京沪通道高速铁路客流量预测

合集下载

浅论高速铁路与可持续发展

浅论高速铁路与可持续发展
的需要。
普通铁路速度较低的不足,与公路 的汽车运输和 中长途航空运输相 比较,在下列各项技术经济指标 中具有一定优势: ( )能耗少 。能耗标 准是评价交通运输方式优劣的重要技术 一 指标 。研究表 明:若以普通铁路每人公里 消耗 的能源为 1个单位,
则高速铁路为 1 3 ,小汽车为 5 3 .,飞机为 5 6 .。高速铁路使 用的是 二次能源—— 电力,而汽车 、飞机使用的是不可再生的一次 能源一
区段 接 近 1 0 0万 人 。 . 10
汽油 。
( 二)环境污染轻 。公路和航空运输不仅产生大气污染而且通 过释放 二氧化碳加剧 了全球温室效应。在旅客运输中,各种交通 工 具有害物 质的换算排放量, 公路每人公里排放一氧化碳为 0 92 g .0 K , 高速铁路 为 0 19 g .0 K ,公路约为铁路的 8倍。高速铁路的噪声污染
乘 飞机 。
也是最低 的,高速列车产生 的噪声污染约为飞机 和小轿 车的 11 。 /0
根据我国的研 究,每人公里污染治理费用,如以高速铁路 为 1 ,则
公 路 为 37 , 飞机 为 5 2 。 6 .1
( )占用土地 少。一条双向四车道高速公路 占地面 积是双线 三 高速铁路的 1 6倍 ,一个 大型飞机扬 占地面积相 当于 10 k . 0 0 m双线
C AMN H A H R I CI G N
魅 力论 坛
浅论 高速铁路 与可持续发展
◎刘 泽 君
( 都铁 路局 党校 , 四J 成 I f成都 6 00 ) 10 0 中图分 类号 :U 3 文献 标识码 :A 文 章编 号: 17— 92 (0 0 026 0 28 6 30 9 2 1 )1— 1— 2 摘 要 :本文从 可持 续发 展 角度分 析高 速铁路 的优 越性 、 中国需要 发 展高速 铁路 , 论证 了我 国构建 绿色 、低碳 、可持续 发 展的 高速铁 路运 输系统 的具体 措施 。 关键词 :高速 铁路 :可 持续 发展 ;优 越性

京沪高铁经营分析报告

京沪高铁经营分析报告

京沪高铁经营分析报告一、引言自2024年开通以来,京沪高铁一直是中国高铁网络中最重要的干线。

其开通不仅极大地促进了京沪两大核心城市之间的经济往来,也改变了旅客出行方式。

本报告旨在对京沪高铁的经营情况进行分析,并提出相关建议。

二、线路概况京沪高铁全长1318公里,共设车站35座。

全线采用中国境内首次引进的时速350公里标准设计,是目前国内运营速度最快、最先进的高铁线路之一三、客流分析1.旅客流量情况2024年至今,京沪高铁的旅客流量呈现逐年增长的趋势。

