1、Evaluation Warning: The document was created with Spire.Doc for .NET.城市交通客運量統計分析與建模預測研究城市交通客運量統計分析與建模預測研究一、摘要：本文針對山東省各城市近幾年交通運輸客運量的變化趨勢，在充分考慮和分析影響交通客運量的因素之后，就客運量和貨運周轉量與總人口、生產總值、批發零售量之間的相關性運用回歸分析法進行分析，研究了交通客運量的統計特征，建立了多元非線性回歸方程，運用MATLAB軟件對方程進行求解得到合理的回歸系數，從而求得非線性回歸方程，并用F檢驗法對相關性進行檢驗，求得置信區間。暗同時運用SP瓣SS軟件

2、對交鞍通客運量建立氨時間序列模型案進行求解并求靶得客運量和貨敖運量的預測值懊，對各市交通佰運輸量的影響俺因素進行聚類拌分析，并依此氨為依據對凹交通管理部門搬提出合理建議拔，最后對交通班運輸客運量和佰貨運量的預測擺值的準確性和疤可取性經行評骯價。關鍵詞爸：癌回歸分析皚 MATLA巴B耙F檢驗埃置信區間澳 SPSS 熬時間序列 吧聚類分析把 預測值霸二、藹問題的提出擺：笆近年來，隨著俺我國社會經濟擺的快速發展，阿交通運輸客運隘量出現迅速增柏長的趨勢。胺受社會經濟發鞍展水平、人口斑總量、經濟結礙構、產業布局隘以及綜合交通疤運輸網絡拓展吧程度等諸多因百素的影響，交叭通客運量表現昂隨機性的復雜背波動特征

3、。如斑何科學組織運靶力、建立完善啊的交通體系，案進一步提高交背通運輸規劃與柏社會經濟發展斑的適應性，提辦高交通運輸設盎施的投資和運隘營效益，對于懊促進社會穩定敗以及構建和諧敖社會均具有重襖要意義。皚三、模型的假皚設和符號系統隘：背（一）、模型埃的假設捌1、假設山東邦省人口在未來板幾年中健康平阿穩變化，不會板出現人口老齡頒化問題般2、假設山東澳省經濟水平健懊康平穩發展，唉經濟發展趨勢笆幾乎不受金融伴危機的影響拔3、假設山東俺省的經濟結構絆不會發生很大耙的調整與變化稗，即產業結構拔變化不大捌4、假設山東艾省交通運輸網拔不會發生很大拔的變動，即修按建地鐵的可能捌性不大壩5、捌假設城市中的背道路狀況十

4、分拜良好，沒有房叭屋拆遷，道路伴、橋梁的維修癌和捌破壞，特定道捌路的管制通行唉或者占道，交瓣通事故等影響艾因素柏6、拔私家車、公交壩車等不同車輛白同等看待胺（二）、數學暗符號的說明芭y1 凹岸頒旅客運量為因癌變量 笆y2半巴靶周轉量為因變半量胺x1懊班耙自變量總人口傲x2挨擺巴自變量批發零擺售為半x3笆絆挨自變量生產總澳值為 背Syy骯拔唉y的總變差邦Q-y稗啊靶剩余平方和或胺誤差平方和藹Y扒i班氨骯客運量和周轉捌量的取值 案 板F=U/Q襖礙伴F版檢驗法骯r笆伴矮伴擬合優度r氨2=u/Sy拔y=1-Q/絆Syy俺四、模型的建班立與求解笆1.敖客運量、貨運案周轉量與總人把口、生產總值壩、批發零

5、售量版之間胺的盎相關盎性艾分析耙兩個變量之間岸的高度相關關扒系把,八有時并不是這版兩個變量本身絆的內在聯系所昂決定的唉,隘它完全可能由捌另外一個變量扒的媒介作用而爸形成高度相關矮。所以唉,癌我們絕不能只啊根據相關系數癌很大哀,矮就認為兩者變班量之間有直接矮內在的線性聯拔系。此時要準胺確地反映兩個巴變量之間的內伴在聯系敖,懊就不能簡單的搬計算相關系數矮,搬而是需要考慮頒偏相關系數。霸偏相關系數是稗在對其他變量絆的影響進行控絆制的條件下半,芭衡量多個變量八中某兩個變量爸之間的線性相凹關程度的指標跋。所以擺,跋用偏相關系數絆來描述兩個變唉量之間的內在岸線性聯系會更背合理、更可靠吧。偏相關系數骯不同于

6、簡單相班關系數。在計辦算偏相關系數襖時捌,芭需要掌握多個叭變量的數據唉,壩一方面考慮多襖個變量之間可埃能產生的影響白,礙另一方面又采八用一定的方法八控制其他變量板,礙專門考察兩個按特定變量的凈氨相關關系。在敖多變量相關的皚場合按,阿由于變量之間辦存在錯綜復雜啊的關系斑,叭因此偏相關系翱數與簡單相關懊系數在數值上艾可能相差很大啊,版有時甚至符號搬都可能相反熬偏相關系數的跋取值與簡單相瓣關系數一樣俺,啊相關系數絕對把值愈大盎(埃愈接近扮1) ,熬表明變量之間吧的線性相關程耙度愈高般;藹相關系數絕對捌值愈小擺,辦表明變量之間佰的線性相關程熬度愈低隘總收入的與客瓣運量的相關性把偏自相關疤序列拔: 叭總

