导读:本文包含了客运需求预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:需求预测,客运,模型,线性,神经网络,航空,高铁。
客运需求预测论文文献综述
邓鑫,陈慧阳[1]（2019）在《基于非线性回归模型的铁路客运需求预测》一文中研究指出铁路运输是我国运输业的重要基础,也是促进国民经济发展的中坚力量。本文利用一元非线性回归抛物线模型对2019年铁路旅客出行需求进行预测,预测结果可信度高,模型实用性强,并对预测结果进行分析,提出铁路客运优化对策。(本文来源于《西部皮革》期刊2019年18期）
徐梦瑶,赵鸣,李洋,安洋,张友浩[2]（2019）在《基于聚类与SVR的地区支线航空客运市场需求预测》一文中研究指出针对支线航空客运市场需求预测问题,某些地区(如海南)缺少足够的历史数据,难以建立准确的预测模型。本文提出基于聚类与支持向量机回归(Support Vector Regression,SVR)预测此类地区航空客运市场需求的方法。首先,基于中国各个地区支线航空客运市场需求的分布比,找出与海南分布比相似的地区,再应用系统聚类法在这些地区中找出与海南聚为一类的地区,作为类比地区。然后,选择类比地区的数据样本,通过K-fold交叉验证(K-fold Cross Validation,K-CV)寻优SVR参数,得到预测模型。最后,预测了2018～2020年海南支线航空客运市场需求,从而为其建设支线机场提供一定的决策参考和可靠的理论依据,具有一定的现实意义和应用价值。(本文来源于《智能计算机与应用》期刊2019年05期）
沈静瑶,曾小舟,邬国祥[3]（2019）在《中国民航客运市场需求预测的系统动力学模型研究》一文中研究指出民航运输发展所需基础投资建设周期长、投资大、专有性强,固定投资数量应与民航发展阶段规模相匹配,科学的需求预测是合理规划民航基础建设和机队建设的基础。运用系统动力学原理,分析航空客运需求内外影响因素,建立中国民航客运市场需求预测的系统动力学模型,因素考虑更加全面,精度提升明显。运用所建模型,基于我国经济社会发展水平,预测我国航空客运需求量将于2024年左右达到10亿人次。民航客运市场需求系统动力学模型,对于派生的民航运输长期需求预测与分析,具有普遍适用性和长效性。(本文来源于《华东交通大学学报》期刊2019年04期）
邢立文,董娟[4]（2019）在《基于季节ARIMA模型的铁路客运能力需求预测研究》一文中研究指出针对铁路客运资源时空配置不均衡问题,运用面板数据的非线性时间序列分析理论,构建了预测铁路客运能力的3种ARIMA模型,并运用客运区段内13个站点的客流量数据进行了实例分析。结论如下:季节ARIMA模型预测铁路客运能力显着性最强;铁路客运呈现出单周的季节波动,同时节假日对季节波动的影响显着。(本文来源于《山西科技》期刊2019年04期）
丛丛,李俊辉[5]（2019）在《基于多元线性回归模型的农村客运需求预测》一文中研究指出采用多元线性回归模型分析了农村客运需求的影响因素,找到主要因素,利用这些因素建立回归预测模型,对中国农村客运需求进行了短期预测,为中国公路客运的发展规划提供参考。(本文来源于《科技与创新》期刊2019年11期）
贾玉莲,王芬[6]（2019）在《我国航空客运市场需求预测》一文中研究指出航空运输市场需求预测是航空发展规划和决策的前提,预测结果的精度会对航空业的发展产生重要的影响。本论文利用弹性系数法分析了各影响因素对航空客运市场的影响程度,并选取相关重要指标构建回归模型对未来航空客运市场需求量进行预测。与普通的一元回归预测方法相比,本论文所采用的多元回归预测法综合考虑了几方面因素的共同影响,从而提高了最终预测值的可靠度。(本文来源于《管理观察》期刊2019年13期）
林友芳,尹康,党毅,郭晟楠,万怀宇[7]（2019）在《基于时空LSTM的OD客运需求预测》一文中研究指出客运需求预测是打造智能交通系统中的重要一环,精准的预测模型有助于预分配交通资源,改善用户出行体验.然而客运需求的动态时空特性导致准确预测客运需求具有很大的挑战.本文提出了一种基于时空长短期记忆网络(LSTM)的出发地—目的地(OD)客运需求预测模型(STLSTM-PDP),显式地建模了客运需求时间序列内部的时间依赖关系和序列之间的空间依赖关系,预测未来一段时间所有OD的客运需求量.在全国民航重点航线客运需求量数据集及某城市区域间出租车客运量数据集上进行了实验,结果表明:STLSTM-PDP模型优于其他现有的预测方法,其MAE比其他方法降低了4.4%～41.4%,RMSE降低了4.3%～49.1%.(本文来源于《北京交通大学学报》期刊2019年01期）
王晚香,刘文俭,李岩[8]（2019）在《基于灰色关联和多元回归预测的铁路客运需求分析及预测》一文中研究指出采用灰色关联法分析了铁路客运需求的影响因素,找出了主要因素,利用这些主要因素建立回归预测模型对我国铁路客运需求进行了短期预测,为我国铁路客运的发展规划提供参考.(本文来源于《大连交通大学学报》期刊2019年01期）