据统计数据显示,高铁年客流量从2024年的500万人次增至2024年的1.2亿人次。

随着出行需求的增加,该线路的客流量有望持续增长。

2.市场占有率京沪高铁具备了与航空、公路等交通方式竞争的优势,市场占有率逐年提升。

根据数据,目前京沪高铁在京沪两地之间的客运市场占有率达到70%以上,且还在稳步增长。

这也进一步证明了高铁的快捷和便利。

四、运营效益分析1.营业收入情况截至2024年,京沪高铁的营业收入连续多年保持了较高速度的增长。

数据显示,该线路的年营业收入从开通初期的20亿人民币增长至2024年的100亿元人民币。

这与旅客流量的增加和票价的上涨密切相关。

2.成本与盈利状况京沪高铁的运营成本主要包括人工成本、维护成本和燃料成本等。

虽然运营成本不断上升,但高铁的盈利状况依然良好。

盈利能力主要来自车票销售收入,同时还有从周边商业开发中获得的租金收入等。

综合来看,京沪高铁的运营效益逐年提升。

五、用户满意度京沪高铁在服务质量上一直处于较高水平,旅客满意度持续维持在较高水平。

根据最新的调查结果显示,京沪高铁的满意度指数达到85%,乘客对高铁的车内设施、列车速度和员工服务态度等都给予了较高评价。

用户满意度的提高有助于提升高铁的市场口碑,进而增加旅客的选择意愿。

六、未来发展建议1.提高服务质量持续加强乘车环境的整治和服务人员的培训,增加旅客乘坐高铁的舒适度与安全感,进一步提升用户满意度。

《2024年站城融合背景下高速铁路综合枢纽短时客流预测研究》范文

《2024年站城融合背景下高速铁路综合枢纽短时客流预测研究》范文

《站城融合背景下高速铁路综合枢纽短时客流预测研究》篇一一、引言随着城市化进程的加速和交通网络的不断完善,高速铁路作为现代交通的重要组成部分,已经成为人们出行的重要选择。

