[發明專利]基于AFC刷卡數據的軌道換乘站點客流擁塞風險評價方法

有效

• 申請號: 201611211608.4
• 申請日: 2016-12-25
• 公開（公告）號: CN106779429B
• 公開（公告）日: 2020-01-24
• 發明（設計）人: 翁劍成;涂強;王昌;祁昊;劉文韜;徐碩
• 申請（專利權）人: 北京工業大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/30
• 代理公司: 11203 北京思海天達知識產權代理有限公司
• 代理人: 沈波

1.基于AFC刷卡數據的軌道換乘站點客流擁塞風險評價方法，其特征在于，該方法包括以下步驟：

步驟1，AFC刷卡交易數據預處理；

步驟1.1，提取AFC刷卡數據中主要字段內容；

步驟1.2，面向軌道換乘站點客流提取的原始AFC刷卡數據篩選與剔除；

步驟1.3，軌道交通出行站點軌跡判斷及換乘客流識別；

基于A*最短路徑算法推測任意軌道OD間的出行站點軌跡，根據出行軌跡中換乘站點前的站點數NUM_before transfer和換乘站點后的站點數NUM_after transfer以及進站時間ENTRY_TIME和交易/出站時間DEAL_TIME，推算換乘時間TRANSFER_TIME；

步驟2，評價指標選取；

在對軌道換乘站點客流擁塞風險進行評價時，需要考慮模型的復雜度及數據獲取的難易程度，因此需要對評價指標進行篩選；客流擁塞風險評價指標考慮的主要維度是交通供給與需求，選取進站、出站、換乘客流量作為交通需求評價指標，選取軌道換乘站點內各典型位置的通行能力作為交通供給的評價指標；典型位置包括樓梯、通道和閘機共三大類，通道含換乘通道，閘機含安檢機；

步驟3，評價指標無量綱化及指標整合；

軌道換乘站點客流擁塞風險是指換乘站點內由于客流擁塞導致某種損失發生的可能性；在客流擁塞風險評價中，由于各指標所代表的物理涵義不同，因此存在著量綱上的差異；這種異量綱性是影響對事物整體評價的主要因素，所以在評價之前要將評價指標統一轉化為[0，1]范圍內的量化數值；

為實現評價指標的無量綱化，引入軌道換乘站點典型位置客流飽和度r，第i個典型位置的客流飽和度即典型位置i的客流飽和度r_i：

客流飽和度根據統計時間內通過該典型位置的總客流量的修正值P_i與該典型位置通過能力的測算值C_i之比進行計算，總客流量包含進站、出站和換乘客流，并對r_i取值加以約束：

由此，將各指標整合為值域為[0，1]的無量綱指標r_i，基于這一綜合考慮客流供需關系的指標評價軌道換乘站內某典型位置在統計時間內的客流擁塞水平；

步驟4，建立評價模型

軌道換乘站點內客流擁塞產生的本質為供需的不平衡，即需求大于交通系統的供給能力，結合換乘站點客流擁塞風險的特點，將客流擁塞風險的等級定為五級：

一級風險：低度風險，客流容納能力數倍于需求；

二級風險：較低風險，客流容納能力能夠滿足需求；

三級風險：中度風險，客流容納能力滿足需求；

四級風險：較高風險，客流容納能力與需求一致，擁塞情況明顯；

五級風險：高度風險，客流容納需求接近飽和，能力難以滿足，擁塞嚴重；

利用熵權法，基于飽和度數據確定各典型位置的權重，分別獲得樓梯、通道和閘機三大類區位的飽和度及換乘站點整體的飽和度；針對于大類區位和換乘站點整體的飽和度計算，時間粒度為小時，以此作為劃分高峰時段的最小單元；取每小時內4個15min的最大飽和度值作為該小時時段的飽和度，則建立風險評價模型：

式中，f(y)代表風險分級函數；α代表標準化系數，取10/n；w_i代表典型位置i的熵權重系數；r_i代表典型位置i的客流飽和度；n代表典型位置的總數；

對客流擁塞風險的分級，采用均值聚類算法進行風險等級的劃分；

步驟5，確定各典型位置權重；

利用熵權法，根據各典型位置飽和度變異性的大小來確定客觀權重；若某個典型位置飽和度的信息熵越小，表明該典型位置飽和度的變異程度越大，提供的信息量越多，在換乘站點整體評價中所能起到的作用也越大，其權重也就越大；相反，典型位置飽和度的信息熵越大，表明該典型位置飽和度的變異程度越小，提供的信息量也越少，在綜合評價中所起到的作用也越小，其權重也就越小；熵權法能更加客觀地反應各項指標，不需要涉及到任何主觀信息，是一種完全意義上的客觀賦值法；

設在選定的評價空間維度即典型位置、換乘站點和時間維度即1小時、1天、1個月評價的典型位置為n個，影響綜合評價值的分目標為m個，用x_ij表示典型位置j的飽和度的第i個分目標的數據值，則n個典型位置m個分目標值構成矩陣R＝(x_ij)_m×n

則其熵權為：

式中，g_j代表第j個典型位置飽和度的差異系數；e_j代表第j個典型位置飽和度的熵值；p_ij代表第i個分目標的數據值比重，e_j∈[0，1]；w_j≥0，j＝1，2，3，...m，且