新建城市轨道项目的运营成本的预测

工程项目管理硕士论文业内推荐阅读6篇之第四篇：新建城市轨道项目的运营成本的预测

摘要

　　城市轨道已经成为很多城市的主要交通方式，未来将以更快的速度覆盖更多的城市，但是城市轨道交通的运营成本太高，政府在进行项目可行性研究报告预测运营成本时，只使用简单的线性关系对各项费用进行预测，只考虑了行车量单一变量，忽略了有些费用与运营工作量之间的非线性关系，且这些费用占运营成本的比重较大，导致城市轨道项目实际运营成本与预测成本差别过大，所以对城市轨道项目成本进行更准确的预测，为政府进行决策提供依据就非常重要。本文首先分析了城市轨道项目运营成本构成，以及影响运营的因素，发现运营成本受多种运营工作量的影响，成本数据又呈非线性关系，传统的成本预测方法忽略了城轨运营成本的这些特点，所以本文结合城轨运营成本的特点，使用作业成本法与 BP 人工神经网络对新建城市轨道项目的运营成本进行预测。

　　本文首先按照城轨运营项目的运营活动类型将运营活动分为运行、检修两个过程，按照作业成本法将活动划分为多项作业，将运营成本归集到作业中心，选择各项作业的成本动因，利用相关性分析、聚类分析与主成分分析合并具有相关性的成本动因，确定最后用于预测运营成本的成本动因；第二，预测时利用 BP人工神经网络的容错性、非线性映射能力，对城轨运营企业历年的运营成本与成本动因进行学习训练，对样本数据进行预处理，构建网络结构，确定学习参数，建立运营成本与成本动因之间的 BP 人工神经关系网络模型，用测试数据检验模型的准确性，形成训练好的预测模型；第三，针对城轨项目运营成本的预测结果，与多元非线性预测方法预测结果进行比较，确定 BP 人工神经网络模型预测的准确性；最后，运用单因素敏感性分析法，分析关键成本动因的敏感性，确定重点关注的成本动因。

　　关键词：城轨项目、作业成本法、BP 人工神经网络、运营成本、预测模型

Abstract

　　Urban rail has become a lot of the city's main traffic way, the future will be faster  to cover more of the city, but urban rail transit operation cost is too high, the  government in the project feasibility study report forecast operation cost, only use a  simple linear relationship between the forecast of expenses, only consider the traffic  volume of a single variable, overlooked some nonlinear relation between cost and  operation workload, and these expenses accounts for larger proportion of operating costs, lead to urban rail project actual operating costs and forecast cost difference is too big, so more accurate projections for urban rail project cost, It is important to  provide a basis for government decision-making. This article first analyzes the urban rail project operating costs, as well as the factors that influence the operation found  that operating costs is affected by a variety of operating workload, cost data is  nonlinear relationship again, the cost of traditional prediction method ignores the  characteristics of urban rail operation cost, so this article combined with the  characteristics of urban rail operation cost, use the homework cost method and BP  artificial neural network to predict operational costs of the new urban rail project.

　　This paper according to the operation of urban rail operation project activity type  operations can be divided into two processes of operation, the overhaul, according to  homework cost method could be divided into a number of assignments, activities will  be operating costs accrue to the operation center, choose the operating cost drivers,  using correlation analysis, cluster analysis and principal component analysis  combined with relevant cost drivers, determine the final cost drivers used to predict  operating costs; Second, prediction using BP artificial neural network fault tolerance,  the nonlinear mapping ability, to the urban rail operation enterprise operating costs  and cost drivers for learning training calendar year, the preprocessing of sample data,  build the network structure, learn parameters, established between the operating cost  and cost drivers of BP artificial neural network model, the accuracy of the test model  with test data, the formation of trained prediction model; Thirdly, the accuracy of BP  artificial neural network model prediction is determined by comparing the prediction  results of urban rail project operation cost with the prediction results of multiple  nonlinear forecasting methods. Finally, the single-factor sensitivity analysis method is  used to analyze the sensitivity of key cost drivers and determine the cost drivers that  focus on.

