基于Pearson相关性分析的交通枢纽站客运量预测模型分析研究.pdfVIP

基于Ｐｅａｒｓｏｎ相关性分析的交通枢纽站

客运量预测模型分析研究

摘要:２０２０年初ꎬ新冠疫情爆发ꎬ居民日常出行量大幅降低ꎬ未来客运量难以预测ꎮ客运量作为道路交通规划、设计、建设

的重要指标ꎬ预测结果将直接影响城市道路运营效率和经济效益ꎮ为精准预测后疫情时代客运量未来发展趋势ꎬ研究以重庆

四公里交通枢纽站交通客运量为预测对象ꎬ运用多种定量预测方法分别预测未来客运量ꎬ利用Ｐｅａｒｓｏｎ相关性分析ꎬ找到了适

用于未来客运量预测较优的预测模型ꎮ

关键词:客运量预测ꎻ指数趋势外推法ꎻ定量预测方法ꎻ指数曲线趋势外推法

Ａｂｓｔｒａｃｔ:Ａｔｔｈｅｂｅｇｉｎｎｉｎｇｏｆ２０２０ꎬｄｕｅｔｏｔｈｅｏｕｔｂｒｅａｋｏｆＣＯＶＩＤ－１９ꎬｔｈｅｄａｉｌｙｔｒａｖｅｌｖｏｌｕｍｅｏｆｒｅｓｉｄｅｎｔｓｈａｓｓｉｇｎｉｆｉｃａｎｔｌｙｄｅ￣

ｃｒｅａｓｅｄꎬｍａｋｉｎｇｉｔｄｉｆｆｉｃｕｌｔｔｏｐｒｅｄｉｃｔｔｈｅｆｕｔｕｒｅｐａｓｓｅｎｇｅｒｖｏｌｕｍｅ.Ａｓａｎｉｍｐｏｒｔａｎｔｉｎｄｅｘｏｆｒｏａｄｔｒａｆｆｉｃｐｌａｎｎｉｎｇꎬｄｅｓｉｇｎａｎｄｃｏｎｓｔｒｕｃ￣

ｔｉｏｎꎬｔｈｅｆｏｒｅｃａｓｔｒｅｓｕｌｔｓｗｉｌｌｄｉｒｅｃｔｌｙａｆｆｅｃｔｔｈｅｏｐｅｒａｔｉｏｎｅｆｆｉｃｉｅｎｃｙａｎｄｅｃｏｎｏｍｉｃｂｅｎｅｆｉｔｓｏｆｕｒｂａｎｒｏａｄｓ.Ｉｎｏｒｄｅｒｔｏａｃｃｕｒａｔｅｌｙｐｒｅｄｉｃｔ

ｔｈｅｆｕｔｕｒｅｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｏｆｐａｓｓｅｎｇｅｒｖｏｌｕｍｅｉｎｔｈｅｐｏｓｔ－ｅｐｉｄｅｍｉｃｅｒａꎬｔｈｉｓｓｔｕｄｙｔａｋｅｓｔｈｅｐａｓｓｅｎｇｅｒｖｏｌｕｍｅｏｆＣｈｏｎｇｑｉｎｇｆｏｕｒ－

ｋｉｌｏｍｅｔｅｒｔｒａｎｓｐｏｒｔａｔｉｏｎｈｕｂａｓｔｈｅｆｏｒｅｃａｓｔｏｂｊｅｃｔꎬａｎｄｕｓｅｓａｖａｒｉｅｔｙｏｆｑｕａｎｔｉｔａｔｉｖｅｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｓｔｏｐｒｅｄｉｃｔｔｈｅｆｕｔｕｒｅｐａｓｓｅｎｇｅｒ

ｖｏｌｕｍｅｒｅｓｐｅｃｔｉｖｅｌｙ.ＢｙｕｓｉｎｇＰｅａｒｓｏｎｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓꎬａｂｅｔｔｅｒｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｆｏｒｆｕｔｕｒｅｐａｓｓｅｎｇｅｒｖｏｌｕｍｅｐｒｅｄｉｃｔｉｏｎｉｓｆｏｕｎｄ.

Ｋｅｙｗｏｒｄｓ:ｐａｓｓｅｎｇｅｒｖｏｌｕｍｅｆｏｒｅｃａｓｔꎻｅｘｐｏｎｅｎｔｉａｌｔｒｅｎｄｅｘｔｒａｐｏｌａｔｉｏｎｍｅｔｈｏｄꎻｑｕａｎｔｉｔａｔｉｖｅｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄꎻｅｘｐｏｎｅｎｔｉａｌｃｕｒｖｅｔｒｅｎｄ

ｅｘｔｒａｐｏｌａｔｉｏｎｍｅｔｈｏｄ

Ｐｅａｒｓｏｎ相关性检验分析预测数据与实际数据相关

０引言度ꎮ经过综合对比ꎬ挑选出最符合要求的客运量预

交通场站客运量是反映车站建设规模和生产测模型ꎮ

能力的重要指标ꎬ其预测结果直接影响城市道路运１理论基础

营效率和经济效益ꎮ２０２０年初ꎬ新冠疫情大规模爆

发ꎬ道路客运量急剧下降ꎮ为避免枢纽站设备、人１.１灰色预测

员、场地等资源浪费ꎬ提高车站运营管理效率ꎬ预测灰色模型是对累加数据进行分析ꎬ在累加数据

四公里枢纽站客流量工作尤为重要ꎮ上得以建立的微分方程模型ꎬ再使用微分方程模型

预测方法日新月异地发展ꎬ使得客运量预测方预测已知数据的发展趋势情况ꎬ最后利用累加结果

[２]

法复杂多样ꎬ例如神经网络、机器学习、数据挖掘预计算出源数据ꎮ计算过程如下ꎮ