铁路客流预测的方法
客流预测——在一定的社会经济发展条件下，科学预测各目标年 限铁路线路的断面流量、站点乘降量、站间OD、平均运距等反应 铁路交通客流需求特征的指标
基于客流性质的铁路客流预测方法
基于灰色理论的铁路客流预测
基于径向基神经网络的短期客流预 测
基于客流性质的铁路客流预测方法 ——四阶段法
隐含层的第i个神经元的输入为： 据。 输出为： 输出层的输入为各隐含层神经元输出的加权求和，权值为： 输出为：


• OD调查 OD表、期望线图、交通发生统计 图 • 回归分析模型 Y=β0+β1X1+β2X2+…+βnXn(多元线性） • 客流生 • 弹性系数模型 α=η/γ 等 四阶段预测
成预测 客流分 布预测 方式划 分预测
• 重力模型法 • 增长率法 ቤተ መጻሕፍቲ ባይዱ 用户效用极大化运输方式选择模型（Logit模型等） • 运输方式选择的广义重力模型
• 最短路分配模型 交通分 • 静态多路径概率分配，等
配预测
基于灰色理论的铁路客流预测
灰色系统理论是运用于控制与预测的新型横断学科理论。灰色系统是指介于 白色系统(信息完全已知)和黑色系统(信息完全未知)之间，部分信息已知，部 分信息未知的数据系统。 灰色模型：GM(1，1)反映了—个变量对时间的一阶微分函数，其相应的微分 方程为： 第一步：建立一次累加生成数列。 第二步：利用最小二乘法求参数a,u。 第三步：求解GM(1，1)的模型：
第四步：对模型精度的检验。
（计算原始数列、残差数列，与预测精度等级划分表对比）
第五步：如果检验合格，则可以用模型进行预测。预测值：
基于径向基神经网络的短期客流预测
径向基函数神经网络：具有单隐层的三层前馈网络。第一层为输入层， 由信号源节点构成；第二层为隐藏层，节点数视需要而定；第三层为 输出层，对输入模式作出响应。单个输出神经元的RBF神经网络的拓扑 结构：
抽取数据：
调整日期： 为体现周规律的影响 设置参数： 作用，选择与预测日 将微调后日期的客流 期相隔14天的的售票 利用Matlab创建一个 量y作为最终的测试输 数据(t1，t2，…，t14 ) 精确的RBF神经网络。 入，与该日期相隔1 4 作为训练输出数据， 参数包括输入向量、 天的售票数据（y1， 与预测日期对应的前 目标向量(即输出向量) 从输入层到隐藏层的变换是非线性的，从隐藏层到输出层的变换是线 y2，…，y14)作为训练 一年的同一日期发车 和spread值。 输入 性的。隐藏层采用RBF作为激励函数，Ri=exp(一ll x-Cill／(2 i2 )) 的客流量y作为输入数