铁路客运预测分析

　　摘要：长期以来，铁路运输都是我国主要的运输方式，特别是现在经济高速发展，人员流动更加的频繁，铁路运输在整个交通运输中的比重还是不断增加，在运输中发挥着巨大的作用。铁路客运量连创新高，运力不断增大，但是目前铁路运力仍然供不应求，尤其是春运期间更是出现了一票难求的情况。这些都需要铁路部门及时的调整，增加运力，本文通过对近几年的客流量的数据进行深入的分析研究，总结了影响了对铁路客流量的影响的因素，在充分研究的基础上运用系统工程结构中解释模型对影响因素的层次结构进行定量分析，并且给出了适合的预测客流量的模型。通过对近几年的铁路客运量数据的综合分析，利用灰色线性回归组合模型的方法来预测未来的铁路客流量和发展的趋势，这样能根据预测的客流量的特点以及发展趋势及时的增加运力，增强调度，保证及时的将旅客送达目的地。但是目前虽然铁路客运量逐渐增加，但是由于铁路运输没有竞争同时投资与收支不平衡等因素的影响，因此目前总体来看，铁路运输是成亏损状态的，应从营销的角度出发，充分利用铁路运输的优势，强化服务理念，面向不同的消费者提出多品种、多层次的服务，为旅客提供高档次、现代化的客运服务等措施来改进服务，同时加强铁路企业投资的管理，促进铁路客运不断地发展，在现代化建设中发挥更大的作用。

　　关键词：铁路客运；预测模型；营销

　　1876年，中国有了第一条自己的铁路，以后的百年里中国铁路的建设缓慢的发展，建国后国家看到了铁路运力安全、运量大等优势，大力发展铁路运输。从建国以来，铁路运输一直在我国的交通运输中有着重要的地位，为我国国民经济的发展做出了很大的贡献，同时铁路运力不断地发展，铁路里程不断地刷新。截止2011年底，我国的铁路营业里程已经达到了9.9万公里，快速铁路通车里程达1.3万公里，并建成了世界上海拔最高最长的高原铁路—青藏铁路，我国坚持原始创新、集成创新和引进消化吸收再创新，使我国的高铁技术领先世界。随着京沪高铁的顺利开通，目前我国已经在高速铁路系统技术、集成能力、列车运行速度、运营里程等方面走在世界的前列，引领着世界高铁发展的新潮流。同时根据规划，到十二五末，我国的铁路营运里程将达到12万公里，其中高速铁路达到1.6万公里，西部铁路5万公里以上，快速铁路的客运网将覆盖省会城市级90%以上的50万人口以上的城市。由于我国经济的发展，公路、民航等运输方式迅速发展，在交通运输中占据很大的市场份额，客运市场竞争不断增大，铁路客运不在像以前一样占据垄断地位，市场份额不断地减少。由于目前铁路行业属于国家垄断行业，没有竞争，职工的服务意识不强，铁路客运要想在激烈的竞争中球的生存和发展，必须改变发展方式，加强服务。同时由于我国改革开放的不断扩大，经济的持续增长，人员之间的往来越来越频繁，对交通运输的依赖不断地增强，同时交通运输中运力不足的矛盾也在凸显，一票难求情况时有发生特别是在春运期间运力紧张的问题尤为严重。虽然铁路客运的市场份额不断的减少，但是与公路、民航等行业相比，其安全迅速等特点仍然使其在客运市场中占据领先地位。但是目前我国的铁路运输方面受到线路、固定、移动行车设备等各种方面的影响，在运输方面还是计划运输的状态，铁路部门还不能及时的掌握客流的动态，就不能技术的调整运力，这样在春运等客流高峰期出现大量旅客滞留的现象，同时在淡季则出现运力浪费的情况，这些都是在铁路部门的平时的运输中经常出现的情况。上述的这些情况虽然已经得到有关方面的重视，开始着力解决，但是目前他们掌握市场动态的方法还不够先进，比较零散，还没有做到提前对客流量进行预测，运力不能做到动态的调整，出现情况后不能快速的做出反应，没有形成一整套的预测、调整体系，不能对在实际的运行中得到的大量的有价值的数据进行充分的研究和提炼，不能从中找到有用的信息，为调度部门更好的管理和决策提供参考依据，目前的铁路旅客运输已经越来越不能满足经济发展的要求，不能对客流做出科学的分析预测，掌握客流的特点和发展趋势，导致运输效率不高，工作被动适应市场的能力比较差，这样就造成了铁路客运发展每况愈下的趋势，同时损坏了铁路运输的形象。这就要求铁路部门重视在客运中出现的问题，及时的解决，不断的发展，要想解决旅客运输中出现的问题，就需要及时的掌握客流的信息，适时的调整运力，满足旅客的出行需求。

