徐熠明
(上海工程技術(shù)大學(xué)數(shù)理與統(tǒng)計(jì)學(xué)院,上海 201620)
隨著我國(guó)城市軌道交通事業(yè)的不斷發(fā)展,許多大中城市地面交通的客流擁堵現(xiàn)象得到了一定緩解,同時(shí)受到嚴(yán)重尾氣污染的環(huán)境也得到了一定改善。然而,隨著地面客流量逐漸轉(zhuǎn)向城市軌道交通,客流規(guī)模持續(xù)攀升,城市軌道交通的運(yùn)營(yíng)壓力與日俱增[1-4]。為了緩解日益增長(zhǎng)的城市軌道交通客流壓力,避免因?yàn)檫^度擁擠的客流導(dǎo)致一系列事故發(fā)生,負(fù)責(zé)城市軌道交通運(yùn)營(yíng)的相關(guān)部門需要更好地把握客流趨勢(shì),以此制定合理的客流組織計(jì)劃以及各種應(yīng)急方案[3-5]。上海市作為軌道交通發(fā)展水平較高的大城市,城市軌道交通客流量過于擁擠的現(xiàn)狀較為嚴(yán)重,甚至直接導(dǎo)致一些事故的發(fā)生。因此,合理預(yù)測(cè)軌道交通客流趨勢(shì)已經(jīng)成為目前上海市軌道交通建設(shè)工作的重中之重。目前有許多客流預(yù)測(cè)方法,如線性預(yù)測(cè)方法中的時(shí)間序列模型[6]、卡爾曼濾波模型[7-8]和非線性預(yù)測(cè)方法中的非參數(shù)回歸、神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)[9-11]等。不同的模型都有其適用性和優(yōu)點(diǎn),但是許多模型有著過于依賴歷史數(shù)據(jù)或計(jì)算量特別繁瑣復(fù)雜的劣勢(shì)。在數(shù)據(jù)量較少情形下的短期客流量預(yù)測(cè)方面,灰色新陳代謝預(yù)測(cè)模型有其獨(dú)特優(yōu)勢(shì),它不僅具有傳統(tǒng)灰色預(yù)測(cè)模型計(jì)算簡(jiǎn)便、易學(xué)好用、所需樣本信息少、適用范圍廣等優(yōu)點(diǎn)[12-13],而且彌補(bǔ)了傳統(tǒng)灰色預(yù)測(cè)模型的缺點(diǎn):易受預(yù)測(cè)中隨機(jī)干擾因素的影響。如刁文君[4]在分析灰色模型不足的基礎(chǔ)上,提出改進(jìn)后的模型即灰色新陳代謝預(yù)測(cè)模型,并以實(shí)例證實(shí)了灰色新陳代謝預(yù)測(cè)模型在軌道交通短期客流預(yù)測(cè)中具有更高的預(yù)測(cè)精度和良好可行性;田麗[14]提出使用灰色預(yù)測(cè)方法對(duì)鐵路客流量進(jìn)行預(yù)測(cè),并使用我國(guó)以往鐵路客運(yùn)量實(shí)例驗(yàn)證了該方法的可行性,預(yù)測(cè)精度也滿足實(shí)際要求;薛亮等[15]提出使用灰色預(yù)測(cè)模型用于城市軌道交通客流量預(yù)測(cè)工作中,并通過具體的實(shí)際數(shù)據(jù)對(duì)預(yù)測(cè)精度進(jìn)行了分析,證實(shí)了該預(yù)測(cè)模型用于城市軌道交通客流預(yù)測(cè)中是切實(shí)可行的;謝輝等[16]提出使用灰色預(yù)測(cè)模型用于城市軌道交通的短時(shí)客流預(yù)測(cè),并用實(shí)例證明了該預(yù)測(cè)模型可以滿足預(yù)測(cè)要求;李云晶等[17]選取灰色預(yù)測(cè)模型對(duì)2020-2025 年黑龍江省人均地區(qū)生產(chǎn)總值的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè),并采用后驗(yàn)差方法進(jìn)行檢驗(yàn),發(fā)現(xiàn)預(yù)測(cè)具有較好的信度。
