当前位置:首页 >> 数学 >>

公路客运量预测方法研究


摘要
公路运输是城市发展的基础和前提, 交通问题已经成为影响城市功能正 常发挥和城市可持续发展的一个全局性问题。客运是运输需求中最活跃的一 个领域。随着道路运输业的持续快速发展,客运系统所起的作用越来越重要 的作用。 本文结合南宁市公路运输发展状况,在对客流进行分析的基础上,研 究各种预测方法在公路客运量预测中的应用。首先在调查和收集南宁历年的 客运量数据资料的基础上,运用弹性系数法、线性回归法、灰色模型、指数 平滑法这四种单项预测模型对南宁市的客运量发展进行预测,同时为了减少 单项预测模型容易出现的预测值过于激进或者过于保守的情况,利用已经建 立好的四种单项模型构建一个组合模型再对南宁客运量进行预测,然后根据 各个模型预测的最后结果与权威的预测结果做对比,分析各个模型的误差原 因,以此来研究各预测模型的适用情况。 关键词:客运量预测 弹性系数法 组合模型 灰色模型 线性回归 指数平滑法

I

The Research of Highway Passenger Volume Forecast Method
ABSTRACT
Road transportation is the foundation and prerequisite to the urban development, traffic problems have become urban function normal play and urban sustainable development in a global problem. Passenger transportation is the most active field of the transportation . With the sustained and rapid development of road transportation, passenger transport systems become more and more important in the whole transportation system. Based on the road transport development in Nanning city ,this paper analysis the passenger flow based on the study of forecast method applied in highway passenger transport volume forecast. by using the linear elastic coefficient method, regression analysis, grey model, exponential smoothing method to predict the passenger volume of Nanning. And then use the four kinds of single model to construct a combination model to forecast the passenger traffic volume of Nanning. With the final results of each prediction model prediction results compared to the authority, analysis the causes of errors of each model in order to study the application of each prediction model. Key words: Passenger Traffic Volume Prediction ,elastic coefficient method , regression analysis , assembly grey model ,exponential smoothing method , patterns

II

目录
第一章 绪论 ..................................................... 1 第一节 研究背景及意义 ......................................... 1 第二节 国内外研究现状 ......................................... 2 第三节 本文的研究内容 ......................................... 3 第二章 客运量预测及方法综述 ..................................... 4 第一节 客运量预测 ............................................. 4 第二节 常用客运量预测方法与模型 ............................... 7 第三章 模型的实际应用 .......................................... 21 第一节 原始数据准备 .......................................... 21 第二节 弹性系数模型 .......................................... 22 第三节 线性回归模型 .......................................... 26 第四节 灰色模型 .............................................. 29 第五节 指数平滑模型 .......................................... 32 第六节 组合模型 .............................................. 36 第四章 结果分析 ................................................ 39 结论 ........................................................... 41 参考文献 ....................................................... 42 致谢 ........................................................... 44

III

第一章 绪论
第一节 研究背景及意义
交通运输是国民经济的基础支柱产业,是国民经济的动脉,它把国民经 济各个部门和各个地区连接起来,是人类社会生产活动和生活活动中一个不 可缺少的方面。 城市是社会经济发展的主要载体, 是产业和人口聚集的地区。 城市交通是城市发展的基础和前提,是城市生产和人民生活必不可少的社会 公共服务设施,是城市投资环境和居住环境的基本物质条件。 公路运输是交通运输中重要的组成部分,公路运输存在灵活机动、适应 力强、可实现“门到门”直达运输、在中短途运输中速度较快、运量较小的 优点。处理好公路运输有利于一个城市的全面发展。 公路运输系统是个抽象的系统,没有物理模型。公路客运量受众多因素 影响,因此,公路客运量存在很多不确定性因素,正是这些因素使得公路客 运量的预测值与实际值产生偏差。为了准确地把握公路客运量的未来发展特 征,数十年来许多学者提出了多种预测模型,进行了有益的尝试。现今提出 的预测模型已经多达 300 多种, 归纳起来大体分为定性预测和定量预测两类。 常用的定性预测方法是德尔菲法; 定量预测方法有指数平滑法、 回归分析法、 马尔可夫分析法、客流调查法、弹性系数法、细分集成法、灰色系统法等。 但是基于客运量的变化是由多种原因相互作用影响的结果,这些方法通常并 不能很准确的反应未来的客运量情况,所以如今国际上对于客运量预测的问 题提出了一种更为全面的预测模型——组合模型预测法,既从实际问题出 发,分析各个预测模型对于预测结论的影响,再通过对各个预测模型结果给 定一个权重系数,各个结论与系数的乘积之和即为组合预测模型的最后结 论。这种方法将多种预测模型的结合起来,考虑充分,其结果更具说服力[1]。 客运量预测的意义十分重大,对于调整运输结构、合理投入不同结构的 运力、配备不同的运力结构、满足不同层次旅客的运输需求、提高运输企业 的经济效益、实现道路旅客运输资源的配置、提高客运企业的市场竞争力具 有非常重要的现实意义。从而可以使运输资源得到最大限度的利用,实现客 运资源的合理配置。 使公路建设与经济发展、 社会发展人民生活水平相协调,
1

进一步社会的和谐繁荣,对于城市发展具有战略意义。 南宁市作为广西壮族自治区首府,广西第一大城市,北部湾经济区核心 城市,其城市的公路运输系统的优劣对于全市乃至全省有重大影响。因此做 好南宁市的公路规划对于城市发展有着重大意义。而公路规划的制定依赖于 公路运输量的预测,没有准确的预测就难以制定出适合未来城市发展的公路 运输系统。因此,预测的准确是城市规划的关键。本文以广西南宁市 1996 年到 2011 年的客运量为参考数据,通过指数平滑法、回归分析法、弹性系 数法、灰色系统法等预测模型以及组合模型对南宁市未来 15 年的公路客运 量做出科学预测,并通过比较选定最为合理的预测模型,使之预测结果更准 确,误差更小,更适用于南宁市的公路客运量预测。

第二节 国内外研究现状
交通量预测是交通运输领域的一项专门研究课题。 进入 20 世纪 70 年代 以后,随着计算技术、数学模型的日益成熟以及计算机的广泛使用,预测技 术也日趋成熟,回归分析法、投入产出法、时间序列法、灰色模型法、系统 动力学法等多种方法已广泛应用于交通量预测领域,但是这些方法基本上只 能应用于对单一运输指标的预测,使预测方法难以与运输活动的本质建立直 接联系。为了更系统和更完整的分析交通量变化,结合多个单项模型重新组 建出一个组合模型的方法越来越受到人们的重视,国内外有关专家学者在从 运输需求调查开始的各个阶段都已取得了一些研究成果,如: 侯丽敏,马国峰在 2011 年针对铁路客运系统是一个信息不完全的灰色 系统,运用灰色预测理论构建灰色模型 GM(1,1)与线性回归的组合模型。用 于对未来五年内河南省铁路客运量进行预测。研究表明,模型改善了原线性 回归模型中没有指数增长趋势和基本灰色预测模型中没有线性因素的不足, 和单一模型相比,预测精度更高,预测结果更为可靠,具有较高的实际应用 价值.也为铁路客运量预测研究提供了新的途径[2]。 杨林,刘晶在 2011 年针对公路客运量预测问题,在建立灰色 GM(1,1) 模型和三次指数平滑模型的基础上,利用最优加权系数法建立组合模型来对 客运量进行预测。以此来避免单一模型的不足,从而提高模型的预测精度。