　　从建国后，不少的专家学者已经开始重视这个问题，希望通过对某个地区连续几年的客流量数据的分析，包括客流量的增长的趋势和流量的趋势来预测今后几年的客流量的发展，以及在客流的集中和分散的趋势来制定比较可行的方案来知道实际的客运运行。改革开放以后随着我国铁路行业的迅速发展，相关的研究也不段的涌现，大量的成果应用于铁路的实际运行中，起到了指导的作用。其中本文参考的文献重要有：《铁路客运面临的困境及其对策研究》（刘世峰,张廷军，1998）、《客流预测及公铁竞争模型研究》（罗秀云，1998）、《LS-SVM的参数优选及铁路客运市场预测》（周辉仁,郑丕谔，2007）、《预测铁路旅客运输市场发展趋势的研究》（李卫东，2006）、《铁路客运专线运量预测方法研究》（任民，2008）、《铁路客流预测方法研究》（郭孜政，2005）、《基于支持向量机的铁路客运量预测》（彭珍瑞,孟建军,祝磊，2007）、《基于灰色动态模型的铁路客运量预测与分析》（申耀伟,XieXiaoru，2008）、《基于双层次正交神经网络模型的铁路客运量预测》（汪健雄,刘春煌,单杏花，2010）、《基于模糊集理论和灰色理论的铁路客运量预测模型》（覃频频,牙韩高,黄大明，2006）、《基于神经网络的铁路客运量优化预测》（吴昕慧.，2010）《基于灰色线性回归组合模型铁路客运量预测》（侯丽敏,马国峰，2011）、《推行客运信息系统提升铁路客运竞争力》（张兵兵，2011）等等，从这些文献中我们可以看到这些专家学者看到了我国铁路客运目前存在的一些问题，并且针对这些问题提出了自己的解决办法，有些已经在实际的生产中得到了应用。吴昕慧认为“通过采用遗传算法优化的RBF神经网络参数，较好的解决了RBF神经网络易于陷入局部最优的问题，在对铁路客运量预测的实例应用中，通过对比显示了GA—RBFNN模型预测的结果稳定，收敛速度快，精度高，可操作性好，对铁路企业的经营决策有着良好的指导意义，同时本方法为其它相关领域利用神经网络进行建模预测提供了一种好的思路和方法。”[1]陈鹏,孙全欣认为基于灰色GM(1,1)马尔柯夫过程，同时采用模糊聚类方法的铁路客运量预测方法是一种全新的预测方法，是基于我国铁路网整体运量预测的一种方法，在具体线路上不一定会有良好的预测效果，但在整体客运量预测方面有着独特的优势。[2]这种预测方法充分考虑了铁路客运量的增长趋势预测和随即变动预测，在这两方面加以考虑，更加的贴合铁路客运的实际情况，能更加有效的指导铁路的客运。汪健雄等则基于时间序列的特征分析提出了用于客运量预测的双层正交神经网络模型，其核心思想是在网络学习的初始阶段，将输入信息根据特征分层次处理而不是混合所有的输入信息，并在隐含层的输出采用Gram-Schmidt变换增加投影层，使得在训练过程中减少了不必要的网络连接[3]。该模型在解决短期铁路客运量预测遇到的问题方面更加有优势。罗秀云制作了旅客咨询表，对出行旅客选择交通工具的各种影响因素进行了调查，掌握了第一手资料，并且借助计算机技术将数据整理，利用Logit模型和获得的数据建立了相应的公铁竞争模型，应用此模型对铁路客流分担率进行了分析[4]。并自此基础上提出了铁路客运的发展建议：我国铁路客运适宜高速列车，大力发展高速列车，同时对现有运力进行提速，并努力提高服务质量并且发展配套设施。周辉仁,郑丕谔采用最小二乘支持向量机回归的方法在铁路客运市场中的预测，首先用遗传算法确定支持向量机的最佳数，进而建立起基于时间序列的预测模型，从预侧结果可以看出，该方法用于铁路客运市场预测其有更高的精度[5]。这种方法在使用过程中，需要的时间相对更短，同时用遗传算法优化相关的参数能有效的避免过拟合和欠拟合的现象，具有很强的实用能力和准确的特点。侯丽敏,马国峰运用灰色预测理论构建灰色模型GM(1，1)与线性回归的组合模型，模型改善了原线性回归模型中没有指数增长趋势和基本灰色预测模型中没有线性因素的不足，和单一模型相比，预测精度更高，预测结果更为可靠，具有较高的实际应用价值，也为铁路客运量预测研究提供了新的途径[6]。桂文林,韩兆洲在国内首次将Tramo／Seats季节调整模型应用于客运量预测领域，季节调整模型引入了预调整模块，对交易日、异常值等进行预调整，使因素分解更精确；分析了客运量历史和将来的趋势、季节特征，而Holt—Winters模型只能得到末期的上述特征[7]，这种模型虽然预测的准确度很高，但是没有包括假期在内，特别是像春节这样的假期由于春运的存在使得这样的模型不能更好的预测客流量进而进行全面的指导作用，只能指导平时的铁路客运运作。张兵兵主张在全国范围内推行客运信息系统，使得调度人员充分掌握各阶段旅客的出行规律和铁路的运力调配，这样能更好的做出服务调整，满足人们出行的需要。刘新认为铁路部门应该提高铁路运力资源的利用率，增加职工的服务意识，建立快速反应反应机制，及时的处理增强服务。

　　以上的这些都是专家学者们根据自己对铁路客运过程中出现的问题，客流的发展趋势来综合分析，建立了不同的模型来对未来的铁路客流量进行预测，这样就可以及时的为铁路部门调度运力有一定的参考价值。他们中有很多的成果已经在铁路运输的实际运作中得到了实现，表现出来了先进性。由于作者的能力和精力有限，还有很多铁路客运中的问题不能很好的解决，本文策划于理论的研究，提出的解决问题的方法可能与实际运作中不能紧密的贴合实际，只是希望能为我国铁路客流运输的发展提供一定的参考价值。