基于歷史客流量數(shù)據(jù),本文發(fā)現(xiàn)上海城市軌道交通總客流量呈線性增長(zhǎng)趨勢(shì),在現(xiàn)有灰色預(yù)測(cè)模型算法的基礎(chǔ)上,采用Holt 雙參數(shù)指數(shù)平滑法對(duì)灰色新陳代謝模型進(jìn)行優(yōu)化,建立了灰色改良新陳代謝模型。根據(jù)2017-2018 年度灰色改良新陳代謝模型與傳統(tǒng)灰色新陳代謝模型預(yù)測(cè)效果對(duì)比發(fā)現(xiàn),灰色改良新陳代謝模型預(yù)測(cè)更具優(yōu)勢(shì)。最后,使用該模型對(duì)上海城市軌道交通2019-2022 年12 月份3 類日均客流量進(jìn)行了預(yù)測(cè),取得了較好的預(yù)測(cè)效果。
灰色系統(tǒng)思想由中國(guó)學(xué)者鄧聚龍教授于1982 年提出,基本原則是確定系統(tǒng)因素之間的不相似程度,即進(jìn)行相關(guān)性分析,生成并處理原始數(shù)據(jù)以找到系統(tǒng)變化的規(guī)律,并生成具有強(qiáng)規(guī)律性的數(shù)據(jù)序列,然后建立并求解相應(yīng)的微分方程,最終達(dá)到預(yù)測(cè)事物發(fā)展趨勢(shì)的目的。
本文擬使用改良的灰色模型研究上海市軌道交通短期客流量預(yù)測(cè)問題,對(duì)上海市軌道交通客流量預(yù)測(cè)問題的基本建模過程如下。
(1)由歷年上海城市軌道交通的原始客運(yùn)量數(shù)據(jù)所構(gòu)成的原始序列為:
對(duì)數(shù)據(jù)進(jìn)行累加后得到:
(2)構(gòu)造包含累加序列x(1)的一階微分方程,即:
其中,a、u表示待定參數(shù)。
(3)解出待定系數(shù)a、u后代入式(4)可得到時(shí)間響應(yīng)方程,即預(yù)測(cè)模型。
對(duì)式(6)進(jìn)行一階累減還原得到原始序列預(yù)測(cè)模型。
(4)精度檢驗(yàn)。灰色預(yù)測(cè)模型的精度檢驗(yàn)方法主要包括殘差檢驗(yàn)、后驗(yàn)差檢驗(yàn)和關(guān)聯(lián)度檢驗(yàn)等。在此主要介紹殘差檢驗(yàn)和后驗(yàn)差檢驗(yàn)。
殘差檢驗(yàn)如下:
殘差為:
相對(duì)殘差為:
通過觀察計(jì)算出的|e(k)|大小判斷精度是否理想。如果|e(k)|<0.1,則認(rèn)為精度達(dá)到較高要求,如果|e(k)|<0.2,則認(rèn)為精度達(dá)到一般要求。
通過比較P 與C 的值,可以將預(yù)測(cè)的準(zhǔn)確度劃分為4個(gè)不同的級(jí)別,灰色預(yù)測(cè)模型預(yù)測(cè)精度測(cè)試水平標(biāo)準(zhǔn)與測(cè)試指標(biāo)P 和C 之間的關(guān)系如表1 所示。
為了取得更好的預(yù)測(cè)效果,在傳統(tǒng)灰色預(yù)測(cè)模型的基礎(chǔ)上修正了其缺陷和不足,建立了灰色新陳代謝模型。這一概念在文獻(xiàn)[4]中已經(jīng)給出,并通過實(shí)例展示了灰色新陳代謝模型的預(yù)測(cè)優(yōu)勢(shì)。其原理是在原始的數(shù)據(jù)序列x(0)中加入新數(shù)據(jù)x(0)(n+1),同時(shí)將最老的數(shù)據(jù)x(0)(1)去掉,用序列(x(0)(2),x(0)(3),…,x(0)(N+1)) 作為模型輸入序列,并構(gòu)建出模型,在多次老數(shù)據(jù)與新數(shù)據(jù)的反復(fù)遞補(bǔ)后,最終達(dá)到預(yù)測(cè)目標(biāo)要求。而去掉老數(shù)據(jù),并且加入新數(shù)據(jù)的這一過程也即實(shí)現(xiàn)了數(shù)據(jù)新陳代謝。灰色新陳代謝模型的建模過程與傳統(tǒng)灰色預(yù)測(cè)模型幾乎一致,在此不再具體闡述。
Table 1 Prediction grade comparison表1 預(yù)測(cè)等級(jí)對(duì)照
霍爾特在1957 年提出了Holt[18]指數(shù)平滑模型,主要計(jì)算公式如下:
其中,a、β分別為兩個(gè)平滑系數(shù),xk+1為修勻后的預(yù)測(cè)序列,rk為修勻后的趨勢(shì)序列。
