[發(fā)明專利]基于機(jī)器學(xué)習(xí)的軌道交通實(shí)時(shí)動(dòng)態(tài)清分方法

有效

• 申請?zhí)枺?/td>: 202010039532.1
• 申請日: 2020-01-14
• 公開（公告）號: CN111275482B
• 公開（公告）日: 2023-05-09
• 發(fā)明（設(shè)計(jì)）人: 胡鑫;丁康;曹輝;劉衛(wèi)紅;郭慶
• 申請（專利權(quán)）人: 浙江中控信息產(chǎn)業(yè)股份有限公司
• 主分類號: G06Q30/0202
• 分類號: G06Q30/0202;G06Q50/30;G06N3/049;G06N3/0442;G06N3/047
• 代理公司: 杭州杭誠專利事務(wù)所有限公司 33109
• 代理人: 閻忠華

本發(fā)明公開了一種基于機(jī)器學(xué)習(xí)的軌道交通實(shí)時(shí)動(dòng)態(tài)清分方法，包括如下步驟：采集輸入數(shù)據(jù)集：在統(tǒng)計(jì)周期內(nèi)，從地鐵AFC刷卡處采集到從i站到j(luò)站的各個(gè)乘客進(jìn)站和出站的時(shí)刻，計(jì)算每個(gè)乘客進(jìn)站和出站時(shí)刻的時(shí)間差；計(jì)算路徑平均所需時(shí)間：利用地鐵公司發(fā)布的列車時(shí)刻表，計(jì)算出從i站到j(luò)站的每條路徑的平均所需時(shí)間；將相似路徑合并為一條路徑，得到從i站到j(luò)站的合并后路徑，合并后路徑的數(shù)量為A；本發(fā)明具有解決了人工調(diào)查形式進(jìn)行統(tǒng)計(jì)帶來的不便、不準(zhǔn)確性，節(jié)省人力資源，提高準(zhǔn)確度的特點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及軌道交通監(jiān)控技術(shù)領(lǐng)域，尤其是涉及一種準(zhǔn)確率高的基于機(jī)器學(xué)習(xí)的軌道交通實(shí)時(shí)動(dòng)態(tài)清分方法。

背景技術(shù)

清分：清算的數(shù)據(jù)準(zhǔn)備階段，主要是將當(dāng)日的全部網(wǎng)絡(luò)交易數(shù)據(jù)按照各成員行之間本代他、他代本、貸記、借記、筆數(shù)、金額、軋差凈額等進(jìn)行匯總、整理和分類。

OD路徑客流量：“O”來源于英文Origin，指出行的出發(fā)地點(diǎn)，“D”來源于英文Destination，指出行的目的地。在軌道交通中，從O到D可能存在著多條可達(dá)路徑。OD路徑客流量是指所有從O到D的所有客流中，每一條可達(dá)路徑的選擇量。

LSTM：長短期記憶網(wǎng)絡(luò)(LSTM，Long?Short-Term?Memory)是一種時(shí)間循環(huán)神經(jīng)網(wǎng)絡(luò)，是為了解決一般的RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))存在的長期依賴問題而專門設(shè)計(jì)出來的，所有的RNN都具有一種重復(fù)神經(jīng)網(wǎng)絡(luò)模塊的鏈?zhǔn)叫问健?/p>

K-Means：k均值聚類算法(k-means?clustering?algorithm)是一種迭代求解的聚類分析算法，其步驟是隨機(jī)選取K個(gè)對象作為初始的聚類中心，然后計(jì)算每個(gè)對象與各個(gè)種子聚類中心之間的距離，把每個(gè)對象分配給距離它最近的聚類中心。聚類中心以及分配給它們的對象就代表一個(gè)聚類。每分配一個(gè)樣本，聚類的聚類中心會(huì)根據(jù)聚類中現(xiàn)有的對象被重新算。這個(gè)過程將不斷重復(fù)直到滿足某個(gè)終止條件。終止條件可以是沒有(或最小數(shù)目)對象被重新分配給不同的聚類，沒有(或最小數(shù)目)聚類中心再發(fā)生變化，誤差平方和局部最小。

AFC系統(tǒng)：全稱是Automatic?Fare?Collection?System，指城市軌道交通自動(dòng)售檢票系統(tǒng)，能夠?qū)崿F(xiàn)軌道交通售票、檢票、計(jì)費(fèi)、收費(fèi)、統(tǒng)計(jì)、清分和管理的自動(dòng)化。

近年來，城市軌道交通以其大運(yùn)量、準(zhǔn)時(shí)、安全、快捷等特點(diǎn)，在我國乃至世界范圍內(nèi)正在快速發(fā)展。軌道交通正逐漸成為城市居民日常出行的首選交通方式，發(fā)展軌道交通是促進(jìn)城市發(fā)展、提高軌道交通出行服務(wù)和保證城市可持續(xù)發(fā)展的關(guān)鍵環(huán)節(jié)。與此同時(shí)，線路的增加，乘客乘坐地鐵的出行路徑也有了更多的選擇，因此需要準(zhǔn)確實(shí)時(shí)地計(jì)算預(yù)測出各車站、各路徑上的乘客量，幫助相關(guān)工作人員實(shí)時(shí)監(jiān)控、數(shù)據(jù)分析和輔助決策。所以軌道交通OD路徑客流量預(yù)測也逐漸成為目前研究的熱點(diǎn)。通過它可掌握軌道交通客流時(shí)空分布規(guī)律，對保障軌道交通安全運(yùn)營管理具有廣泛而深遠(yuǎn)的社會(huì)意義。

目前，關(guān)于軌道交通客流量預(yù)測的實(shí)現(xiàn)方案主要集中于構(gòu)建對車站、站內(nèi)、時(shí)間段等客流的預(yù)測模型，模型中用到的技術(shù)也是目前比較流行的機(jī)器學(xué)習(xí)算法。對于OD路徑客流量預(yù)測來說，并沒有相關(guān)的實(shí)現(xiàn)方案。傳統(tǒng)的OD路徑客流量預(yù)測，是通過人工統(tǒng)計(jì)抽樣調(diào)查的方式來統(tǒng)計(jì)分析，這種方式有一定的可信度，但存在著許多弊端，第一需要消耗一定的人力資源頻繁地調(diào)查；第二調(diào)查的對象不一定具有代表性具有分層性；第三是調(diào)查的信息可能只是對方當(dāng)時(shí)的想法，并不是最終想法，還有其他許多因素未考慮，具有不確定性；最后調(diào)查的人數(shù)相對于整個(gè)軌道交通乘客量的比例來說太小，進(jìn)一步大大降低準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明的發(fā)明目的是為了克服現(xiàn)有技術(shù)中的OD路徑客流量預(yù)測準(zhǔn)確率低的不足，提供了一種準(zhǔn)確率高的基于機(jī)器學(xué)習(xí)的軌道交通實(shí)時(shí)動(dòng)態(tài)清分方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：