7、收入澳滯后般偏自相關絆標準拔誤差班1叭.849暗.189拜2澳-.020耙.189罷3巴-.038伴.189藹4挨-.060爸.189搬5胺-.034邦.189耙6爸-.022板.189藹7傲-.034笆.189巴8辦-.035耙.189伴9叭-.041笆.189斑10叭-.043罷.189巴11壩-.025百.189哎12爸-.040瓣.189疤13絆-.039瓣.189挨14八-.056佰.189熬15叭-.073挨.189稗16皚-.071凹.189俺進過阿以上的相關性扳分析可知在滯爸后系數最小的笆情況下客運量皚與總收入偏自柏相關系數為0瓣.849很接吧近1，且標準阿誤差為0.1搬89接

8、近0，辦因此可以認為班客運量與人口案總收入具有高氨度相關性。挨批發運輸量跋與客運量的相般關性吧偏自相關擺Series跋: 板批發運輸半量礙Lag耙Partia八l Auto暗correl芭ation半Std. E頒rror癌1板.879唉.137岸2巴-.033傲.137絆3拜-.025把.137挨4哀.014瓣.柏137唉5版-.012稗.137鞍6捌-.042跋.137矮7傲-.058鞍.137胺8巴-.049斑.137邦9拌-.034巴.137把10懊-.017襖.137伴11藹.016背.137半12罷.024爸.137癌13半-.013霸.137搬14凹-.006擺.137捌15頒-

9、.011隘.137霸16罷-.017案.137捌進過般以上的相關性把分析可知在滯襖后系數最小的啊情況下客運量按與批發運輸量笆的偏自相關系哎數為0.87阿9很接近1，疤且標準誤差為般0.137接俺近0，因此可芭以認為客運量芭與批發運輸量奧具有高度相關板性。礙總人口澳與客運量的相礙關性爸偏自相關挨Series唉: 唉總人口百Lag吧Partia跋l Auto伴correl八ation跋Std. E捌rror叭1奧.952礙.128鞍2霸.005礙.128拔3半-.019矮.128安4癌-.016唉.128八5瓣-.020昂.128唉6芭-.024搬.128柏7耙-.014盎.128暗8岸-.031

10、半.128敖9盎-.052版.128奧10芭-.090阿.128哀11礙-.040霸.128敖12艾-.020傲.128鞍13疤-.017搬.128柏14靶-.048柏.128笆15哀-.033巴.128背16疤-.025癌.128疤進過敖以上的相關性翱分析可知在滯稗后系數最小的靶情況下客運量叭與總人口的偏敖自相關系數為熬0.952很岸接近1，且標班準誤差為0.白128接近0凹，因此可以認癌為客運量與總霸人口具有高度稗相關性。般經過以上伴客運量、貨運百周轉量與總人柏口、生產總值柏、批發零售量邦之間的性關系絆分析班可知他們之間傲有高度相關性辦，即可知唉總人口、生產佰總值、批發零擺售量笆是主要的影

11、響叭因子，辦對罷客運量、貨運拜周轉量與總人唉口、生產總值拜、批發零售量襖之間的相關性搬建立回歸模型白，建立多元非稗線性回歸方程頒經行求解過程敖如下：盎在已經給定的癌客運量、貨運般周轉量、總人霸口、生產總值頒、批發零售量敗的表中，依據捌圖像的分布規笆律的合理性選氨取六組數據如捌下表：傲年份捌客運量捌周轉量稗生產總值搬批發零售頒總人口暗1952暗1196艾1553安43.81扳2.72盎4827胺1960礙5911叭4717藹71.37矮4.68半5188懊1968隘5933斑5421拌99.34版3.77伴6086啊1976啊7614埃6996耙179.58佰4.4鞍7038翱1984熬1730

12、9稗17058稗581.56啊37.97邦7637巴1992骯33920敖35164癌2196.5斑3拌200.93岸8580絆2008百213387扒141867懊15021.奧84傲1431.5安8辦9392建立矩陣方程巴i=1皚，背2熬，艾3頒，熬4氨，熬5奧，敗6笆利用MATL芭AB進行求解白最后得到多元啊非線性回歸方佰程分別如下艾：藹其中Y1表示哀客運量，Y2辦表示貨運量芭，得到這兩個佰回歸方程用于礙后面檢驗預測疤值的準確度。般2.按對客運量、貨叭運量、客運周胺轉量、貨運周安轉量分別建立叭時間序列模型班并依次對其求板解哎，過程如下：客運總量線性耙模型匯總拔R盎R 翱方疤調整跋 R 叭

13、方搬估計值的標準稗誤扳.748耙.560吧.552般40527.辦581疤自變量為捌年份。吧ANOVA艾平方和笆df拔均方扳F跋Sig.壩回歸霸121002版695288哎.537伴1靶121002笆695288氨.537靶73.671奧.000盎殘差斑952641敗21420.按796傲58襖164248笆4852.0芭83啊總計絆21626疤681670八9.333叭59骯自變量為襖年份。藹系數暗未標準化系數瓣標準化系數拌t胺Sig.白B般標準誤藹Beta埃年份昂2593.1半14般302.11澳7爸.748凹8.583暗.000安（常數）安-50982俺30.900擺598667鞍.14

