客運(yùn)量在城市公共交通總客運(yùn)量中占比高于地面公交占比.軌道交通客運(yùn)量共計384 842.62萬人次，日均1 054.36萬人次，占比51.49%；地面公交客運(yùn)量共計362 612.16萬人次，日均993.46萬人次，占城

rship （客運(yùn)量） along the lines comprising its rail system. Of major concern to Amtrak and its advertising agency DDB Needham， were the long-distance western routes where ridership had been declining significantly.At one time， trains

月，完成營業(yè)性客運(yùn)量5.7億人，恢復(fù)至去年同期的39.8%，恢復(fù)程度較3月提高12.8個百分點，其中公路營業(yè)性客運(yùn)量下降58.8%、水路客運(yùn)量下降61.8%。1-4月，完成營業(yè)性客運(yùn)量24.2億人，同比下降58.8%。其中，公路營業(yè)性客運(yùn)量下降59.2%、水路客運(yùn)量下降61.5%。4月，36個中心城市公共交通完成客運(yùn)量28.6億人，恢復(fù)至去年同期的50.0%，恢復(fù)程度較3月提高18.6個百分點。分方式看，公共汽電車、軌道交通、巡游出租車和輪渡客運(yùn)量分別下降

4)城際交通總客運(yùn)量為公路省際客運(yùn)、鐵路客運(yùn)和民航客運(yùn)客運(yùn)量之和. 公路省際客運(yùn)站包括六里橋、趙公口、八王墳、四惠、永定門、蓮花池、首都機(jī)場和新發(fā)地站，截至2018年底，共有運(yùn)營班線737條，運(yùn)營班線總里程為372 185 km，通達(dá)天津、河北、河南、山東、山西、內(nèi)蒙等22省及直轄市. 鐵路客運(yùn)包括北京站、北京西站和北京南站三大鐵路客運(yùn)站. 民航客運(yùn)機(jī)場包括首都機(jī)場和南苑機(jī)場.2018年城際交通總客運(yùn)量共計38 707.41萬人次，日均106.05萬人次，

年軌道交通路網(wǎng)客運(yùn)量為384 842.62萬人次，日均1 054.36萬人次；其中，工作日日均1 197.37萬人次，非工作日日均743.49萬人次. 日均進(jìn)站量558.71萬人次，換乘量495.65萬人次，路網(wǎng)換乘系數(shù)為1.89.各線路客運(yùn)量：各線路客運(yùn)量分布依舊不均衡，客運(yùn)量占比相對較高的7條線路客運(yùn)量占路網(wǎng)客運(yùn)量的比例為68.01%；占比相對較低的7條線路客運(yùn)量占路網(wǎng)客運(yùn)量的比例僅為2.56%. 各線路年日均客運(yùn)量見圖1.圖1 各線路日均客運(yùn)量各月特

路網(wǎng)構(gòu)成、全國客運(yùn)量預(yù)測總量、區(qū)域客運(yùn)量發(fā)展趨勢的基礎(chǔ)上，分析相關(guān)鐵路客運(yùn)分工，并采用“四階段法”的基本思路，按鐵路趨勢運(yùn)量、其他交通方式轉(zhuǎn)移運(yùn)量及誘增運(yùn)量三部分進(jìn)行預(yù)測，得出本項目客運(yùn)量水平，最終綜合推導(dǎo)出本項目的功能定位，為相關(guān)部門提供參考。關(guān)鍵詞：鐵路網(wǎng);客運(yùn)分工;客運(yùn)量;功能定位一、區(qū)域路網(wǎng)現(xiàn)狀及規(guī)劃（一）研究區(qū)域深圳經(jīng)惠州至汕尾高速鐵路位于廣東省南部沿海地帶，線路西起深圳市，向東北經(jīng)惠州市，向東延伸至廣東湛江市，是國家“八縱八橫”高速鐵路網(wǎng)沿海通

%。二、營業(yè)性客運(yùn)量一季度，完成營業(yè)性客運(yùn)量18.5億人，同比下降58.4%，其中3月下降73.0%，降幅較2月收窄15.2個百分點。分方式看，公路客運(yùn)量下降59.4%、水路客運(yùn)量下降61.4%。三、中心城市公共交通客運(yùn)量一季度，36個中心城市公共交通完成客運(yùn)量67.4億人，同比下降56.7%，其中3月下降68.5%，降幅較2月收窄17.7個百分點。分方式看，公共汽電車、軌道交通、巡游出租車和輪渡客運(yùn)量分別下降58.3%、54.3%、56.8%和61.2%

