引 言軌道交通客運量預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)和運營等環(huán)節(jié)提供數(shù)據(jù)依據(jù)，因此科學的預測軌道交通客運量的發(fā)展趨勢極為重要。為做好地鐵客運量預測，需分析地鐵線網(wǎng)發(fā)展現(xiàn)狀，選取適用的客運量預測方法。2 客運量變化的主要影響因素2.1 票制票價調(diào)整票價對地鐵客運量變化有較大的影響，客運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，客運量大幅度增長。2.2 地鐵網(wǎng)絡(luò)化發(fā)展新線路開通

進行空間位移，客運量及人口出行數(shù)量代表了客運業(yè)的發(fā)展程度。金偉[1]認為運輸業(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、文化交流，促進不同區(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場的客運數(shù)據(jù)，調(diào)查了客運量對航空客運量的影響。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量的影響，對不同因素之間的相關(guān)性進行了調(diào)查。目前，國內(nèi)外對人們的交通出行

中之重。對我國客運量進行預測，有利于提前布局我國經(jīng)濟發(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年我國客運量進行預測，并基于預測結(jié)果提出了合理化建議。關(guān)鍵詞：客運量;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)濟發(fā)展與交通運輸都是相互影響和制約的，民間流傳的一句話，最形象的表達了運輸與經(jīng)濟發(fā)展的關(guān)系：“要想富，先修路

運輸效率。航空客運量可以用來評估民航業(yè)的發(fā)展狀況，根據(jù)分析出的影響客運量變化的因素，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)運發(fā)展程度較高的上海虹橋機場數(shù)據(jù)，分析鐵路、軌道、公路和水運的客運量對航空客運量產(chǎn)生的影響。關(guān)鍵詞： 多元回歸分析; 多式聯(lián)運; 客運量文章編號： 2095-2163（2021）03-0090-04 中圖分類號：F224 文獻標志碼：A【Abstract】Multimodal transport is a

021年3月總客運量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、濟南16城月度日均客運量創(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、濟南11城創(chuàng)月度日均客運量歷史新高。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量通報。2. 由于部分城市地鐵運營主體的官方微博并未定期發(fā)布客運量數(shù)據(jù)，或者存在多個運營主體，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、客運量總體情況1、2019年總體情況圖1 2019年各城市每日客運量變化圖（虛線為工作日平均值）從總

20年11月總客運量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，運營總客流規(guī)模已達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量為地面公交客運量與軌道交通客運量之和.2018年城市公共交通總客運量共計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.分擔比例：軌道交通客運量在城市公共交通總客運量中占比高于地面公交占比.軌道交通客運量共計384 842.62萬人次，日均1 054.36萬人次，占比51.49%；地面公交客運量共計362 612.16萬人次，日均993.46萬人次，占城

rship （客運量） 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)性客運量5.7億人，恢復至去年同期的39.8%，恢復程度較3月提高12.8個百分點，其中公路營業(yè)性客運量下降58.8%、水路客運量下降61.8%。1-4月，完成營業(yè)性客運量24.2億人，同比下降58.8%。其中，公路營業(yè)性客運量下降59.2%、水路客運量下降61.5%。4月，36個中心城市公共交通完成客運量28.6億人，恢復至去年同期的50.0%，恢復程度較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量分別下降

4)城際交通總客運量為公路省際客運、鐵路客運和民航客運客運量之和. 公路省際客運站包括六里橋、趙公口、八王墳、四惠、永定門、蓮花池、首都機場和新發(fā)地站，截至2018年底，共有運營班線737條，運營班線總里程為372 185 km，通達天津、河北、河南、山東、山西、內(nèi)蒙等22省及直轄市. 鐵路客運包括北京站、北京西站和北京南站三大鐵路客運站. 民航客運機場包括首都機場和南苑機場.2018年城際交通總客運量共計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.各線路客運量：各線路客運量分布依舊不均衡，客運量占比相對較高的7條線路客運量占路網(wǎng)客運量的比例為68.01%；占比相對較低的7條線路客運量占路網(wǎng)客運量的比例僅為2.56%. 各線路年日均客運量見圖1.圖1 各線路日均客運量各月特