2

通过 2005 -2009 年安顺到贵阳的贵黄高速客运量模型的检验,证明组合模 型是合理、可行的,并且具有较高的预测精度[3]。 国外对客运量的预测研究比较早,也取得了一系列研究成果。早期的研 究主要集中在利用因素回归法建立预测模型。Cigliano.J.M[4]选取国民生产 总值和票价为自变量,利用因素回归分析法,分别研究了美国-欧洲、加拿 大-欧洲的客运量,研究表明:客运量对国民生产总值都具有高弹性。 Alperovich[5]通过对国际客运量的预测研究,证明了国际客运量的需求收入 弹性比较大而价格弹性比较小。Bunn D W[6]。运用基于回归分析法的组合预 测对运输客运量进行了预测,得出结论:组合预测法的精度明显高于单项预 测法。 Dargay 和 Gately[7]主要研究了航空客运量增长与收入之间的相关性, 通过对大量客运量历史数据分析之后,他们认为航空客运量与收入存在较强 的正相关关系。

第三节 本文的研究内容
本文的研究思路是依据统计学、计量经济学、运筹学等相关理论,结合 南宁的发展,从借鉴国内外文献及前人的研究成果出发,探索适合用于公路 客运量预测的方法与模型,为公路客运组织和管理提供有效保证。 本文将分为四个部分来对组合预测理论及其在公路客运量预测中的应 用进行系统的研究。 第一部分:绪论。介绍了研究的背景及意义、国内外研究状况以及研究 的思路与结构; 第二部分:单项预测模型的选择与建立。然后对每一种方法进行预测应 用,分析模型的特点以及在公路客运量预测中的适用性; 第三部分:组合预测模型。对组合预测理论进行了较为详细的叙述,介 绍确定权重的常用方法;在单项模型的基础上建立组合预测模型建立各种组 合预测模型,并对预测结果进行了分析与对比。 第四部分:结束语。对本文的研究过程与最后结论作了简要的概述。

3

第二章 客运量预测及方法综述
第一节 客运量预测
一、客运量预测概念
客运量又称客运运输量,是指在一定的运输供给条件下所能实现的人 的空间位移总量,是运输需求与供给、运输需求与运输服务水平相互作用的 反映,是在一定运输能力下所实际完成的运输需求量。客运量的预测主要内 容包括各种运输方式的总客运量和旅客总周转量等。客运量是评价运输组织 效果的指标,是衡量旅客运输生产劳动量的尺度,是统计期内运送的旅客数 量,其实质体现了运输部门的绝对成果和运输组织方式满足社会客运需要程 度的大小。对未来若干年的客运量及其发展趋势进行预测,可以有效地计划 和组织旅客运输,为客运系统的规划布局提供依据,以达到促进旅客运输的 经济效益和社会效益,满足国民经济快速增长和人民生活水平日益提高需要 的目的,对于客运的管理和决策具有重要的意义。

二、预测的特点
在进行客运量预测时,不仅要考虑社会经济发展对客运需求的影响,而 且还应从综合交通的角度出发,考虑各种交通方式之间的相互作用对客运需 求带来的影响,研究客运量预测的规律与特点,以更好的反映客运量的未来 增长规律。 预测模型在运用中通常以一个特定的假设条件作为前提,即预测对象的 未来发展趋势与历史资料所反映的发展趋势相同。当前,我国的交通运输行 业进入了快速发展的时期,各种交通方式的客运量增长趋势发生了很大的变 化,在进行客运量预测时,必须注重对模型的选择和历史数据的选取,既要 符合预测理论,又要考虑客运量增长的特点。在客运量预测中,数据样本一 般具有以下特点: 1、样本小 近年来,我国的交通运输行业进入了加速发展的时期,客运量的增长趋
4

势发生了很大的变化,在预测中,需要对历史数据进行合理选取,因此,在 实际客运量预测研究中所能收集到的有效数据样本较少(一般未有超过 20 的)。 2、非线性 交通系统是一个复杂的大系统,影响客运量的因素众多,客运量的增长 不仅受社会经济的影响,并且,在综合交通系统内各交通方式之间也相互促 进、相互制约,其关系往往不能用简单的数学解析式表述,另一方面,随着 我国经济的快速发展和综合交通系统的完善,我国的交通运输行业近年来进 入了加速发展的时期,客运量的增长趋势也随之发生了较大的变化,客运量 历史数据往往呈现出非线性增长的特点。此外,各种突发事件的干扰往往也 会使客运量的历史数据出现较大的波动,如 2003 年非典事件对交通运输行 业的影响。

三、影响客运量的因素
综合分析影响客运量的因素,是进行预测工作的前提,对建立有效的数 学模型,提高预测的精度具有重要的理论意义和实用价值。交通系统是社会 经济大系统下的一个子系统,运输量是在一定运输装备条件下,社会经济发 展对交通运输需求的集中体现,直接受规划区域社会经济发展的影响。社会 经济的发展是影响客运量的直接因素,一般来说,客运量的增长受经济发展 水平、运价水平、服务质量、国家经济体制、居民消费水平、人口及城市化 程度等因素的影响。另一方面,综合交通系统又是一个由多种交通方式构成 的复杂大系统,系统内的各种交通方式相互制约和促进,任一交通方式的客 运量又受到其他交通方式发展的影响。在综合交通系统中,客运量主要受以 下因素影响: 1、区域社会经济发展及经济结构 客运需求的产生主要来源于生产和消费这两个不同的领域,经济的发展 不仅增强了生产活动的联系性,也增加了消费性的出行(如旅游),从而驱动 了客运量伴随经济的发展呈现出稳定的上升趋势。从各个国家或城市客运的 发展情况来看,社会经济的发展和三次产业结构的变化调整发展过程与综合 交通系统的客运需求有着极大的联系,如:第二产业比例的提高增加了生产
5

性客运需求的增加,第三产业比例的提高增加了旅游等消费性客运需求的增 加。常用的社会经济发展及经济结构评价指标有社会生产总值、工农业生产 总值、第一产业生产总值、第二产业生产总值和第三产业生产总值等。 2、区域人口数量与结构 人口的数量和结构的变化将引起客运需求的变化,一般情况下,出行频 率一定时,人口数量的增加将引起客运量的相应增加。此外,非农业人口的 增加,导致农村剩余劳动力向城镇的转移以及人口城镇化和城市化的加大, 也必然引起旅客运输需求的增加。常用的人口评价指标有总人口数、农业及 非农业人口数、社会劳动力人数及其构成等。 3、人均收入与消费水平 人均收入水平的提高,旅游等需求也随之增加,消费结构亦随之发生变 化,用于非饮食开支部分的比例逐步加大,旅行游览、参观探亲等活动逐渐 成为人们生活中必需的组成部分,与之相联系的交通消费需求也相应的在数 量和质量上发生变化。对收入与消费水平的常用评价指标有人均国民收入、 城镇居民人均可支配收入和人均消费额等。 4、宏观经济政策 合理的宏观经济政策改善了现有生产关系,促进了生产力的发展,从而 刺激了交通需求的增加。如在计划经济体制下,实行严格的户籍管理和就业 制度,人员流动量小,客运量也比较低。而在市场经济体制下,人员流动相 对频繁,因此客运量也会相应增加。 5、路网规模与服务水平 交通运输设备是实现客运需求的基础,路网的布局和质量直接影响综合 交通系统的运输能力及对客运需求的适应程度。另一方面,路网规模的扩大 与完善,提高了交通运输的服务水平,刺激了社会客运总需求的增加,从而 促进了客运量的增加。在五种交通方式中,铁路与公路是最主要的旅客运输 方式, 因此, 路网规模最常用的评价指标有公路或铁路通车里程与路网密度、 铁路复线比例、高等级公路通车里程等。 6、综合交通系统的影响 在综合交通系统中,各种交通方式之间的运力合理配置和相互衔接对客 运量有重要的影响,综合交通结构的改善,将提高出行的机动性,有效改善 出行的条件、 缩短出行时间, 提高出行的舒适性, 增加了社会对客运的需求,
6

