北京市未来三年公交客运量预测报告.docx

北京市20092011年公交客运量预测键入公司名称北京市20092011年公交客运量预测报告组员：王林帅 刘文宇键入作者姓名2009-11-13 北京市20092011年公交客运量预测报告成员： 王林帅 刘文宇1预测目的改革开放以来，随着经济的高速发展，北京市的公共交通事业也得到了飞速的发展，截至2008年底，北京市公共交通总公司拥有各类运营车辆28071辆，运营线路861条，年行驶里程18.22亿公里，总客运量45.81亿人次，而1949年，京城的公共交通电汽车只有164辆，线路不过11条，总长度76.7公里。1969年10月1日，北京市第一条地铁线路建成通车，成为我国第一个拥有地铁的城市，到2008年底，北京市地铁的日客流量突破430万人次，达到434.57万人次。2008年7月19日，在北京奥运会召开前夕，北京地铁10号线一期、奥运支线（北京地铁8号线一期）和机场线三条轨道新线正式通车。至此，北京轨道交通运营里程达到200公里，运营线路达到8条，北京轨道交通的网络效应已经初步显现。现如今，北京市的公共交通已经从引入期发展到了高速成长期，一个城市公共交通的发达程度是这个城市综合实力的重要标志，是这个城市市民文化的一种象征。面对整个城市公共交通这样一个庞大的系统，要向其得到快速的发展，就必须提前做好合理的规划，而城市交通规划的前提就是对这个城市的公交客运量作出尽可能精准的预测。此次预测最根本的目的就是尽可能准确的预测未来三年北京市的公交客运量，为北京市公共交通的发展规划提供数据参考。2.数据的搜集与处理2.1数据来源（1）北京市统计局网站/（2）北京市2009年统计年鉴/tjnj/2009-tjnj/（3）CNKI:/Default.aspx?aspxerrorpath=/SearchResult.aspx（4）北京交通大学校图书馆的相关资料（5）北京市公交集团网站/home/popup_statistic_detail.php（6）百度知道/question/59999945.html经过处理，得到数据如下（黑体字为用数学模型预测出的数据）：年份常住人口/万人外来人口/万人公交数量/辆公交线路条数/条公交线路总长/公里地铁线数/条地铁总长/公里地铁客运量/亿人次出租车数量/辆出租车客运量/万人次1988106113140081742055240.12.8511947504219891021.111040231822134.6240.13.112915643019901032.214242911882235240.13.8114506715719911039.512543221952332.2240.13.316201776819921044.910043202232833240.64.28303491900019931051.29037922292957240.64.91589005800019941061.8329.538652453541.3240.65.34481625633819951070.3100.244522603939240.65.58542426000019961077.7106.346712764625.7240.64.44592726400019971085.5285.950472995255.8240.64.45650356500019981091.530049653176174.5240.64.63613016381719991257.2215.8742137776753544.81668176181720001381.9308.497804229275.93544.34651276240620011385.126112347461110723544.67651556344820021423.233214518502129143544.70667596380520031456.4409.5160225451601741144.72659845446820041492.7330176315541730641146.07554636437820051538357.3185035931821441146.79660006500020061581383.4195226201846841147.03666466412120071633419.7193956441665951426.55666466411120081695359.92067964817162820012.176664669000年份每百户自行车拥有量数/量居民家庭人均消费支出/元在校本研人数/人从业人员/万人居民人均收入北京市机动车保有量（万辆）北京市公路总里程（公里）公交客运量 /万人次1988231.51454.49161000584.1155231.22912430030019892331520.4160000593.917213592182700001990228.31646.05156945627.1191850.796482900001991233.81860.17154024634218642.03102593015001992229.22134.65163072649.3255655.76108273004001993243.22940.34180000627.8354857112422809671994246.84134.12199000664.3508667115322950001995243.65019.76215175665.3623889.41181131180019962495729.45220296660.27339103120842961001997209.47813.11229041655.878621301230632040019982216970.83251000622.28471133.8124983451001999220.17498.48276961618.612841143128253578002000230.78493.49607