Priscila,Maria,Silva,Rodrigues[9]（2018）在《巴西的高速铁路项目：圣保罗和库里提巴城市客运需求预测的案例研究》一文中研究指出2011年,巴西交通部实施了国家物流和运输计划。它预计铁路网络对货运和旅客的扩张和重新构建约为50%。政府提出了一项高速铁路(HSR)项目,将坎皮纳斯,圣保罗和里约热内卢等城市的车辆平均时速为250公里/小时。另一个提议的高铁项目是连接库里提巴和圣保罗等城市,这是客运最繁忙的走廊之一,但是,现在很难找到专门用于这条可能的铁路线的研究,甚至是孤立的研究,专门分析需求这条走廊。由于政府对乘客实施这条新铁路线的兴趣,有必要进行许多研究来支持这一项目。需求预测研究对于支持构建项目的财务和运营建模至关重要。本文旨在获得不同的客运需求预测模型,并为库里提巴走廊-圣保罗选择更好的客运需求预测模型。作为该项研究的一部分,本文选取了两座城市之间交通运输系统的现状。为此,分析了公路和机场的表现,以及它们的问题和生理需求。为了在本研究中为预测需求预测合适的模型,提出了可用于估计铁路运输系统需求的方法,因素和变量的书目评述。总结了运输模型所需数据输入的概述,相关收集方法和运输模型开发中使用的技术。高速公路数据是根据年度政府报告提供的交通信息以及航空公司数据计算出来的。区域经济数据也被用来获取乘客需求的趋势。然后,运用经典的四阶段客运需求预测模型对客运需求预测的估计进行分析。在这个模型中,旅行生成阶段被设计为包括影响旅行频率的变量。旅行分配的目的是根据旅行生产的价值和各自的成本来确定每个目的地的引力因素。最后,选择模式模式被设计为基于用户特征(例如收入)和可用模式(例如旅行时间)来分配所有模式之间的旅行。用于校准的数据包括官方出版物的现有来源。现有的社会经济数据可在IBGE获得,而公布的资料为旅行时间和票价提供了资料。最后,介绍了有关未来工作的结论和一些建议,以及该研究局限性的报告。(本文来源于《北京交通大学》期刊2018-06-06）
张蕴琦,殷巍[10]（2018）在《基于EViews软件的县际客运需求分析预测》一文中研究指出客运量的增减是受诸多因素共同影响作用的结果。考虑从业人员、小型汽车数量、平均工资3个影响因素对客流量的影响,根据时间序列的数据资料,采用因果分析预测法中的多元回归分析预测法及时间序列预测法中的指数平滑法进行求解。以江门市的客运量为例,利用Eviews软件进行数据分析、回归、预测,建立预测模型推断出未来江门市县际客运需求的数值,并提出相应的对策建议,对未来客运量的需求预测具有一定的现实意义。(本文来源于《交通科技与经济》期刊2018年03期）
客运需求预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对支线航空客运市场需求预测问题,某些地区(如海南)缺少足够的历史数据,难以建立准确的预测模型。本文提出基于聚类与支持向量机回归(Support Vector Regression,SVR)预测此类地区航空客运市场需求的方法。首先,基于中国各个地区支线航空客运市场需求的分布比,找出与海南分布比相似的地区,再应用系统聚类法在这些地区中找出与海南聚为一类的地区,作为类比地区。然后,选择类比地区的数据样本,通过K-fold交叉验证(K-fold Cross Validation,K-CV)寻优SVR参数,得到预测模型。最后,预测了2018～2020年海南支线航空客运市场需求,从而为其建设支线机场提供一定的决策参考和可靠的理论依据,具有一定的现实意义和应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
客运需求预测论文参考文献
[1].邓鑫,陈慧阳.基于非线性回归模型的铁路客运需求预测[J].西部皮革.2019
[2].徐梦瑶,赵鸣,李洋,安洋,张友浩.基于聚类与SVR的地区支线航空客运市场需求预测[J].智能计算机与应用.2019
[3].沈静瑶,曾小舟,邬国祥.中国民航客运市场需求预测的系统动力学模型研究[J].华东交通大学学报.2019
[4].邢立文,董娟.基于季节ARIMA模型的铁路客运能力需求预测研究[J].山西科技.2019
[5].丛丛,李俊辉.基于多元线性回归模型的农村客运需求预测[J].科技与创新.2019
[6].贾玉莲,王芬.我国航空客运市场需求预测[J].管理观察.2019
[7].林友芳,尹康,党毅,郭晟楠,万怀宇.基于时空LSTM的OD客运需求预测[J].北京交通大学学报.2019
[8].王晚香,刘文俭,李岩.基于灰色关联和多元回归预测的铁路客运需求分析及预测[J].大连交通大学学报.2019
[9].Priscila,Maria,Silva,Rodrigues.巴西的高速铁路项目：圣保罗和库里提巴城市客运需求预测的案例研究[D].北京交通大学.2018
[10].张蕴琦,殷巍.基于EViews软件的县际客运需求分析预测[J].交通科技与经济.2018
论文知识图