　　在铁路市场营销方面我国学者进行了诸多的研究，刘新（2008）指出市场营销对我国铁路运输有着重要的意义，可以提高铁路资源的利用率，分清自己的优势，提高自己的竞争力。刘国琼（2010）中指出，由于我国铁路运输市场营销观念落后，缺乏专业的营销人才在营销手段上业较落后，缺乏灵活的应变机制，火车售票方式欠妥，临客信誉不好，导致我国铁路客运的市场份额降低，对此提出了细分客运市场，实施全面营销策略的对策，加大宣传力度，采取多方式售票方式以及完善站、车设施建设、实施品牌战略等一系列方式[8]。

　　我国的铁路客运在铁路开始运行就已经出现了，到现在已经有100多年的历史了，由于铁路运输从一开始就具备一次性投资大，运程长，运量比较大等优势，从诞生起就占据了运输业的主要地位，性对于别的运输方式，铁路运输相对比较廉价、安全、舒适，人们更加乐意选择铁路运输作为出行的方式。建国后，我国的其他运输业还不发达，国家大力发展铁路运输，铁路交通成为当时我国的交通方式，铁路客运在客运市场份额中占据了绝对性的优势地位。改革开放后，我国的经济飞速发展，同时伴随着科技革命和经济全球化的热潮，人们的出行变得更加的密集，越来越多的人们需要走出去参与活动。我国经济的发展，使得人们的活动范围不断的扩大，活动频率也不断的增强，同时生活节奏的加快使得人们对出行的要求更高，公路、水路、航空运输的不断发展，他们在客运市场中占据的份额不断的上升，铁路原有的优势地位也不复存在。目前大不多人面对中长途的出行时，仍会优先选择铁路作为出行的方式，因此在中长途运行方面铁路运输还是具有很大的优势的。目前我国的铁路运输属于国家垄断行业，内部没有竞争，同时由于目前铁路的运输基本上还是采用先计划后实施的方式来进行，这样运输计划就容易脱离实际情况，于是在每年的春运等交通拥挤的时间，一票难求的局面屡见不鲜，造成大批旅客滞留。而在淡季，铁路客运中经常会出现客座率不满20%的情况甚至更低，这样就造成了铁路部门的运力资源的浪费。因此在铁路客运中急需建立科学合理的客流预测模型，准确的把握客流量的集中和发展趋势，根据多年来的数据分析来制定相应的应急预案，长期的预测具有一定的局限性容易发生变故，短期的客流预测十分的必要，这样在遇到客流量增大的情况可以及时的启动预案，增加或者减少车次和运力，并在实际运作中不断的完善和修正预案，这样就能保证铁路客运的平稳和迅速，还可以进一步增加铁路客运的市场竞争力，增加市场份额都具有十分重要的意义。

　　我国的铁路客流预测研究起步比较晚，开始只是在50年代使用前苏联的一些技术论证和一些专家的咨询进行一些简单的定性方法的预测分析。改革开放后，经济的快速发展，需要进行一些交通方面的预测，来指导实际的生产，我国的相关专家开始不断的研究预测，铁路客运预测作为其中的一个重要的部分也开始被重视进而开始进行研究，并取得了一定的研究成果。

　　我国目前通用的铁路客运预测方法是市场短期预测的方法，这种方法主要是以定性和定量分析的方法对客流量进行分析和研究，其中定性预测方法主要包括经济调查法、特尔菲法和类推法三种；而定量预测方法则种类繁多，主要分为时间序列法、影响因素法、四阶段模式三大类。

　　定性的预测方法大都是专家学者通过对近几年的客流来源进行分析来推测未来的市场状态，主要采用主观判断、逻辑推理的方法来进行预测，这样的预测方法具有简单易于操作等优势所以得到很广泛的应用，但是这种方法具有很大的主观性，根据不能的人的预测会有很大的不同，这种方法只能进行粗略的预测，准确度不高，在实际运行中正在逐渐的被淘汰。定量的预测方法研究的相对就比较多，包络曲线法、回归分析、马尔柯夫预测、灰色系统预测等都是其中比较重要的预测方法，这些方法有的采用时间序列分析，有的用因果关系为预测关系，这些预测方法的侧重点不尽相同，也在实际应用中得到不断的验证。这些研究成果很多采用现代先进的理论和技术，研究的理论成果相对的比较成熟。目前我国在铁路客运预测方面的预测模型比较多，不管哪种模型都存在着优势和劣势，都不能完全的将情况预测出来，这样就需要在实际运作中不断的改进和完善，没有最好只有更好。