　　Key words:Urban rail project, operation cost method, BP artificial neural network, operation cost, prediction model

目 录

　　第一章绪论

　　1.1研究背景与意义

　　1.1.1研究背景

　　世界上第一条地铁是在英国伦敦建成的，至今已经有100多年，城市轨道在国外兴起的比较早，很多国家已经形成了比较完善的城轨网络，而我国的城轨项目发展比较晚，且大多引入外国的技术，但是随着经济与城市化进程的发展，城轨项目已经到了快速发展的时期。城轨交通广义上指采用全封闭或者部分封闭的专用轨道用于承重与导向，用车辆进行载客，且具有信号、供电、车站等服务设施的公共交通方式，狭义上特指地铁、轻轨和单轨。

　　城市轨道交通具有运输能力强、消耗能量少、安全准时、对环境污染少等优点，所以人们比较喜欢乘坐城轨，改革开放以后，随着经济的发展，城市轨道交通已经进入了快速发展的时期。在我国的"十一五"规划中明确提出了新的要求，即"加快城市轨道交通建设",北京、天津、南京、上海等16座城市计划建设55条轨道交通线路，全长为1700km,投入约6000亿元。根据中国轨道交通网的调研结果，截止到2017年10月31日，中国有29个城市已经开始运行城市轨道。总长约37932.19公里，车站有2536个，线路有128条。未来轨道交通的发展也值得我们拭目以待。

　　城市轨道项目在投入建设之前要进行可行性研究，不仅要对建设成本进行预测，还需要对运营成本进行预测，为政府做决策提供依据。但是大多数企业在实际建设运营过程中的运营成本入不敷出已经成为现在的普遍问题，建设前期的运营成本预测与实际运营成本存在较大的偏差，严重影响到项目建设的决策。传统的成本预测方法通常使用要素预测法，对城轨运营成本的各项费用分别进行线性计算预测，单项费用的计算只考虑了单一的影响因素，现实却是受多种因素的影响，成本费用与实际运营工作量呈现出的是非线性关系，导致预测准确性较低，项目也因此出现严重的亏损。为了提高运营成本预测的准确性，使可行性研究报告具有更高的可信度，从研究运营成本与影响因素之间的非线性关系入手，找出更多的影响因素，建立运营成本与多个影响因素之间的非线性关系模型，运用适宜的理论方法，进行运营成本的预测。

　　1.1.2研究意义

　　城市轨道交通具有减轻交通压力，完善城市结构，提高人们出行效率，促进经济社会发展等重要作用，但是城市轨道项目除了建设费用高，运营维护费也相当高，投资回报率又很低，所以需要政府大量的资金支持才能正常使城轨项目投入运行，这些资金大部分由政府的财政收入和以负债的方式提供，回收成本的周期比较长，所以在城轨项目建设前需要对运营成本进行准确的预测，但是城轨运营成本构成比较复杂，更运用传统的运营成本预测方法得到的运营成本与实际运营过程中产生的运营成本存在较大的偏差，本文着重于提高城轨运营成本预测的准确性，建立运营成本与多个运营工作量之间的非线性关系，为将要建设的城市轨道项目运营成本的预测提供更准确的预测模型，对于减少预测的运营成本与实际运营成本之间的误差具有重要的现实意义。

　　此外本文结合作业成本法与BP人工神经网络，应用到城市轨道交通运营成本的预测中，实现了理论应用的创新，增加了理论应用的范围，利用作业成本法进行城轨运营成本作业的划分与成本动因的确定，运用BP人工神经网络建立成本动因与运营成本之间的非线性关系，对运营成本进行预测，对于理论应用研究具有重要的意义。

　　1.2城市轨道项目概述

　　城市轨道交通是个比较复杂的系统，主要由几大子系统组成，线路系统、车站系统、车辆系统、安全防护系统、信号通信系统、自动售票检票系统、供电系统。按照全生命周期理论可以将城市轨道项目分为前期规划设计阶段、建设阶段和运营阶段。所以总成本可以分为前期规划设计阶段的成本、建设阶段的成本、运营阶段的成本。各阶段的具体概述如下：

