基于B／S模式的客流预测系统的设计与实现

1 引言

在信息飞速发展的今天，我国各行各业都不同程度地推行了办公自动化，各种管理信息系统层出不穷。但是许多管理软件仍然停留在面向当前工作数据流的控制、报表的自动生成和打印输出以及简单的统计分析方面。而随着数据挖掘理念的提出，也给管理信息系统带来了新的发展空间。如何更有效地提取有用的信息资源，发掘其内在的规律性，探索出有价值的发展趋势，是适应市场需求、提高科学管理水平和领导决策能力的关键。

针对我国目前我国铁路运输中的客票预定体系的还相当不完善的现状，特别是在节假日期间，出行人数相对平时有明显增加，给客运工作带来很多不可预知的困难。如果能深入这部分的研究，为铁路局开发出一套方便有效的客流预测系统，对每年各个时期的旅客人数做出较为准确的预测，最大可能地满足旅客的乘车需求，对于铁路运输的建设与发展具有重大意义。

客运量定量预测的方法较多，大体上可分为相关模型预测法和时间模型预测法。相关模型预测法是找出影响客流量的因素(即相关因素)，以这些因素为自变量、客流量为因变量建立函数关系，得出模型进行预测。时间模型预测法是以时间为自变量建立模型进行客流量预测。

在相关模型预测法中，影响客流量的因素很多，有经济发展水平、人口、旅游业等，这些因素之间有错综复杂的关系，难以确定单个因素对客流量的影响，导致预测存在某些误差。

时间模型如季节模型，表现为客流因季节不同而有显著变化。例如在节假日及寒暑假期间，旅行人数激增，等级较低席位需求远远多于平常。由于季节性的变化，使得订票需求呈不稳定的变化，但每年的同一时间点，有相同的变动方向、甚至相同的变动幅度，时间序列呈周期性的波动。

然而，另一方面，由于任何现象从一个时期到另一个时期的运动，总是受到诸多因素的影响，其中有些因素的影响不是瞬间即逝的，而是持续相当长的时间。就铁路客运自身来考虑，随时间的不同，在其前后时间的数值之间也表现出一定的依赖关系。
2 建立模型

目前，南昌铁路局在客流分析和统计上的工作尚未开展，他们所具有的数据以纸质材料的形式存放。为了实现客流分析的自动化和客流预测功能，该软件系统选择了客流的几个重要的指标进行分析和预测，如各站上车人数、各站下车人数、各站到终点人数、车内人数。这种分析的意义在于为车厢的调配和旅客的分流提供了预报。该软件系统的开发和研制将使南昌铁路局在客流分析方面得到一个突破性的进展。

由于平时，即非常假日期间。连续几天内的客流量相差不大，考虑采用指数平滑法进行相邻几天的客流预测。指数平滑法是一种加权移动平均的预测方法，这种方法适用于短近趋势的预测。他的原理是任一期的指数平滑值都是上一期以及其以前各期实际数值的加权平均数，随着时间的进展，所平均的项数就不断地增加，同时远期数值的权数迅速减小。既体现了重视近期数据的思想．也用到了老的平滑值，可以一定程度地抵掉新信息中包括的随机干扰，起到了平滑数据、显示规律的作用。

而在节假日期间及寒暑假期间，旅行人数激增，等级较低席位需求远多于平常。与相邻时段的客流量比较在曲线上有较大的起伏，但相对于历年的同一时段，具有相似的波动幅度。针对这一特性，采用季节水平模型进行预测。

季节水平模型：

yt=y*ft (2)
式中，y可以是预测期前两年的某个时间段的平均水平，也可以是已知年份所有数据日的平均水平。ft称为季节指数或季节系数，他表示季节变动的数量状态，ft=同日平均数／已知年份日总平均数。由于在一段时间内的不确定因素很多，模型(2)只考虑纵向历年同一时间点客流量的变化，未考虑这段时间前内前几天客流变化对后几天的影响，还需根据前几天的实际值对未来天数的预测值做出修正。

如果第i天的实际值比该天的预测值大，则修正后的预测曲线在第i天之前部分已为实际值，不发生变化；在第i天之后与第i天接近的部分受这一不确定因素影响较大，应向上做相应偏移。而与第i天相距较远的部分受其影响较小，基本不发生变化。这种变动情况符合负指数曲线。

3 预测系统的体系结构

该系统设计为browser/server结构．用户通过浏览器向分布在网络上的服务器发出请求。他以tcp／ip协议为基础，以web为核心应用，构成统一和方便的信息交换平台，既可以与internet互联，又可单独使用，具有很大的灵活性。采用b／s结构简化了客户机的管理工作，客户机上只需安装配置少量的客户端软件。服务器将负担较多的工作，对数据库的访问和预测程序的执行将在服务器上完成。

典型的基于b／s应用系统的3层结构模型包括表示层(presentation)、应用逻辑层(businesslogic)和数据服务层(data)。用java技术开发的铁路预测系统的3层体系结构如图1所示。第1层(表示层)包括javaapplet和浏览器；第2层(应用逻辑层)为预测服务器和web服务器；第3层(数据服务层)为数据库服务器。第1层与第2层的通信采用http和socket技术，第2层与第3层的通信采用基于jdbc一odbc的数据库连接池技术。

4 数据库同步控制

由于该客流预测系统的服务对象只是铁路局的领导和部分决策人员，他是整个铁路营运信息系统的一部分。出于安全的考虑，采用内网和外网2个子系统，分别对应不同的web服务器和数据库服务器。使用外网的为普通用户，实现的服务内容为一般的数据录入、资料查询和三维统计等。为了提高存取速度，更重要的是保证数据的完整性．外网的数据库服务器采用磁盘阵列技术。由于外网上的数据是实时更新的，比如各个车次的上车人数、下车人数、到终点人数和往返客票进款等，这些都是执行预测所需要的原始数据，于是很重要的一部分工作就是保持2个系统数据的完整性、一致性和安全性。

为此，设计了数据库的实时更新功能，实现定期地将原始数据导入到预测系统所需的运行数据库中，用户可以自定义数据库的更新周期，一般为l～2天。并且定在夜间执行。这样既保证了预测系统对于数据的实时更新，又保证了内部资源的安全访问。

5 结语

针对我国客流量变化的特点，选取适当的客流指标建立正确的预测模型是提高预测结果可靠性的关键。由于我国在各个时期的客流量有着不同的变化规律，提出了基于不同的影响因素建立不同的预测模型，使预测效果得到了显著的提高，对于铁路运输的建设与发展具有重大意义。