站城融合是指高速铁路车站与周边城市空间的有机融合,实现交通与城市的无缝衔接。

在站城融合的背景下,对高速铁路综合枢纽短时客流进行预测,对于提升交通运营效率、优化旅客出行体验、促进城市经济发展具有重要意义。

本文旨在研究站城融合背景下高速铁路综合枢纽短时客流预测的方法及其实证分析。

二、研究背景与意义随着高速铁路网络的不断扩展,车站客流量呈现出快速增长的趋势。

短时客流预测是提高铁路运输效率、优化列车运行计划、降低运营成本的关键手段。

在站城融合的背景下,高速铁路综合枢纽的短时客流预测研究具有以下重要意义:1. 提高运输效率:通过准确预测短时客流,可以合理安排列车运行计划,提高运输效率。

2. 优化出行体验:为旅客提供更加便捷、舒适的出行服务,提高旅客满意度。

3. 促进城市发展:有助于城市交通与经济的协同发展,推动站城融合的进程。

三、研究方法与数据来源1. 研究方法本文采用数据驱动和知识驱动相结合的方法,运用机器学习、深度学习等算法,对高速铁路综合枢纽短时客流进行预测。

2. 数据来源研究所需数据主要来源于以下几个方面:(1)历史客流数据:包括历史车站进出客流、列车运行数据等。

(2)城市交通数据:包括公共交通、道路交通等数据。

(3)社会经济数据:包括城市人口、经济发展、旅游等数据。

四、短时客流预测模型构建1. 数据预处理对收集到的数据进行清洗、筛选、归一化等预处理操作,以保证数据的质量和可靠性。

2. 特征提取从历史客流数据、城市交通数据和社会经济数据中提取与短时客流相关的特征,如时间特征、空间特征、天气特征等。

3. 模型构建采用机器学习、深度学习等算法构建短时客流预测模型。

具体包括数据建模、参数设置、模型训练等步骤。

五、实证分析以某高速铁路综合枢纽为例,运用所构建的短时客流预测模型进行实证分析。

高速公路客流量预测模型与方法分析

高速公路客流量预测模型与方法分析

高速公路客流量预测模型与方法分析随着我国经济的不断发展和人民生活水平的提高,高速公路系统在人们的日常出行中扮演着至关重要的角色。

为了更好地管理和规划高速公路的运营,预测客流量成为一项重要的研究课题。

本文将对高速公路客流量预测模型与方法进行分析,以期提供有效的预测方法。

一、模型选择与建立高速公路客流量预测可以使用多种模型和方法,其中一些常用的包括时间序列分析、回归分析、神经网络和决策树等。

选择适当的模型需要综合考虑数据特征、预测准确性和计算效率等因素。

1. 时间序列分析时间序列分析是一种常见的客流量预测方法,通常假设预测数据具有一定的周期性或规律性。

常用的时间序列模型包括ARIMA、ARCH和GARCH等。

通过对历史客流量数据进行分析,可以建立时间序列模型并进行预测。

2. 回归分析回归分析是一种统计方法,用于研究变量之间的依赖关系。

在高速公路客流量预测中,可以考虑一些相关因素,如节假日、天气条件和经济指标等,并利用回归模型来建立客流量与这些因素之间的关系。

通过提取相关特征并进行回归分析,可以预测客流量的变化。

3. 神经网络神经网络是一种模拟人脑神经元工作原理的数学模型,其在模式识别和预测领域有着广泛的应用。

在高速公路客流量预测中,可以利用神经网络来学习历史数据的模式,并预测未来的客流量。

通过调整网络结构和参数,可以提高预测准确性。

决策树是一种基于树状结构的分类和预测方法。

在高速公路客流量预测中,可以利用决策树算法来分析历史数据中的特征,并建立规则集用于预测客流量。

决策树具有可解释性强的特点,便于理解和应用。

二、数据处理与特征提取高速公路客流量预测需要使用历史数据进行模型训练,因此对数据的处理和特征提取非常重要。

以下是一些常用的数据处理和特征提取方法。

1. 数据预处理数据预处理包括数据清洗、去除异常值和缺失值处理等步骤。

在高速公路客流量预测中,可能会出现数据缺失或异常情况,需要对这些问题进行处理,以保证建立的模型具有良好的准确性。

京沪高速铁路可行性研究报告获批

京沪高速铁路可行性研究报告获批
建设方案总体稳定、技术成熟
京沪高铁采用高速动车组“复兴号”列车,最高设计速度达到350公里/小时,建设方案总 体稳定、技术成熟,已具备开工建设条件。
经济效益良好
根据经济与财务分析,京沪高铁建成后将大幅缩短旅行时间、提高旅客运输能力,提升铁 路客货混运通道能力,同时带动沿线经济发展和资源开发,具有良好经济效益。
工程材料与设备
需要采用高性能混凝土、新型钢材 、道岔等新型材料和设备。
经济与财务可行性
经济效益分析
京沪高速铁路的建设将带来显著的经济效益,包括改善交通条件 、促进沿线经济发展、提高国土资源利用效率等。
资金筹措方案
为保证项目的顺利实施,需要制定切实可行的资金筹措方案,包 括政府投资、银行贷款、企业自筹等。
2
既有京沪铁路技术标准低、运输能力不足,难 以满足通道客货运输的需要。
3
为此,开展京沪高速铁路可行性研究报告的评 审和立项工作十分必要。
项目目的
旨在解决既有京沪铁路运能不足、技术标准低、 速度慢等问题。
实现京沪通道客货分线运输,提高通道运输能力 和效率。
为京沪高速铁路的建设提供科学依据和决策支持 。
《京沪高• 项目概述 • 项目可行性研究 • 京沪高速铁路项目的技术研究 • 项目经济与财务分析 • 项目风险评估与对策 • 项目实施计划与时间表 • 研究结论与建议
01
项目概述
项目背景
1
随着我国高速铁路网的快速建设,京沪通道的 客运需求日益增长。
采用数字化信号系统,提高信号传输的可靠 性和安全性,同时减少对无线通信系统的干
扰。
车站与设施规划
车站建设
新建车站注重环保、节能和人性化设计,提高车站服务水平和旅客出行体验。

高速铁路客运量预测方法选择_图文(精)

高速铁路客运量预测方法选择_图文(精)

65YUNSHUSHICHANG 2007/7高速铁路客运量预测是项目规划和建设的依据, 也是经济效益计算的基础。

目前常用的高速铁路客运量预测方法是四阶段法,其中最主要的方式划分预测又基本采用了Logit 模型。

但由于Logit模型存在的某些特性会在一定程度上影响预测的准确性,因此在应用四阶段法进行预测时,必须分析和掌握这种特性, 以便选择适当的高速铁路客运量预测方法。

目前大部分高速铁路客运量预测所采用的预测方法(包括京沪高速铁路客运量预测主要由以下两部分内容组成:一是以社会经济变量(各交通小区的GDP或人口和阻抗变量(各交通小区间的广义价格作为自变量预测研究区域内特征年度总的旅客 OD 交流量,预测一般采用重力模型;二是用一个涉及多种运输方式的选择模型确定现有运输方式和新的高速铁路的出行份额和出行量,而且所有方式的出行份额加总为 100%。

