牟振华，李克鹏，陈艳艳，闫康礼，李 想，申栋夫

(1.山东建筑大学交通工程学院，济南 250101；2.北京工业大学城市交通学院，北京 100022)

改革开放四十多年来，中国的长距离客运事业取得了长足的进步，人们长距离出行的质量也逐步提高。截止到2019年底，中国的高铁运营里程已经超过3.5万km[1]，高居世界第一，成为中国交通强国战略的重要组成部分。高铁作为新兴的运输工具，以运速快运量大的优点吸引了大量的中长途客流[2]，也引起了中国长途客运结构的变革，以公路运输为主的局面逐渐向以轨道运输为主转变。按照中国的中长期铁路网规划，高铁是传统普通铁路的升级替代品，高速铁路的建设方兴未艾。高铁的运输需求预测是高铁规划和建设的重要基础，预测结果的准确性和可行性对中国高铁产业的发展有着巨大的影响。

交通需求预测是一个具有较长历史的研究方向，也是交通运输学科的一个重要研究分支，在学科发展过程中，产生了如时间序列[3]、灰色模型[4-8]、模糊预测[9]、神经网络[10-12]、重力模型[13]等一批被广泛应用且取得较好成果的研究方法。随着相关学科的发展，也由于基础数据的获取来源变得多样化，也逐渐产生了一些新的方法，例如适用于多维度大数据的支持向量机(support vector machine,SVM)模型[14]，适合周期性波动的需求预测的整合移动平均自回归模型(Autoregressive Integrated Moving Average model,ARIMA)[15-16]，另外还有多种模型的组合使用，如奇异谱分析模型[17]，Markov链+灰度模型[18]等，以上这些模型方法都在各自适合的领域的需求预测方面发挥了重要的作用。……