　　3.3.1基于传统BP神经网络的预测模型

　　BP神经网络模型在原理上与人脑的神经网络相似，有若干个层组成，该模型主要有输入层、输出层和几个隐含层的组成，隐含层的个数由根据具体的情况有所不同，各个相邻层之间有1个连接权值连接。将采集到的近几年的客流数据以月为单位通过分析，发现数据受到客流趋势的印象比较大，像春运、暑运等影响很大，五一、清明等小长假也会对当月的数据产生影响，这样就可以把影响每日数据的日趋势特征、日周期性特征、春运-暑运特征、黄金周-小长假特征用D1-D4表示。月数据特征包括月趋势特征、月周期特征、春运-暑运特征共3个分别用M1-M3表示，在建立的预测客运量神经网络模型中选择这7个特征作为模型的输入变量。它们在神经网络模型中共对应着15个神经元，每个分别对应着1-3个不等。这样在预测时选取上述的7个特征量作为构建模型时的输入变量，响应的在输入层就会把这些特征对应着的15个神经元全部使用。在输出层用到的神经元取决于你要预测的主体的个数，我们要预测的只有客运量那么在输出层就会只使用1个神经元。同时对于隐含层的使用神经元的个数是这样计算出来的，即其数量等于输入层和输出层所用的神经元的个数的平均，在此次预测中隐含层的神经元的数量是8个。在进行数据均预测时运用建立起来的模型，然后根据Gram-Schmidt正交化定理对双层次BP神经网络模型进行改进，从而得到BIDN模型。BLON模型包括2个相对独立的网络模型，1个用于处理日数据，称为日模型，另1个用于处理月数据，称为月模型，2个网络模型的输出经过合成，得到最终预测结果。虽然该模型在短期铁路客运量预测精度上比以往的模型更加准确，但是对日数据进行预测时得到的模型随着日期的不同相差很大，准确性不够，这些需要不断的改进。

　　3.3.2TRAMO／SEATS季节调整模型

　　TRAMO／SEATS季节调整模型把我们收集到得用于预测的近几年的铁路客运量数据以月数据为单位按照时间书序进行分解，并用其系统自带Demetra软件求解，通过将近几年的铁路客运数据进行分解分析，得到该数据的季节和趋势的特征，再进行预测。我国的铁路客运量由于受到春节、大学生暑期等因素的影响具有比较明显的季节性的特种和明显的线性趋势，非常适合应用TRAMO／SEATS模型进行拟合。TRAMAo／SEATS季节调整的一般步骤为：输入数据一原始数据对数处理一在TRAMO中观察时间序列ARIMA模型最大似然估计和异常值的特殊影响估计一将线性化序列传递给SEATs一引出各成分的模型一对各成分模型的参数使用Wiener—Kolmogorov过滤器进行最小平方误差估计一重新引入异常值和特殊影响一输出结果[9]。在本模型运用过程中可以直接使用TRAMO自动识别ARIMA模型。首先，通过使用均值拟合乘法AR(1)和ARIMA(1，1)，选择序列一般有季节部分的差分阶数。然后，选择并拟合ARMA模型。最后，根据BIC标准进行选择。在处理数据时TRAMO自动识别异常值，如果想要在预测的时候计算比如清明节变量和五一变量等回归变量，程序可以在进行离群值探测的样本空间内对时间点按照水平移动(LS)、附加异常值(AO)、暂时变化异常值(TC)这3种类型假设逐个进行回归。TRAMO将线性化序列传递给SEATS做实际的分解，SEATS可以比较科学的预测出客运量的发展趋势和经季节调整后的参数。这种模型经过我国的具体的数据进行验证后我们可以看到该模型可以对相关因素进行分解，能够比较准确的分析客运量的历史更加准确的预测铁路客运量的季节特征以及其未来的发展趋势，预测的精度比较高，但是这种模型没有涉及到相关假日的客运量的预测，这其中就包括春运，这样的模型不能完全适用于现实中，需要进一步的改进。

　　3.3.3最小二乘支持向量机的客运模型

　　最小二乘支持向量机（LeastSquaresSupponVectorMachine，简称LS—SVM)）的模型是在系统学习统计理论的基础上，可以作为分类和回归的工具使用，目前已经在模型识别、函数逼近和金融时间序列方面应用已经有了成功的范例。在解决小样本的抽样、非线性和高维数等比较实际的问题方面有很大的优势，在模型计算中，经常用等式约束不等式，一般情况下将实际问题转化为线性方程组来进行运算解答，精度比较高。在铁路客运方面的应用模型时将收集到的近5-6年的铁路实际客运量数据作为原始的数据集，对原始数据集进行归一化预处理，将归一化的客运量数据集分成训练集和测试集，根据训练集数据，建立LS–SVM订客运量预测模型，并且网格搜索的方法确定LS—SⅥⅥ模型参数；输入测试集数据到客运量预测模型，输出客运量的预测值；比较LS—SvM及BP神经网络对客运量的预测效果[10]。在建立模型后，把前6年的数据作为输入量，把第7年也就是预测量作为输出量。将1990-2004的已经做完归一处理的铁路客运量数据组成训练集来建立最小二乘支持向量机预测模型，将2004-2010的已经归一后的客运量数据组成测试集进行客运量预测。在得到预测的结果后利用数学上估计误差方差的方式通过计算出来的方差来评价整个客运量模型的性能。将得到的预测结果与BP神经网络的预测模型预测得到的结果相比较可以看出，预测结果更加精确和比较强的拟合能力，对铁路企业的决策有一定的参考价值。但是该模型可以更多的结合定性的分析来进行数据数据的定量分析，更好地服务于铁路企业。

　　以上只是简单的介绍了目前比较先进的三种铁路客运预测模型，以上的模型都是专家在经过实际的考察，在实际数据的基础上得到的，对于铁路企业的决策及运力的调度方面有一定的指导作用。