Holt 指數(shù)平滑法由于其結(jié)構(gòu)簡(jiǎn)單、整體效果好等優(yōu)點(diǎn)已被普遍運(yùn)用于經(jīng)濟(jì)管理、控制科學(xué)、教育衛(wèi)生等領(lǐng)域,適用于對(duì)含有線性趨勢(shì)的序列進(jìn)行修勻,與簡(jiǎn)單指數(shù)平滑模型的區(qū)別在于其可以處理具有長(zhǎng)期趨勢(shì)的時(shí)間序列,并可以在處理原始數(shù)據(jù)之后對(duì)數(shù)據(jù)進(jìn)行直接預(yù)測(cè)[19-20]。高曉輝[21]提出指數(shù)平滑方法在研究空氣質(zhì)量預(yù)測(cè)的問題中具有優(yōu)越性。
鑒于指數(shù)平滑的獨(dú)特優(yōu)勢(shì),本文擬采用Holt 雙參數(shù)指數(shù)平滑法對(duì)灰色新陳代謝模型進(jìn)行優(yōu)化,建立灰色改良新陳代謝模型,對(duì)上海市軌道交通短期客流量進(jìn)行有效預(yù)測(cè)。本文主要分析近年來上海市軌道交通短期客流量的特征,為預(yù)測(cè)分析提供參考依據(jù)。本文數(shù)據(jù)來源于上海地鐵微博平臺(tái)(https://www.weibo.com/shmetro)。
以上海市軌道交通2014-2018 年12 月全線客流總量分布為例,軌道交通全線總客流量數(shù)據(jù)如圖1 所示。
從圖1 可以看出,自2014 年以來在上海市選擇軌道交通作為出行方式的人數(shù)變化呈線性遞增趨勢(shì)。因此,有效預(yù)測(cè)客流量可以為軌道交通相關(guān)部門提供重要數(shù)據(jù)參考。
Fig.1 Total passenger flow data of Shanghai rail transit from 2014 to December 2018圖1 上海市軌道交通全線2014-2018 年12 月份客流總量
以上海市軌道交通全線2018 年全年12 個(gè)月的客流總量分布為例,客流分布如圖2 所示。
Fig.2 Annual distribution of passenger flow of Shanghai rail transit in 2018圖2 上海市軌道交通2018 年全線客流量年分布
從圖2 可以得出,1-3 月之間的月客流量有較大波動(dòng),3-12 月的月客流量變化趨勢(shì)則相對(duì)平穩(wěn)。
對(duì)2018 年12 月1 日-12 月7 日上海市軌道交通全線客流量進(jìn)行分析,客流分布如圖3 所示。
Fig.3 Weekly distribution of passenger flow in Shanghai rail transit from December 1 to 7,2018圖3 2018 年12 月1 日-7 日上海市軌道交通全線客流量周分布
從圖3 可以看出,一周內(nèi)各天的客流量有著較大差異性,周一至周四的客流量發(fā)展趨勢(shì)相對(duì)較穩(wěn)定,周五的客流量則到達(dá)一周內(nèi)的高峰點(diǎn),而周六、周日的客流量相對(duì)工作日有大幅度下降。由于一周內(nèi)不同階段的客流分布具有不同的特征,因此根據(jù)上述客流分布特征,需將一周的客流量分為3 類進(jìn)行預(yù)測(cè),分別是普通工作日(周一至周四)、特殊工作日(周五)和周末(周六、周日)。
對(duì)上海市軌道交通客流特征進(jìn)行分析,為了盡可能排除國(guó)定節(jié)假日因素對(duì)于客流預(yù)測(cè)的影響,本文選擇上海城市軌道交通2014-2018 年12 月份不同時(shí)段的日均客流量為原始數(shù)據(jù),構(gòu)建傳統(tǒng)灰色新陳代謝模型和經(jīng)Holt 指數(shù)平滑處理后的灰色改良新陳代謝模型;通過對(duì)比兩類模型預(yù)測(cè)效果,說明灰色改良新陳代謝模型優(yōu)良的預(yù)測(cè)效果,從而對(duì)上海市軌道交通全線2019-2022 年12 月份普通工作日、特殊工作日和周末3 種不同情況下的日均客流量進(jìn)行預(yù)測(cè)。