190619.310350150.7135973120382001230.38922.7635249628.911578169.913891387724200224010285.8650159679.212464189.914359427798200324311123.8654546703.313883212.414453371021200422812200.4624046854.115636229.614630436016200523513244.270173687817653258.3146964508452006191.1114825732793919.719978287.6205033979192007191.1115330755289942.721989299.7207544226452008192.1116460771448943.024725312.8203404507282.2数据处理经过统计分析，可知：（1）北京市外来人口数中2002年的数据未知，根据其他年份的数据，利用matlab数学软件，利用如下程序：x=1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2003 2004 2005 2006 2007;y=131 110 142 125 100 90 329.5 100.2 106.3 285.9 300 215.8 308.4 261 409.5 330 357.3 383.4 419.7; cftool建立了最为接近本书剧组的数据模型得出2002年的外来人口数为332万人，模型图相如图1所示：图1 北京市外来人口数据模型曲线（2）地铁客运量中2001和2002年的数据未知，根据其他年份的数据，利用matlab数学软件，利用如下程序： x=1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2003 2004 2005 2006 2007 2008;y=2.85 3.1 3.81 3.3 4.28 4.91 5.34 5.58 4.44 4.45 4.63 4.81 4.34 4.72 6.07 6.79 7.03 6.55 12.17; cftool建立了最为接近本书剧组的数据模型得出2001，2002年的地铁客运量分别为4.67和4.70亿人，模型图相如图2所示：图2 北京市地铁客运量数据模型曲线（3）出租车的数量中1994、1995和1996年的数据未知，根据其他年份的数据，利用matlab数学软件，利用如下程序： x=1988 1989 1990 1991 1992 1993 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008;y=11947 12915 14506 16201 30349 58900 65035 61301 66817 65127 65155 66759 65984 55463 66000 66646 66646 66646; cftool建立了最为接近本书剧组的数据模型得出1994、1995和1996年的地铁客运量分别为48162、54242和59272辆，模型图相如图3所示：图3 北京市出租车数量数据模型曲线（4）在校本研人数中1992、2001和2002年的数据未知，根据其他年份的数据，利用matlab数学软件，利用如下程序： x=1988 1989 1990 1991 1993 1994 1995 1996 1997 1998 1999 2000 2003 2004 2005 2006 2007 2008;y=161000 16000 156945 154024 180000 199000 215175 220296 229041 251000 276961 607190 654546 624046 701736 732793 755289 771448; cftool建立了最为接近本书剧组的数据模型得出1992、2001和2002年的在校本研人数分别为163072、635249和650159人，模型图相如图4所示图4 北京市在校本研人数数据模型曲线（5）在机动车保有量中1991和1992年的数据未知，根据其他年份的数据，利用matlab数学软件，利用如下程序： x=1988 1989 1990 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008;y=31.22 35 50.7 57 67 89.4 103 130 133.8 143 150.7 169.9 189.9 212.4 229.6 258.3 287.6 299.7 312.8; cftool建立了最为接近本书剧组的数据模型得出1991和1992年的机动车保有量分别为42.03和55.76万辆，模型图相如图5所示图5 北京市机动车保有量数据模型曲线（6）在每百户自行车拥有量中2002、2003、2004和2005年的数据未知，根据其他年份的数据，利用matlab数学软件，利用如下程序： x=1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2006 2007 2008;y=231.5 233 228.3 233.8 229.2 243.2 246.8 243.6 249 209.4 221 220.1 230.7 230.3 191.11 191.11 192.11; cftool建立了最为接近本书剧组的数据模型得出2002、2003、2004和2005年的每百户自行车拥有量分别为240、243、228和235辆，模型图相如图6所示图6 北京市每百户自行车拥有量数据模型曲线2.3平均增长率常住人口/万人外来人口/万人公交数量/辆公交线路条数/条公交线路总长/公里地铁线数/条地铁总长/公里地铁客运量/亿人次出租车数量/辆出租车客运量/万人次1.02371.05181.08551.06801.11201.07181.08371.07531.08971.1398每百户自行车拥有量数/量居民家庭人均消费支出/元在校本研人数/人从业人员/万人居民人均收入北京市机动车保有量（万辆）北京市公路总里程（公里）公交客运量 /万人次0.99071.12901.08151.02421.14851.12211.04091.02053.