青島地鐵客流量預(yù)測(cè)模型的構(gòu)建及分析

劉先超，丁 月，肖凱迪

（青島黃海學(xué)院，山東 青島 266427）

0 引言

青島作為我國(guó)沿海地區(qū)非常重要的交通樞紐和旅游城市，流動(dòng)人口壓力使得青島需借助現(xiàn)代化的交通來(lái)緩解交通緊張狀況。青島地鐵3號(hào)線于2016年12月18日上午11時(shí)已全線開(kāi)通。本文基于時(shí)間序列模型對(duì)青島地鐵3號(hào)線客流量進(jìn)行預(yù)測(cè)，在預(yù)測(cè)結(jié)果基礎(chǔ)上，對(duì)地鐵運(yùn)營(yíng)商提出建議，以提高運(yùn)營(yíng)效率。

1 模型的建立及求解

1.1 ADF 單位根檢驗(yàn)

把青島地鐵3號(hào)線客流總量以天為單位進(jìn)行統(tǒng)計(jì)，借助EViews軟件，對(duì)青島地鐵3號(hào)線2017年8月8日－11月6日的客流總量做時(shí)序圖，如圖1所示（數(shù)據(jù)來(lái)源：青島市交通運(yùn)輸委員會(huì)）。

圖1 青島地鐵進(jìn)站客流量時(shí)序圖

由圖1知，9月、10月的地鐵客流量數(shù)據(jù)比較穩(wěn)定，主要圍繞一個(gè)數(shù)量值來(lái)回波動(dòng)，而8月份客流總量數(shù)據(jù)波動(dòng)較大，從總體上來(lái)看，地鐵客流總量保持在一條水平線上，整體上呈現(xiàn)以周為單位的周期性變化，周與周之間的波動(dòng)規(guī)律變化不大，周內(nèi)每天的波動(dòng)幅度較明顯，像9月4日－9月11日這周客流總量變化就比較明顯，周一到周五青島地鐵3號(hào)線客流總量保持在較高的水平，周末地鐵客流總量明顯有下降趨勢(shì)。

借助Eviews軟件對(duì)原始序列數(shù)據(jù)進(jìn)行ADF檢驗(yàn)，如表1所示。

表1 ADF單位根檢驗(yàn)

根據(jù)表1可知，原始數(shù)據(jù)的P＞0.05，那么可以推斷原始序列存在非常明顯的非平穩(wěn)性，季節(jié)差分后的P＜0.05，表明在5%的顯著水平下拒絕原假設(shè)，即季節(jié)差分后的序列是平穩(wěn)的，因此可以對(duì)其季節(jié)時(shí)間序列模型進(jìn)行分析。

圖2 穩(wěn)定序列自相關(guān)函數(shù)與偏自相關(guān)函數(shù)圖

由于原始序列經(jīng)過(guò)一階自然對(duì)數(shù)差分，消除了序列的趨勢(shì)，因此d＝1；經(jīng)過(guò)一階季節(jié)性差分，基本消除了季節(jié)性的變動(dòng)，因此D＝1。通過(guò)對(duì)圖2的觀察可知，偏自相關(guān)函數(shù)在滯后1階、7階處顯著不為零，因此p＝1。自相關(guān)函數(shù)在2階后才接近為零，表明MA過(guò)程應(yīng)該是低階的，因此q＝1。因?yàn)樵跍?階處，自相關(guān)函數(shù)和偏自相關(guān)函數(shù)都顯著地不為零，因此P＝1、Q＝1或者0。通過(guò)檢驗(yàn)，最終確定模型為 SARIMA（1，1，1）（1，1，0）7，對(duì)其檢驗(yàn)結(jié)果如表2圖3所示。