14、4皚-8.516爸.000把Logist吧i艾模型匯總哎R藹R 壩方挨調整案 R 巴方拔估計值的標準罷誤叭.979凹.959班.959辦.279白自變量為靶年份。昂ANOVA擺平方和叭df癌均方擺F頒Sig.哀回歸爸106.94啊0擺1案106.94罷0佰1369.5盎29案.000安殘差跋4.529埃58跋.078稗總計霸111.46般9巴59般自變量為胺年份。邦系數胺未標準化系數敗標準化系數半t吧Sig.版B襖標準誤罷Beta八年份伴.926扒.002柏.376翱480.05把6扳.000唉（常數）辦1.346E挨+062拌5.556E傲+062啊.242擺.809翱因變量為稗 ln(1

15、拜/ 案客運總量案)伴。貨運總量線性搬模型匯總般R礙R 爸方佰調整胺 R 安方盎估計值的標準拔誤唉.787頒.61隘9岸.613班46753.壩030班自變量為扳年份。笆ANOVA絆平方和罷df敗均方百F班Sig.柏回歸般217073翱438685礙.613岸1罷217073捌438685敖.613佰99.309皚.000阿殘差按133336白596247般.816盎61壩218584凹5840.1扒28暗總計稗350410邦034933佰.429巴62熬自變量為壩年份。瓣系數哀未標準化系數扒標準化系數稗t班Sig.癌B耙標準誤皚Beta挨年份啊3228.0絆32澳323.92扳5捌.787板

16、9.安965傲.000澳（常數）按-63377敗31.204癌641398斑.273跋-9.881扒.000傲Logist懊ic埃模型匯總耙R吧R 阿方伴調整搬 R 絆方敗估計值的標準靶誤捌.972凹.944胺.943邦.356瓣自變量為扮年份。背ANOVA傲平方和佰df霸均方胺F昂Sig.罷回歸隘130.13拌0挨1跋130.13版0搬1027.0凹32襖.000跋殘差搬7.729吧61啊.127佰總計皚137.85隘9藹62俺自變量為藹年份。哎系數奧未標準化系數哀標準化系數絆t藹Sig.半B扮標準誤吧Beta吧年份敗.924扳.002挨.378昂405.47捌9礙.000翱（常數）般4.2

17、60E擺+063皚2.080E芭+064按.205拔.838絆因變量為拜 ln(1 八/ 扮貨運總量敖)稗?？瓦\總周轉量線性艾模型匯總拜R案R 扮方安調整奧 R 耙方跋估計值的標準拌誤瓣.807哎.652皚.645唉25572.邦487哎自變量為般年份。巴回歸鞍673233敖59190.八995般1暗673233芭59190.熬995埃102.94罷8背.000扒殘差靶359673哀64擺280.26壩8隘55敗653952熬077.82伴3板總計哎103290懊723471疤.263皚56班自變量為岸年份。斑系數斑未標準化系數熬標準化系數癌t礙Sig.佰B百標準誤斑Beta敖年份跋1953.

18、3鞍23稗192.51矮5骯.807壩10.146壩.000跋（常數）佰-38375奧94.060頒381589岸.456芭-10.05頒7瓣.000澳Logist叭ic唉模型匯總百R氨R 皚方案調整皚 R 阿方跋估計值的標準哀誤拔.982爸.965捌.964案.246扳自變量為伴年份。敗ANOVA瓣平方和半df擺均方傲F跋Sig.稗回歸跋91.902芭1俺91.902般1514.1伴46壩.000熬殘差啊3.338半55瓣.061盎總計澳95.240挨56霸自變量為芭年份。吧系數稗未標準化系數岸標準化系數扮t吧Sig.巴B安標準誤耙Beta隘年份凹.930爸.002跋.374盎539.17背

19、5伴.000矮（常數）凹8.382E挨+057矮3.081E案+058壩.272邦.787壩因變量為跋 ln(1 百/ 罷客運總周轉量岸)皚。貨運周轉量線性敗模型匯總矮R版R 頒方奧調整皚 R 翱方捌估計值的標準礙誤笆.702哀.492俺.484扳218912翱.029跋自變量為挨年份。礙回歸爸273996翱089467挨2.833埃1癌273996案089467班2.833敗57.175盎.000啊殘差啊282742爸611543八6.937按59跋479224邦76532.斑829版總計班556738扒701010挨9.770安60伴自變量為扮年份。敗系數爸未標準化系數八標準化系數暗t哎S

20、ig.拜B搬標準誤瓣Beta笆年份把115皚09.943拌1522.1盎96靶.702辦7.561頒.000?。ǔ担┌}-22623挨364.57藹2叭301450版2.812捌-7.505案.000耙Logist八ic骯模型匯總暗R辦R 斑方熬調整皚 R 啊方叭估計值的標準扳誤敗.975案.951藹.950敗.381白自變量為板年份。拔ANOVA氨平方和把df礙均方拌F耙Sig.芭回歸邦166.75唉1伴1佰166.75氨1礙1149.0白05班.000埃殘差暗8.562安59暗.145辦總計絆175.31搬4頒60奧自變量為伴年份。佰系數稗未標準化系數般標準化系數艾t骯Sig.扳B皚標準誤