预测过程中采用的数据及理由在此次预测过程中我们一共选取了十七组数据作为预测变量进行参考，它们分别是北京市每年常住人口数量，北京市每年外来人口数量，北京市公交电汽车总量，北京市公交线路总条数，北京市地铁线数，北京市地铁总公里数，北京市每年地铁总客运量，北京市每年出租汽车数量，出租汽车总客运量，北京市每百户自行车拥有辆数，北京市居民家庭人均消费支出，北京市每年在校本研人数，北京市每年从业人员总数，北京市居民人均收入，北京市机动车保有量，北京市公路总里程。首先，我们初步考虑了北京市每年的公交客运量受到以下几个因素的影响：北京市公交系统内部因素的影响；能够替代公交出行的其他运输方式；北京市的基础设施情况；北京市的人口因素；北京市出行频率较为频繁的人口数；居民的收入与支出情况。在北京市公交系统内部影响因素中，我们认为公交公司电汽车总数的多少会直接影响到其车辆每天的开行次数与频率，同时也影响到公交公司对公交线路的设置，进而影响到本市居民乘坐公交出行的方便程度，因此我们选取了这个参数作为参考变量之一。北京市公交路线总条数直接影响了公交线路对本市居民的覆盖程度，对居民的出行方式的选择起到重要作用，这两个变量共同组成了公交系统内部的影响因素对北京市的公交客运量产生了重要的影响。在能够替代公交出行的其他运输方式中，我们组选取了机动车保有量，地铁，出租车和自行车四个方面的数据作为参考变量，地铁作为一种可以有效节省地面空间，降低城市噪音污染且行驶不受其他运输系统干扰的交通工具，一直受到居民的喜爱，而且地铁的客运能力非常强大，因此它对公交的影响作用非常巨大，为此，我们选取了北京市地铁线路总条数，地铁总公里数和每年的客运总量三组数据作为参考变量，地铁总公里数和线路数显示了地铁在北京市的覆盖范围，在此范围内的居民在出行方式选择时都会受到它们的影响，北京市每年的地铁总客运量则直观的显示了用乘坐地铁代替乘坐公交出行的居民人次，反映出地铁对公交汽车的影响程度；出租车作为最为方便最为轻松悠闲的出行方式，在同公交的竞争中也有着其显而易见的优点，为此，我们在考虑它对北京公交造成的影响时选取了北京市出租车数量和客运总量两组数据作为参考变量，其中北京市出租车数量决定了北京市道路单位平均出租车数量，即出租车的出现频率，而出租车的年客运总量则反映了北京市居民用出租代替公交出行的人次，这些也都是对公交年客运量产生了重要的影响。自行车作为我们中国人出行的最常用交通工具，在北京市的交通中也依然占有举足轻重的地位，因此我们也选取了北京市每百户自行车拥有量作为影响公交客运量的重要指标之一。同时，随着我国经济的迅猛发展，尤其是比如北京这种大城市居民收入的增长，私家车也愈加成为人们出行的重要方式，我们选取了北京市机动车保有量这一数据来从侧面衡量私家车增加对公交客运量的影响。在北京市基础设施这一因素中，我们选取北京市公路总里程作为参考因素，北京市公路总里程的长短决定了北京市道路覆盖面积的多少，也代表了用机动车出行的方便程度，同时也从侧面影响了北京市公交路线可能的延伸长度。北京市的人口因素里，常住人口总数直接决定了公交客运量的基数，显然必须考虑进来，而每年的外来人口也会因为旅游，找工作等等各种因素占据比较大的出行频率，而他们的出行方式基本都是选择公共交通，所以这组数据也必然对目标产生较大影响，故而也作为参考指标之一。北京市每年在校本研人员是出行较为频繁的人员，而且他们没有收入来源，所以出行选择公交的概率比较大，因此作为预测变量之一，同时北京从业人员总数也是重要的参数之一，从业人员基本每天都有上下班高峰，因此出行频率也比较多，对公交系统的客运量影响也比较大。最后，居民的收入与支出水平也直接决定了他们是选择私家车出行还是出租车抑或地铁，公交的方式出行，故而也将其作为参考变量之一。4.预测过程4.1预测代码%This program is useful to forecaste the ridership of Beijing %public transportation% Get the input sampledata from the .txt file sample.txtfid=fopen(sample.txt,rt);%fopend 打开文件函数originalData=fscanf(fid,%f, 21,17);%fscanf 将文件转成矩阵status=fclose(fid);%fclose 关闭文件函数% transport sampledata into input training sampledatainputSampledata=originalData;%矩阵转置% Get the output sampledata from the .txt file goal.txtfid=fopen(goal.txt,rt);outputData=fscanf(fid,%f);status=fclose(fid);% transport sampledata into input training sampledataoutputSampledata=outputData;% creating neural network and setting trainging parametersgwwnet=newff(minmax(inputSampledata),4,1,tansig,purelin,traingdm);%newff 建立神经网络函数%minmax 得到最小值和最大值%traingdm 下降法gwwnet.trainParam.show = 50;%每50循环显示一次gwwnet.trainParam.lr = 