曹志成,劉伊生,董繼偉
(北京交通大學(xué)經(jīng)濟(jì)管理學(xué)院,北京100044)
隨著我國高速鐵路建設(shè)的不斷發(fā)展,高速鐵路以其載客數(shù)量大、耗時(shí)少、安全性強(qiáng)、正點(diǎn)率高等特點(diǎn)吸引著越來越多的旅客作為其出行的首選交通方式。據(jù)統(tǒng)計(jì),2008—2017年我國鐵路旅客發(fā)送量年均增長8.70%,鐵路旅客發(fā)送量呈現(xiàn)逐年增長的態(tài)勢。只有鐵路的運(yùn)輸能力匹配客運(yùn)需求,才能確保鐵路營運(yùn)暢通,提高運(yùn)輸質(zhì)量[1]。因此,科學(xué)有效地預(yù)測鐵路旅客發(fā)送量,有利于鐵路資源合理配置,促進(jìn)我國鐵路運(yùn)輸健康發(fā)展[2]。
目前,鐵路旅客發(fā)送量預(yù)測的研究方法主要采用線性回歸分析、灰色預(yù)測法、馬爾科夫預(yù)測模型、神經(jīng)網(wǎng)絡(luò)模型等。例如,陳鵬等[3]采用灰色GM (1,1)模型和馬爾科夫模型相結(jié)合形成的一種新的灰色馬爾科夫鐵路客運(yùn)量預(yù)測模型對鐵路客運(yùn)量進(jìn)行預(yù)測;郝軍章等[2]建立SARIMA模型,并經(jīng)過逐期差分和季節(jié)差分后最終建立ARIMA (1,2,2)×(1,1,1)6模型,并對我國鐵路客運(yùn)量進(jìn)行預(yù)測;侯麗敏等[4]運(yùn)用灰色預(yù)測理論構(gòu)建灰色模型GM (1,1)與線性回歸相結(jié)合的數(shù)學(xué)模型,并對河南省的鐵路客運(yùn)量進(jìn)行了預(yù)測;楊祺煊[5]針對鐵路客運(yùn)量變量關(guān)系復(fù)雜、影響因素多的特點(diǎn),建立了主成分分析與GA-BP網(wǎng)絡(luò)相結(jié)合的預(yù)測模型,并對天津鐵路客運(yùn)量進(jìn)行了預(yù)測;王梟[6]提出了一種優(yōu)化的遺傳算法模型,并對我國鐵路旅客發(fā)送量進(jìn)行了預(yù)測。上述方法雖然對我國鐵路旅客發(fā)送量進(jìn)行了較好預(yù)測,但存在可信度低、周期長[7]等缺點(diǎn)。三次指數(shù)平滑法能夠根據(jù)時(shí)序的變化,清晰地顯示出時(shí)序的變化趨勢,對波動范圍較大且呈非線性變化規(guī)律的數(shù)據(jù)具有很強(qiáng)的適用性,具有預(yù)測可信度較高、基礎(chǔ)數(shù)據(jù)周期要求短、操作便捷且使用方便等優(yōu)點(diǎn),而鐵路旅客發(fā)送量數(shù)據(jù)具有一定的波動性,并呈現(xiàn)出一定的非線性變化趨勢。因此,選用三次指數(shù)平滑法對鐵路旅客發(fā)送量進(jìn)行預(yù)測,并通過實(shí)例驗(yàn)證其適用性。
指數(shù)平滑法是一種時(shí)間序列分析預(yù)測法,該方法是通過計(jì)算指數(shù)的平滑值,結(jié)合合理的時(shí)間序列預(yù)測模型,根據(jù)目前的現(xiàn)狀數(shù)據(jù)對未來趨勢進(jìn)行預(yù)測。三次指數(shù)平滑法是指數(shù)平滑法的一種,適用于時(shí)間序列呈現(xiàn)拋物線趨勢的非線性數(shù)據(jù),使用便捷,在各個(gè)領(lǐng)域均有應(yīng)用[8]。
以n年為原始時(shí)間序列的期數(shù),即選取鐵路旅客發(fā)送量數(shù)據(jù)的期數(shù)。記Xt為第t年的鐵路旅客實(shí)際發(fā)送量(t= 1,2,…,n),預(yù)測未來年的鐵路旅客發(fā)送量。
構(gòu)建基于三次指數(shù)平滑法的鐵路旅客發(fā)送量預(yù)測模型為
式中:Yt+T為當(dāng)期鐵路旅客發(fā)送量預(yù)測值;T為預(yù)測超前期數(shù);at,bt,ct為第t年的預(yù)測系數(shù);分別為第t年對應(yīng)的一次、二次、三次指數(shù)平滑值;α為權(quán)重系數(shù),且分別為一次、二次、三次指數(shù)平滑的平滑初始值。
(1)確定初始值。在一般的指數(shù)平滑法預(yù)測過程中,當(dāng)原始時(shí)間序列的期數(shù)較多(一般為大于15項(xiàng))時(shí),可認(rèn)為初始值對預(yù)測結(jié)果產(chǎn)生的影響較小,因而選擇原始數(shù)列第1期的實(shí)際數(shù)據(jù)值作為初始值;當(dāng)原始時(shí)間序列的期數(shù)較少(一般為小于15項(xiàng))時(shí),可認(rèn)為初始值對預(yù)測結(jié)果產(chǎn)生的影響較大,因而一般選擇原始數(shù)據(jù)前3期的平均值作為初始值。