　　根据铁道部近几年发布的数据显示：根据2005年全国铁路统计公报，2005年全年中国铁路完成旅客发送量115583万人，比上年增长3.4％，国家铁路完成110651万人，比上年增长3.1％；合资铁路完成4613万人，比上年增长13.8％；地方铁路完成319万人，比上年下降15.6％。全国铁路完成旅客周转量6061.96亿人公里，比上年增长6.1％。其中：国家铁路完成5833.20亿人公里，比上年增长5.8％；合资铁路完成225.23亿人公里，比上年增长14.7％，地方铁路完成3.53亿人公里，比上年下降11.3％。

　　2006年全国铁路完成旅客发送量125656万人，比上年增长8.7%，其中：国家铁路完成119728万人，比上年增长8.2%；合资铁路完成5505万人，比上年增长19.3%；地方铁路完成423万人，比上年增长32.6%。全国铁路完成旅客周转量6622.12亿人公里，比上年增长9.2%。其中：国家铁路完成6353.27亿人公里，比上年增长8.9%；合资铁路完成264.19亿人公里，比上年增长17.3%，地方铁路完成4.66亿人公里，比上年增长32.0%。

　　2007年全国铁路完成旅客发送量13.6亿人，比上年增加1亿人，增长8.0%；其中直通旅客发送量5.3亿人，比上年增加0.5亿人，增长10.4%，占旅客总发送量比重为38.9％。完成旅客周转量7216.31亿人公里，比上年增加594.19亿人公里，增长9.0%。自2007年4月18日时速200公里及以上的“和谐号”动车组列车开行以来，以其安全、快速、舒适、方便的运输品质，开创了我国铁路旅客运输新局面，至2007年底，动车组列车共完成旅客发送量6121万人，旅客周转量129亿人公里。

　　2008年全国铁路旅客发送量完成146193万人，比上年增加14489万人、增长11.0%。其中，国家铁路144452万人，增长11.0%；非控股合资铁路1267万人，增长12.7%；地方铁路474万人，增长5.1%。全国铁路旅客周转量完成7778.60亿人公里，比上年增加561.35亿人公里、增长7.8%。其中，国家铁路7739.15亿人公里，增长7.8%；非控股合资铁路33.60亿人公里，增长12.0%；地方铁路5.85亿人公里，增长10.0%。春运、暑运、黄金周和小长假旅客发送量大幅增长，特别是新增的小长假客流增势迅猛，春运、暑运同比分别增长11.8%、8.6%，“五一”、“十一”分别增长11.5%、8.9%，清明、端午、中秋节分别增长47.8%、41.2%、42.6%。

　　2009年旅客运输量再上新台阶，全国铁路旅客发送量完成152451万人，比上年增加6321万人、增长4.3%。其中，国家铁路150798万人，增长4.4%；非控股合资铁路1234万人，下降2.6%；地方铁路419万人，增长2.0%。全国铁路旅客周转量完成7878.89亿人公里，比上年增加100.28亿人公里、增长1.3%。其中，国家铁路7840.09亿人公里，增长1.3%；非控股合资铁路33.16亿人公里，下降1.3%；地方铁路5.63亿人公里，下降3.8%。

　　2010全国铁路旅客发送量完成167609万人，比上年增加15158万人、增长9.9%。其中，国家铁路164761万人，增长9.3%；非控股合资铁路1211万人，下降1.9%；地方铁路477万人，增长13.8%。全国铁路旅客周转量完成8762.18亿人公里，比上年增加883.29亿人公里、增长11.2%。其中，国家铁路8725.72亿人公里，增长11.3%；非控股合资铁路30.15亿人公里，下降9.1%；地方铁路6.31亿人公里，增长11.9%。

　　2011年统计公报尚未公布，但从网络公布的数据显示：2011年全国铁路共发送旅客186226万人，比去年增加18167万人，增长11.1%，其中：国家铁路发送179199万人，比去年增长14438万人，增长8.8%；非控股合资铁路991万人，减少了220万人，下降18.2%，地方铁路528万人，增加了51万人，增长10.8%。全国铁路旅客周转量完成9612.29亿人公里，增加了850.12，增长9.7%，其中：国家铁路9582.71亿人公里，增加856.98，增长了9.8%，非控股合资铁路22.97，减少了7.18亿人公里，下降23.8%，地方铁路6.62亿人公里，增加0.32亿人公里，增长5.0%。从上述数据可以看出，我国铁路客运量连年都在大幅增长，对铁路运输提出了更高的要求，这就需要进一步的做好客流量的预测工作，能过及时作出预案，保证旅客运输的顺利完成。

　　通过对目前现存的众多的铁路客运模型进行分析后，认为灰色线性回归组合模型比较适合当前铁路客运的预测。由于能力有限，主要是对这个模型的运作过程进行阐述，这类模型可以在只是部分数据或者已知的部分模型也是不确定的情况下建立的，只重视系统本身的信息，对所收集到得数据之间的复杂的数据之间的关系不去涉及，充分利用系统本身内在的规律，利用已知的并且明确的信息，对那些不缺的信息明确化，所以可用于铁路客运量的预测，这种方法具有可行性并且易于实现。这种模型是把传统的灰色模型和与现行回归进行组合得到今天的这个模型，新的模型具有更加准确的预测性和实用性。