这必将引起在综合交通系统中客运总量的增加。另一方面,不同交通方式又 相互竞争,某种运输方式的开通、运价或服务水平的改变必将引起其客运量 的变化,从而导致其他交通方式客运量的变化。不同交通方式之间的客运量 存在相互促进与制约的关系,通过相互作用实现了全社会的总客运需求在不 同运输方式之间的动态分担,因此,在进行客运量预测时,需要充分考虑其 他交通方式客运量变化带来的影响。 7、突发事件的影响 综合交通系统是一个复杂的大系统,一些突发事件如疾病、自然灾害等 常对交通运输行业造成较大的影响,从而造成客运量历史数据的波动,如 2003 年的非典事件。

第二节 常用客运量预测方法与模型
客运量预测方法归纳起来大体分为定性预测和定量预测两类,目前,最 常用的定量预测模型有弹性系数模型、线性回归预测模型、灰色模型、指数 平滑模型以及组合模型等。

一、弹性系数模型
(一)弹性系数模型简介 弹性原是一个物理学名词,用于反映物体受外力作用的应变能力,即在 受外力作用发生变形后,除去外力时恢复原状原装的能力。早期的弹性系数 是给定一个函数 F(X),即 Y=F(x),从而计算 Y 的变化率与 X 的变化率的比 率。而在 30 年代以后,有时度量弹性时用一个变量变化率与另一个被称为 自变量的变化率的比率,没有任何函数关系的介入。 根据研究对象、函数关系和计算方法的不同,弹性系数可以分为不同的 类别。按选取指标名称分,弹性系数可分为需求价格弹性、经济增长就业弹 性、投资弹性、消费弹性、交叉弹性等;按函数是否连续分,弹性系数可分 为点弹性和弧弹性;按计算方法分,弹性系数可分为名义弹性和实际弹性。 在经济学中,弹性系数则是一定时期内相互联系的两个经济指标增长速 度的比率,它是衡量一个经济变量的增长幅度对另一个经济变量增长幅度的
7

依存关系。经济学中的弹性理论最早是由 19 世纪的法国经济学家古诺提出 的。 世纪中叶, 19 英国经济学家穆勒在研究中注意到了需求与价格间的相互 关系,由此产生了需求弹性的初步概念。19 世纪末,另一位英国经济学家马 歇尔将需求弹性明确地用公式表示出来,即“数量的相对变动对价格的相对 变动之比” ,并形成一个完整的理论。20 世纪以后,英国经济学家庇古等人 将这一理论运用于实际,使得弹性概念在经济学广为应用。目前,弹性系数 已成为现代西方经济领域中用于微观分析的重要工具[8]。 (二)弹性系数的获取 弹性系数的计算公式为е =P0/P1,其中 P0 为客运量的增长率,P1 为与客 运量成对应关系的对象的增长率。 (三)参数检验 若以 GDP 为对像,则当国民经济处于高速发展时期,弹性系数е >1,甚 至超过 2;随着国民经济的进一步发展,弹性系数的值下降,大都小于 1。 (四)模型计算公式 运用下列模型对客运量进行预测: M=M0(1+е ×α )t-t0 弹性系数;α 为 GDP 年增长率,t 为预测年;t0 为基准年。 (2-1) 其中,M 为预测南宁市的公路客运量;Mo 为基准年公路客运量;е 为

二、线性回归模型
(一)线性回归模型简介 在统计学中,线性回归(Linear Regression)是利用称为线性回归方程 的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回 归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有 一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。
8

回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条 直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括 两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元 线性回归分析。 在线性回归中,数据使用线性预测函数来建模,并且未知的模型参数也 是通过数据来估计。这些模型被叫做线性模型。最常用的线性回归建模是给 定X值的y的条件均值是X的仿射函数。不太一般的情况,线性回归模型可以 是一个中位数或一些其他的给定X的条件下y的条件分布的分位数作为X的线 性函数表示。像所有形式的回归分析一样,线性回归也把焦点放在给定X值 的y的条件概率分布,而不是X和y的联合概率分布。 线性回归是回归分析中第一种经过严格研究并在实际应用中广泛使用 的类型。这是因为线性依赖于其未知参数的模型比非线性依赖于其位置参数 的模型更容易拟合,而且产生的估计的统计特性也更容易确定[9]。 线性回归有很多实际用途。分为以下两大类: 如果目标是预测或者映射,线性回归可以用来对观测数据集的和X的值 拟合出一个预测模型。当完成这样一个模型以后,对于一个新增的X值,在 没有给定与它相配对的y的情况下,可以用这个拟合过的模型预测出一个y 值。 给定一个变量y和一些变量X1,...,Xp,这些变量有可能与y相关,线性 回归分析可以用来量化y与Xj之间相关性的强度,评估出与y不相关的Xj,并 识别出哪些Xj的子集包含了关于y的冗余信息。 各种数量关系大致可以分为两类:一种是变量之间的关系,可以通过理 论分析,建立某种严格的数学模型,如某种产品的材料消耗金额等于消耗数 量与材料单价的乘积,这种数量关系称为函数关系:另一类是变量之间不能 推导出完全精确的函数表达式,但变量之间又客观存在一定的依存关系,本 文中研究的公路客运量预测就是属于这种情况。这种关系称为相关关系。 (二)相关性计算以及检验 对于任何一组统计数据(Xi,Yi ),都可以推算出 a,b,并据以建立一元线 性回归方程y=a+bx,但x、y 之间是否具有近似线性关系,所揭示的规律是否 比较准确,精度怎么样,还需要验证。为了把握预测的准确程度,还要计算
9

相关系数,进行相关性检测。即

r=

nΣ xy -Σ xΣ y [nΣ x - (Σ x) 2 ][nΣ y 2 - (Σ y) 2 ]
2

(2-2)

相关系数 r 的取值-1≤r≤1,r 的绝对值越接近于 1,表明 x 与 y 之 间线性关系越密切,当 r=+1,表明 x 与 y 之间完全正相关;当 r=-1,表 明 x 与 y 之间完全负相关;当 r=0,表明 x 与 y 之间没有任何联系。故在预 测分析中,只有︱r︳的值趋近于 1 才有实际意义[10]。 (三)模型计算公式 在确定了相关性后,对方程y=a+bx中的a、b求值,a、b的求值公式;

a= i=1

Σ

n

X i * Σ Yi — Σ X i Σ X iYi
i=1

2

n

n

n

n Σ X — (Σ X i )
i=1 2 i i=1

n

i=1 n

i=1 2

( 2-3 )

b=

n Σ X i Yi — Σ X i Σ Yi
i=1 n

n

n

n

n Σ X — (Σ X i )
i=1 2 i i=1

i=1 n

i=1

(2-4)