針對(duì)2014-2018 年12 月份客流量數(shù)據(jù),依據(jù)不同客流量時(shí)段將其分為3 類,對(duì)相關(guān)參數(shù)進(jìn)行計(jì)算,并討論其預(yù)測(cè)精度,說明灰色改良新陳代謝模型方法的優(yōu)勢(shì)。
3.2.1 普通工作日客流量
2014-2018 年12 月普通工作日的日均客流量數(shù)據(jù)的原始序列為[875,961,1 036,1 085,1 123],將其代入傳統(tǒng)灰色新陳代謝模型,利用Python 軟件求得模型的待估計(jì)參數(shù)為a=-0.050 5,u=904.234,方差比為:C=0.12%,小誤差概率為:P=100%。而經(jīng)過Holt 指數(shù)平滑處理后的灰色改良新陳代謝模型,方差比為:C=0.023%,小誤差概率為:P=100%。精度檢驗(yàn)對(duì)比結(jié)果如表2 所示。
Table 2 Accuracy test comparison(common working day)表2 精度檢驗(yàn)對(duì)比(普通工作日)
3.2.2 特殊工作日客流量
將2014-2018 年12 月特殊工作日的日均客流量原始序列[921,1 035,1 116,1 150,1 197]代入傳統(tǒng)灰色新陳代謝模型后可求得原始待估計(jì)參數(shù)為a=-0.046,u=981.834,方差比為:C=0.11%,小誤差概率為:P=100%。經(jīng)過Holt 指數(shù)平滑處理后的灰色改良新陳代謝模型,方差比為:C=0.06%,小誤差概率為:P=100%。
精度檢驗(yàn)對(duì)比結(jié)果如表3 所示。
Table 3 Accuracy test comparison(special working days)表3 精度檢驗(yàn)對(duì)比(特殊工作日)
3.2.3 周末客流量
將2014-2018 年12 月份周末的日均客流量原始序列[663,700,718,788,811]代入傳統(tǒng)灰色新陳代謝模型可求得待估計(jì)參數(shù)為a=-0.053 4,u=640.848,方差比為:C=1.6%,小誤差概率為:P=100%,經(jīng)過Holt 雙參數(shù)指數(shù)平滑處理后的灰色改良新陳代謝模型,方差比為:C=0.4%,小誤差概率為:P=100%。精度檢驗(yàn)對(duì)比結(jié)果如表4 所示。
將兩種模型應(yīng)用于上海市城市軌道交通3 類客流量后的精度對(duì)比結(jié)果如表5 所示。
Table 4 Accuracy test comparison(weekends)表4 精度檢驗(yàn)對(duì)比(周末)
Table 5 General table表5 總表
由表5 可知,雖然兩種模型的精度測(cè)試在小誤差概率上均為:P=100%,對(duì)照表1 可知均為一級(jí)水平。但是,通過另一項(xiàng)指標(biāo)也即方差比的比較,可以看出經(jīng)灰色改良新陳代謝模型預(yù)測(cè)不同時(shí)段客流量的精度均明顯高于未經(jīng)平滑處理的灰色新陳代謝模型的精度。
在進(jìn)行預(yù)測(cè)前,首先將2012-2016 年12 月份的客流量實(shí)際數(shù)值作為測(cè)試樣本,分別運(yùn)用傳統(tǒng)灰色新陳代謝模型和灰色改良新陳代謝模型對(duì)2017 年和2018 年12 月份的客流量數(shù)據(jù)進(jìn)行預(yù)測(cè),并與實(shí)際值進(jìn)行對(duì)比,對(duì)比情況如表6 所示。