21、扮Beta澳年份扒.914拌.002胺.377巴377.50凹8罷.000般（常數）搬3.845E鞍+072班2.017E埃+073熬.191爸.849吧因變量為伴 ln(1 埃/ 擺貨運周轉量柏)爸。巴五、交通客運稗量變化趨勢的柏預測翱基于時間序列白模型運用時間癌序列分析法對隘山東省總的客敗運量和周轉量擺以及其他各地翱客運量和周轉爸量的變化趨勢啊經行預測，過傲程如下：礙（一）運用時柏間序列分析法暗對山東省交通凹客運量和周轉斑量的預測如下版：客運量單位：(萬)拌Model版2012把2013凹2014柏2015佰2016隘2017爸客運總量伴-耙模型頒_1癌Foreca皚st般276954暗3

22、06240白338623拌374430拜414024伴457804霸UCL跋364892癌449594壩538900艾636795搬745644癌867463哎LCL哎205954癌200235艾200114懊202867胺207542伴213704邦Foreca跋st拔Model版2018巴2019拔2020俺客運總量搬-翱模型把_1矮For岸ecast半506214柏559743笆618932懊UCL班100424背3癌115808絆3瓣133125岸5班LCL暗221132芭229708八239376白對于每個模型板，預測的范圍笆要求估計期間鞍的最后一個非傲缺失，去年同扒期非缺失的所捌有

23、預測值或要佰求預測期的結藹束日期結束后白開始，（以較跋早者為準）。挨客運總量的觀艾測值、合適值矮、置信區間上霸、下值、預測跋值表罷客運周轉量的白預測凹Foreca班st鞍Model昂2012胺2013稗2014扮2015熬2016阿2017耙客運總周轉量八-奧模型板_1敖Foreca藹st捌189186礙207186霸226897罷248484鞍272125昂298015懊UCL埃244800背296746伴350592岸408737唉472492敗542905稗LCL擺143639拜139618隘139241罷140724敗143437鞍147088稗Foreca芭st班Model背2018

24、艾2019拌2020隘客運總周轉量罷-懊模型版_1叭Foreca艾st耙326368藹357419阿391423暗UCL八620964板707678白804119熬LCL熬151522昂156657鞍162446ForecastModel201220132014201520162017客運總周轉量-模型_1Forecast189186207186226897248484272125298015UCL244800296746350592408737472492542905LCL143639139618139241140724143437147088ForecastModel20182019202

25、0客運總周轉量-模型_1Forecast326368357419391423UCL620964707678804119LCL151522156657162446癌客運氨周轉量靶的觀測值、合骯適值、置信區疤間上、下值、啊預測值表鞍（二）運用時敗間序列分析法癌對山東省其他壩各城市扒交通客運量和百周轉量的預測八：阿Model襖年份百2011矮2012跋2013骯2014癌2015按2016扮濟南瓣-板模型板_1熬Foreca白st罷10302吧10102胺9902啊970澳1翱9501扳9301稗UCL拜11984澳11792壩11600拜11408扒11216俺11024昂LCL邦8620襖841

26、2搬8203艾7994靶7786傲7577骯青島稗-澳模型邦_2疤Foreca矮st半20506胺20506壩20506柏20506俺20506凹20506版UCL版24844敖24844奧24844伴24844熬24844瓣24844熬LCL耙16168暗16168岸16168吧16168搬16168搬16168捌淄博扮-伴模型版_3敗Foreca癌st皚12233絆9756白7278唉4801吧2323矮-154板UCL扳17578扮17314叭16536藹15490敗14275傲12938懊LCL靶6889敖2197辦-1979拔-5888捌-9628芭-13246擺東營稗-俺模型安_4

27、岸Foreca隘st扒2251昂2088爸1925阿1762翱1599礙1436跋UCL扒2803按2868伴2881氨2865案2833拌2787斑LCL叭1699癌1307扒969藹658藹365笆84八濟寧俺-襖模型癌_5盎Foreca辦st啊2379罷1798八1216板634鞍52辦-529拌UCL按3277霸3067巴2770礙2429板2059癌1669絆LCL隘1482伴528鞍-339白-1161艾-1955爸-2728癌濰坊辦-白模型罷_6罷Foreca敗st靶3794罷3448礙3102皚2757皚2411矮2065唉UCL哎8566礙13800瓣20199辦27602熬

28、35896佰44998按LCL翱-977爸-6903艾-13994半-22089半-31075把-40869鞍煙臺敖-礙模型阿_7八Foreca氨st翱9882胺7817爸5752昂3687奧16柏21藹-444笆UCL敖17365按18400哀18713疤18653芭18355阿17887班LCL哎2399班-2766按-7210絆-11280扳-15112半-18774八日照邦-骯模型拌_8礙Foreca阿st矮2289霸2289澳2289骯2289邦2289扮2289巴UCL拜4136斑4900襖5487般5982俺6418八6812按LCL安442版-322艾-909靶-1404靶-1

29、840扒-2234敖威海辦-搬模型瓣_9安Foreca癌st翱2290靶1139捌-12邦-1163斑-2白313白-3464暗UCL背9422版11225伴12340瓣13100癌13633罷14004拌LCL岸-4841啊-8946爸-12364絆-15425阿-18260澳-20933艾德州阿-佰模型跋_10半Foreca襖st疤1396按921盎446白-29哀-504氨-979拜UCL笆2694絆3576案4721班6095柏7673哎9437疤LCL胺97暗-1735盎-3830絆-6153安-8681扒-11395班聊城罷-拔模型半_11襖Foreca案st哀1108稗441斑-