0.05;%步长gwwnet.trainParam.epochs = 50000;%50000次停止学习gwwnet.trainParam.goal = 1e-3;%le-3停止学习%data scaling (converting the network input and output data to the intervel -1,1)input,mininput,maxinput,output,minoutput,maxoutput = premnmx(inputSampledata,outputSampledata);%premnmx -1到1之间的数%traininggwwnet,tr=train(gwwnet,input,output);%训练y=sim(gwwnet,input);%仿真%data offset (converting the network output data to it original unit)nnoutput = postmnmx(y,minoutput,maxoutput);%postmnmx 从-1到1返回实际值%plot 画图time=1988:1:2008;plot(time,outputSampledata,-,time,nnoutput,o);%legend(actual output,NN output);xlabel(time);ylabel(Learning fitting curve);%scenario1 forecasting process 预测输入column=10;for i=1:column; SceInput(1,i)=inputSampledata(1,21)*(1.0237i); SceInput(2,i)=inputSampledata(2,21)*(1.0518i); SceInput(3,i)=inputSampledata(3,21)*(1.0855i); SceInput(4,i)=inputSampledata(4,21)*(1.0680i); SceInput(5,i)=inputSampledata(5,21)*(1.1120i); SceInput(6,i)=inputSampledata(6,21)*(1.0718i); SceInput(7,i)= inputSampledata(7,21)*(1.0837i); SceInput(8,i)= inputSampledata(8,21)*(1.0753i); SceInput(9,i)=inputSampledata(9,21)*(1.0897i); SceInput(10,i)=inputSampledata(10,21)*(1.1398i); SceInput(11,i)=inputSampledata(11,21)*(0.9907i); SceInput(12,i)=inputSampledata(12,21)*(1.1290i); SceInput(13,i)=inputSampledata(13,21)*(1.0815i); SceInput(14,i)=inputSampledata(14,21)*(1.0242i);SceInput(15,i)=inputSampledata(15,21)*(1.1485i); SceInput(16,i)=inputSampledata(16,21)*(1.1221i); SceInput(17,i)=inputSampledata(17,21)*(1.0409i);endfor j=1:21; for i=1:17; recalldata(i,j)=inputSampledata(i,j); endendfor j=22:24; for i=1:17; recalldata(i,j)=SceInput(i,j-21) endendalterinput,mininput,maxinput = premnmx(recalldata);%alterinput和input发生变化%可以制定一个最大值和最小值%trainingfvalue=sim(gwwnet,alterinput);%data offset (converting the network output data to it original unit)forecastvalue = postmnmx(fvalue,minoutput,maxoutput);%plotwaitforbuttonpress;clf;time=1988:1:2011;time1=1988:1:2008;plot(time,forecastvalue,o,time1,outputSampledata,-);%legend(预测曲线,实际曲线);title(客运量曲线);xlabel(时间);ylabel(公交客运量);4.2预测结果（1）forecastvalue = 1.0e+005 * Columns 1 through 19 2.8329 2.8420 2.9051 2.9148 2.9566 2.8265 2.9035 2.9883 2.9243 3.0805 3.2195 3.3252 2.9744 3.4202 3.7321 3.1011 3.8684 3.8636 3.8911 Columns 20 through 243.9040 3.9201 3.9731 4.0905 4.3391预测图像如下图所示：图7 第一次预测曲线图（2）forecastvalueforecastvalue = 1.0e+005 * Columns 1 through 19 2.8838 2.7725 2.8763 2.9515 2.9778 2.7678 2.8719 3.0238 2.9787 3.5327 3.5768 4.2422 3.9648 4.5390 4.7476 3.9047 4.8837 4.4292 4.0570 Columns 20 through 243.7092 