典型地,用于方式选择的是一个多元的 Logit 模型。

然而,由于 Logit 模型的非相关选择方案独立特性(IIA, 高速铁路的预测运量必须直接与现有方式间的运量份额比值成正比关系,因而使预测结果的准确性降低, 这也是该方法最主要的缺陷。

如果不进行改进, 该方法的模型运行结果就会出现如下情况:当一种现有运输方式本身占有较高的份额时,高速铁路从中得到的转移到运量份额也随之较高。

例如,假设任意两个区域间的出行 50%是由小汽车完成的,则采用该方法预测将会得到 50%的高速铁路运量份额是从小汽车转移过来的。

分析我国现状的客流组成,这一情况实际上是不可能发生的。

为了减少非相关选择方案独立特性所产生的问题,某些预测采用了另外一种方法。

该方法也是首先预测各种运输方式的合计 OD 客流量,然后用一个多层的 Logit 模型(NL来确定高速铁路和其他相关方式的市场份额。

多层 Logit 模型高速铁路客运量预测方法选择□张康敏刘晓青66YUNSHUSHICHANG2007/7通过一种树状结构将选择方案分为若干层次, 其中同一层次的方案类似性较大, 而不同类型的方案则作为不同层次, 这样就解决了模型误差项的独立同分布性,即 IIA 问题。

高速铁路车站客流预测与优化

高速铁路车站客流预测与优化

高速铁路车站客流预测与优化高速铁路成为了现代城市交通出行的重要方式,随着铁路网络的发展和技术的提高,越来越多的人选择乘坐高速铁路出行。

高速铁路车站的客流量也开始呈现出越来越高的趋势,因此如何进行客流预测和优化,成为了一个不可忽视的问题。

一、客流预测的意义客流预测是指通过对历史数据、天气数据、节假日等因素进行综合分析,来预测未来一段时间铁路车站客流量的趋势和规律,为后续的车站管理和运营调控提供参考依据。

客流预测的重要性在于它能帮助车站及时发现并解决客流过大或过小的问题,对客流进行合理的调节,避免车站拥堵或者座位出现不足的情况,同时也能提高车站的服务质量,提高客户满意度。

二、客流预测的方法常用的客流预测方法有时间序列预测、回归预测和机器学习预测。

时间序列预测方法是利用过去数据拟合一定的数学模型,然后利用该模型对未来数据进行预测。

该方法预测结果精度较高,但只能针对单一因素进行预测,无法对多个因素进行综合分析。

回归预测方法是运用多个变量之间的统计关系,通过某些指标的线性组合得到预测结果,该方法适用于客流与多个因素相关的场景,但该方法的精度相对较低,对数据的要求也较高。

机器学习预测方法是在以往数据基础上,运用机器学习算法,进行预测,能够针对多维度、多因素的场景进行预测。

三、客流预测的优化客流预测的优化主要是指通过预测结果来进行车站资源调配,以达到最大程度利用车站资源的目的。

可以通过优化列车调度、车站布局、服务设施、安全管理等方面来实现客流优化。

例如,通过增加列车班次、改变到站时间、提高服务质量等方式来调节客流量。

还可以通过分流客流、增加引导宣传等方式来优化客流。

四、客流预测案例以重庆北高铁站为例,该车站借助大数据分析、人工智能等技术,进行客流量预测,同时对车站设施、服务等方面进行优化,从而为车站座位出勤率的提高和客户满意度的提升做出了贡献。