路網(wǎng)構(gòu)成、全國客運量預測總量、區(qū)域客運量發(fā)展趨勢的基礎(chǔ)上，分析相關(guān)鐵路客運分工，并采用“四階段法”的基本思路，按鐵路趨勢運量、其他交通方式轉(zhuǎn)移運量及誘增運量三部分進行預測，得出本項目客運量水平，最終綜合推導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);客運分工;客運量;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)性客運量一季度，完成營業(yè)性客運量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，公路客運量下降59.4%、水路客運量下降61.4%。三、中心城市公共交通客運量一季度，36個中心城市公共交通完成客運量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量分別下降58.3%、54.3%、56.8%和61.2%

文/阿牛圖1總客運量方面（1）概述中國內(nèi)地34城（暫缺長春、濟南）2019年9月總客運量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)換算總客運量為2.40億人次（總進站量為1.44億人次），日均換算客運量798.89萬（進站量為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、總客運量方面（1）概述中國內(nèi)地32城（暫缺長春、濟南）2019年6月總客運量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)換算總客運量為2.72億人次（總進站量為1.77億人次），日均換算客運量906.71萬（進站量為569.74萬），環(huán)比上月減少2.30%。全中國33城2019年6月總客運量達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)性客運量下降4.2%、水路客運量增長1.6%。1-5月，完成營業(yè)性客運量73.3億人，同比下降1.8%。其中，公路營業(yè)性客運量下降4.9%，高速公路7座及以下小客車流量增長8.0%;水路客運量下降1.7%。貨運量保持較快增長。5月，完成營業(yè)性貨運量46.5億噸，同比增長5.6%，其中公路貨運量增長5.6%、水路貨運量增長5.0%。郵政行業(yè)完成業(yè)務總量1309億元，

文/阿牛一、總客運量（1）概述中國內(nèi)地32城（暫缺長春）2019年4月總客運量19.74億人次，日均近6584萬人次，（除無錫與濟南之外的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)換算總客運量為2.87億人次（總進站量為1.71億人次），日均換算客運量956.49萬（進站量為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·月客運量＞1億

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

國主要城市地鐵客運量統(tǒng)計表（V1月初版）一、總客運量（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)換算總客運量為2.84億人次（總進站量為1.774億人次），日均換算客運量915.75萬（進站量為572.35萬）。全中國31城2019年3月總客運量近23億人次，日均約7400萬人次。（2）構(gòu)成·月客運量＞1億：內(nèi)地從高至底依次有北京、

10日），機場客運量超過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），澳門國際機場單日客運量超過32100人次，刷新了該機場單日客運量的歷史新高。機場方面表示，春節(jié)期間加增班機較2018年增長了3倍。機場客運大樓換上節(jié)日新裝布置，同時準備了一連串的賀年活動，讓旅客能在機場感受到新春的節(jié)日氣氛。

行首選，分析日客運量變化特點，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氣候，具有冬季極為嚴寒且漫長，春秋季較為短暫涼爽，春季大風頻繁，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)，總運營里程59公里，2018年全年日均客運量近87萬人次/日。隨著地鐵九、十號線即將陸續(xù)投入試運營，沈陽地鐵將形成網(wǎng)狀運營結(jié)構(gòu)，地鐵這種便捷的

4)0 引 言客運量預測是客運專線立項和建設(shè)的重要基礎(chǔ)，以及后續(xù)客運專線列車運行方案編制的依據(jù)[1]。國內(nèi)外普遍使用的客運量預測方法是四階段預測法，其中交通方式分擔是國外學者研究的熱點。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模型進行結(jié)合，計算出各種交通方式的分擔率。2000年日本學者高木等[3]在介紹日本高速鐵路運量預測的MD模型的特征基礎(chǔ)之上，結(jié)合交通小區(qū)劃分、預測方案、社會經(jīng)濟參數(shù)以及技術(shù)條件等對

運量主要由趨勢客運量、轉(zhuǎn)移客運量和誘增客運量3部分組成。本文主要就轉(zhuǎn)移和誘增客運量預測中應注意OD調(diào)查的準確性、服務特性的擬定和模型參的標定。同時提出客運量分配時應注意的幾個原則，以及有待進一步研究的主要問題。關(guān)鍵詞：鐵路；客運專線；客運量；預測1.客運專線的客運量構(gòu)成就目前蘭新客專運營實際情況來分析，蘭新客專運量主要由三部分構(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量；第二部分是由于客運