3.8119 3.8237 4.1221 4.5756图8 第二次预测曲线图（3）forecastvalueforecastvalue = 1.0e+005 * Columns 1 through 19 2.8950 2.7293 2.8731 2.8880 2.9747 2.6750 2.5526 2.9061 2.7752 3.0112 3.1219 3.4802 2.8767 3.2773 3.5412 3.2531 3.8667 3.9154 3.8228 Columns 20 through 24 3.8750 3.9606 4.1066 4.3313 4.6409 图9 第三次预测收敛图（4）forecastvalueforecastvalue = 1.0e+005 * Columns 1 through 19 2.8915 2.7451 2.8772 2.9257 2.9599 2.7029 2.7806 2.9355 2.8393 3.1411 3.2936 3.5240 3.0453 3.4138 3.5222 3.0152 3.5846 3.3705 3.7883 Columns 20 through 24 3.7309 3.4987 3.6120 3.8570 4.3331 图10 第四次预测曲线图图11 第四次收敛曲线（5）forecastvalueforecastvalue = 1.0e+005 * Columns 1 through 19 2.8964 2.7446 2.8779 2.9235 2.9635 2.7236 2.8059 2.9532 2.8641 3.1460 3.2974 3.5295 3.0931 3.4735 3.6149 3.0515 3.5783 3.4333 3.7914 Columns 20 through 24 3.7117 3.4687 3.6156 3.8778 4.2909图12 第五次预测曲线图图13 第五次收敛曲线4.3预测说明经过多次预测，选择了上述五次结果作为最终结果，第一次预测的误差大于千分之一，但是其趋势较好，所以选用，其余四次的误差均小于千分之一，所以均被选用（由于截图错误，没有第三次的预测曲线图）。最终结果为如下表：第一次预测（万人）第二次预测（万人）第三次预测（万人）第四次预测（万人）第五次预测（万人）均值（万人）2009年3973138237410663612036156382622010年4090541221433133857038778405572011年4339145756464094333142909443594.4预测数据误差处理公交客运量预测客运量（一）绝对误差相对误差300300283290170100.057270000284200-14200-0.053290000290510-510-0.002301500291480100200.03330040029566047400.016280967282650-1683-0.00629500029035046500.016311800298830129700.04229610029243036700.012320400308050123500.039345100321950231500.067357800332520252800.071312038297440145980.047387724342020457040.118427798373210545880.128371021310110609110.164436016386840491760.113450845386360644850.14339791938911088090.022422645390400322450.076450728392010587180.130公交客运量预测客运量（二）绝对误差相对误差300300288380119200.040270000277250-7250-0.02729000028763023700.00830150029515063500.02130040029778026200.00928096727678041870.01529500028719078100.02631180030238094200.030296100297870-1770-0.006320400353270-32870-0.103345100357680-12580-0.036357800424220-66420-0.186312038396480-84442-0.271387724453900-66176-0.171427798474760-46962-0.110371021390470-19449-0.052436016488370-52354-0.12045084544292079250.018397919405700-7781-0.020422645370920517250.122450728381190695380.154公交客运量预测客运量（三）绝对误差相对误差300300289500108000.036270000272930-2930-0.01129000028731026900.009301500288800127000.04230040029747029300.010280967267500134670.048295000255260397400.135311800290610211900.068296100277520185800.063320400301120192800.060345100312190329100.09535780034802097800.027312038287670243680.078387724327730599940.155427798354120736780.172371021325310457110.123436016386670493460.113450845391540593050.132397919382280156390.0394226453