2

(四)模型检验
^ ^ ^

在 y=a+bx 中 b=0, 说明 x 的变化对 y 没有影响, 这时回归方程 y=a+b x 就不能近似地描述变量 x 与 y 之间的关系,因此为了判断 x 与 y 之间是否在 线性关系,只需检验假设:

H0:b=0
根据观测数据(xi,yi) (i=1,2,?,n)作出拒绝或接受原假设 b=0 的判 断.拒绝原假设才能确认我们的线性回归模型是合理的,接受原假设表示不 能认为 x、y 之间有线性相关关系. 先把变量 y 的离差平方和分解:

10

=Q+U

(2-5)

其中 是回归值 与其平均值 的离差平方和, 而 ,可以把

(2-6) 看

成是由于 x 的变化而引起的 y 值变化,因此称之为回归平方和;

(2-7) 反映的是观测值与回归值之间的离差平方和,它表示除 x 对 y 的线性影 响之外的一切因素引起的 y 值的变化,称之为误差平方和或残差平方和.



∴ 数学上我们可以证明,当 H0 为真时,统计量

(2-8)

~F(1, n-2).

(2-9)

对于给定的显著性水平α ,查自由度为(1,n-2)的 F 分布临界值表,可得 临界值 Fα (1, n-2) 使得 . 其拒绝域为 W={F>Fα (1, n-2)},如图 2-1 所示。 (2-10)

11

图 2-1 临界值 Fα 的拒绝域 由样本观测数据计算统计量 F 的观测值 F0,如果 F0> Fα (1,n-2),则应拒 绝假设 H0,即认为 x 与 y 之间线性关系显著;否则认为 x 与 y 的线性关系不 显著或根本不存在线性关系,回归方程没有什么实用价值.

三、灰色模型
(一)灰色模型简介 灰色模型首先是由华中理工大学的邓聚龙教授提出的。灰色理论认为系 统的行为现象尽管是朦胧的,数据是复杂的,但它毕竟是有序的,是有整体 功能的。灰数的生成,就是从杂乱中寻找出规律。同时,灰色理论建立的是 生成数据模型,不是原始数据模型,因此,灰色预测的数据是通过生成数据 的 GM(1,1)模型所得到的预测值的逆处理结果。 客运系统是一个抽象系统,没有物理原型且影响公交客运量的因素很多 部分因素已知部分因素未知因此可以将公交系统视为灰色系统 GM(n,h)表示

n 阶 h 个变量的灰色模型将公交系统客运量灰微分方程看成 1 个变量的一
阶微分方程故我们选定模型 GM(1,1)进行客运量预测[11]。

12

(二)参数计算以及检验 灰色模型的参数检验包括残差检验、关联度检验以及后差检验。 用相对残差值δ (i) 表示实际值 x(0)(i)与模型值 x?(0)(i)的误差:

(2-11) 一般δ (i)的绝对值不大于 10%时即为合格。 关联度系数公式为:

(2-12) 式中ζ (i) 为第 i 个数据的关联度系数ρ 为取定的最大百分比一般取 50%即ρ =0.5。计算出关联度ζ 的公式为:

(2-13) 一般当ζ >=0.6 时,我们认为模型关联度合格,所以模型关联度检验合 格。 后验差检验就是通过计算方差比 C 和小误差概率 P 来检验模型的精确 程度,C 和 P 的计算公式如下:

C=

S1 S0


(2-14)

P=p{ △(i ) -△<0.6745* S 0 }

(2-15)

其中 S1=

S

2 1

n -1

(2-10),

s1 =Σ (△(i) - △) 2
i=1 n _ i=1

2

n



(2-16)

S 0=

S

2 0

n -1
— 1 n △= Σ △(i ) n i=1

2 (2-12), S 0 =Σ ( x (0) (i) - x) 2

(2-17)

(2-18)

13

计算出 C、P 后再根据下表 2-1 所示确定模型精度等级: 表 2-1 模型精度等级评价表

(三)模型计算公式 GM(1,1) 模型表示一个白化灰色系统灰度渐少白度渐增的过程形成的 灰微分方程 x(0)(i)+az(1)(i)=u 式中 z 表示由原始数据经累加后生成的新数列;x 有 n 个观察值 x(0)={x(0)(1),x(0)(2),??, x(0)(n)}? 式中 a 为发展参数 反映 z(1)及原始数列 x(0)的发展趋势 u 为协调系数反映数 据间的变化关系可通过原始序列计算得到。x(1)是由 x(0)累加生成的序列,x(1) 的第 i 个元素为
i
(1) (0)

(2-19)

x

(1)

(i)= Σ x (0) (m)=x (1) (i - 1)+x (0) (i)
m=1

i= ,2....... 1

(2-20)

新数列 z(1)的第 i 个元素为 z(1)(i)=0.5x(1)(i)+0.5x(1)(i-1) 式中 i =1,2,?,n 对序列 x(1)可建立预测模型的白化形式方程:
dx(1) +ax(1) u = dt

(2-21)

(2-22)

采用最小二乘法求解 GM(1, 1) 模型中的参数 a 和 u 设 a? 为待估计参 数向量:
-1 a=[a, u ]T =(B T,B)B T y n ^

(2-19)

式中
14

(2-23) 将 a^代入式(2-18)并解微分方程得到白化方程的时间响应式:
^ (1) u u x (i+1)=(x ( 0) (1) - )? -ai+ a a

(2-24)

x (i+ )= x (i+ ) - x (i) 1 1 x (1)=x (1) (1)
将时间函数离散化 GM(1, 1) 灰色预测模型为:
u u x(i+1 )=(x ( 0) (1) - )? -ai+ a a
^ ( 0)

^ ( 0)

^ (1)

^ (1)

(2-25) (2-26)

(2-27)

式中,i=n,n+1,n+2,?。 灰微分方程式(2-15) 是以式(2-18) 为基础建立的因此式称为 GM(1, 1) 的白化方程。应用 GM(1, 1)模型进行预测的步骤如图 2-2 所示[12]:

15

图 2-2 GM(1,1)模型预测步骤

四、指数平滑模型
(一)指数平滑模型简介 指数平滑法(Exponential Smoothing,ES)是布朗(Robert G..Brown) 所提出,布朗、认为时间序列的态势具有稳定性或规则性,所以时间序列可 被合理地顺势推延;他认为最近的过去态势,在某种程度上会持续的未来, 所以将较大的权数放在最近的资料。 指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势 预测,所有预测方法中,指数平滑是用得最多的一种。简单的全期平均法是 对时间数列的过去数据一个不漏地全部加以同等利用;移动平均法则不考虑 较远期的数据,并在加权移动平均法中给予近期资料更大的权重;而指数平
16