Table 6 Comparison of predicted values and actual values between traditional grey metabolism model and grey improved metabolic model in December from 2017 to 2018表6 傳統(tǒng)灰色新陳代謝模型與灰色改良新陳代謝模型2017-2018 年12 月份客流量預(yù)測(cè)值與實(shí)際值對(duì)比
由表6 可知,灰色改良新陳代謝模型對(duì)2017-2018 年12 月份3 類客流的預(yù)測(cè)值明顯更接近于真實(shí)值,說明灰色改良新陳代謝模型的預(yù)測(cè)變得更加合理有效,適用于軌道交通客流量短期預(yù)測(cè)。因此,采用灰色改良新陳代謝模型分別預(yù)測(cè)上海市軌道交通全線2019-2022 年12 月份的普通工作日、特殊工作日以及周末的日均客流量。
采用灰色改良新陳代謝模型的預(yù)測(cè)結(jié)果如下:上海市軌道交通2019-2022 年12 月份全線普通工作日的平均每日客流量預(yù)測(cè)數(shù)據(jù)如下:1 161 萬、1 186 萬、1 213 萬、1 239萬。上海市軌道交通全線2019 -2022 年12 月份特殊工作日的平均每日客流量預(yù)測(cè)數(shù)據(jù)如下:1 244 萬、1 256 萬、1 301 萬、1 325 萬。上海市軌道交通全線2019-2022 年12 月份周末的平均每日客流量預(yù)測(cè)數(shù)據(jù)如下:888 萬、929萬、972 萬、1 017 萬。大致走向如圖4 所示。
Fig.4 The predictive value of average daily passenger flow of Shanghai rail transit in December from 2019 to 2022圖4 上海市軌道交通全線2019-2022 年12 月份日均客流量預(yù)測(cè)值
經(jīng)過整理后可得上海市軌道交通全線2015-2022 年12 月普通工作日、特殊工作日,周末的日均客流量(萬人次)分布如表7 所示。
Table 7 Distribution of passenger flow in three periods in December from 2015 to 2022表7 2015-2022 年12 月份3 類時(shí)段日均客流量分布
從表7 可以看出,在2015-2022 年,日均客流量仍呈現(xiàn)遞增趨勢(shì),與之前的客流趨勢(shì)相符,在一周內(nèi)客流量最多的依舊為特殊工作日,其次為普通工作日,而周末日均客流量則最少。
針對(duì)以上客流預(yù)測(cè)結(jié)果,本文給出如下建議:①對(duì)于客流量最多的特殊工作日以及客流量相對(duì)較多的普通工作日,運(yùn)營(yíng)組織需要做好充分的應(yīng)對(duì)準(zhǔn)備以及對(duì)于客流的疏導(dǎo)工作;②對(duì)于客流量最少的周末,運(yùn)營(yíng)組織則可以通過一系列措施,例如票價(jià)定制吸引客流,提高運(yùn)能效率;③運(yùn)營(yíng)組織須調(diào)節(jié)不同時(shí)段客流之間的平衡,盡可能避免因?yàn)榭土骶庑詫?dǎo)致的客流量失衡現(xiàn)象而給軌道交通運(yùn)營(yíng)管理工作帶來的影響。
本文采用Holt 雙參數(shù)指數(shù)平滑法優(yōu)化了傳統(tǒng)的灰色預(yù)測(cè)模型,并對(duì)上海市城市軌道交通短期客流量進(jìn)行預(yù)測(cè)。結(jié)果顯示,經(jīng)過改良后的模型對(duì)于城市軌道交通短期客流預(yù)測(cè)具有更高的預(yù)測(cè)精度。因此,灰色改良新陳代謝模型更適用于上海市軌道交通短期客流量的預(yù)測(cè)與分析。當(dāng)然,本文僅對(duì)上海市城市軌道交通短期日??土髁窟M(jìn)行了分析與研究,尚未考慮其國(guó)定節(jié)假日的客流量情況。因此,在目前研究工作的基礎(chǔ)上,將進(jìn)一步對(duì)上海市城市軌道交通國(guó)定節(jié)假日的客流量進(jìn)行分析并預(yù)測(cè)。