表2 模型檢驗(yàn)結(jié)果

從表 2可看出，AR、SAR、MA 所對(duì)應(yīng)的 p值均比 0.05小，因此通過(guò)了顯著性檢驗(yàn)。

2.3 預(yù)測(cè)結(jié)果及分析

結(jié)合上文構(gòu)建的模型SARIMA（1，1，1）（1，1，0）7，借 助Eviews軟件對(duì)2017年8月8日-2017年11月6日青島地鐵3號(hào)線的客流量進(jìn)行了預(yù)測(cè)，預(yù)測(cè)結(jié)果如下。

由圖3可知，靜態(tài)預(yù)測(cè)的數(shù)值大多數(shù)都高于實(shí)際值，9月份最為明顯，預(yù)測(cè)值的走勢(shì)與真實(shí)值的走勢(shì)大致相同。由圖4可知，大多數(shù)動(dòng)態(tài)預(yù)測(cè)的數(shù)值都高于實(shí)際值，預(yù)測(cè)值的走勢(shì)與真實(shí)值的走勢(shì)也大致相同。其中動(dòng)態(tài)預(yù)測(cè)的相對(duì)平均偏差小于靜態(tài)預(yù)測(cè)，由此也可以看出動(dòng)態(tài)預(yù)測(cè)能較好地預(yù)測(cè)客流量，且其實(shí)現(xiàn)長(zhǎng)期客流量預(yù)測(cè)，比靜態(tài)預(yù)測(cè)更具有優(yōu)勢(shì)。借助上文構(gòu)建的模型及2017年8月8日-2017年11月6日青島地鐵3號(hào)線的客流量數(shù)據(jù)預(yù)測(cè)2017年11月7日的青島地鐵3號(hào)線客流量數(shù)據(jù)，動(dòng)態(tài)預(yù)測(cè)客流量為201 879人，與實(shí)際值185 027偏差為9.1%，比靜態(tài)預(yù)測(cè)的偏差9.5%小。由此可見(jiàn)，對(duì)于青島地鐵3號(hào)線客流量的預(yù)測(cè)使用動(dòng)態(tài)預(yù)測(cè)更具有優(yōu)勢(shì)。

3 結(jié)語(yǔ)

青島地鐵3號(hào)線客流量呈現(xiàn)以周為單位的周期性波動(dòng)，周一到周五波動(dòng)范圍小，而周末呈下降趨勢(shì)，對(duì)青島其他地鐵線路以及其他城市地鐵線路來(lái)說(shuō)，可適當(dāng)改變客流組織周期性的應(yīng)對(duì)措施，從而進(jìn)一步提高運(yùn)營(yíng)效率；本文利用SARIMA模型對(duì)地鐵客流總量進(jìn)行短周期性的預(yù)測(cè)，可以較準(zhǔn)確地預(yù)測(cè)出客流量及波動(dòng)規(guī)律，提高了預(yù)測(cè)結(jié)果的真實(shí)性，使交通部門(mén)更好地把握客流量信息，對(duì)于其他城市，例如濟(jì)南、煙臺(tái)等地建造地鐵，也可采用該模型對(duì)客流量進(jìn)行預(yù)測(cè)，從而提高政府部門(mén)的服務(wù)質(zhì)量。

圖3 靜態(tài)預(yù)測(cè)值與實(shí)際值對(duì)比圖

注：指導(dǎo)教師為楊英超、薛靖峰。

主要參考文獻(xiàn)

［1］袁蘭蘭.全國(guó)鐵路客運(yùn)量的時(shí)間序列模型［J］.新鄉(xiāng)學(xué)院學(xué)報(bào)，2017，34（9）：7－9.

［2］陳燦煌.基于SARIMA模型的中國(guó)農(nóng)產(chǎn)品價(jià)格指數(shù)短期預(yù)測(cè)［J］.湖南商學(xué)院學(xué)報(bào)，2016，23（2）：16－20.

［3］焦亮，李文杰，趙超敏，等.基于 Eviews的季節(jié)時(shí)間序列（SARIMA）預(yù)測(cè)模型［J］.河南預(yù)防醫(yī)學(xué)雜志，2015，26（5）：349－352.