基於大數據的高鐵客流量智慧型預測方法及實證研究

基於大數據的高鐵客流量智慧型預測方法及實證研究

《基於大數據的高鐵客流量智慧型預測方法及實證研究》是依託石家莊鐵道大學,由耿立艷擔任項目負責人的青年科學基金項目。

基本介紹

  • 中文名:基於大數據的高鐵客流量智慧型預測方法及實證研究
  • 項目類別:青年科學基金項目
  • 項目負責人:耿立艷
  • 依託單位:石家莊鐵道大學
項目摘要,結題摘要,

項目摘要

高鐵客流量預測對制定高鐵建設規劃、安排高鐵列車開行計畫、實現高鐵運營效益有重要作用。隨著高鐵大數據的湧現,如何通過對大數據的深層次挖掘,提升高鐵客流量預測精度,是一個亟待解決的重要課題。本項目在分析高鐵客流量特性基礎上,將數據挖掘技術與智慧型預測方法有機融合,提出基於大數據的高鐵客流量智慧型預測方法。首先,利用數據降維技術實現高鐵客流量影響因素的非線性降維,以低維數據作為神經網路的輸入預測高鐵客流量,並採用不同的智慧型算法最佳化神經網路參數。其次,利用數據預處理技術挖掘高鐵客流量原始數據的深層次信息,通過混合核函式SVM對包含更多信息的數據進行預測。最後,利用數據分解技術將高鐵客流量序列分解為不同特徵子序列,通過不同智慧型預測方法預測各子序列,再組合為最終預測值。以中國不同類型高鐵線路客流量為研究對象,驗證所提方法的有效性和適用性。其研究成果為高鐵的修建、管理及運營提供理論與方法指導。

結題摘要

高鐵客流量預測對高鐵的建設、運營和管理有重要現實意義。高鐵客運系統是一個受多種因素影響的複雜系統,導致高鐵客流量數據呈現出複雜的變化特性。現有智慧型預測方法由於自身的局限性,難以準確描述高鐵客流量變化規律,一定程度上限制了預測精度的提高。本項目在分析高鐵客流量特性基礎上,將數據挖掘技術與智慧型預測方法有機融合,提出高鐵客流量的新型智慧型預測方法並進行實證檢驗。首先,分析了高鐵客流量的特性及影響因素,結果顯示,高鐵客流量序列呈現出波動聚集性特徵,其增量序列具有混沌特性;高鐵營業里程、高鐵營業里程占鐵路營業里程比重,全社會固定資產投資、鐵路固定資產投資是影響高鐵客流量的主要影響因素。其次,提出了高鐵客流量新型智慧型預測方法。(1)利用等距映射算法、線性局部切空間排列算法、“遺傳-粒子群”協同進化算法分別實現高鐵客流量影響因素的非線性降維,以降維後數據作為三種不同神經網路的輸入預測高鐵客流量,並採用不同的智慧型算法最佳化不同神經網路參數。(2)利用自組織映射算法、模糊信息粒化、相空間重構分別挖掘高鐵客流量原始數據深層次的知識和信息,通過組合不同的核函式構建三種高鐵客流量的混合核函式SVM預測模型。(3)利用集合經驗模態分解、小波分解法、季節調整法分別將高鐵客流量序列分解為不同特徵子序列,通過不同智慧型預測方法預測各子序列,再組合為最終預測值。(4)通過中國不同類型高鐵線路客流量,以不同的預測性能評價指標驗證新方法的有效性。結果表明,本項目提出的新型智慧型預測方法能夠有效地提高高鐵客流量的預測精度,研究成果為高鐵建設規劃的制定、高鐵列車開行計畫的安排、高鐵運營效益的實現提供方法參考。

相關詞條

熱門詞條

聯絡我們