　　前期规划设计阶段主要是对建设阶段与运营阶段进行规划设计，涉及到的的主要工作内容包括功能的定位、线网的规划、客流的预测、可实施性规划、线路设计、车站设计、轨道交通枢纽的设计、各个系统的安全防护设计、运营阶段的规划。涉及到的成本费用包括前期阶段的策划费用、项目建议书阶段的费用、可行性研究费用和勘察设计费用建设阶段主要是各系统的建设，包括线路建设、车站建设，供水供电系统的建设，车辆的购买，通信信号系统的建设，建设阶段涉及到的成本费用包括建筑工程费用、车辆购置费用、安装工程费、预备费用、设备及工器具购置费用、相关税费、财务费用、工程建设其他费用运营阶段主要是运送乘客涉及到的一系列活动，包括站务站台服务、票务服务、供电系统、通信信号系统、车辆线路设备的维修服务，还包括另外的支持性服务，例如采购物流、管理支持、计划调度等一系列的活动。运营阶段的成本也称为轨道交通的运输成本，指的是轨道交通为了完成乘客从始发地到目的地的运输所消耗的一切成本费用，具体包括职工工资、各种福利费、材料费、电费、固定资产折旧费、资本成本与其他费用。按照会计核算标准又可以分为营运成本、财务费用、管理费用和营业外支出。

　　1.3研究内容与方法

　　1.3.1研究内容

　　本文主要研究城市轨道项目运营阶段的成本，提出传统城轨运营成本预测方法误差较大的问题，通过建立城市轨道项目运营成本与多种运营工作量之间的非线性关系，对城市轨道项目运营成本进行预测，利用作业成本法确定影响运营成本的多个成本动因，利用BP人工神经网络建立运营成本与多个成本动因之间的非线性关系，解决可行性研究阶段预测的运营成本与实际运营成本相差太大的问题，提高可行性研究的准确性。

　　研究思路：

　　通过对运营成本构成的分析，确定哪些成本费用对于运营工作量是线性的，哪些是非线性的，利用作业成本法确定影响运营成本的运营工作量作为成本动因，并利用BP人工神经网络的非线性预测能力，建立运营成本与成本动因之间的非线性关系对运营成本进行预测。

　　技术路线：

　　基本构成：

　　第一部分为第一章与第二章，主要论述了文章的研究背景与意义、研究内容与方法。相关理论与方法，包括项目运营成本预测相关理论、作业成本法、BP人工神经网络，并重点讲述了作业成本法与BP人工神经网络的基本原理。

　　第二部分为第三章与第四章，主要对城轨运营成本的构成进行分析，以及影响成本要素的影响因素，提出传统运营成本预测存在的问题，选择相关模型方法进行运营成本预测，利用作业成本法将城市轨道项目的运营活动划分为多项作业，选择各项作业的成本动因，利用相关性分析、聚类分析与主成分分析合并相关的成本动因，确定用于预测运营成本的成本动因，利用BP人工神经网络建立运营成本与成本动因之间的非线性关系，包括样本数据预处理、网络结构的构建、学习参数的确定，最后使用案例进行分析，并与多元非线性回归预测法得到的运营成本预测结果进行比较，确定BP人工神经网络预测的准确性。

　　第三部分为第五章，总结文章的成果得出结论与展望，并提出不足与需要改进的地方。

　　1.3.2研究方法

　　（1）相关性分析法，城轨运营的一项作业有时可能会有多个成本动因，选择用SPSS的相关性分析，选择出与该项作业成本相关性比较大的成本动因。

　　（2）聚类分析法，选择出每一项作业的成本动因以后，合并具有相关性的不同作业的成本动因，利用聚类分析得到相关系数矩阵与聚类树状图。

　　（3）主成分分析法，利用SPSS软件中的主成分分析，得到累计贡献率，系数矩阵的秩是累计贡献率为100%的成本动因个数，利用主成分分析能够得到秩之外更多的信息，即当累计贡献率接近100%时，选择的成本动因个数会比秩的个数性价比更高。

　　（4）作业成本法，利用作业成本法将城轨运营活动划分为多项作业，基于经验与成本动因选择原则选出作业的成本动因，利用相关性分析、聚类分析与主成分分析，确定用于预测城轨运营成本的成本动因。

　　（5）BP人工神经网络法，将作业成本法得到的成本动因与运营成本作为BP人工神经网络的输入与输出值，选择城轨运营企业历年的的成本动因与运营成本数据作为样本数据进行学习训练，首先进行样本数据预处理，根据样本数据的特点，确定网络结构、学习参数，对实验数据进行训练，得到成本动因与成本的关系模型，用检验样本进行检验，误差在可接受范围确定模型进行预测，误差较大，继续进行训练或者调整网络结构。

