摘 要：采用GM（1，1）、三次指數(shù)平滑法和多元線性回歸，建立三種不同的四川省公路客運量單項預(yù)測模型。在此基礎(chǔ)上，建立誘導(dǎo)有序加權(quán)平均組合預(yù)測模型。通過兩個誤差指標(biāo)值的比較，說明組合預(yù)測方法的優(yōu)越性。準(zhǔn)確合理地推測未來公路客運量，有助于相關(guān)部門從整體上掌握未來公路旅客的需求，從而更合理地制定規(guī)劃。

關(guān)鍵詞：GM（1，1）;指數(shù)平滑法;多元回歸模型;預(yù)測方法;客運量

中圖分類號：F540.31? ? ? ? 文獻標(biāo)志碼：A? ? ? 文章編號：1673-291X（2019）12-0056-02

引言

公路客運是現(xiàn)代化客運主要方式之一，在社會發(fā)展過程中發(fā)揮了支持經(jīng)濟發(fā)展，推動社會進步的巨大作用。公路客運需求受人口、經(jīng)濟、出行偏好及運輸成本等諸多因素的影響，公路客運需求預(yù)測的準(zhǔn)確性直接影響交通規(guī)劃的正確性，準(zhǔn)確合理地推測未來公路客運量，有助于相關(guān)部門從整體上把握公路旅客需求，制定總體規(guī)劃。本文利用組合預(yù)測模型，對四川省公路客運量進行預(yù)測。

一、單項預(yù)測模型

1.灰色GM（1，1）模型?；疑獹M（1，1）預(yù)測模型為：

2.季節(jié)指數(shù)修正的三次指數(shù)平滑預(yù)測模型。根據(jù)四川省公路客運量2014—2017年季度數(shù)據(jù)，得三次指數(shù)平滑預(yù)測模型如下：

y16+L=21 236-1 305L-37.8L2

四川省2018年各季度公路客運量預(yù)測值分別為19 893萬人、18 475萬人、16 981萬人、15 412萬人。利用季節(jié)指數(shù)修正預(yù)測值，修正后2018年四川省公路客運量為71 272萬人。

3.多元線性回歸預(yù)測模型。綜合參考國內(nèi)外的研究現(xiàn)狀，根據(jù)實際需求，選取了以下相關(guān)因素指標(biāo)：私人汽車、來四川省旅游的游客總?cè)藬?shù)、人均GDP、人口總量、人均可支配收入和城市化率。采用灰色關(guān)聯(lián)分析法對四川省公路客運量以及相關(guān)因素指標(biāo)進行關(guān)聯(lián)分析，與四川省公路客運量有較強關(guān)聯(lián)性的指標(biāo)有四川省人均GDP、四川省私人汽車擁有量、四川省人口總量。這3個指標(biāo)與四川省公路客運量的關(guān)聯(lián)度均大于0.8，因此采用它們作為預(yù)測模型的指標(biāo)。

設(shè)定x1代表四川省私人汽車擁有量，x2代表四川省人均GDP，x3代表四川省人口總量?；貧w預(yù)測方程為：

y=-4 134 965-373x1-0.36x2+551x3

通過計算，2018年四川省公路客運量預(yù)測值為66 654萬人。

二、組合預(yù)測模型

最優(yōu)化模型為：

分別計算三種單項預(yù)測模型和誘導(dǎo)有序加權(quán)平均組合預(yù)測模型在四川省公路客運量的兩個誤差評價指標(biāo)，結(jié)果（見下表）。

結(jié)語

通過兩個誤差評價指標(biāo)的比較，可以看出組合預(yù)測方法預(yù)測效果較好。根據(jù)預(yù)測可知，四川省公路客運量將會出現(xiàn)持續(xù)減少的趨勢。公路客運企業(yè)和客運線路經(jīng)營者面臨困境，必須采取改善措施，轉(zhuǎn)型升級，如發(fā)展城鄉(xiāng)公交，開辟新的短途線路，與旅游景區(qū)、學(xué)校合作等措施。

參考文獻：

[1]? 鄧聚龍.灰理論基礎(chǔ)[M].武漢：華中科技大學(xué)出版社，2002：218-220.

[2]? 王洋.基于三次指數(shù)平滑法在成都市生產(chǎn)總值預(yù)測中的應(yīng)用研究[J].經(jīng)濟研究導(dǎo)刊，2016，（31）：87-89.

[3]? 潘紅宇.時間序列分析[M].北京：對外經(jīng)濟貿(mào)易大學(xué)出版社，2006：39-42.

[4]? 胡凡.公路客運量預(yù)測方法對比分析[D].長春：長春工業(yè)大學(xué)，2015.

[5]? 王洋，王詠.基于組合預(yù)測模型在成都市房價預(yù)測中的應(yīng)用研究[J].佛山科學(xué)技術(shù)學(xué)院學(xué)報：自然科學(xué)版，2017，（7）：28-30.

[6]? 陳華友.基于IOWA算子的組合預(yù)測[J].預(yù)測，2003，（6）：61-65.