30、225頒-892澳-1558扳-2225案UCL般3431矮3727啊3799罷3755氨3637般3467佰LCL凹-1216矮-2845瓣-4250邦-5539安-6754絆-7916盎臨沂礙-扒模型伴_12哎Foreca傲st半192伴-2108啊-4409絆-6710跋-9011笆-11311襖UCL柏9552癌11128邦11803擺12010癌11919般11616邦LCL奧-9168安-15345傲-20621岸-25430跋-29940矮-34239捌Foreca藹st艾Model班2011壩2012爸2013靶2014盎2015扒2016芭菏澤捌-耙模型把_13版Foreca

31、襖st翱452般-938隘-2327懊-3717艾-5106班-6496艾UCL耙5537熬6254奧6481扳6454艾6265俺5961疤LCL柏-4634唉-8130扮-11136佰-13888岸-16478半-18953盎濱州氨-稗模型扒_14瓣Foreca拌st唉852安406吧-40熬-487岸-933罷-1380芭UCL皚2911挨2475翱2038按1602般1166澳730凹LCL絆-1206稗-1頒663襖-2119搬-2576八-3033熬-3489佰棗莊疤-稗模型稗_15鞍Foreca佰st澳3409傲2968把2528壩2088般1647八1207安UCL擺6444瓣

32、6004藹5565背5125艾4686礙4246柏LCL矮374吧-68盎-509扳-950哎-1391案-1833叭運用聚類分析稗方法對其他城拌市的情況經行八分析如下：罷被聚類的對象敖常常是多個要百素構成的。不笆同要素的數據耙往往具有不同拔的單位和量綱絆，其數值的變辦異可能是很大胺的，這就會對斑分類結果產生礙影響。因此當皚分類要素的對搬象確定之后，壩在進行聚類分奧析之前，首先鞍要對聚類要素半進行數據處理爸。哎在聚類分析中啊，常用的聚類絆要素的數據處艾理方法有如下奧幾種扳: 靶這種標準化方藹法所得到的新岸數據滿足俺八標準差標準化班，即暗由這種標準化叭方法所得到的皚新數據，各要捌素的平均值為霸0

33、版，標準差為爸1壩，即有安擺極大值標準化熬，即扳奧極差的標準化澳，即半經過這種標準百化所得的新數凹據，各要素的敖極大值為唉1板，極小值為矮0啊，其余的數值阿均在拔0隘與矮1爸之間。直接聚類法原理靶先把各個分類拜對象單獨視為哀一類，然后根八據距離最小的斑原則，依次選埃出一對分類對辦象，并成新類矮。如果其中一翱個分類對象已隘歸于一類，則疤把另一個也歸百入該類；如果安一對分類對象皚正好屬于已歸骯的兩類，則把癌這兩類并為一俺類。每一次歸奧并，都劃去該艾對象所在的列瓣與列序相同的皚行。經過胺m壩-1巴次就可以把全耙部分類對象歸案為一類，這樣安就可以根據歸吧并的先后順序艾作出聚類譜系矮圖。拜這是骯k八均值

34、聚類熬最終聚類中心礙表背Final 耙Cluste絆r Cent瓣ers熬Cluste吧r搬（簇）拔1骯2澳濟南壩11863.辦67捌11398.笆88啊青島懊20224.白33傲20877.佰09昂淄博把36461.按98擺18931.挨63斑東營罷3940.9按9俺2639.0般0岸濟寧百8516.3芭2澳5497.7爸0暗濰坊稗20605.扒89扳6008.2耙5盎煙臺霸31332.礙25叭14617.懊75礙日照耙4031.3熬6白3882.7白5澳威海跋15085.唉16佰4472.1懊3哎德州瓣9591.8盎3安3532.8拌8拔聊城笆8268.7頒2埃2611.5凹0邦臨沂辦23

35、841.按52安4293.7哀5八菏澤搬14904.伴07唉3370.0伴0艾濱州隘5658.2跋9巴2703.3疤8奧棗莊絆6780.3把4斑5593.0礙9下表是伴基于施瓦茲貝笆葉斯準則的兩頒步聚類發得到皚表鞍其他因素對交頒通客運量及貨搬運量的影響拔(四)其他因埃素對交通客運稗量及貨運量的靶影響及在這些奧因子的影響下按交通客運量和挨貨運量的預測傲值：矮預測大致分為絆三步：板系統分析客運捌輸量歷史和現哀狀，分析確定叭未來旅客平均鞍行程延長或縮巴短的趨勢及其阿影響因素，尋拜求數量上變化稗的趨勢，掌握隘預測計算用的耙數據和成因；頒岸調查了解預測襖期內分析引起耙未來客運輸量拔因素變化的趨爸勢；哀絆

36、采用多種方法邦進行預測，綜白合比較，確定拌預測運輸量的骯速度和規模，跋力求提高預測澳的準確性和及啊時性。計算運輸量盎 骯 運輸量預測哀的計算方法基靶本上分為生產襖和運輸比例關靶系法以及數理白統計法兩類。襖客運量和旅客壩周轉量預測的氨具體計算方法哎又各有差異。敗并估計這些因鞍素對未來客運耙量增長速度的百影響程度。隘 按生產挨和運輸的比例爸關系法計算方傲法分為四種：凹昂按主要工農業拔產品計算的運般輸系數法。根瓣據報告期和預斑測期主要工農斑業產品生產量扒和運輸系數的擺變化確定貨運般量。運輸系數襖是工農業產品矮的生產量和運阿輸量的比值，瓣采用這種方法凹的關鍵是要分阿析掌握引起運耙輸系數變化的捌主要因素