　　具体的步骤为：

　　1、建立现行回归的组合

　　首先假设一个非负的数列,即X（1）=(x（1）1,x（1）2……x（1）n),对数列进行累加得到新的数列X（2）即X（2）=(x（2）1,x（2）2……x（2）n),

　　其中，(i=1,2,3……k),建立一个微分方程得到即可得到一个模型M(1,1)解方程的可到该方程得到解，可以看到解有两部分组成:

　　同时将线性回归方程和并列解方程，可以得到接的完全形式即

　　⑵，其中为常数均未知。

　　确定模型中的参数

　　令(t=1,2,…..n-1)分别把带入，即可得到：⑶

　　再令把⑶带入得到

　　同样可以得到

　　⑷和⑸相比得到：

　　得到：⑺

　　运用数学手段，将不同m值带入得到不同的，取平均值得到估计值

　　式⑶可变为：

　　分别把m=1,m=2,m=3…….带入，可得到一系列的算式：

　　…………

　　当m=n-3时，

　　通过以上的计算，我们可以求得的平均值作为估计值即

　　令L(t)=,则（2）可以变为：

　　利用矩阵可解的

　　=C=A=

　　则：⑽

　　得到：⑾

　　从（12）可以看出，当 C1=0时，，一次累加生成的新序列时线性回归的模型，当C2=0时，就给M(1,1)模型。将（12）累减可以得到我们所需要的预测值即：

　　我们可以将前面所得到的数据带进模型内进行预测，通过上述的数学的计算后，我们得到2012年全国铁路系统将发送的旅客数量为205676万人，增长率约为10.44%。

　　从近年来我国铁路运输的客流量来看，我国铁路运输量逐年增加，铁路设施和轨道建设也逐步完善，促进了我国交通运输业得发展，带动了我国经济的发展，为国民经济的增长做出了很大的贡献。但随着公路、水路、航空等运输方式的日趋完善，我国铁路运输虽然在旅客周转量上保持良好的增长，在中长途客运上还保持着一定的优势，但是在整个运输市场份额上却每况愈下，逐步被公路运输夺取了头把交椅，丧失了原来的“铁老大”的地位，究其原因，是目前我国铁路运输在营销策略上的落后和机制上的不完善，可以分为以下几个方面。

　　目前我国的铁路行业仍然属于国家垄断行业，行业内部没有竞争力，部分铁路职工的思想观念还比较封闭，思想停留在国家计划的框架内，认为不需要自己参与营销，观念淡薄甚至没有营销观念，认为即使亏所了还有国家在后面的支持。

　　很多铁路企业认为在工作中只是简单的为旅客购票、候车、乘车途中提供服务，忽略了在服务过程中使旅客对自己企业的企业文化、社会评价等营销软实力的认知，尤其容易忽略公众对他们的咨询服务的强烈渴求[11]。经济社会的发展变化同样要求企业能够与时俱进，不断的更新自己的营销理念，改变营销策略，不仅在硬件方面加强，在表现企业营销软实力的企业形象、内部文化、公共责任等方面的更要不断的加强，但是目前我国的铁路部门仍然没有更新自己的营销观念，即使现在铁路行业已经开始认识到自己多面临的问题，开始重视营销在企业发展中的作用，但是他们的营销观念还是比较单一，缺乏对企业发展、努力的方面的宣传，不能很好的贴近群众注意社会舆论的引导，没有更好的彰显铁路文化。不能充分利用铁路资讯作为自己的独特的资源，广泛的利用媒体，实现由目前的自我营销向社会营销转变，实现利益的最大化。

　　目前铁路部门的营销手段明显的不能跟上社会现代化的步伐，在社会营销方面的手段比较单一和落后，向最近的推出高铁的运力时，像以往调整铁路，路线与推出新客运产品时，采取的是散发传单，在车站内部张贴通告，设立咨询台等简单的营销方式，只有很好的新闻报道来对新的客运产品进行宣传，基本杀那个采取的都是自我投入和宣传的自我营销方式，没有充分的调动广大新闻媒体的宣传作用，没有充分意识到自己咨询的稀有性，交通信息是人们日常关注的最多的一类信息，在整个行业的营销策略还没有从自我营销向社会营销的转变。

　　同时在进行企业营销的同时，对社会的调查不足，没有充分的到群众中间去调查，不能意识到对网络、论坛、微博等时下比较流行的交流方式在企业营销中具有的强的潜力。就是因为在进行的市场调查中不能充分的贴近的人们的生活，不能提起人们的兴趣，因而不能得到比较真是的结果，这样同样对企业的营销不利。

　　目前我国铁路的售票方式基本上还是采用在火车站的窗口和在各地设立的售票点出售车票，电话售票和今年刚刚实行的网络售票数量还是比较少，在全部的收储车票中的比例非常的少。同时由于这两种售票方式都是新兴的，各种配套设施还没有完善，其中出现了很多的问题。像是电话订票基本上不能接通电话，即使是顶到车票，在几个小时之内不能到就近的售票处取票，订单将被取消，这样对很对乘客造成不便。在今年的网络售票中，由于没有对网络售票的提起有充分的准备，导致订票网站经常瘫痪，不能实现网络订票。还有的人成功的进行了网络购票，但是在取票时却被告知名下没有票，造成旅客出行的困扰。