【由于本篇文章为硕士论文，如需全文请点击底部下载全文链接】

　　第二章 相关理论基础与方法
　　2.1 项目运营成本预测相关理论
　　2.1.1 项目运营成本概念
　　2.1.2 项目运营成本预测概述

　　2.2 作业成本法
　　2.2.1 作业成本法的概念及其内涵
　　2.2.2 作业成本法的基本原理
　　2.2.3 作业成本法的一般计算步骤
　　2.2.3 作业成本法与传统成本法的比较

　　2.3 BP 人工神经网络
　　2.3.1 BP 人工神经网络的概念
　　2.3.2 BP 神经网络模型的基本原理

　　第三章 城市轨道运营成本分析与其预测存在的问题
　　3.1 城市轨道项目运营成本构成分析
　　3.2 城市轨道项目的运营成本特征
　　3.3 城市轨道项目运营成本影响因素
　　3.4 城市轨道项目运营成本预测存在的问题

　　第四章 城市轨道项目运营成本预测模型的构建
　　4.1 城市轨道项目运营成本预测的基本思路与模型框架
　　4.1.1 研究的基本思路与框架
　　4.1.2 城市轨道项目运营成本预测方法的选择

　　4.2 基于作业成本法的城市轨道项目运营成本动因的确定
　　4.2.1 城市轨道项目作业成本中心的划分
　　4.2.2 成本动因的选择
　　4.2.3 作业成本模型
　　4.2.4 成本动因合并

　　4.3 基于 BP 人工神经网络的城市轨道项目运营成本预测模型设计
　　4.3.1 基于 BP 人工神经网络的运营成本预测思路
　　4.3.2 基于 BP 人工神经网络运营成本预测模型的建立
　　4.3.3 基于 BP 人工神经网络的运营成本预测模型的应用

　　4.4 案例分析
　　4.4.1 A 城轨项目运营成本成本动因的确定
　　4.4.2 A 城轨项目基于 BP 人工神经网络运营成本的预测
　　4.4.3 与多元非线性运营成本预测法的比较

第五章 结论与展望

　　5.1 结论

　　本文通过理论与实践相结合，得出了如下几项成果：

　　（1）利用作业成本法，根据城市轨道的运营活动，将城轨运营过程分为站台服务作业、线上行驶作业、供电系统作业、信号通信系统作业、轨道线路作业、车辆检修作业，线路维修作业、供电系统维修作业、信号通信系统维修作业，采用相关性分析、聚类分析与主成分分析合并成本动因，确定用于预测运营成本的成本动因。

　　（2）利用 BP 人工神经网络对新建的运营成本进行预测，确定网络结构与学习参数，将 A 城轨运营企业 2008 年到 2016 年的成本动因与运营成本数据作为训练样本进行训练，选择逼近度最大的网络训练保存网络，用 2017 年的数据作为检验样本进行检验，并与多元非线性模型预测的运营成本进行比较，此外进行单因素敏感性分析，确定对运营成本比较敏感的成本动因。

　　（3）通过建立成本动因与运营成本的非线性关系，提高了城市轨道运营成本预测的准确性，为新建城市轨道项目运营成本的预测提供了更准确的方法，提高了可行性研究报告的可信度，同时也增加了 BP 人工神经网络应用的范围。

　　5.2 不足

　　（1）对于城轨运营过程中作业的划分可能不够完整，可能会有遗漏的一些作业活动，此外成本动因的选择是建立在经验基础上的，可能会忽略其他成本动因，对于某些具体成本费用线性与非线性的划分可能不太准确，但是总运营成本与成本动因量是非线性的。

　　（2）样本数量有点小，通常从样本数据中选择 75%的数据进行训练，25%的数据作为样本进行检验，这样网络训练得到的规律性会更强检验样本的规律性会更明显，更容易检验出是否符合训练样本的规律，对网络的检验效果更好，本文只用了一个检验样本，规律性较弱。

　　（3）训练次数不够多，BP 人工神经网络的权值与阈值具有不确定性，每次训练的结果不一样，如果训练的次数不够多可能会很难找到训练较好的网络。

　　（4）隐含层数的确定由于目前没有确切的方法确定，采用比较不同隐含层训练得到的绝对误差确定隐含层数可能存在不妥。

　　参考文献