(2)選擇權(quán)重系數(shù)。權(quán)重系數(shù)α是在預(yù)測過程中,新舊數(shù)據(jù)起不同作用的比例因子[9],0 <α< 1。α越大,表明預(yù)測中對新數(shù)據(jù)重視度越高,新數(shù)據(jù)所起作用越大,預(yù)測結(jié)果的靈敏度越高,適應(yīng)新水平能力越好;α越小,表明預(yù)測中對舊數(shù)據(jù)的重視程度越高,預(yù)測結(jié)果比較保守,對實(shí)際數(shù)據(jù)的變動反應(yīng)較遲緩,易于產(chǎn)生滯后性。通常情況下,α取值的規(guī)律為:當(dāng)時(shí)間序列呈現(xiàn)較穩(wěn)定的水平趨勢時(shí),選取較小的α值,一般在0.05 ~ 0.2之間取值;當(dāng)時(shí)間序列有波動,但長期趨勢變化不大時(shí),選取稍大的α值,一般在0.3 ~ 0.5之間取值;當(dāng)時(shí)間序列波動很大,長期趨勢變化幅度較大,呈現(xiàn)明顯且迅速的上升或下降趨勢時(shí),選取較大的α值,一般在0.6 ~ 0.8之間取值。
(3)進(jìn)行數(shù)據(jù)預(yù)測。①將求得的初始值與權(quán)重系數(shù)α代入公式 ⑸ 至公式 ⑺,得出一次、二次、三次平滑修勻新數(shù)列值;②根據(jù)公式 ⑵ 至公式 ⑷計(jì)算各年的預(yù)測系數(shù),為三次指數(shù)平滑計(jì)算提供基礎(chǔ);③根據(jù)三次指數(shù)平滑公式 ⑴,選取合適的預(yù)測超前指數(shù),對未來數(shù)據(jù)進(jìn)行預(yù)測,并得到最終的結(jié)果。
以我國鐵路旅客發(fā)送量的預(yù)測為例,選取2008—2017年我國鐵路旅客發(fā)送量數(shù)據(jù)作為原始數(shù)據(jù)樣本,預(yù)測2018年、2019年我國鐵路旅客發(fā)送量數(shù)據(jù)。
2008—2017年我國鐵路旅客發(fā)送量如表1所示。
表1 2008—2017年我國鐵路旅客發(fā)送量 萬人Tab.1 National railway passenger volume from 2008 to 2017
根據(jù)表1中2008—2017年我國鐵路旅客發(fā)送量數(shù)據(jù)可看出原始時(shí)間序列的期數(shù)n= 10,小于15,因而選擇原始數(shù)據(jù)的前3者取平均值作為平滑初始值,可得
將表1中的原始數(shù)據(jù)代入公式⑻可得
為了觀測2008—2017年我國鐵路旅客發(fā)送量的變化情況,計(jì)算出每年鐵路旅客量的變化值,即相鄰2年旅客量的差值。通過計(jì)算得到2008—2017年我國鐵路旅客發(fā)送量變化值如表2所示。
表2 2008—2017年我國鐵路旅客發(fā)送量變化值 萬人Tab.2 Variation value of railway passenger transport in China from 2008 to 2017
可以看出,我國鐵路旅客發(fā)送量存在波動,除2008—2009年和2011—2012年2個(gè)時(shí)間段的波動較大以外,其他時(shí)間段的斜率值基本穩(wěn)定在2 000左右,因而長期趨勢變化不大,α可在0.3~0.5之間取值。在實(shí)際的權(quán)重系數(shù)確定過程中,通常情況下會在取值范圍內(nèi)選擇幾個(gè)α進(jìn)行試算,之后根據(jù)實(shí)際數(shù)據(jù)與預(yù)測結(jié)果比較后,選擇誤差較小者。為了選擇準(zhǔn)確的α值,分別選取α= 0.3,α=0.4,α= 0.5對我國鐵路旅客發(fā)送量進(jìn)行預(yù)測,α=0.3,α= 0.4,α= 0.5時(shí)預(yù)測值與實(shí)際值對比結(jié)果如表3所示。
由表3可以看出α= 0.5時(shí),預(yù)測值與實(shí)際值的誤差較小,且2016、2017年的預(yù)測值基本上與實(shí)際值相差無幾,預(yù)測誤差分別為0.86%、0.42%。因此,選用α= 0.5作為預(yù)測權(quán)重系數(shù)。
表3 α = 0.3,α = 0.4,α = 0.5時(shí)預(yù)測值與實(shí)際值對比結(jié)果萬人Tab.3 Comparison between predicted value and actual value at α = 0.3, α = 0.4, α = 0.5
