城市交通客運(yùn)量統(tǒng)計(jì)分析與建模預(yù)測(cè)研究-全文預(yù)覽
【正文】 運(yùn)送旅客數(shù)量與平均運(yùn)距的乘積。七、回歸模型的檢驗(yàn)相關(guān)性分析：在相關(guān)分析中,通常利用兩個(gè)變量之間的簡(jiǎn)單相關(guān)系數(shù)和一個(gè)變量與多個(gè)變量之間的復(fù)相關(guān)系數(shù)來(lái)分析或測(cè)定這些變量之間的線(xiàn)性相關(guān)程度,并據(jù)此進(jìn)行線(xiàn)性回歸分析、預(yù)測(cè)和控制等。因此,人們通常利用相關(guān)系數(shù)的大小來(lái)解釋變量間相互關(guān)系的大小，下面進(jìn)行交通客運(yùn)量、貨運(yùn)量與總?cè)丝?、生產(chǎn)總值、批發(fā)零售量的相關(guān)性分析：（1）可決系數(shù)與調(diào)整的可決系數(shù)在多元線(xiàn)性回歸方程中，也可以向一元線(xiàn)性回歸模型那樣，用可決系數(shù)來(lái)衡量樣本回歸線(xiàn)對(duì)樣本觀(guān)測(cè)值的擬合程度。當(dāng)r越接近于1時(shí)，剩余平方和Q(a,b)的值越接近于0，即回歸模型描述y與x的關(guān)系的近似程度越好，對(duì)于一元線(xiàn)性回歸而言，表示y與x的關(guān)系越接近于線(xiàn)性；當(dāng)r=1時(shí)，Q(a,b)=0，此時(shí)即每一個(gè)理論值都等于對(duì)應(yīng)的實(shí)際值，回歸直線(xiàn)通過(guò)每一個(gè)數(shù)據(jù)點(diǎn)，這種情況稱(chēng)為完全線(xiàn)性相關(guān)，r越接近于0，y與x的關(guān)系與線(xiàn)性關(guān)系相差就越遠(yuǎn)，甚至根本不能用所得到的回歸方程來(lái)描述，當(dāng)r=0時(shí)，稱(chēng)為完全無(wú)線(xiàn)性相關(guān)。我們使用的是多元回歸分析，我們通過(guò)計(jì)算分析， 其擬合度還是比較高的，說(shuō)明我們建立的模型思想是正確的回歸分析的缺點(diǎn)有時(shí)候在回歸分析中，選用何種因子和該因子采用何種表達(dá)式只是一種推測(cè)，這影響了用電因子的多樣性和某些因子的不可測(cè)性，使得回歸分析在某些情況下受到限制。九、對(duì)交通管理部門(mén)的建議由于客運(yùn)總量總體增加，提高道路施工的科學(xué)規(guī)劃，運(yùn)籌水平和施工水平，提高工效，減少影響交通的時(shí)間。內(nèi)江科技。工程建設(shè)技術(shù)發(fā)展研究報(bào)告[C]。武漢理工大學(xué)。我國(guó)優(yōu)先發(fā)展城市公共交通的制約因素和對(duì)策研究[D]。2005年40 / 41。2009年【10】滑思忠：利用PPP模式發(fā)展我國(guó)城市公共交通事業(yè)的研究[D]。西南交通大學(xué)。安徽大學(xué)。黑龍江科技信息?？萍脊芾硌芯?。另外，聚類(lèi)分析的優(yōu)勢(shì)是通過(guò)樹(shù)立的角度對(duì)數(shù)據(jù)做智能劃分，免去人工劃分的痛苦。八、模型評(píng)價(jià)回歸分析法在分析多因素模型時(shí)，更加簡(jiǎn)單和方便；這樣就可大大減少我們的工作量，然我們?cè)谡麄€(gè)比賽過(guò)程中工作量沒(méi)那么大 運(yùn)用回歸模型，只要采用的模型和數(shù)據(jù)相同，通過(guò)標(biāo)準(zhǔn)的統(tǒng)計(jì)方法可以計(jì)算出唯一的結(jié)果，我們就是運(yùn)用這種模型分析預(yù)測(cè)的、回歸分析可以準(zhǔn)確地計(jì)量各個(gè)因素之間的相關(guān)程度與回歸擬合程度的高低，提高預(yù)測(cè)方程式的效果；在回歸分析法時(shí)，由于實(shí)際一個(gè)變量?jī)H受單個(gè)因素的影響的情況極少，要注意模式的適合范圍，所以 一元回歸分析法適用確實(shí)存在一個(gè)對(duì)因變量影響作用明顯高于其他因素的變量是使用。因?yàn)樗约匆肭缶鸵惹驫和U又有Qy的剩余平方和為 或誤差平方和；先求客運(yùn)量，經(jīng)有關(guān)數(shù)據(jù)帶入Yi表示客運(yùn)量和周轉(zhuǎn)量的取值。相關(guān)系數(shù)絕對(duì)值愈小,表明變量之間的線(xiàn)性相關(guān)程度愈低。隨著外來(lái)人口進(jìn)入城市打工或者是搬遷，尤其是外省或者是農(nóng)村的人口的遷入，導(dǎo)致平均運(yùn)距的增加，尤其在返鄉(xiāng)時(shí)，從而必然導(dǎo)致客運(yùn)周轉(zhuǎn)量的增加?？梢苑治鲭S著生活水平的提高，隨著經(jīng)濟(jì)的發(fā)展，為了適應(yīng)人們生活的快節(jié)奏，批發(fā)零售貿(mào)易餐飲業(yè)的出現(xiàn)，解決了人們因?yàn)楣ぷ鲏毫Υ蠖鴮?duì)付餐飲的問(wèn)題?？?cè)丝趶?012年的 9829 增加到2020年的9967 。計(jì)算公式為：N＝LS 式中L為預(yù)測(cè)期末人口數(shù)；S為預(yù)測(cè)期末的平均乘坐率。