37、。再佰根據人口發展昂的預測，都可襖引起運輸系數擺的變化。計算奧公式是： Y=XK班 式中Y為預半測的貨運量;矮X為主要第一瓣產業，第二產岸業，工業未來板量；骯K為主要第一隘產業，第二產版業，工業未來岸運輸系數。皚按第一產業，耙第二產業，工按業計算的運輸罷系數法。巴根據報告期和按預測期工農業唉總產值中第一挨產業，第二產扳業，工業和運般輸系數變化確靶定貨運量。襖第一產業，第癌二產業，工業拜產值運輸系數芭變化的趨勢，艾按預測期第一班產業，第二產靶業，工業增長癌速度和產值運絆輸系數，白推算未來的貨案運量。再根據白預測期的收入霸增長速度，計邦算公式是矮YMAE背(1+A)T哀+BF(1+罷B)T+CG捌

38、(1+C)T俺 藹式中M為預測鞍期前一年實際疤工農業總產值辦；熬A、B、C分吧別為預測期前捌一年實際工農絆業總產值中第敗一產業、第二昂產業和重工業巴的比重;白E、F、G分絆別為第一產業耙，第二產業，班工業運輸系數靶;叭A、B、C分爸別為第一產業稗，第二產業，芭工業值的平均胺增長速度;斑T為預測期的拜年限。盎根據預測期經疤濟發展情況尋阿求未來的客運盎彈性比值。熬計算出主要工翱農業產品的貨奧運量癌 哀Y1=P辦(1+n)t礙K 式中奧Y1為預測的靶貨物周轉量；暗P為報告期基捌礎年度的貨物瓣周轉量；霸n為預測期工班農業總產值平百均年增長速度般；耙t為預測期年版限；爸K為預測期的扮運輸彈性比值挨。隘按

39、數理統計法頒計算也分為趨百勢外延法和回罷歸分析法兩種罷，其基本原理絆與貨運量的預柏測相同?？瓦\拌量預測的計算癌方法 按生產白和運輸比例關絆系法計算方法半分為三種：安班按國民收入增拜長同客運量增巴長之間客運彈埃性比值計算。白客運彈性比值笆表示國民收入傲每增長1,敖客運量增長的皚百分數。根據跋預測期經濟發盎展情況尋求未邦來的客運彈性阿比值，再根據癌預測期的國民板收入增長速度拜，推算未來客氨運量。計算公壩式為： N昂R(1+m)骯tK1 式中安N為預測的客氨運量，八R為基礎年度百的客運量;預測值版Foreca鞍st案Model半2012襖2013瓣2014巴2015版2016壩生產總值捌-暗模型傲_

40、1傲Foreca骯st瓣51820.笆03疤58965.奧42礙67006.捌85暗76106.八41敖86423.罷89靶UCL艾60604.捌48凹77192.翱79絆96276.斑11熬118191扮.23般143424巴.89皚LCL阿44027.辦67案44175.柏69埃44982.邦26爸46408.傲22笆48380.靶06壩第一產業埃-稗模型案_2唉Foreca啊st背4342.4叭5瓣4745.2暗5瓣5185.4俺0伴5666.3凹9隘6191.9斑8疤UCL案5339.9耙0岸6336.0跋7巴7365.7敗5絆8472.5奧1頒9679.8襖0鞍LCL吧3491.7鞍

41、9背3474.7般1唉3529.2拜3熬3622.7鞍8柏3744.0凹8翱第二產業傲-扮模型斑_3拌Foreca骯st阿26574.版53稗29153.爸10班31731.吧67斑34310.叭23阿36888.翱80暗UCL俺27156.八46爸30272.耙97安33485.把77搬36783.骯35哀40157.敗10按LCL胺25992.隘61奧28033.佰23般29977.般56襖31837.扳11扮33620.隘50辦工業八-霸模型澳_4唉Foreca擺st襖23460.白72哎25668.啊29佰27875.把85霸30083.扳42百32290.艾99埃UCL白24027.

42、鞍02巴26750.癌46搬29565.巴47頒32461.霸18埃35429.傲42哀LCL霸22894.絆42背24586.辦12敖26186.般23拔27705.哀66百29152.皚55矮Foreca版st把Model奧2017佰2018埃2019壩2020胺生產總值哀-澳模型懊_1搬Foreca藹st百98131.霸58盎111421唉.17扳126508版.51癌143637扮.82盎UCL把172565挨.48熬206290奧.70把245372皚.96扒290692拌.85拔LCL耙50842.拔60骯53764.昂76叭57135.疤39扳60958.艾51辦第一產業奧-阿模

43、型斑_2班Foreca半st扳6766.3頒4案7393.9昂6阿8079.8稗0佰8829.2氨6安UCL巴11006.把06啊12468.皚50翱14084.背57阿15872.半63八LCL笆3888.1絆0叭4052.4百1凹4235.8吧6跋4438.0隘7板第二產業挨-哎模型鞍_3熬Foreca白st班39467.皚36八42045.拔93盎44624.斑49芭47203.藹06熬UCL奧43600.扳47敗47108.柏36扒50676.澳59芭54301.艾72般LCL扮35334.背25奧36983.邦49敖38572.皚39絆40104.盎39艾工業扳-氨模型藹_4凹For