滑法则兼容了全期平均和移动平均所长,不舍弃过去的数据,但是仅给予逐 渐减弱的影响程度,即随着数据的远离,赋予逐渐收敛为零的权数。 也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列 分析预测法,它是通过计算指数平滑值,配合一定的时间序列预测模型对现 象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前 一期指数平滑值的加权平均[13]。 (二)参数计算以及检验 对于指数平滑法,如果所求问题中,有明显的初始值,那就用给定的初 始值。如果原序列没有明确的初始值,原则上这样规定:①若序列数较大, 如T>15时,用Y。作为初始值就行了;②若序列数T<15时可以选用最初三期 的数据,用适当方法求平均数作为初始值。 指数平滑实际上是一种以时间定权的加权平均,α 体现了新观察值与原 平滑值之间的比例关系。一般根据实际数据序列的特点和经验来考虑。(1) 当时间序列波动不大,长期趋势比较稳定时,取值较小为好,这样可加重旧 预测值的权重”,α 一般在 O.05~0.2 之间选取;(2)当时间序列波动较 大,具有迅速明显的变动倾向时,d 选取较大值为好,这样可加重新预测值 的“权重”,α 一般在 0.3~O.7 之间选取[16]。在一般情况下,我们要针 对不同的序列,分别选取几个不同的值加以试算比较,求得使
T ^

S=Σ ( yt — y t ) 2
t=1

(2-28)

取得最小的α 。 (三)指数平滑法计算公式 指数平滑预测法是一种时间序列预测法,对于有明显线性趋势的时间序 列,不宜用一次指数平滑法进行预测,通过观察历年南宁的客运量可知南宁 的客运量基本逐年递增,与年份有一定的线性关系,这种情况宜采用二次指 数平滑法预测,为减少误差,使预测值更好地接近于实际值,本文采用二次 指数平滑法预测模型, 二次指数平滑法是建立在一次指数平滑法上的,一次 指数平滑法公式为:

17

y t+1 =ayt+1+( - a) t 1 y

^

^

(2-29)

二次指数平滑法模型的有关公式为:
y t+T =at+bt T
^

T=1,2??

(2-30) (2-31) (2-32)

a ( S (1) - S t( 2) ) 式中: at=2St(1) - St( 2) ;bt= 1- a t
( St(1)=ayt+(1 - a)St(-1) ; St( 2)=aSt(1)+( - a)St -2) 1 1 1

上式中: (1)为第 t 期一次指数平滑值; (2)为第 t 期二次指数平滑值; St St at,bt 为平滑系数。

五、组合模型
(一)组合模型简介 对某一问题的具体预测通常可采用不同的预测方法。因为每种预测方法 的适用条件不尽相同, 所以会产生不同的预测结果, 其预测精度往往也不同。 由于被预测系统的复杂性,单纯利用一种特定的预测方法进行预测往往具有 片面性。如果简单地将对中长期预测误差较大的一些方法舍弃掉,将会丢失 一些有用的预测方法。一种更为科学的做法是,将不同的预测方法以某种方 式进行适当的组合,综合利用各种预测方法所提供的信息,尽可能地提高预 测精度,于是就形成了组合预测方法
[15]



组合预测方法,在国外称为Combination forecasting、Combined forecasting 和Combination of forecasts等,在国内也称为综合预测、结 合预测或复合预测。组合的主要目的就是较大限度地综合利用各种方法所提 供的信息,尽可能地提高预测精度。它比单个预测模型考虑问题更系统、更 全面、更科学,能有效地减少单个模型预测过程中一些环境因素的影响。 组合思想移植、应用到统计、预测及其它一些领域,发挥出了巨大的威 力,可以说,组合思想的启示带来了方法论上的一大进步,而方法论又是通 用的, 因而组合思想及其方法就会向其它学科渗透, 并能起到其独有的作用: 1、通过各种方法的组合,可以达到取长补短的效果。每种方法都有其 自身的优点和缺点,它们的适用场合也不完全相同,通过将具有互补性的方
18

法组合在一起,就能够使各种方法的缺点得到弥补,而同时兼具各方法的优 点; 2、通过各种方法的组合,可以利用更多的信息。不同的方法从不同的 角度对我们所研究现象进行描述,一种方法只是反映事物的一个侧面,提供 有关事物的一部分信息, 要反映事物的全貌必须从多角度、 全方位进行考察, 这样得到的信息就更能体现事物的本质和原貌; 3、组合不是简单地进行堆砌,而是将具有内在联系的一些方法、事物 通过一定的方法和步骤挑选出来,并利用各种方法将它们加以组合,这种组 合所起到的效果并不等于而是大于组合中各元素的效果之和; 4、通过组合可以得到一些良好的性质。组合中各元素本不具有某些性 质,但通过组合,却能得到一些良好的性质。因此,在大多数情况下,通过 组合预测可以达到改善预测结果的目的[16]。 (二)几种常见的组合预测权数确定方法 1、等权平均法(EW) 等权平均组合预测方法(也称EW方法)是一类经常使用的组合预测方法。 设fi(i=1,2,?,k)为第i个模型的预测值,如果用fc代表组合预测值,则Ew 方法得到的组合预测值为:
1 k f c= Σ f t k t=1

(2-33)

Ew方法不需要去了解单一预测值的预测精度,也不需要知道单一预测的 误差之间的相互关系。因此,只有事先了解到这些预测值有相接近的误差方 差,Ew方法才是合理的。 Ew组合预测方法是组合预测方法中最简单的一种,虽然方法简单,但也 是对各种预测方法的预测精度完全未知的情况下所采用的一种较为稳妥的 方法[17]。 2、标准差法 设各单项预测模型预测误差的标准差分别为s1,s2,?,sK,且

s=Σ si , wi=
t=1

k

s - si 1 * (i= ,2,,k ) 1 ... s k -1

(2-34)

3、方差倒数法(VRM)
19

方差倒数法确定组合预测权数的基本原理与方差一协方差法的原理一 样,即对预测误差平方和较小的预测方法赋予较大的权重,公式可表示为

Wi=

1 / Eii k 1 Σ
i=1

(i= ,... k ) 1 2,,

(2-35)

E

ii

(三)模型的建立 组合预测的基本原理是依据某种准则构造目标函数J,在约束条件下极 小化J 求得组合模型的加权系数,这些权重系数就是各个模型的最优权重。 基于组合预测误差平方和最小的思想来确定加权系数Wi 。设某一预测问题
1 ... 在某一时段的实际值为 y(t )(t= ,2,,n) ,对此预测问题有n种可行的预测方

法,其预测值或模型拟合值分别为 yi' (t )(t= ,2, N , i= ,2,,n) 。又设n种预 1 ..., 1 ... 测方法的加权向量为: W=(W1 ,W2 ,... Wn )T ,于是组合预测模型可表示为: ,

y(t )=Σ Wi yi (t )
i=

^

n

(2-36)

式中: y (t ) ——组合模型预测的第t 期的值;
1 .... yi (t ) ——第 i 种预测方法预测的第 t 期的值 (i= ,2, ,n);
Wi ——第 i 种预测方法的加权系数,又Σ Wi= 。 1
n

^

为简单起见,采用方差倒数法来确定组合权重,即

Wi=Di-1 / Σ Di-1
i=1

n

(2-37)

式中: Di ——为第i 个模型的误差平方和,n为模型个数[18]。

20

第三章 模型的实际应用
第一节 原始数据准备
本文以南宁历年的公路客运量为对象,研究现今主流的预测模型的适用 情况。南宁市历年的公路客运量如下表 3-1 所示: 表 3-1 南宁市历年公路客运量 公路客量 年份 (万人次) 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 4584 4761 2150 2199 4749 4826 4893 6393 7757 8418 8839 9546 9310 7801 8855 9748 表 3-2 修改后的南宁历年客运量

21

客运量 年份 (万人次) 1996 1997 通过观察可知, 1998 和 19989 两年度的数据 常,为了使预测结果更加精确,这里将 1998 和 1999 两年的数据剔除, 采用插值法重新确定 1998 和 1999 年的数据
[19]