(1)預(yù)測結(jié)果與實(shí)際數(shù)據(jù)比較分析。為了分析實(shí)際數(shù)據(jù)與預(yù)測結(jié)果之間是否具有較高的相關(guān)性,對2009—2017年的實(shí)際數(shù)據(jù)與預(yù)測結(jié)果采用皮爾遜相關(guān)系數(shù)進(jìn)行檢驗(yàn),皮爾遜相關(guān)系數(shù)是一種度量2組數(shù)據(jù)相關(guān)程度的方法。運(yùn)用SPSS對數(shù)據(jù)進(jìn)行分析處理后得到α= 0.05時(shí)實(shí)際值與預(yù)測值相關(guān)性的計(jì)算表。實(shí)際值與預(yù)測值相關(guān)性計(jì)算表如表5所示。
表4 三次指數(shù)平滑法預(yù)測值Tab.4 Predictive value of cubic exponential smoothing method
由表5可知,實(shí)際值與預(yù)測值相關(guān)系數(shù)R= 0.988,表明實(shí)際值與預(yù)測值顯著相關(guān)。概率值P = 0.000 <0.05,即說明實(shí)際值與預(yù)測值之間存在顯著相關(guān)性。
為分析實(shí)際數(shù)據(jù)與預(yù)測結(jié)果是否有較大的差異性,采用F檢驗(yàn)來判斷2009—2017年的實(shí)際值與預(yù)測結(jié)果之間的差異性程度。運(yùn)用Excel對數(shù)據(jù)進(jìn)行分析處理,得到實(shí)際值與預(yù)測值差異性計(jì)算表如表6所示。
表5 α = 0.05時(shí)實(shí)際值與預(yù)測值相關(guān)性計(jì)算表Tab.5 Correlation between actual value and predicted value at α = 0.05
表6 α = 0.05時(shí)實(shí)際值與預(yù)測值差異性計(jì)算表Tab.6 Difference between actual value and predicted value at α = 0.05
由表6可知,F(xiàn) = 0.008 456,F(xiàn) crit = 4.600 11,F(xiàn) < F crit,表明F值在α= 0.05的水平上不顯著,即實(shí)際值與預(yù)測值在α= 0.05的水平上不存在顯著的差異性。由此可知,預(yù)測結(jié)果與實(shí)際數(shù)據(jù)具有顯著的相關(guān)性和不顯著的差異性,因而預(yù)測結(jié)果可信度較高。
(2)預(yù)測結(jié)果精確度分析。從目前已有的實(shí)際值與計(jì)算出的預(yù)測值的誤差分析可以得出整體預(yù)測誤差為4.47%,2016年、2017年實(shí)際值與預(yù)測值的誤差分別為0.86%和0.42%,誤差極小,由此可知,采用三次指數(shù)平滑法預(yù)測鐵路旅客發(fā)送量具有較高精度。
對于2018年、2019年的預(yù)測結(jié)果,從預(yù)測誤差方面看,根據(jù)三次指數(shù)平滑法的短周期的特點(diǎn),預(yù)測出的2018年、2019年的數(shù)據(jù)誤差應(yīng)該靠近2016年、2017年的誤差,初步判斷2018年、2019年2年的預(yù)測誤差應(yīng)在1%~5%之間;從預(yù)測數(shù)字方面看,未來2年的旅客發(fā)送量呈現(xiàn)出較為穩(wěn)定的上升趨勢,旅客數(shù)量將不斷增加,鐵路相關(guān)部門應(yīng)該采取相應(yīng)的措施,保證出行旅客數(shù)量與鐵路運(yùn)輸能力的匹配,使我國的鐵路旅客運(yùn)輸能夠安全、健康、有秩序地運(yùn)行。
鐵路旅客發(fā)送量的預(yù)測是鐵路客運(yùn)部門編制客運(yùn)計(jì)劃和制定客運(yùn)發(fā)展政策的基礎(chǔ),是一項(xiàng)具有重要意義的工作。由于鐵路旅客發(fā)送量的數(shù)據(jù)具有一定的波動性,鐵路旅客發(fā)送量的預(yù)測往往難以達(dá)到絕對精準(zhǔn)。將三次指數(shù)平滑法模型應(yīng)用到我國鐵路旅客發(fā)送量的預(yù)測中,避免了其他預(yù)測方法冗雜、繁復(fù)的問題,且預(yù)測結(jié)果分析表明,三次指數(shù)平滑法預(yù)測結(jié)果整體上精度較高、效果較好。三次指數(shù)平滑法僅僅基于數(shù)據(jù)對鐵路旅客發(fā)送量進(jìn)行預(yù)測,而在大多數(shù)情況下,鐵路旅客發(fā)送量是受多種復(fù)雜因素影響的,在今后的研究中,應(yīng)考慮多種主客觀因素對鐵路旅客發(fā)送量預(yù)測產(chǎn)生的影響。