通过客流预测,该车站分析了流动人员的流向和分布情况,并且依据不同时间段的客流量、各影响因素等特点,制定了相应的应对措施。

《2024年高速铁路预售期旅客购票量分布预测》范文

《2024年高速铁路预售期旅客购票量分布预测》范文

《高速铁路预售期旅客购票量分布预测》篇一一、引言随着中国高速铁路的快速发展和普及,其作为主要的交通工具,在人们的出行选择中占据了重要地位。

为了更好地满足旅客的出行需求,对高速铁路预售期旅客购票量进行分布预测显得尤为重要。

本文旨在通过对历史数据的分析,结合相关因素,建立预测模型,以实现对未来一段时间内高速铁路预售期旅客购票量的预测。

二、数据来源与处理本研究所用数据主要来源于中国铁路客户服务中心的售票系统。

这些数据包括历史购票记录、车次信息、出发地和目的地信息等。

为了更好地进行预测分析,我们首先对数据进行清洗和整理,去除无效和错误数据,然后进行数据的归一化处理,以消除不同数据单位和量纲的影响。

三、影响购票量的因素分析影响高速铁路预售期旅客购票量的因素众多,主要包括节假日、天气状况、票价政策、列车运行时间等。

节假日和天气状况会影响人们的出行意愿和出行方式选择;票价政策和列车运行时间则直接影响旅客的购票决策。

因此,在预测模型中,我们需要充分考虑这些因素的影响。

四、预测模型建立基于历史数据和相关因素分析,我们采用多元线性回归模型进行高速铁路预售期旅客购票量的预测。

该模型通过分析历史数据,找出与购票量相关的关键因素,并建立这些因素与购票量之间的线性关系。

在模型中,我们不仅考虑了节假日、天气状况、票价政策等宏观因素,还充分考虑了列车运行时间、车次类型等微观因素的影响。

通过对模型的训练和优化,我们可以实现对未来一段时间内高速铁路预售期旅客购票量的预测。

五、结论通过对历史数据的分析和预测模型的建立,我们可以有效地预测未来一段时间内高速铁路预售期旅客的购票量分布。

这有助于铁路部门更好地安排列车运行,优化票务系统,提高旅客的出行体验。

同时,对于旅客来说,也可以根据预测结果合理安排出行时间和购票计划,避免高峰期购票难、出行不便的问题。

因此,高速铁路预售期旅客购票量分布预测具有重要的现实意义和应用价值。

在未来的研究中,我们还将进一步优化模型,提高预测精度,为铁路运输行业的持续发展提供有力支持。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。


