基于大数据下的旅客流量分析—以贵阳到成都方向为例

本文以贵阳到成都方向为实例，经过对部分节假日客座率进行分析，可知在节假日前后旅客流量波动较大；用时间序列法对趋势客流量进行分析，对数据进行平稳性检验，对原序列拟合ARIMA模型，然后利用Hlot两参数指数平滑法对数据进行拟合；在回归分析中，将定性数据数量化，根据理论知识对数据进行分析，以起始时间、时长、座位的舒适度为指标，得出客流量与这几个指标之间的关系。

随着发改委发布的《关于改革完善高铁动车组旅客票价政策的通知》，铁路总公司根据市场情况自行对火车票价进行定价的政策出台。铁路部门为了保持市场竞争力，实现利润最大化，需要了解日常铁路客运流量、淡旺季的变动指数等具体情况，所以对客流量的充分了解和预测是准确把握市场的首要条件，因此有关于铁路客流预测的研究也成了铁路客运服务需要重点研究的对象。

然而铁路客流量受诸多因数的影响，比如：节假日期间铁路客流量骤增，造成人多车少的情况，导致铁路客运量无法满足客户乘车需求，同时也给铁路局带来巨大压力，在非节假日期间，造成车多人少的情况，一些冷门线路区间上客座率不足，这样就造成铁路车辆资源的浪费，因此客流量进行预测，可以为之制定合理的价格，改善火车站运营方式、优化铁路资源配置、促进城市间之间的发展，从而更好的带动各城市间餐饮、住宿等服务业的发展。

2. 趋势客流量分析 趋势客流量预测的方法较多，如时间序列法、回归分析法、灰色预测法、BP 人工神经网络模型、重力模型等。这些方法在各自的领域都有各自的优缺点，因为是研究贵阳到成都方向的铁路客流量，且数据是由时间顺序记录的，结合铁路客流量增长特点，以铁路历史客流量为基础，建立时间序列分析模型对趋势客流量进行预测[1]。

2.1. 数据处理 选取样本数据，在贵州省统计局的统计月报中得出数据如下表所示： 数据缺失原因：由于数据来源是贵州省统计局统计月报，在数据收集过程中，数据缺失的情况是无法避免的。因此，在大多数情况下，信息系统是不完备的，而处理不完备数据的方法有以下三类[2]： 一：删除元组：也就是将存在遗漏信息的值进行删除，进而得到一个完备的信息表； 二：数据补齐：这类方法是用一定的值去填充空值，从而使信息完备化。通常基于统计学原理，根据决策表中其余值的分布情况来对一个空值进行填充。在数据挖掘中又有多种补齐方法：人工填写、特