文/阿牛圖1總客運(yùn)量方面（1）概述中國內(nèi)地34城（暫缺長春、濟(jì)南）2019年9月總客運(yùn)量19.78億人次，日均6629.96萬人次，日均環(huán)比上月（同口徑，按照上月32城，下同）下降2.02%。中國香港2019年9月地鐵網(wǎng)換算總客運(yùn)量為2.40億人次（總進(jìn)站量為1.44億人次），日均換算客運(yùn)量798.89萬（進(jìn)站量為481.12萬），環(huán)比上月上升16.55%。全中國35城2019年9月總客運(yùn)量22.18億人次，日均7428.85萬人次。環(huán)比上月上升約3%。（

阿牛圖1一、總客運(yùn)量方面（1）概述中國內(nèi)地32城（暫缺長春、濟(jì)南）2019年6月總客運(yùn)量19.32億人次，日均6456萬人次，日均環(huán)比上月下降0.6%。中國香港2019年6月地鐵網(wǎng)換算總客運(yùn)量為2.72億人次（總進(jìn)站量為1.77億人次），日均換算客運(yùn)量906.71萬（進(jìn)站量為569.74萬），環(huán)比上月減少2.30%。全中國33城2019年6月總客運(yùn)量達(dá)22億人次，日均7376萬人次，日均較上月略有下降。（2）構(gòu)成·月客運(yùn)量＞1億：內(nèi)地從高至低依次有北京、上

月，完成營業(yè)性客運(yùn)量14.5億人，同比下降0.2%，降幅較4月收窄2.5個百分點，其中公路營業(yè)性客運(yùn)量下降4.2%、水路客運(yùn)量增長1.6%。1-5月，完成營業(yè)性客運(yùn)量73.3億人，同比下降1.8%。其中，公路營業(yè)性客運(yùn)量下降4.9%，高速公路7座及以下小客車流量增長8.0%;水路客運(yùn)量下降1.7%。貨運(yùn)量保持較快增長。5月，完成營業(yè)性貨運(yùn)量46.5億噸，同比增長5.6%，其中公路貨運(yùn)量增長5.6%、水路貨運(yùn)量增長5.0%。郵政行業(yè)完成業(yè)務(wù)總量1309億元，

文/阿牛一、總客運(yùn)量（1）概述中國內(nèi)地32城（暫缺長春）2019年4月總客運(yùn)量19.74億人次，日均近6584萬人次，（除無錫與濟(jì)南之外的30城）日均環(huán)比上月增長0.79%。中國香港2019年4月地鐵網(wǎng)換算總客運(yùn)量為2.87億人次（總進(jìn)站量為1.71億人次），日均換算客運(yùn)量956.49萬（進(jìn)站量為569.34萬），環(huán)比上月減少0.53%。全中國33城2019年4月總客運(yùn)量近22.61億人次，日均7540萬人次，日均較上月略有增加。（2）構(gòu)成·月客運(yùn)量＞1億

75)高速鐵路客運(yùn)量預(yù)測問題分為年度預(yù)測，月度(季度)預(yù)測和日客運(yùn)量預(yù)測，主要采用自回歸積分滑動平均模型(ARIMA)、灰色預(yù)測(GM)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、支持向量機(jī)回歸(SVR)等方法擬合現(xiàn)有數(shù)據(jù)，用趨勢外推的思想對運(yùn)量進(jìn)行預(yù)測。由于節(jié)假日客運(yùn)量具有不同于非節(jié)假日的波動規(guī)律，因此日客運(yùn)量預(yù)測通常分為日常客運(yùn)量預(yù)測和節(jié)假日客運(yùn)量預(yù)測，本文所指的日常客運(yùn)量是指以“日”為單位的非節(jié)假日高速鐵路客運(yùn)量。高速鐵路日常客運(yùn)量預(yù)測在票額分配、增開臨時列車和營銷策

