張伯敏 上海鐵路局嘉興車務(wù)段
流、車、票、人、時(shí)是鐵路旅客運(yùn)輸組織的五大基本要素,而準(zhǔn)確地預(yù)測(cè)鐵路假日客流量是合理編制旅客運(yùn)輸計(jì)劃,鋪劃旅客列車開行方案,組織客流均衡運(yùn)輸?shù)幕A(chǔ)工作。但是,有時(shí)會(huì)出現(xiàn)預(yù)測(cè)精度不高,后期修正幅度較大的情況。之所以出現(xiàn)這種情況,筆者認(rèn)為主要有以下原因:一是受政治、經(jīng)濟(jì)、社會(huì)因素影響大,如經(jīng)濟(jì)環(huán)境、社會(huì)活動(dòng)、銜接換乘、接續(xù)時(shí)點(diǎn)、季節(jié)天氣等因素的影響;二是預(yù)測(cè)因子選取不夠全面,如多元回歸預(yù)測(cè)的因子取值不一致;三是單純地使用某種預(yù)測(cè)方法,很難彌補(bǔ)預(yù)測(cè)方法固有的缺陷,如指數(shù)平滑"a"的取值主觀因素較大。
鑒于上述原因,本文以鐵路J站的國(guó)慶客流為樣本依據(jù),采用多種預(yù)測(cè)技術(shù)的綜合模型,提出鐵路假日客流預(yù)測(cè)和修正方法的分析與探討,以擷取預(yù)測(cè)方法中的優(yōu)點(diǎn),彌補(bǔ)預(yù)測(cè)結(jié)果的不足。
假日客流可分為兩部分組成:一部分是節(jié)日的基本客流,它是正??土髟诠?jié)假日期間的延續(xù);另一部分是由放假產(chǎn)生的人的相互往來形成的客流。預(yù)測(cè)節(jié)假日客流時(shí),應(yīng)以正??土鳛榛A(chǔ),以歷史數(shù)據(jù)和客流調(diào)查資料為依據(jù),按照基本客流和假日的純客流的成分特點(diǎn),分別采取相應(yīng)的方法進(jìn)行預(yù)測(cè)和修正,最終得出假日客流量。
y基是正??土髟诠?jié)假日期間的延續(xù)。同時(shí),還受節(jié)假日期間的各種社會(huì)活動(dòng),如旅游節(jié)、觀潮節(jié)、商品展銷會(huì)等影響,引起的某種客流成分的增減變化,故節(jié)假日基本客流和正常客流之間既有聯(lián)系,又有區(qū)別。可以從歷史的統(tǒng)計(jì)資料,依據(jù)最小二乘法原理,找出y基=f(y正)的函數(shù)關(guān)系:
按照最小二乘法原理,采用下列標(biāo)準(zhǔn)方程(2)來估計(jì)直線方程(1)的參數(shù)a和b:
得:
a,b-為方程參數(shù)的估計(jì)值
n-為觀察次數(shù)
以J站兩年國(guó)慶節(jié)基本客流預(yù)測(cè)為例,導(dǎo)出節(jié)假日y基的預(yù)測(cè)方法。根據(jù)J站兩年國(guó)慶節(jié)y基、y正的統(tǒng)計(jì)數(shù)據(jù),采用最小二乘法原理,找出y基=f(y正)的基本形式,通過已知的正??土鱽眍A(yù)測(cè)基本客流。
對(duì)方程類型的估計(jì),通常是根據(jù)經(jīng)驗(yàn)資料,將y基、y正兩年對(duì)應(yīng)數(shù)據(jù)繪在直角坐標(biāo)系中,透過圖形判斷方程的類型。然后,再通過數(shù)據(jù)統(tǒng)計(jì)分析的方法,修正方程參數(shù),以確定最優(yōu)的方程類型。
表1 y基和y正的觀測(cè)數(shù)據(jù)表 單位(萬人)
由y基和y正的觀測(cè)數(shù)據(jù)來估計(jì)直線方程(1)的參數(shù)a和b:
將a,b參數(shù)代入方程(1),得:
y基=0.58+0.94y正
為了驗(yàn)證回歸分析法預(yù)測(cè)y基置信度,可根據(jù)y基=f(y正)的特性,采用趨勢(shì)外推法對(duì)y基進(jìn)行輔助性預(yù)測(cè)。趨勢(shì)外推法是以動(dòng)態(tài)數(shù)列為基礎(chǔ),在選擇和處理統(tǒng)計(jì)數(shù)據(jù)時(shí)更為重要。一般來說,基期愈接近預(yù)測(cè)期,愈有利于預(yù)測(cè)的結(jié)果。
趨勢(shì)方程的選擇方法和回歸分析法相同,它也是根據(jù)觀測(cè)數(shù)據(jù)作運(yùn)量圖表,運(yùn)用數(shù)據(jù)分析的方法,通過圖形判斷方程類型,如果圖形接近兩種方程的形式,則盡量采用較簡(jiǎn)單的類型。線性方程最為簡(jiǎn)單,非線性方程可通過變量置換轉(zhuǎn)化為線性方程進(jìn)行研究。
故設(shè)線性方程一般式:y=a+bt