　　由于这两种订票方式比较难成功，大多数需要出行的旅客选择到火车站或者售票点去排队买票，这样就出现排队的时间很长但是仍然没有买到票的情况经常出现。造成大量的农民工不能及时的购买车票及时的返回工作岗位，他们一般不不会进行网络购票，又由于很多住在偏僻的地方，离售票点比较远，更难买到返回的车票。

　　现在火车客运采取的是车票实名制的售票方式，仅制定几种特定的证件可以购票，这样的购票方式不够灵活，很多没有二代身份证的人不能及时的购票，还有不少外国人在中国不能进行购票乘车。

　　目前，我国铁路客运在旅客行程中对旅客的餐饮、用电以及睡眠的服务程度不高，导致旅客不仅不能够享受旅程可以带来的舒适，反而更感到身心俱疲，菜价贵、晚上无法睡觉、旅程过程中无法给手机、电脑充电等。在列车上，火车列车员的服务态度差，对于一些突发情况不能及时救护，同时，火车上偷窃事件时有发生，旅客出行的安全得不到应有的保障。

　　在市场经济体制下，正确的营销策略是赢得竞争的关键因素。首先正确合理的市场营销策略可以为铁路客运市场提供一个统一的整体规划，各方面统一协作，合作共赢。其次，正确合理的营销策略可以提高铁路客运运力资源的有效利用率，通过制定出一个最好的营销方法，全面调整整合铁路资源，合理配置，提高铁路客运资源的有效利用率。最后，正确合理的营销策略可以提高铁路在运输市场上的竞争力。当前，铁路和公路、水路、航空等运输方式竞争激烈，其中，正确分析自身优势，发掘自己的潜力，充分利用自己特有的资源优势，制定出符合自身长远发展的营销策略是取得运输市场中竞争胜利的重要方面。铁路客运应该正确认识当前面临的不容乐观的竞争形势，充分分析自己的不足以及优势，冷静面对当前的机遇和挑战，制定出符合市场需求和自身发展的营销策略，进一步提高服务质量，增加市场的竞争力。

　　一方面要充分了解客运市场中的客运现状，在计划开行列车前，要组织专业的人员配备高科技的仪器和设备，以发车区域为中心，对吸引区域进行精确的客运流量调查，并根据调查的数据结果，结合当地的经济发展和客流成分，细分客流中的市场，根据不同市场不同时间段的客流的大小，合理安排下个阶段的列车发车计划，根据市场需求制定不同的计划，提高列车的运行效率。另一方面，要强化营销意识，树立现代的营销观念。在竞争如此激烈的市场经济体制下，要摒弃以前铁老大的意识和坐等客户的经营方式，树立以旅客为导向、以市场为准则、以服务为理念的现代营销策略，注重旅客满意度，提高服务水平，全面提升铁路的运输形象。

　　目前，我国铁路的售票方式多为窗口售票，是以火车站售票和临时售票点为主的固定地点售票方式。火车站售票处往往由于来往的客流量多，人员密集，鱼龙混杂，导致旅客排队时间过长，有时会耽误部门转车旅客乘车现象的发生。在排队售票处，也多有黄牛党出没，没有响应的安全保卫人员，安全条件也较差。在临时售票点票数少，售票人员工作时间短，不利于乘客购买各种火车票。虽然我国目前一些大城市开通了自动售票机，但普及范围小，不能起到很好的缓解旅客购票的压力。

　　随着网路时代的到来，我国目前开始实行了火车票网上购票，但是由于网站建设的薄弱，火车票网上售票系统在人流客运高峰时不能发挥应有的作用。另外，许多农民工不懂网路，而网络购票可以提前12天，比火车站购票提前了2天，导致很多农民工在春节等重大节日期间买不到票的现象时有发生，为此应该在网站建设上增加资金投入和研发力度，在农民工等一些弱势群体购票方面给予一些照顾，增设一些专门的卖票渠道。

　　随着人们生活质量水平的提高，人们追求旅程舒适度要求的也进一步，加强。为此铁路部门应该在铁路运输过程中注重服务质量的提升，提高旅客在旅程途中的舒适度，提高满意度。

　　6.3.1餐饮质量

　　火车上的饮料和饭菜贵，是大多数旅客的感受。在铁路旅程中，虽然在蔬菜和水果的保险以及饮料的运输成本较大，但是如果充分考虑到火车容量大，乘客人数多等特点，适当的降低价格，采取薄利多销的策略，既可以方便乘客的就餐，也可以赚取和以前一样甚至更多的利润，最重要的是可以提高旅客对铁路运输的形象改进，支持铁路运输，所以综合考虑餐饮的费用，制定合理的价格是提供服务质量的一个重要的方面。

　　6.3.2娱乐需求

　　目前，我国大多说普通列车上没有充电的设配，对于手机和电脑都已经普遍与每个旅客的现状，手机和电脑已经成为了现代娱乐不可缺少的工具，这样看来显然不能满足广大旅客在电气方面的用电需求。另外，与公路长途运输相比，铁路运输相对缺乏车内电视等娱乐设施，旅客在乘车过程中多会感到疲劳，而且火车硬座不适合乘客睡眠，这都加大了旅客的不舒适度，给铁路运输的乘客回头率造成了一定的影响。