國主要城市地鐵客運(yùn)量統(tǒng)計表（V1月初版）一、總客運(yùn)量（1）概述中國內(nèi)地30城（暫缺無錫與長春）2019年3月總客運(yùn)量20.15億人次，日均近6500萬人次，環(huán)比上月（春節(jié)淡季）增長31.34%。中國香港2019年3月地鐵網(wǎng)換算總客運(yùn)量為2.84億人次（總進(jìn)站量為1.774億人次），日均換算客運(yùn)量915.75萬（進(jìn)站量為572.35萬）。全中國31城2019年3月總客運(yùn)量近23億人次，日均約7400萬人次。（2）構(gòu)成·月客運(yùn)量＞1億：內(nèi)地從高至底依次有北京、

10日），機(jī)場客運(yùn)量超過18萬人次，較2018年同期上升了18%，航班升降超過1300架次，同比增長18%。大年初六（2月10日），澳門國際機(jī)場單日客運(yùn)量超過32100人次，刷新了該機(jī)場單日客運(yùn)量的歷史新高。機(jī)場方面表示，春節(jié)期間加增班機(jī)較2018年增長了3倍。機(jī)場客運(yùn)大樓換上節(jié)日新裝布置，同時準(zhǔn)備了一連串的賀年活動，讓旅客能在機(jī)場感受到新春的節(jié)日氣氛。

行首選，分析日客運(yùn)量變化特點，對掌握大多數(shù)市民出行規(guī)律具有較大現(xiàn)實意義。沈陽市以平原為主，屬于典型的溫帶季風(fēng)氣候，具有冬季極為嚴(yán)寒且漫長，春秋季較為短暫涼爽，春季大風(fēng)頻繁，夏季多雨高溫較少等氣候特點。以沈陽軌道交通為例，2010年10月地鐵一號線正式投入載客試運(yùn)營，目前為地鐵一、二號線兩條線路形成十字交叉式線網(wǎng)結(jié)構(gòu)，總運(yùn)營里程59公里，2018年全年日均客運(yùn)量近87萬人次/日。隨著地鐵九、十號線即將陸續(xù)投入試運(yùn)營，沈陽地鐵將形成網(wǎng)狀運(yùn)營結(jié)構(gòu)，地鐵這種便捷的

4)0 引 言客運(yùn)量預(yù)測是客運(yùn)專線立項和建設(shè)的重要基礎(chǔ)，以及后續(xù)客運(yùn)專線列車運(yùn)行方案編制的依據(jù)[1]。國內(nèi)外普遍使用的客運(yùn)量預(yù)測方法是四階段預(yù)測法，其中交通方式分擔(dān)是國外學(xué)者研究的熱點。1996年P(guān). NIJKAMP等[2]通過分析公路和鐵路之間的競爭，將神經(jīng)網(wǎng)絡(luò)模型和Logit模型進(jìn)行結(jié)合，計算出各種交通方式的分擔(dān)率。2000年日本學(xué)者高木等[3]在介紹日本高速鐵路運(yùn)量預(yù)測的MD模型的特征基礎(chǔ)之上，結(jié)合交通小區(qū)劃分、預(yù)測方案、社會經(jīng)濟(jì)參數(shù)以及技術(shù)條件等對

運(yùn)量主要由趨勢客運(yùn)量、轉(zhuǎn)移客運(yùn)量和誘增客運(yùn)量3部分組成。本文主要就轉(zhuǎn)移和誘增客運(yùn)量預(yù)測中應(yīng)注意OD調(diào)查的準(zhǔn)確性、服務(wù)特性的擬定和模型參的標(biāo)定。同時提出客運(yùn)量分配時應(yīng)注意的幾個原則，以及有待進(jìn)一步研究的主要問題。關(guān)鍵詞：鐵路；客運(yùn)專線；客運(yùn)量；預(yù)測1.客運(yùn)專線的客運(yùn)量構(gòu)成就目前蘭新客專運(yùn)營實際情況來分析，蘭新客專運(yùn)量主要由三部分構(gòu)成。第一部分是假定既有鐵路條件不變的情況下，隨著經(jīng)濟(jì)和人民生活水平的提高，鐵路旅客出行量也隨之增加的趨勢客運(yùn)量；第二部分是由于客運(yùn)