44、eca白st鞍34498.瓣56安36706.背12般38913.懊69柏41121.礙26傲UCL礙38464.吧00唉41560.版04靶44713.班61皚47921.擺42挨LCL氨30533.把11班31852.版20白33113.襖77俺34321.柏10罷殘差自相關函辦數ACF圖襖殘差不分自相捌關函數PAC稗F圖唉各產業未來預罷測值俺預測客運周轉熬量安在預測客運量八的基礎上進一巴步測算旅客周俺轉量是客運量翱與旅客平均行頒程的乘積。礙根據上述客運板量的預測，分哀析確定未來旅辦客平均行程延凹長或縮短的趨熬勢及其影響因啊素，測定未來傲旅客平均行程稗,預測旅客周礙轉量其原理和壩預測客運量

45、的氨彈性比值法相八同。瓣計算公式是：佰 N1R1耙(1+m)t盎K2 式中N敖1為預測的旅艾客周轉量； 扮R1為報告期壩基礎年度的旅安客周轉量；m敗為預測期國民敗收入平均年增襖長速度；哀t為預測期年邦限；K2為預澳測期的運輸彈白性比值。熬 按數理統計巴法，舍掉特殊捌性，找出一般跋趨勢芭殘差自相關和懊殘差部分自相叭關表。搬Foreca氨st氨Model瓣2012耙2013安2014艾2015哀2016稗2017擺客運總周轉量胺-芭模型拔_1白Foreca把st案189186扒207186捌226897岸248484俺272125胺298015八UCL翱244800襖296746皚350592稗4

46、08737疤472492扒542905捌LCL藹143639班139618昂139241吧140724氨143437霸147088叭Foreca凹st捌Model版2018半2019佰2020胺客運總周轉量埃-阿模型背_1盎Foreca扳st背326368吧357419跋391423昂UCL伴620964懊707678扒804119半LCL爸151522澳156657搬162446ForecastModel201220132014201520162017客運總周轉量-模型_1Forecast189186207186226897248484272125298015UCL2448002967463

47、50592408737472492542905LCL143639139618139241140724143437147088ForecastModel201820192020客運總周轉量-模型_1Forecast326368357419391423UCL620964707678804119LCL151522156657162446預測客運量哀R為報告期基巴礎年度的客運阿量;案m為預測期國辦民收入平均年拜增長速度；笆t為預測期年懊限；伴K1為預測期班的客運彈性比昂值。拜計算公式為：八NLS 式版中L為預測期安末人口數；矮S為預測期末壩的平均乘坐率扒。岸 啊 按生產和運邦輸比例關系法稗計算方法有兩

48、捌種：絆客運量的預測哀表般Model頒2012爸2013罷2014耙2015霸2016稗2017絆客運總量笆-稗模型矮_1班Foreca敖st啊276954靶306240昂338623叭374430案414024吧457804凹UCL藹364892胺449594芭538900疤636795絆745644版867463搬LCL扮205954扮200235阿200114岸202867絆207542扮213704壩Foreca白st埃Model胺2018哀2019翱2020挨客運總量矮-暗模型熬_1埃Foreca搬st礙506214稗559743骯618932盎UCL背100424癌3礙115808

49、霸3白133125皚5巴LCL傲221132矮229708白239376笆客運總量的觀扒測值、合適值拜、置信區間上胺、下值、預測阿值表百六、交通客運爸量和貨運量的叭預測分析巴1、人口生產癌總值對交通客俺運量確實有很稗大影響，通過皚分析可知，隨昂著人口生產總柏值的增長，交盎通客運量也在芭增長。到20澳20年，從2礙012年的客罷運量為276唉954增加到骯2020年的扮618932敖2、總人口數罷量在模型中表稗現出與被解釋案變量有很高的奧相關關系，通哎過回歸分析法霸計算可知，二岸者的擬合度是靶很高的。這是叭符合常識的，半因為數據不統百一的因素居民伴的交通習慣和佰其他交通工具骯的選擇也可能礙影響客

50、運量，柏但這些因素我案們沒有考慮到芭。總人口從2阿012年的 柏 9829扒 增加到20扳20年的99白67 按 。隨著城市邦經濟的發展，吧尤其是農村打暗工族的遷徙，骯使得城市外來斑人口增多，從挨而導致客運量罷的大大增加，阿尤其在節假日瓣，外來務工人班員返鄉時總人背口對客運量的案影響最為突出啊。但是各個城扒市的客運量是霸在下降的，有阿的城市甚至還俺出現了負增長瓣的趨勢，說明邦私家車越來越扳多。靶3、批發零售鞍對客運量的影藹響也較大，批隘發零售從20伴12年 26半14.62 拔 增加到2芭020年的 靶3797.6埃6 。可以氨分析隨著生活疤水平的提高，擺隨著經濟的發骯展，為了適應阿人們生活的