根據(jù)最小二乘法原理,用以下方程組確定方程參數(shù)a,b值:
式中:y-為預(yù)測(cè)運(yùn)量
t-為時(shí)間序數(shù)
n-為觀察次數(shù)
a,b-為方程參數(shù)估計(jì)值
在變量y基的預(yù)測(cè)中,t是動(dòng)態(tài)數(shù)列中的時(shí)間序數(shù),為計(jì)算方便,對(duì)t作如下處理:
假設(shè)t=1,2,3…,將原點(diǎn)零移到數(shù)列的中間項(xiàng),即中間項(xiàng)為零,序數(shù)為奇數(shù)次時(shí),則分別為-1,-2,-3…-n 和+1,+2,+3…+n;當(dāng)序數(shù)為偶數(shù)項(xiàng)時(shí),則分別為-1,-3,-5…(1-2n)和+1,+3,+5…+(2n+1)。這樣處理的目的是通過正負(fù)相互抵消,使∑t=0,則方程組可以簡(jiǎn)化為:
從運(yùn)量圖表看出,J站的基本客流規(guī)律呈線性趨勢(shì)變化,故根據(jù)方程式(3),對(duì)J站第7序號(hào)y基進(jìn)行預(yù)測(cè)結(jié)果為:
a=∑y/n=32.2/6=5.3
b=∑t·y/∑t2=12.8/70=0.18
y基=5.3+0.18t=5.3+0.18×7=6.56(萬人)
解得a^、b^值代入y=a+bt中,便可得到預(yù)測(cè)方程式。
對(duì)J站2009年國(guó)慶客流的觀測(cè)值統(tǒng)計(jì)。先作y基的運(yùn)量實(shí)際圖表(見表2):
當(dāng)我們選用多種預(yù)測(cè)方法,獲得了多種預(yù)測(cè)數(shù)據(jù)時(shí),個(gè)別預(yù)測(cè)包含著偶然性,而在計(jì)算預(yù)測(cè)平均數(shù)時(shí),個(gè)別預(yù)測(cè)數(shù)的誤差可以相互抵消,從而透過偶然性,對(duì)其客流的真實(shí)變化規(guī)律作出一個(gè)概括的特征表述。因此,對(duì)J站點(diǎn)的y基選用兩種預(yù)測(cè)方法所得的預(yù)測(cè)值,取其算術(shù)平均值作為J站國(guó)慶客流的預(yù)測(cè)運(yùn)量,即:
y基=(6.87+6.56)/2=6.71(萬人)預(yù)測(cè)誤差為:
表2 y基的運(yùn)量實(shí)際圖表 單位:(萬人)
預(yù)測(cè)是通過已知事物對(duì)未來的發(fā)展進(jìn)行估計(jì)和推測(cè),慣性運(yùn)量就是在一定時(shí)期內(nèi),運(yùn)輸系統(tǒng)內(nèi)在結(jié)構(gòu)和相互之間各種聯(lián)系按照一定格局延續(xù),并保持其基本特點(diǎn)及發(fā)展的穩(wěn)定性。正是這種運(yùn)量慣性的特點(diǎn)為依據(jù)利用回歸法建立因果關(guān)系的預(yù)測(cè)模型和利用時(shí)間序列外攤法建立趨勢(shì)預(yù)測(cè)模型。所以,準(zhǔn)確選擇預(yù)測(cè)分析方法是提高預(yù)測(cè)精度的前提。
由于客流變化是一個(gè)動(dòng)態(tài)序列,它是受到社會(huì)、政治、經(jīng)濟(jì)、文化等各方面的因素影響而不斷變化的。在發(fā)展變化上常有類似性,利用事物與其它事物的發(fā)展變化在時(shí)間、地點(diǎn)、范圍以及其它諸多條件的不同,進(jìn)行相關(guān)性檢驗(yàn)、概率推算和預(yù)測(cè)因子的取值等。所以,有關(guān)方程的參數(shù)或類型也隨之而變化,故應(yīng)不斷地進(jìn)行修正參數(shù),建立動(dòng)態(tài)的預(yù)測(cè)模型來預(yù)測(cè)運(yùn)量。
運(yùn)用y基=f(y正)的關(guān)系或預(yù)測(cè)運(yùn)量,是以y基、y正的動(dòng)態(tài)數(shù)列為基礎(chǔ),如何選擇和處理統(tǒng)計(jì)數(shù)據(jù)直接影響著預(yù)測(cè)的準(zhǔn)確度。一般來說,動(dòng)態(tài)數(shù)列的選擇和處理有三條原則:
(1)清除前期數(shù)列中受偶然因素影響較大的數(shù)據(jù),會(huì)降低預(yù)測(cè)誤差。
(2)保留數(shù)列中受偶然因素影響較大的數(shù)據(jù),只清除前期數(shù)據(jù),會(huì)增加預(yù)測(cè)誤差。
(3)同時(shí)清除受偶然因素影響較大的數(shù)據(jù)和歷史的前期數(shù)據(jù),則預(yù)測(cè)誤差較小。