組合模型的鐵路客運(yùn)量預(yù)測胡小敏， 賀園園(西安交通工程學(xué)院，西安 710300)為了提高鐵路客運(yùn)量的預(yù)測精度，針對單一鐵路客運(yùn)量預(yù)測模型以及傳統(tǒng)組合預(yù)測模型的缺陷，設(shè)計了基于組合模型(ARIMA-LSSVM)的鐵路客運(yùn)量預(yù)測方法，采用ARIMA對鐵路客運(yùn)量的周期性變化特點進(jìn)行建模預(yù)測，從整體上把握鐵路客運(yùn)量的變化特點，采用LSSVM對鐵路客運(yùn)量的隨機(jī)性變化特點進(jìn)行預(yù)測，采用具體鐵路客運(yùn)量預(yù)測實例對性能進(jìn)行測試和分析。結(jié)果表明，ARIMA-LSSVM可以準(zhǔn)確

)不同交通工具客運(yùn)量的統(tǒng)計分析楊凱月(遼寧大學(xué)遼寧沈陽110034)本文針對全國近十年不同交通工具客運(yùn)量的變化趨勢，利用Eviews軟件采用趨勢外推法分別對鐵路、公路、水運(yùn)以及民航客運(yùn)量進(jìn)行了分析與預(yù)測.同時，分析選取了影響鐵路客運(yùn)量的主要因素,基于SPSS軟件對各因素進(jìn)行了主成分分析,構(gòu)建了鐵路客運(yùn)量預(yù)測模型.最后對我國近十年的交通客運(yùn)量的發(fā)展?fàn)顩r進(jìn)行了綜合分析評價，擬解決我國交通運(yùn)輸業(yè)快速發(fā)展過程中存在的問題.通過對我國客運(yùn)量的預(yù)測與綜合分析，以期發(fā)現(xiàn)

前三季度客運(yùn)量同比下降2.5%前三季度，客運(yùn)結(jié)構(gòu)進(jìn)一步優(yōu)化，全社會完成營業(yè)性客運(yùn)量140.4億人，同比下降2.5%。其中，鐵路客運(yùn)量較快增長，同比增長9.1%；公路客運(yùn)量降幅有所擴(kuò)大，同比下降5.3%；水路客運(yùn)量較快增長，同比增長4.7%；民航客運(yùn)量保持快速增長，同比增長12.5%；全國中心城市公共交通客運(yùn)量同比增長1.5%，其中軌道交通客運(yùn)量增長15.6%。前三季度貨運(yùn)量同比增長10.5%前三季度，貨運(yùn)增速進(jìn)一步加快，全社會完成貨運(yùn)量343.3億噸，同比

線性回歸方法在客運(yùn)量預(yù)測的現(xiàn)實應(yīng)用，歸納總結(jié)旅客發(fā)送量預(yù)測的一般步驟。關(guān)鍵詞：一元線性回歸；客運(yùn)量；旅客發(fā)送量；預(yù)測1 公路交通客運(yùn)量預(yù)測采用一元線性回歸的方法對肥東縣公路交通客運(yùn)量進(jìn)行預(yù)測。錄入數(shù)據(jù)，作散點圖。選中數(shù)據(jù)（包括自變量和因變量），其中自變量為指標(biāo)因素年份時間，研究時間與公路客運(yùn)發(fā)送量的散點圖是否符合回歸關(guān)系，首先研究年份與公路客運(yùn)量的相關(guān)性，輸入數(shù)據(jù)后形成散點圖如下圖1-1。觀察散點圖，判斷點列分布是否具有線性趨勢。只有當(dāng)數(shù)據(jù)具有線性分布特征

回歸模型的公路客運(yùn)量預(yù)測分析魯亞(天津大學(xué) 管理與經(jīng)濟(jì)學(xué)部，天津300072)基于多元線性回歸理論選取我國1993—2012年間的公路客運(yùn)量等數(shù)據(jù)，分析國內(nèi)生產(chǎn)總值和人口總數(shù)對公路客運(yùn)量的影響程度，并對我國公路客運(yùn)量進(jìn)行中短期預(yù)測。結(jié)果表明：國內(nèi)生產(chǎn)總值和人口總數(shù)對公路客運(yùn)量有顯著的正相關(guān)關(guān)系，且多元回歸模型的預(yù)測精度很高，適合進(jìn)行公路客運(yùn)量的中短期預(yù)測。公路；客運(yùn)量；多元回歸模型；預(yù)測交通運(yùn)輸是國民經(jīng)濟(jì)的重要組成部分，對于國民經(jīng)濟(jì)的發(fā)展有著至關(guān)重要的作用