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

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

前三季度客運量同比下降2.5%前三季度，客運結(jié)構(gòu)進一步優(yōu)化，全社會完成營業(yè)性客運量140.4億人，同比下降2.5%。其中，鐵路客運量較快增長，同比增長9.1%；公路客運量降幅有所擴大，同比下降5.3%；水路客運量較快增長，同比增長4.7%；民航客運量保持快速增長，同比增長12.5%；全國中心城市公共交通客運量同比增長1.5%，其中軌道交通客運量增長15.6%。前三季度貨運量同比增長10.5%前三季度，貨運增速進一步加快，全社會完成貨運量343.3億噸，同比

線性回歸方法在客運量預測的現(xiàn)實應用，歸納總結(jié)旅客發(fā)送量預測的一般步驟。關(guān)鍵詞：一元線性回歸；客運量；旅客發(fā)送量；預測1 公路交通客運量預測采用一元線性回歸的方法對肥東縣公路交通客運量進行預測。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），其中自變量為指標因素年份時間，研究時間與公路客運發(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。只有當數(shù)據(jù)具有線性分布特征

回歸模型的公路客運量預測分析魯亞(天津大學 管理與經(jīng)濟學部，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)對公路客運量的影響程度，并對我國公路客運量進行中短期預測。結(jié)果表明：國內(nèi)生產(chǎn)總值和人口總數(shù)對公路客運量有顯著的正相關(guān)關(guān)系，且多元回歸模型的預測精度很高，適合進行公路客運量的中短期預測。公路；客運量；多元回歸模型；預測交通運輸是國民經(jīng)濟的重要組成部分，對于國民經(jīng)濟的發(fā)展有著至關(guān)重要的作用

建設(shè)項目中鐵路客運量預測模型研究袁麗軍(天津大學管理與經(jīng)濟學部，天津 300072)運用多元線性回歸分析方法，使用SPSS軟件對影響鐵路客運量的因素進行分析。在當前研究成果的基礎(chǔ)上，建立了以鐵路客運量為因變量，民航客運量、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行統(tǒng)計分析，得出了不同影響因素對鐵路客運量的影響因子。其中民航客運量、國內(nèi)游客量和國內(nèi)生產(chǎn)總值對鐵路客運量有正向的影響，人口、能源生

詞：高速鐵路、客運量、貨運量、經(jīng)濟增長蘭新鐵路全線通車以來，新疆的經(jīng)濟建設(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輸相關(guān)指標的提升對新疆城市發(fā)展的影響。一、文獻回顧申培德（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、提高大陸橋通道運輸能力和運輸質(zhì)量的需要，是拉動內(nèi)需、擴大對外開放、促進沿線經(jīng)濟社會發(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)和外運需求的需要。王波

客運運營組織；客運量城際列車即為滿足數(shù)量和質(zhì)量日益增長的客運需求，在經(jīng)濟較發(fā)達城市或地區(qū)間開行的密度較大、運行有規(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。呼和浩特鐵路局預計于2014年底開行CRH5型最高運行速度為250km/h的動車組列車，運營初期以城際列車的形式開行，進一步縮短呼和浩特、包頭、烏蘭察布、鄂爾多斯等區(qū)內(nèi)較發(fā)達地區(qū)之間的運行時間，這將有助

最小二乘的鐵路客運量預測梁小林*, 杜曉慧(長沙理工大學 數(shù)學與計算科學學院, 湖南 長沙, 410076)通過對1997—2012年鐵路客運量的影響因素進行分析, 建立偏最小二乘回歸模型, 并用實際的鐵路客運量與預測值進行比較, 檢驗出模型的預測誤差較大. 為了提高模型的預測精度, 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, 該模型的預測誤差由原模型的3.04%降到1.01%. 最后用該模型預測出2013—2014年的鐵路客運量分別為

間全國共完成旅客運量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，全國春運共運送旅客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年間全國春運客運量接近翻了兩番。