4584 4761 4757 4753 4749 4826 4893 6393 7757 8418 8839 9546 9310 7801 8855 9748 新 方 代 法, 方 以 客 — 年 异

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011



插值法的原则是利用已知点求得一个函数 程,此函数经过所有已知点,再将所求点的 X 值 入函数方程最终得出结果。本文采用分段插值 既两点确定一条线段, 以所有线段的集合为函数 程,此函数经过所有已知点,所以此函数方程可 作为计算插值的函数方程。这里以年份为 X 标, 运量为 Y 坐标, 已知 1998 年和 1999 年处在 1997 2000 区间内,所以以坐标(1997,4761)和坐标 (2000,4749)两点确定直线函数,再将分别将 X=1997,X=2000 带入,即得出目标值。所有得到 的数据如上表 3-2 所示

第二节 弹性系数模型
一、弹性系数获取
国内生产总值(GDP)是反映地区经济发展的一项重要指标,其增长速率 较快时,公路客运量也随之增长。依据《南宁统计年鉴》中近年的 GDP 和客 运量可以算出 GDP 和客运量的增长率[20],如下表 3-3、3-4 所示:

22

表 3-3 1996 年-2011 年 南宁市 GDP 及其年增长率 年份 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 GDP 量 299 318 339 357 377 413 452 502 589 722 861 1060 1316 1492 1846 2211

表 3-4 1996 年-2011 年 南宁市公路客运量及其年增长率

23

年份 1996 1997 1998 根据上两表可以计算 GDP 的年均增长率 及客运量的年均增长率, 年数据的增长率计 n 公式为: V=[( S0/Sn-1 ) ^{1/ (n-1) }-1]×100% (3-1) 其中 S0 表示本期的期末值,Sn-1 表示 n-1 的期末值, 表示统计的年数。 n 计算出的南宁 近几年的客运量年均增长率为 5.2%,GDP 年 增长率为 14.3%。则弹性系数е 可计算如下: 性系数е =5.2%/14.3%=0.36。当国民经济处 高速发展时期,弹性系数е >1,甚至超过 2; 着国民经济的进一步发展,弹性系数的值下 大都小于 1。 至改革开放以来, 南宁市的 GDP 直呈发展趋势,近几年的经济更是得到了进 步的发展,所以弹性系数е =0.36 符合规律[21]。 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011

公路客量 4584 4761 4757 4753 4749 4826 4893 6393 7757 8418 8839 9546 9310 7801 8855 9748 年 市 均 弹 于 随 降, 一 一 以 算

二、预测模型及结果
根据公式(1)M=M0(1+е ×α )t-t0,现以 2011 年为基准年,得到的未 来南宁市的公路客运量如下表 3-5 所示: 表 3-5 弹性系数模型预测值 年份 2012 2013 2014 2015 2016 2017 2018 2019 客运量预测值 10041.4 10343.7 10655 10975.7 11306.1 11646.4 11997 12358.1
24

2020 2021 2022 2023 2024 2025 2026

12730 13113.2 13507.9 13914.5 14333.3 14764.8 15209.2

将预测结果制成折线图如下图 3-1 所示:
客运量预测值 16000.0 14000.0 12000.0 10000.0 8000.0 6000.0 4000.0 2000.0 0.0

万人次

客运量预测值

20 12

20 14

20 16

20 18

20 20

20 22

20 24

年份

图 3-1 弹性系数模型预测 从图中可以看出未来南宁市的客运量呈稳步上涨情势,涨幅幅度不大, 到 2026 年到达 15209.2 万人次, 南宁有关部门只需逐年提高客运能力即可满 足未来的客运需求。
25

20 26

第三节 线性回归模型
一、模型构建
本论文以南宁市的GDP为研究对象,计算南宁市的GDP与南宁公路客运量 相关性r,并据此继续研究预测未来南宁市的公路客运量。根据公式

r=

nΣ xy -Σ xΣ y [nΣ x - (Σ x) 2 ][nΣ y 2 - (Σ y) 2 ]
2

计算出r=0.81,接近数值1,说明GDP和公

路客运量存在相关性。 由公式(2-3)、(2-4)求得a=4558.8,b=2.816579749 即可得线性回归方程:y=4558.8+2.816579749x

二、模型检验
依据第二章的公式(2-5)到(2-10)可以计算出统计量 F 的观测值 F0, 并且 F0> Fα (1,n-2),所以应拒绝假设 H0,即认为 x 与 y 之间线性关系显著, 模型存在合理性。

三、预测模型结果
参考《改革开放以来广西经济增长及中长期预测研究》一文,文中作者 运用科学的预测方法对广西的GDP增长率做出了预测,如表3-6所示: 表3-6 广西经济增长及中长期预测 GDP 增长率 年份 2011 2012 2013 (%) 10.5 10.6 10.8 人均 GDP (/元) 19664.95 21552.84 23652.05
26

GDP 增长率 年份 2021 2022 2023 (%) 11.3 11.2 10.9 人均 GDP(元) 51348.55 56571.64 62197.93

2014 2015 2016 2017 2018 2019 2020

10.9 11 11.1 11.2 11.3 11.4 11.4

25985.38 28577.79 31456.57 34662.01 38226.01 42181 46549.42

2024 2025 2026 2027 2028 2029 2030

10.7 10.2 9.5 8.8 7.8 6.9 5.8

68187.9 74417.39 80753 87022.67 92877.91 98341.44 103013.2

现就以表3-6增长预测为准,来预测南宁市未来的GDP,结果如表3-7示: 表3-7 南宁GDP预测值 年份 GDP 2012 10781.3 2013 11945.7 2014 13247.7 2015 2017 2019 14705 18167 22525 2016 16337.3 2018 20219.9 2020 25092.8 2021 27928.3 2022 31084.2 2023 34472.4 2024 38160.9 2025 42053.3
27

表3-8 线性回归模型预测值

客运量预测 年份 值(万人次) 2012 2026 46048.4 2013 2014 2015 将 各 年 的 GDP 预 测 量 代 入 方 程 : y=4558.8+2.816579749x,即可得到未来 15年的公路客运量数据,如表3-8所示。 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 将其制成折线图,如图3-2所示:
线性回归预测模型预测结果 40000 35000 30000 25000 20000 15000 10000 5000 0
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026

11399.6 12124.8 12941.9 13855.6 14878.3 16023.8 17307.8 18748.5 20366.1 22168.1 24158 26353.1 28685.1 31146 33671.7

客运量(/万人次)

线性回归预测值

年份

图3-2 线性回归模型预测值

从图中可以看出南宁市客运量的增长率逐年递增,到2026年是客运量达 到33671万人次。由此,南宁市有关部门因充分做好客运运输能力准备以面
28

对快速发展的客运量需求。

第四节 灰色模型
一、模型构建
由公式(2-19)和公式(2-10)得 a=-0.06,u=4244.65,代入式(2-18) 并解微分方程得到白化方程的时间响应式,得: x(0)(i)- 0.06Z(1) (i)=4244.65 (1) (1) dx /dt-0.06X = 4244.65 x?(1)(i+1)=( x(0)(1)-u/a) e-ai+u/a =75642.7e0.06i-71058.73 x?(0)(i+1)= x?(1)(i+1)-x?(1)(i) x?(0)(1)=x(1)(1)=4584 以下对 x?(0)分别进行残差检验、 关联度检验和后验差检验考察模型的精 度,表 3-9 列出了三种检验所需指标的计算值。 表 3-9 灰色模型数据准备表