建設(shè)項目中鐵路客運(yùn)量預(yù)測模型研究袁麗軍(天津大學(xué)管理與經(jīng)濟(jì)學(xué)部，天津 300072)運(yùn)用多元線性回歸分析方法，使用SPSS軟件對影響鐵路客運(yùn)量的因素進(jìn)行分析。在當(dāng)前研究成果的基礎(chǔ)上，建立了以鐵路客運(yùn)量為因變量，民航客運(yùn)量、人口、國內(nèi)游客量、國內(nèi)生產(chǎn)總值以及能源生產(chǎn)總量五種影響因素為自變量的多元線性回歸模型。利用模型對各個因素進(jìn)行統(tǒng)計分析，得出了不同影響因素對鐵路客運(yùn)量的影響因子。其中民航客運(yùn)量、國內(nèi)游客量和國內(nèi)生產(chǎn)總值對鐵路客運(yùn)量有正向的影響，人口、能源生

詞：高速鐵路、客運(yùn)量、貨運(yùn)量、經(jīng)濟(jì)增長蘭新鐵路全線通車以來，新疆的經(jīng)濟(jì)建設(shè)開始了一個新的發(fā)展階段。交通基礎(chǔ)設(shè)施建設(shè)是一個城市的可持續(xù)發(fā)展的必要條件。本文探討的是蘭新鐵路第二雙線開通后鐵路運(yùn)輸相關(guān)指標(biāo)的提升對新疆城市發(fā)展的影響。一、文獻(xiàn)回顧申培德（2009）指出，修筑蘭新鐵路第二雙線是落實西部大開發(fā)戰(zhàn)略、提高大陸橋通道運(yùn)輸能力和運(yùn)輸質(zhì)量的需要，是拉動內(nèi)需、擴(kuò)大對外開放、促進(jìn)沿線經(jīng)濟(jì)社會發(fā)展的需要，是保障國家能源安全，滿足新疆煤炭資源開發(fā)和外運(yùn)需求的需要。王波

客運(yùn)運(yùn)營組織；客運(yùn)量城際列車即為滿足數(shù)量和質(zhì)量日益增長的客運(yùn)需求，在經(jīng)濟(jì)較發(fā)達(dá)城市或地區(qū)間開行的密度較大、運(yùn)行有規(guī)律、旅行速度高、購票方式簡便、舒適度好、等級較高的旅客列車。內(nèi)蒙古自治區(qū)由于地理位置、經(jīng)濟(jì)基礎(chǔ)、地形結(jié)構(gòu)等多方面的原因，至今沒有開行動車組列車。呼和浩特鐵路局預(yù)計于2014年底開行CRH5型最高運(yùn)行速度為250km/h的動車組列車，運(yùn)營初期以城際列車的形式開行，進(jìn)一步縮短呼和浩特、包頭、烏蘭察布、鄂爾多斯等區(qū)內(nèi)較發(fā)達(dá)地區(qū)之間的運(yùn)行時間，這將有助

最小二乘的鐵路客運(yùn)量預(yù)測梁小林*, 杜曉慧(長沙理工大學(xué) 數(shù)學(xué)與計算科學(xué)學(xué)院, 湖南 長沙, 410076)通過對1997—2012年鐵路客運(yùn)量的影響因素進(jìn)行分析, 建立偏最小二乘回歸模型, 并用實際的鐵路客運(yùn)量與預(yù)測值進(jìn)行比較, 檢驗出模型的預(yù)測誤差較大. 為了提高模型的預(yù)測精度, 采取粒子群優(yōu)化算法優(yōu)化回歸系數(shù), 得到一個新的模型. 經(jīng)檢驗, 該模型的預(yù)測誤差由原模型的3.04%降到1.01%. 最后用該模型預(yù)測出2013—2014年的鐵路客運(yùn)量分別為

間全國共完成旅客運(yùn)量31.44億人次，比去年增長8.6%。其中，鐵路2.21億人次，與去年持平；道路28.47億人次，同比增長9.6%；水運(yùn)4 245萬人次，同比增長1%；民航3 376萬人次，同比增長3.6%。歷年數(shù)據(jù)比較：1991年，全國春運(yùn)共運(yùn)送旅客8.5億人次；2001年，這個數(shù)字是16.6億人次；2006年接近20億人次；2011年該數(shù)據(jù)增至26.4億人次。1991—2011年間全國春運(yùn)客運(yùn)量接近翻了兩番。