提高铁路列车运行速度一直是世界铁路运输追求的主要 目标之一,世界铁路发展史从某 种意义上说 ,是一部列车运行速度 的竞赛史 6 O年代以来 日本、法国、德国等许多国家大幅 度提高 了旅 客列 车速 度 , 当今 高速铁 路 的试 验 速度 已经 达到 了 50多 k h 19 0 m/ 。96年我 国旅客 列 车 的平均 技术 速度 为 5.k h 8 5m/ ,还 不到 6k h 0m/ ,与 世界主 要 国家平 均 10蠡 k h的速 0 m/ 度相比,差距十分 明显 规划建设的京沪高速铁路 ,是我国交通建设史上最宏伟的一项跨世 纪工程 ,也是中国铁路迈向现代化的重要标志 ,因此对京沪通道高速铁路客流量进行系统预 测, 具有十分重要的意义 。 为此 , 我们在世行专家的指导下, 与国家计委综合运输研究所 、 铁 道部科学研究院等单位联合进行京沪通道高速铁路客流量预测研究工作。现将课题的主要研 究成果与工作思路摘要如下 2 京沪通道客流量现状分析 京沪通道位于我国经济最发达的东部沿海地区, 它北起首都北京 , 经天津、 河北、山东 、 安徽、江苏 四省一市,南抵终点站上海。京沪通道现 已成为沟通我国东北 、华北、西北与华 东经济联系的重要运输走廊。1 9 年京沪线共发送旅客 161 2 97 01. 万人 ,占全路 总客运量的 1 ・ %;旅客到达量为 14 82万人 ,占总客运量的 1 . %。其中线内运量 ( 15 1 8. 25 即发送点和到 达点均在本线的客流量)为 71. 万人 ,分别 占全线发送 、到达量的 6. 和 6 。京沪 0 19 61 1 线旅客发送量 和到达量最大的区段是南京一上海段,1 9 年发送 和到达的区段密度分 别为 97 5 4・ 万人和 53・ 万人,分别占全线发送量和到达量的 5. 2 和 4 .4 , 674 48 3 32 7 3 这是 由于沪 宁沿线大中城市密集,如苏卅 、常州、J 锡 镇江等 ,沿线乡镇企业星罗棋布 ,经济 十分发 I 无 达 ,因而旅客运输需求非常旺盛 。 沪宁段同时也是线 内发送和到达量最大的区段 , 7 19 年线 9 内发 送和 到 达量 分别 为 42 . 07 4万人 和 38 . 84 z万人 ,分 别 占全 线线 内运量 的 5. 4 74 和
= e -・ / ., ¨( 多元 L G T模型) O I 式中: P 为旅客选择某种运输方式的偏好, 也可认为是这种运输方式的概率或市场份额; 、 U 为效 用函 数 i 为 自然 对数 。 e 如仅为两种运输方式 , 则模型的基本结构如下 : P = e%/e + e ) ( 元 L GI 模型 ) - (~r - 二 O T 43 诱发模型 . 高速铁路建成后 , 不仅从其它原有 4种运输方式中吸引一部分客流, 而且随着社会经济发 展与高速铁路的固有技术特点, 将诱发产生一部分新的运输需求。 模型的基本结构如下 :
解 , 必须用多元 回 归估计 式 。 就 5 预 测结 果
这 次预测将 京沪通道 分全线 贯通 和先修 沪宁两种基 本方案 。 初步设 想 , 20- 20 在 0 0 05年
先 修通沪 宁段 ,2 0 - 2 1 0 5 0 0年全 线贯通京 沪线 。预 测客流 的构成 中,只将本线 流 ( 即沿 线车
本市场竞争机制, 预测结果对于今后铁路建设项目评估 , 提高决策的科学性与权威性 , 具有
积极 的参考 作用 。
会 议 消 息
由国家 自 然科学基金委员套管理学部和中国系统工程学会青年工作委 员会主办、天津大 学管理学院承办的第五届全国青年管理科学与系统科学学术研讨会定于 19 年 9月在天津 99
55 9 。 3
根据旅客区段交流 ,南京一上海段和符离集一南京段的旅客交流是最大的两段交流,双 向交流量分别为 2 66 5. 万人和 2 99 2. 万人。
3 京沪通道客流量预测的前期工作 3 1 界定经济吸引范围 . 根据铁路径路分析 , 京沪通道直接和问接吸引范围达 z 个省、市、 4 辖区,它们分别是华 北五省市、华东七省市、东北三省、 西北五省区以及华 中的河南、湖北,西南的四川、西藏 。 3 2 选定研 究的 o3 . 1点 根据经济吸引范围 , 结合经济区划统计 , 将上述 2 个省市以及京沪通道沿线的主要大城 4
站直接吸引的高速流) 和跨线流 ( 即旅客乘跨线列车进出本线的中速流) 汇总到相应 的区段 ,
密度 ,结果 如表 1 。
采 1 京沪通道高速铁路窖藏密度 ( 万人)
6 小结
京沪通道高速铁路客流量预测采用了当今国际上较为先进的重力模型、多方式分配模型 和诱发模型 ,体现了市场条件下各种运输方式,以效用函数为准绳,合理分配市场份额的基