③ 計(jì)算公式是： N1＝R1(1+m)tK2 式中N1為預(yù)測(cè)的旅客周轉(zhuǎn)量； ④ R1為報(bào)告期基礎(chǔ)年度的旅客周轉(zhuǎn)量；m為預(yù)測(cè)期國(guó)民收入平均年增長(zhǎng)速度；⑤ t為預(yù)測(cè)期年限；K2為預(yù)測(cè)期的運(yùn)輸彈性比值。根據(jù)預(yù)測(cè)期經(jīng)濟(jì)發(fā)展情況尋求未來(lái)的客運(yùn)彈性比值，再根據(jù)預(yù)測(cè)期的國(guó)民收入增長(zhǎng)速度，推算未來(lái)客運(yùn)量。計(jì)算出主要工農(nóng)業(yè)產(chǎn)品的貨運(yùn)量 Y1=P(1+n)tK 式中Y1為預(yù)測(cè)的貨物周轉(zhuǎn)量；P為報(bào)告期基礎(chǔ)年度的貨物周轉(zhuǎn)量；n為預(yù)測(cè)期工農(nóng)業(yè)總產(chǎn)值平均年增長(zhǎng)速度；t為預(yù)測(cè)期年限；K為預(yù)測(cè)期的運(yùn)輸彈性比值。E、F、G分別為第一產(chǎn)業(yè)，第二產(chǎn)業(yè)，工業(yè)運(yùn)輸系數(shù)。按第一產(chǎn)業(yè)，第二產(chǎn)業(yè)，工業(yè)計(jì)算的運(yùn)輸系數(shù)法。運(yùn)輸系數(shù)是工農(nóng)業(yè)產(chǎn)品的生產(chǎn)量和運(yùn)輸量的比值，采用這種方法的關(guān)鍵是要分析掌握引起運(yùn)輸系數(shù)變化的主要因素?？瓦\(yùn)量和旅客周轉(zhuǎn)量預(yù)測(cè)的具體計(jì)算方法又各有差異。每一次歸并，都劃去該對(duì)象所在的列與列序相同的行。 在聚類(lèi)分析中，常用的聚類(lèi)要素的數(shù)據(jù)處理方法有如下幾種: 這種標(biāo)準(zhǔn)化方法所得到的新數(shù)據(jù)滿(mǎn)足② 標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化，即由這種標(biāo)準(zhǔn)化方法所得到的新數(shù)據(jù)，各要素的平均值為0，標(biāo)準(zhǔn)差為1，即有③ 極大值標(biāo)準(zhǔn)化，即④ 極差的標(biāo)準(zhǔn)化，即 經(jīng)過(guò)這種標(biāo)準(zhǔn)化所得的新數(shù)據(jù)，各要素的極大值為1，極小值為0，其余的數(shù)值均在0與1之間。五、交通客運(yùn)量變化趨勢(shì)的預(yù)測(cè) 基于時(shí)間序列模型運(yùn)用時(shí)間序列分析法對(duì)山東省總的客運(yùn)量和周轉(zhuǎn)量以及其他各地客運(yùn)量和周轉(zhuǎn)量的變化趨勢(shì)經(jīng)行預(yù)測(cè)，過(guò)程如下： （一）運(yùn)用時(shí)間序列分析法對(duì)山東省交通客運(yùn)量和周轉(zhuǎn)量的預(yù)測(cè)如下： 客運(yùn)量 單位：(萬(wàn))Model201220132014201520162017客運(yùn)總量模型_1Forecast276954306240338623374430414024457804UCL364892449594538900636795745644867463LCL205954200235200114202867207542213704ForecastModel201820192020客運(yùn)總量模型_1Forecast506214559743618932UCL100424311580831331255LCL221132229708239376對(duì)于每個(gè)模型，預(yù)測(cè)的范圍要求估計(jì)期間的最后一個(gè)非缺失，去年同期非缺失的所有預(yù)測(cè)值或要求預(yù)測(cè)期的結(jié)束日期結(jié)束后開(kāi)始，（以較早者為準(zhǔn)）。系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤Beta年份.702.000（常數(shù)）.000Logistic模型匯總RR 方調(diào)整 R 方估計(jì)值的標(biāo)準(zhǔn)誤.975.951.950.381自變量為 年份。ANOVA平方和df均方FSig.回歸1.000殘差55.061總計(jì)56自變量為 年份。系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤Beta年份.924.002.378.000（常數(shù)）+063+064.205.838因變量為 ln(1 / 貨運(yùn)總量)。貨運(yùn)總量線(xiàn)性模型匯總RR 方調(diào)整 R 方估計(jì)值的標(biāo)準(zhǔn)誤.787.619.613自變量為 年份。ANOVA平方和df均方FSig.回歸1.000殘差58總計(jì)59自變量為 年份。 批發(fā)運(yùn)輸量與客運(yùn)量的相關(guān)性偏自相關(guān)Series: 批發(fā)運(yùn)輸量LagPartial AutocorrelationStd. Error1.879
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1