51、快唉節奏，批發零白售貿易餐飲業矮的出現，解決昂了人們因為工氨作壓力大而對氨付餐飲的問題背。批發零售餐八飲業在逐漸增芭加的同時客運艾量也在增加，矮尤其是到工作盎日的上下班時藹間，客運量更擺是在此時增加八的更快，也就斑是說，批發零八售餐飲業對客霸運量的影響在罷工作日上下班懊時間尤為突出吧。 挨4、客運周轉伴量是指在一定拜時期內運送旅艾客數量與平均拔運距的乘積。傲由此定義可知傲，客運周轉量敖與旅客數量，盎即總人口的數邦量大大相關。俺隨著外來人口翱進入城市打工巴或者是搬遷，胺尤其是外省或半者是農村的人敗口的遷入，導凹致平均運距的癌增加，尤其在半返鄉時，從而藹必然導致客運叭周轉量的增加案?？瓦\周轉量絆從

52、2012年霸的18918邦6 增安加到2020板年的 39霸1423 佰 而總人口從艾2012年的敖 9829班 增加到20襖20年的 斑10512 阿 從數據也稗可以得到，客熬運周轉量在增隘加，而總人口壩的數量也在增斑長。拌七、回歸模型俺的檢驗相關性分析：昂在相關分析中挨,疤通常利用兩個瓣變量之間的簡罷單相關系數和叭一個變量與多稗個變量之間的辦復相關系數來奧分析或測定這安些變量之間的白線性相關程度背,芭并據此進行線案性回歸分析、伴預測和控制等埃。相關系數安r 胺絕對值愈大按(哎愈接近扮1) ,扳表明變量之間霸的線性相關程芭度愈高暗;襖相關系數絕對搬值愈小熬,跋表明變量之間阿的線性相關程俺度愈

53、低。相關敗系數為零時般,把表明變量之間般不存在線性相笆關關系。頒因捌此白,般人們通常利用氨相關系數的大岸小來解釋變量絆間相互關系的敖大小跋，下面進行交半通客運量、貨骯運量與總人口挨、生產總值、氨批發零售量的伴相關性分析：骯（1）可決系唉數與調整的可艾決系數柏在多元線性回矮歸方程中，也柏可以向一元線伴性回歸模型那俺樣，用可決系扳數來衡量樣本盎回歸線對樣本扮觀測值的擬合背程度。翱Syy表示y矮的總變差傲上式描述了一靶個因變量y的艾某次觀唉測值yi與這般個因變量的平礙均值的偏差平疤方和，它的大把小描述了這n扳個數據的分散暗程度，記作靶 阿 。因為所以即要想求靶就要先求Q和壩U佰又有Q-y的笆剩余平方

54、和為靶 拌 昂 擺或誤差平方和盎；昂先求客運案量半，經有關數據邦帶入壩Y拔i表示客運量胺和周轉量的取笆值。巴Y骯i上的冒代表八多元線性回歸哎模型 本哀題中的多元線柏性回歸模型為邦客運量時下標按為0的系數為按0，下標為1背的系數為0.拜3478 澳下標為2的系擺數為0.05白51 下標暗為3的系數為扮0.0048霸周轉量時下標耙為0的系數為皚0 下標為俺1的系數為0翱.3350 氨 下標為2的扮系數為0.0按548下標為白3的系數為0骯.0048藹X1i的取值罷為 每8年取礙一次值吧將值代入可得笆 客運量時Q八=12214壩34604 扒 周轉量時笆 Q=792藹461034瓣.8辦（2）哎U-

55、y的回歸昂平方和阿y的平均值 骯 將值代入可百得 客運量敗時U=562敗514596敗 周轉量時礙 U=553鞍374823壩.3捌所以求Syy澳 奧客運量時Sy盎y=7185瓣17421.凹6 周轉隘量時Syy=頒792473阿830.2俺檢驗方法是用扒F檢驗法，檢瓣驗統計量是F罷=U/Q胺客運量時 F伴=0.460把5 周轉量時敗F=0.69藹83辦總平方和可以奧分解為回歸平扮方和與殘差平板方和的和，回瓣歸平方和反映埃了總平方和中敗有樣本回歸線擺解釋的部分；澳殘差平方反映胺總平方和中不壩能由樣本回歸邦線解釋的部分扒，其值越大，百表明用回歸方柏程解釋樣本誤敖差越大。胺當r越接近于唉1時，剩余

56、平挨方和Q(a,班b)的值越接扒近于0，即回案歸模型描述y隘與x的關系的把近似程度越好擺，對于一元線拔性回歸而言，翱表示y與x的挨關系越接近于扳線性；當r=背1時，Q(a挨,b)=0，襖此時即每一個捌理論值都等于按對應的實際值跋，回歸直線通扮過每一個數據凹點，這種情況俺稱為完全線性扒相關，r越接藹近于0，y與霸x的關系與線哀性關系相差就鞍越遠，甚至根把本不能用所得骯到的回歸方程昂來描述，當r爸=0時，稱癌為伴完全無線性相扳關。絆 r表示擬合暗優度r2=叭u/Syy=扳1-Q/Sy骯y吧客運量時盎 r2=0襖.八78 周轉哀量時r2=哎0.70澳經過以上的擬白合優度系數可靶知利用回歸方皚程檢驗解釋樣擺本誤差很小，版即剩余平方和背Q(a,b)辦的值越接近于熬0，也即回歸吧模型描述y與襖x的關系的近白似程度最好，芭所以先前建立板的回歸模型是襖比較合理準確俺的班。八