[發明專利]一種城市軌道交通客流區域聯動預警方法

在審

• 申請號: 201710322594.1
• 申請日: 2017-05-09
• 公開（公告）號: CN107145985A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 魏運;楊秀仁;鄭宣傳;張文強;徐田坤;田青;高國飛;陳明鈿;李明華
• 申請（專利權）人: 北京城建設計發展集團股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30
• 代理公司: 北京科億知識產權代理事務所(普通合伙)11350
• 代理人: 湯東鳳

技術領域

本發明屬于城市軌道交通領域，且特別是有關于一種城市軌道交通客流區域聯動預警方法。

背景技術

我國城市軌道交通發展正處于快速發展期，城市結構、軌道交通形態、客流特征均不穩定，導致一定時期內的供需矛盾突出，尤其表現在早晚高峰線網運力難以滿足大客流出行的需求，導致軌道站點滯留擁擠現象突出，乘客摔倒及乘客沖突事件時有發生，引起政府、運營企業、公眾極大的關注。為緩解站點客運組合壓力問題，目前北京地鐵已在74座站點在早晚高峰采取常態化客流控制，未來隨著新線開通運營，客流控制的范圍及力度將逐步加強。目前，運營管理中對于控流站點的選取、控流時間范圍及控流強度的設定主要依托管理部門的現場工作經驗，缺乏合理的科學解釋及驗證，當遇到大型活動、異常氣候、突發事件引發的突發性大客流時，由于缺乏有效的客流監測手段、客流趨勢預測及預警評估技術手段，容易錯失最佳處置時間引發潛在客流踩踏風險產生。

為此，依托北京交通委、北京市科委等的項目支撐，結合北京地鐵運營實際需求，信息化的客流數據采集手段已初步在北京地鐵20多個典型站點部署安裝，并實現客流細致化信息的獲取；此外，依托國家科技部的項目支撐，信息化的監測手段及自動化的客流狀態辨識技術將得到進一步推廣及應用。然而，如何基于有限的監測點的動態數據分析基礎上，科學評判地鐵車站的客流承載力與車站各監測區域的負荷度的聯動關系，提出適用于地鐵實際管理的各區域預警判別模型，建立反應站點整體承載能力的預警判別方法，是亟待解決的問題。

發明內容

本發明的目的在于提供一種城市軌道交通客流區域聯動預警方法,使得車站客流管控和多個站點的客流聯控變得更加精細。

為達上述目的，一種城市軌道交通客流區域聯動預警方法，包括下列步驟：

1)原始監測數據采集以及原始監測數據的預處理，并集計計算30秒基本時間粒度的客流數據，包括客流密度、客流速度及客流流量數據；

2)以30秒基本時間粒度的客流密度、客流速度為輸入，采用基于歷史殘差分析的客流短時預測模型，預測得到未來多種時間維度的客流平均密度、客流平均速度；

3)以車站各監測區域的歷史監測密度值為輸入，采用數據聚類方法將各監測區域的密度和流量劃分為四個等級的聚類中心值，結合監測區域類型服務水平劃分閾值得到各監測區域的平均密度及平均速度閾值；

4)以實時客流的平均速度、客流的平均密度、以及未來多種時間維度的預測客流平均密度為輸入，構建基于決策樹的車站監測區域客流預警事件判別模型，對比各監測區域的平均密度及平均速度的閾值，綜合判別得到各監測區域的客流一級、二級、三級、四級預警事件；

5)以監測區域的30秒基本時間粒度的客流密度及權重系數為輸入，計算車站整體客流加權密度，結合車站的最大安全密度閾值，歸一化得到車站客流擁擠風險指數；

6)以監測區域客流預警事件為輸入，將預警風險做線性量化表征，構建各監測區域重要度的權重系數，計算得到區域預警強度，并歸一化得到客流區域預警指數；

7)以車站客流擁擠風險指數及區域客流預警指數為輸入，加權計算得到車站預警指數；構建車站預警事件判別函數，量化預警等級閾值，得到車站預警事件。

由以上本發明的技術方案可知，本發明緊密圍繞目前行業內對于客流預警的難題，并結合車站實際運營需求，提出的城市軌道交通客流區域聯動預警方法能夠精細化客流管控和多個站點的客流聯控，從而提高城市軌道交通的服務水平，更加有效的保證乘客安全，便捷出行，充分發揮城市軌道交通的運載能力。

附圖說明

附圖不意在按比例繪制。在附圖中，在各個圖中示出的每個相同或近似相同的組成部分可以用相同的標號表示。為了清晰起見，在每個圖中，并非每個組成部分均被標記。現在，將通過例子并參考附圖來描述本發明的各個方面的實施例，其中：

圖1為本發明實施例的城市軌道交通客流區域聯動預警方法的流程圖。

圖2為步驟4)中基于決策樹的車站監測區域客流預警事件判別模型的計算原理流程圖。

具體實施方式

為了更了解本發明的技術內容，特舉具體實施例并配合所附圖式說明如下。

本發明提供一種城市軌道交通客流區域聯動預警方法，包括下列步驟：

1)原始監測數據采集以及原始監測數據的預處理，并集計計算30秒基本時間粒度的客流數據，包括客流密度、客流速度及客流流量數據；所述原始監測數據包括客流密度、客流速度及客流流量；