收 稿 日期 : 19 — 91 9 80 —8

9。
维普资讯
市,划分为 3 个 O 0 D点 , 它们分别为北京、天津、济南、徐州、 蚌埠、南京、镇江、常州、无 锡、苏州 、上海、新廊坊、新沧州、新充州、东北 ( 沈阳) 、蒙西 ( 呼和浩特) 、石家庄、太 原 、青 岛、 日照 、菏泽 、郑州 、武汉 、合肥 、连云 港 、淮 阴、扬 州 、芜 湖 、杭 州和南 通 。 33 模 型选 择 . 京沪通道高速铁路客流量主要由三部分客流构成,它们分别是直接需求、转移运量和诱 发 运量 。根 据不 同的研 究 预测 对 象 ,我 们分 别选择 了重力模 型 、多项 式对 数分 配模 型 和高速 铁 路诱 发模 型 。 34 数据 采集与 整理 根据模型所需要 的基础数据与调查表格设计 , 课题组动用 2 0 0 多人次, 深入沿线 3 列不 4 同类型列车, 5 1 个公路客运站 10 2 个班次以及 4 个公路汽车收费站 , 4 对 种运输方式 6 0 多 00 名不同类型乘客进行随机性现场抽样调查。调查 内容涉及 4 3 项指标。 类 l 本次录入有效数据 6 多万个 ,有效样本 4 9 个。 0 74
褊 逮
窦 寻汜 黼 乏1

维普资讯
( 三 )
预 测 与分析 ・
7f京沪通道高速铁 流量 . 7

翁松
王晖军 ’ 吴锦秋
/ 0
( 瓣 铁i


院 0 3 1 08 0 )
1 引 言

^ r ,




式中 为两点间的客运交流量; 为模型估计参数 ̄/ a为两点间社会经济变量 , D 、 硝 n SE 如G P 人 口、 人均收入等 ;、 为模型估计参数; “ u 为阻力 函数 , 以用距离变量或效用函数 , 可 效用函数 反映用户所花的费用、 旅行时间和其他损耗 。 重力模型的参数估计 , 可利用现成 的多元回归参数估计软件。 42 多项式对数分配模型 . 多项式对数分配模型( O I ) L G T 是当今国际上较为先进的多方式客运量预测模型 , 它主要 用于预测各种运输方式间的转移运量 其基本思路是 , 高速铁路建成后 , 由于其特定的技术经 济特征与其它运输方式不 同的功能和服务水平, 可能有一部分旅客从其它运输方式( 包括既有 铁路) 转移到高速铁路上来 , 也可用于估计新建铁路建成后 , 从公 路、 水运和既有铁路转移到 新建铁路的客货运量。 模型的基本结构如下
维普资讯
式中: u 为效 用 函数 ; . G, 为各种 运输 费用 ;’ ? 。为旅行时 间( 含进 出站时间 、 等候 时间 、 中转 时间
和 途 中时 间)W 为时 间价 值 。 ; 上述 表达式 是一元 回归估 计 式 , 也是最基本 最简单 的估计式 , 如将 费 用、 行时 间细 化、 旅 分
征 文 范围厦要 求详见征 文通知 。
来稿请寄 :307 天津大学管理 学院 张堆教授收。 0 02
联 系人 : 菊栋 、 李 丁傻 丽 联 系电话 :0 2 2 441 , 7043 传真 : 02 2 325 。 (2 ) 7072 2 411 (2 ) 3453
E i mims@ t .d .n ma : p 5 j eu c l u
J = (, (, R, 【 )/ 【 )
式 中:
为两点间的诱发率 ; 为高速铁路建成前的广义成本 } 为高速铁路建成后的广 【 , u
义成本 ; 卢为模型估计参数。 广义成本或效用函数一般用一元或多元回归来估计, 表达式如下 :
U = G +
・1 ・ O
x W
4 预 测模 型 4 1 重 力模 型 .
重力模型是当今国际上较为通用的预测模型, 它主要用于预测两个经济点间的某种联系 程度 , 如两点问的经济联系、 运输联系等 。 模型的基本思路是两个点距离越近, 其联 系程度就越 紧, 反之亦然。 型的基本结构如下: 模
R = a S E ) u ( / /
召开 。
在各 方面 的帮助和 大力支持 下,会议 的筹备 工作 已取 得很 大进 展 。然 而由于准备 时 问仓
促,许多作者要求延长截稿 日 期。为保证会议的广泛参与性 ,组委会决定将征文截止 日 期由 19 年 1 月延长至 19 年 1 98 O 98 2月 3 1日。 热忱欢迎奎国各界关心管理科学与系统科学发展的 青年朋友 (5 4 岁以下)积极投稿井参加会议 。
相关文档
最新文档