　　6.3.4票价服务

　　目前我国铁路部门的售票存在软卧、硬卧、硬座、站票4种形式，其中软卧价格很贵，而硬座价格和站票价格一样，这就导致了部分乘客心理的不平衡。花一样的钱，得到的服务不一样，会导致部门旅客产生厌烦的情绪，甚至做出逃票的行为，不仅会给铁路部门造成一定的损失，还不利于铁路部门的管理。为此，铁路售票时，应根据为旅客提供的服务的不同，制定不同的票价，适当降低站票的价格，争取各个层次旅客的不同需求，让不同的旅客都得到满意的服务，提高铁路运输的形象，增强铁路运输的竞争力。

　　随着网路的普及，人们足不出户就可以了解世界各地的信息。铁路部门应该充分利用网路这个平台，通过自己的网站建设，发布一些最新动态的信息，让信息需求者第一时间得到最新动态，满足旅客对出行信息的需求，同时可以增加铁路客运网上服务人员，加强与旅客在网上的互动，及时解答各种问题，保护乘客的正当利益，提高乘客的满意率。

　　要认识到旅客列车广告的重要性，利用铁路线长面广，接触旅客人数众多的特有优势，通过向旅客宣传介绍车次线路，免费向旅客赠送时刻表等方式，积极开展产品广告宣传。加强自身优势的宣传力度，使铁路客运旅行环境舒适，服务优质便利周到等优势深入人心，塑造铁路客运的崭新形象

　　从预测模型的计算结果来看，我国铁路运输的旅客周转量成逐年增加的良好发展趋势，但是在市场份额上却失去了铁老大的位置。这是由于我国铁路运输在市场营销方面做的不够好造成的，长期以铁老大自居，采取坐商的经营方式，导致铁路在服务质量上的下降，票价制定上存在问题，售票方式单一，市场调查不足，导致旺季人多挤不上火车，淡季人很好经营利润很低现象的发生。为此，铁路客运应在充分调研市场的基础上，明确自己的市场地位和市场目标，制动符合自身优势的铁路营销策略，改善售票形式单一的形式，开设自动售票机和网络售票的建设，增设弱势群体的专门售票窗口，体现人性化的售票方式；在票价制定上，适当调低软卧和站票的价格，改变硬座和站票价格一样的现象，提高旅客心理的平衡性和满意度；同时，加强网络营销和广告宣传，充分利用网络平台，建设铁路运输专门的服务网络平台，利用自身线长乘客多的优势，在列车内做好广告宣传，提高铁路运输的知名度和良好形象。另外，要加强服务质量的提高，改变列车餐饮食材的价格，采取薄利多销的方式，增设用电设配和娱乐设施，提高旅客的乘车舒适度，这样旅客在下次出行时还会选择铁路运输，增加市场的占有份额，提高铁路客运的竞争力。

　　参考文献

　　[1]左相国,范佩红.中国铁路客运产业成长过程的逻辑函数分析[J].科技进步与对策,2004,21(4):97-98.

　　[2]张敬文.提高铁路客运服务优化措施的思考[J].铁道运输与经济,2010,32(3):47-48.

　　[3]王进喜.铁路客运营销社会化的思考与实践[J].铁道运输与经济,2009,31(9):35-38.

　　[4]梁丽华,韩宝明,刘启钢等.铁路客运服务质量标准化研究[J].中国铁路,2007,(3):63-65.

　　[5]贺爱晖.铁路客运营销思路探讨[J].铁道运输与经济,2009,31(7):44-45.

　　[6]廉文彬.青藏铁路客运市场分析及营销策略[J].铁道运输与经济,2003,25(3):37-38.

　　[7]刘世峰,张廷军.铁路客运面临的困境及其对策研究[C].//中国科协第三届青年学术年会卫星会议–中国铁道学会第六届青年学术会议论文集.1998:310～314.

　　[8]陈翠利,黄志彤.铁路客运专线客流量预测分析[J].交通科技与经济,2008,10(1):75-76.

　　[6]刘世峰.客流预测虚拟现实化研究[D].北方交通大学,1998.

　　[7]罗秀云.客流预测及公铁竞争模型研究[D].西南交通大学,1998.

　　[8]李卫东.预测铁路旅客运输市场发展趋势的研究[J].铁道运输与经济,2006,28(2):52-55.

　　[9]王平,仲伟俊.铁路客运分段能力配置策略研究[J].南京航空航天大学学报：社会科学版,2010,12(4):33-38.

　　[10]刘崇文.基于灰色系统模型的铁路客运量分析探讨[J].科技致富向导,2010,(14):45-46,72.

　　[11]侯丽敏,马国峰.基于灰色线性回归组合模型铁路客运量预测[J].计算机仿真,2011,28(7):1-3,30.

　　[12]任民.铁路客运专线运量预测方法研究[J].铁道工程学报,2008,(5):89-92,96.

　　[13]郭孜政.铁路客流预测方法研究[D].西南交通大学,2005.

　　[14]桂文林,韩兆洲.基于季节调整模型的我国铁路客运量波动分析[J].铁道运输与经济,2011,33(2):78-82.

　　[15]陈鹏,孙全欣.基于灰色马尔柯夫过程的铁路客运量预测方法研究[J].铁道运输与经济,2005,27(4):65-67.