29

三、残差检验
根据残差检验方法求出相对残差δ (i),从表中可看出δ (i)的总和为-6% 残差检验合格。

四、关联度检验
从表 3-9 中的绝对误差(i)看出△min=104,△max=1734,得到ζ =0.761 , 当ζ >=0.6 时,我们认为模型关联度合格,所以模型关联度检验合格。

五、后验差检验
由公式(2-8)(2-9)(2-10)(2-11)(2-12)(2-13)(2-14)计算 、 、 、 、 、 、 得 C=0.24,P=1,根据表 3-10 预测精确度等级划分表可知,所确定的模型精 度为一级。

六、模型预测结果
综上所述,所确定的模型是可行的,现运用次模型预测未来 25 年南宁 市的公路客运量,预测数据如下表 3-11 所示: 表 3-11 灰色模型预测值 年份 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
30

客运量(/万人次) 12108.9 12854.3 13645.5 14485.5 15377.1 16323.6 17328.4 18395.1 19527.4 20729.4 22005.4

2023 2024 2025 2026

23359.9 24797.8 26324.2 27944.6

根据表中的数据,制作成折线图,如图 3-4 所示:
灰色模型预测结果 30000 25000 20000 15000 10000 5000 0

客运量

灰色模型预测值

20 12

20 14

20 16

20 18

20 20

20 22

20 24

年份

图 3-4 灰色模型预测值 由图中可以看出未来南宁市的客运量需求呈逐年递增情势, 增长速度较 快且平稳, 2026 年时到达 27944.6 万人次。 到 南宁市有关部门应在保证客运
31

20 26

能力平稳提高的情况下,兼顾客运能力的发展速度以对应快速发展的客运需 求。

第五节 指数平滑模型
一、模型构建
观察序列{4584,4761,4761,4749,4826,4893,6393,7757,8418, 8839,9546,9310,7801,8855,9748},此序列具有明显增长的趋势。如 在第二章所提到的,当时间序列波动较大,具有迅速明显的变动倾向时,d 选取较大值为好,这样可加重新预测值的“权重”,α 一般在0.3~O.7之 间选取。现对α 分别取值0.3、0.5、0.7,分别计算其S值。计算结果如下表 3-12所示:

表3-12 算修正系数a的取值 t yt α =0.3 9170 3234 1370 534 179 4002 8314 1240613 2811778 2156448 2319040 811418
32

α =0.5 13521 922 174 21 0 1494 2790 602815 749268 413837 455829 48213

α =0.7 1684 1664 122 4 0 526 728 209850 298802 131253 55219 79860 195

1 4584 2 4761 3 4757 4 4753 5 4749 6 4826 7 4893 8 6393 9 7757 10 8418 11 8839 12 9546 13 9310

3008420 1145341

14 7801 15 8855 16 9748 ∑

181262 193403 870383

415654 41879 301206

201158 32996 103938

13619569 4192964 1118000

根据α 的选取原则, 应在0. α 3—0.7之间选取, 即α =0. 0. 3, 5或0. 7。 由表中可以看出,当α =0.7时, S=Σ ( yt — y) 2 最小,所以α 选0.7。
t=1 T ^

将α =0.7带入公式,求出二次平滑法模型,如下表3-13所示:

表3-13 二次指数平滑法预测模型 序列 年份 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 t 1 2 3 4 5 6 7 8 9 10 11 实际值 yt 4584 4761 4757 4753 4749 4826 4893 6393 7757 8418 8839 一次平滑值 St(1) 4625 4720 4746 4751 4750 4803 4866 5935 7210 8056 8604
33

二次平滑值 St(2) 4654 4700 4732 4745 4748 4787 4842 5607 6729 7658 8320

预测值 y^t+T=at+btT 4698 4529 4787 4792 4770 4754 4858 4945 7028 8814 9382

2007 2008 2009 2010 2011

12 13 14 15 16

9546 9310 7801 8855 9748

9263 9296 8250 8673 9426

8980 9201 8535 8632 9187

9550 10207 9612 7298 8812

以2011年为基准年预测未来15年的客运量,则模型的相关系数为:

a2011=9663.7,b2011=555.6
最终模型的方程为: y 2011+T=9663.7+555.6T
^

二、模型预测结果
依据此公式可预测之后的客运量如下表3-14所示: 表3-14 指数平滑法预测值 序号 年份 1 2 3 4 5 6 7 8 9 10 预测值 2012 10219.3 2013 10774.9 2014 11330.5 2015 11886.1 2016 12441.7 2017 12997.3 2018 13552.9 2019 14108.5 2020 14664.1 2021 15219.7
34

11 12 13 14 15

2022 15775.3 2023 16330.9 2024 16886.5 2025 17442.1 2026 17997.7

将表3-14制成折线图如下图3-5所示:
指数平滑法预测值 20000 18000 16000 14000 12000 10000 8000 6000 4000 2000 0

万人次

指数平滑法预测值

20 12

20 14

20 16

20 18

20 20

20 22

20 24

年份

图3-5 指数平滑法预测值 由图看以看出南宁市未来的客运需求呈快速、稳步的发展趋势。南宁有 关部门应做好客运能力的稳步、快速的发展规划加以应对。
35

20 26

第六节 组合模型
一、权重确定
依据之前4个单项模型的预测结果与历年客运量比较,得出各个模型的 误差平方和,再根据误差平方和求出各单项模型的权重,数据准表如下表 3-15所示:

表3-15 组合模型数据准备

采用方差倒数法来确定组合权重,即
36

Wi =Di-1 / Σ Di-1
i=1

n

式中: Di ——为第 i 个模型的误差平方和, 为模型个数得出各个模型 n 的权重为: W 弹性=0.1943861,W 灰色=0.3441107,W 线性=0.3195376,W 指数=0.1419655

二、模型预测结果
最终组合模型的预测结果如下表 3-16 所示: 表 3-16 组合模型预测值 年份 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
37

组合预测值 11212.1 11837.9 12510.7 13232.9 14009.6 14846.4 15749.5 16725.9 17783.7 18926.4 20157 21482.4

2024 2025 2026

22882.7 24357 25886.9

根据表 2.5.2 制成折线图如下图 3-6 所示:
组合模型预 30000 25000 20000 15000 10000 5000 0 组合模型预测值

/万人次

由图中可以看出未来南宁市的客运量需求呈逐年递增情势, 增长速度较 快且平稳,到 2026 年时到达 25886.9 万人次。南宁市有关部门应在保证客 运能力平稳提高的情况下,兼顾客运能力的发展速度以对应快速发展的客运 需求。
38

2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026
年份

图 3-6 组合模型预测值

第四章 结果分析
为了更好的比较模型的准确性,将各模型预测结果与《南宁市公路 水路和城市公共交通发展规划》 中的公路客运量预测作比较, 《南宁市公 路水路和城市公共交通发展规划》公路客运量预测值如下表 4-1 所示: 表 4-1 南宁市公路水路和城市公共交通发展 公路客运量 年份 2005 2006 2007 2008 2009 2010 2005-2007 年
39

