基于灰色马尔科夫模型的公路客流量预测王一智马维珍孙宁Summary：为了科学准确预测近期公路客流量，提出了应用灰色马尔科夫模型进行预测的方法。利用历史数据建立灰色GM（1，1）模型，通过确定系数可获得公路客流量的时间响应序列及还原值的表达式，从而可获得未来年公路客流量的发展序列值，结合马尔科夫链过程将随机序列状态划分为3类，通过确定状态转移矩阵可获得序列处于各状态的概率值及与各状态对应的预测中值，最终求得各序列的修正值。通过安徽省公路客流量的历史数据，预测了近两年的公路客流量。实例证明该预测模型具有较高的精度，能够指导公路经营管理者近期的决策行为。Abstract：Inordertoforcastthehighwayvolumeaccuately，aforecastingmodelapplyingGray-Markovisdevelopedbasedonhisoricaldata.ThemethoddevelopedgrayGM（1，1）model，determinedcoefficientandgainedtheexpressionoftimeresponseseriesandreductionvalue，obtainedhighwayvolumesequences，thendividedseriesintothreestates，ascertainedtransitionmatrixandattainedstatesprobabilityandmedianvalue，finallyacquiredmodifiedvalueaforecastexampleisgivenbyusinghistoricaldataofhighwayvolumeofAnhui，whichprovesthatthismethodisaccurateandcanhelpoperatorsandmanagerstomakedecision.Key：客流预测;灰色马尔科夫;公路Keywords：volumeforecasting;Gray-Markov;highway中圖分类号：U293.13：A：1006-4311（2019）33-0248-030引言我国现代运输方式的基础性产业就是公路运输。公路客运量的科学预测及掌握其发展规律，将会使公路运输生产组织更加高效，有利于制定合理的交通发展战略、公路网发展规划。公路运输企业报告期内实际输送的乘客人数就是公路客运量。在我国的现在发展阶段公路和铁路是主要的客运方式，而灵活方便是公路运输的主要特点，不同交通运输方式之间的换乘大部分都需要通过公路交通来完成。从而在中国客运领域中有不可取代的地位。公路运输方式与铁路运输方式比较而言，公路运输方式更加的机动灵活、直达性好、能够实现“门到门”直达运输等特点。公铁客运竞争越来越激烈，公路客运想要继续巩固市场，只有通过充分发挥灵活、方便的优势。为了将比较优势转换为竞争优势，我们可以采取更好的服务策略和经营方式，这样可以使公路客运取得长远的发展。反映交通运输业产出成果的重要指标就是客运量，想要分析当地交通运输业发展现状、揭示交通运输业发展的深层次问题，那么深入研究当地客运量的影响因素、科学预测未来客运量就具有重要的现实意义，而且会有助于政府决策部门制定相关产业政策。目前有很多种客运量预测[1-3]的方法，多元线性回归预测法、灰色系统预测模型、时间序列预测法、神经网络模型、支持向量机（SVM）模型等都是应用较广泛的方法。夏国恩[4]以1980-1998年铁路客运量预测为例，采用基于改进的SVR铁路客运量时间序列预测方法，对SVR法和BP人工神经网络预测法进行了比较。李季涛[5]建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型，预测了大连站实际客运量。陈荔[6]通过逐渐改变损失函数、惩罚因子及高斯核函数参数的取值，构建了基于SVM的都市圈客运量预测模型，预测了京津冀都市圈客运量。侯丽敏[7]改善了原线性回归模型中无指数增长趋势和灰色线性因素的不足，构建了灰色GM（1，1）模型与线性回归的组合模型，预测了未来5年内河南省铁路客运量。桂文林[8]通过对中国铁路、民航、水运和公路的2002-2009年的客运量数据进行拟合，运用指数平滑法中的Holt-Winters模型将时间序列数据分解为季节波动和趋势波动，并对2010年各月份的客运量进行了预测。康海贵[9]结合1978-2008年统计数据进行仿真预测，建立了基于CAGA进行参数优选的CAGA-V-SVR城市客运量预测模型。胡彦蓉[10]运用SVM回归理论和方法建立了基于核函数主成分SVM回归模型，预测了杭州市2000-2008年公路客运量。灰色GM（1，1）模型属于预测过程较为理论的一种预测方法，但实际情况容易受到政策、社会发展、经济活动等因素影响所以实际情况远要比模型复杂的多，因此预测结果很大程度只能起到一...