(万人次) 8418 8839 9546 6968 7801 8855 6.5%

年均增长率 2008-2010 年 年均增长率 “十一五”规划 增长率 “十二五”规划 增长率 2015 年预测值 6.9% 17057 6.5% 12.7%

表中“十二五规划”期间的公路客运量增长率为 6.5%,为了进行模 型预测值的精度比较,将各个模型在“十二五”期间(即 2011—2015) 的客运增长率平均值算出以进行比较确认,得到表 4-2 如下所示:

表 4-2 各模型 2011-2015 年增长率 年份 2011-2015 年均增长率 弹性系 数模型 3.01% 灰色模型 6.16% 指数平滑 法模型 5.31% 线性回归 模型 6.55% 组合模型 5.64%

从表中可以看出,灰色模型、指数平滑法模型、线性回归模型和组 合模型的预测值都比较接近,而弹性系数法所得出的预测明显低于其他 四个模型,各个模型的预测值都低于此数值,可见各个预测模型的结果 都略为保守,分析其中误差原因,因为本论文与《南宁市公路水路和城 市公共交通发展规划》所用于预测的原始数据不同,本论文的原始数据 从 1996 年—2011 年, 其中 1996 年—1999 年的客运量一直停滞不前, 所 以预测时拖延了增长速度。而《南宁市公路水路和城市公共交通发展规 划》一文中用于预测的原始数据为 2005 年—2010 年,并且作者将未来 的政府政策规划等一系列影响因数都分析进去,使客运量预测的增长率 较为激进。另外,在五个模型中,线性回归模型的预测增长值与“十一 五”规划的预测值最为接近,且相差仅为 0.05%,
40

结论
??本文采用了建立在惯性原理基础上适于中、短期预测的灰色模型、弹 性系数法和二次指数平滑模型以及在相关原理基础上适于远期预测的回归 分析法。这些预测方法中灰色模型、现行回归模型、指数平滑模型与组合 模型的预测值的趋势基本一致,但是弹性系数模型所得出的结果和其他模 型差距很大,所以弹性系数模型用于南宁市的公路客运量预测是有待商榷 的。通过种方法预测的公路客运量发展走势与组合预测结果分析比较,可 知组合预测综合考虑了各种因素的影响,能够提高预测的精度,减少预测 误差。然而,在未来交通的发展过程中,各种不确定因素都可能对客流量 预测产生很大的影响。因此,在未来客流量的预测值中需考虑 10%-20%的弹 性范围并在设计指标中予以体现。

41

参考文献
[1] 赵丽萍, 王丽妲, 刘庆福.2015 年吉林省公路客运量预测研究[J]. 农业 与技术 ,2010,30(2),81-84. [2] 侯丽敏,马国峰. 基于灰色线性回归组合模型铁路客运量预测[J]. 计 算机仿真 2011,28(7),1-3. [3] 杨 林 , 刘 晶 . 组 合 模 型 在 公 路 客 运 量 预 测 中 的 应 用 [J]. 物 流 技 术.2011,30(9),11-18 [4]Xie Nai-ming.Liu Si-feng.Discrete GM(1,1)and mechanism of grey forecasting model[J].Systems Engineering Theory&Practice, 2005,25(1):93-98. [5]Cigizoglu,Hikmet Kerem,Generalized regression neural network in monthly forecasting[J] . Civil Engineering and EnVironmental Systems,2005,22(1):7l-84.
42

[6]Luo Dang,Liu Si-feng,Dang Yao-guo.The optimization of grey model GM(1, 1)[J]. Chinese Engineering Science, 2003, 5(8): 50-53. [7]Shou-feng Ma , Guo-guang He and Shi-tong Wang . A Traffic Flow Forecast Supported System Based Multiagent[J].IEEE.Intelligent Transponation Systems ConferIence Proceedings.August,200l, 21(4):34-37. [8]张剑平.弹性系数的一般概念[J].技术经济,1995(5):53-54. [9]李智.线性回归预测法在经济效益审计评价中的应用研究[J].工商管理 2007,8(16):33-35 [10]刘晓辉. 汽车客运站客流特征及客运量预测研究[J].山东交通学院学 报,2008,16(32):29-31. [11]邵昀泓.赵阳.王炜.城市公交客运量的灰色预测研究[J] 交通运输工程 与信息学报,2005,3(4):65-69 [12] 陈淑燕, 王炜. 交通量的灰色神经嘲络预测方法[J].东南大学学报(自 然科学版).2004,34(7):541-544 [13]孟勤宪,黄涛.二次指数平滑法的成都市餐厨垃圾产量预测[J]?. 四川 环境,2010,29(4):30-53 [14]王生昌,白韶波,张慧. 公路客运量预测方法的比较[J]. 长安大学学报 (自然科学版), 2005,25(5):83-85. [15]马琰. 组合预测模型在航空客运量预测中的应用[J]. 管理科学与工 程.2008.11(24):23-27 [16]裴玉龙,陈洪仁.干线公路网交通量综合预测法研究[J].中国公路学 报,1997,10(3):101-105 [17]陈华友. 组合预测方法有效性理论及其应用[M]北京: 科学出版社, 2008: 40-42 [18]胡大伟. 西安市公路运输量发展预测口]. 西安公路交通大学学报, 1998, 18(2):51-55. [19] ]陈华友.基于预测有效度的组合预测模型研究[J]预测,2001,20(3): 72-73 [20] 王 德 斌 . 南 宁 统 计 年 鉴 [EB/OL] 南 宁 市 统 计 局 . 南 宁 统 计 年 鉴.1996-2011
43

[21]李慧,林荣娜.弹性系数法在公路工可交通量预测中的应用[J].西华大 学学报(自然科学版).2006,25(5):15-19

致谢
至此,本论文的撰写已全部结束,本论文从始至终得到导师苏文桂副教 授的精心指导和帮助,感谢导师长期以来的指导、教诲、鼓励和无微不至的 关怀。大学学习期间,导师严谨的治学风格、认真的工作态度及孜孜不倦的 追求精神使我受益匪浅,在此谨向导师表示衷心的感谢。 在论文撰写阶段,参阅了和引用了大量的文献和资料,在此向原作者表 示感谢。感谢我的父母对我学业上的支持,是他们的关爱使我顺利完成了学 业,衷心祝他们健康幸福! 最后感谢本论文的评阅老师及答辩委员会的老师们的辛勤工作。

44


相关文章:
公路运量预测
研究,某地区的公路 运量主要与该地区的人数、机动车数量和公路面积有关,表 ...2.请利用其他方法预测该地区 2010 年 2011 年得公路客运量和公路货运量。 3....
公路运量预测
研究,某地区的公路 运量主要与该地区的人数、机动车数量和公路面积有关,表 ...2.请利用其他方法预测该地区 2010 年 2011 年得公路客运量和公路货运量。 3....
神经网络作业:预测公路运量
预测公路运量 公路运量主要包括公路的客运量和公路货运量两个方面。据研究,某...2.请利用其他方法预测该地区 2010 年 2011 年得公路客运量和公路货运量。 3....
神经网络在公路运量中的预测
神经网络在公路运量中的预测 - 神经网络在公路运量中的预测 1. 问题的描述 公路运量主要包括公路客运量和公路货运量两个方面。据研究,某地区的公 路运量主要...
spss课程设计_图文
spss课程设计 - 课程设计 设计题目: 课程名称: 学专班院: 业: 级: 上海公路客运量需求预测与分析 运输统计与分析 交通运输工程学院 交通运输 学生姓名: 学号:...
更多相关标签: