[發明專利]一種城市軌道交通全場景客流預測方法及系統

在審

• 申請號: 202110693572.2
• 申請日: 2021-06-22
• 公開（公告）號: CN113723659A
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 唐金金;周高祥;生金文;張黎明;杜澤宇;趙晴晴;李超
• 申請（專利權）人: 北京交通大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 劉婷;耿慧敏

本申請屬于軌道交通技術領域，涉及一種城市軌道交通全場景客流預測方法及系統。目前的客流分析技術無法為城市軌道交通運營組織提供全方位的支持。本申請提供了一種城市軌道交通全場景客流預測方法，分析單個乘客在城市軌道交通系統中的出行特征規律，分析外部條件對乘客個體出行行為的影響；實時監測全網客流分布，從時間維度出發，實現全場景的城市軌道交通客流預測技術，異常情況下進行告警提示，為應急處置進行客流組織調整或行車組織調整提供客流數據支撐；以地鐵編制的地標及新近出臺的“城市軌道交通運營指標體系”國家標準為參考，生成相應的統計指標，支持用戶自定義報表查詢及數據導出。為城市軌道交通客流管控與列車運行調度提供參考。

技術領域

本申請屬于軌道交通技術領域，特別是涉及一種城市軌道交通全場景客流預測方法及系統。

背景技術

近些年來，城市軌道交通發展迅速，越來越多的城市開啟了網絡化運營的新時代。城市軌道交通網絡化運營為城市居民的出行帶來了便利，但是隨著城市軌道交通的體量越來越大，在城市交通中承擔的任務越來越重，不同場景下的軌道交通的客流情況越來越難以把握。

同時在城市軌道交通運營過程中，由于可能存在刷卡數據上傳延遲或者漏傳、刷卡設備故障等情況，城市軌道交通刷卡數據有可能不全，進而導致城市軌道交通客流OD數據不全，影響精細化客流分析、列車運行圖編制質量和執行效果。

目前預測模型單一且質量低，常用的有加權歷史平均自回歸法、K最鄰近法、時間序列法、人工神經網絡法、卡爾曼濾波法和小波分析法，但是都難以滿足計算速度與計算精度的雙重要求；并且未對各線路各站客流結構及特征深入挖掘，沒有對乘客出行行為進行深入研究，因此難以準確地把握客流出行特性；復雜外部因素對客流影響極大，但是二者的耦合關系尚不明確，有待量化明晰。

在城市軌道交通運營管理中缺乏預警和決策支持技術與系統，一旦發生突發事件，僅僅依靠上報機制，可能導致突發事件消息傳遞較慢，影響運營人員及時采取有效的措施來應對突發事件；同時，城市軌道交通還缺少對突發事件下的路網客流分布狀態的變化情況的預測、預警及應急響應輔助支持，由于沒有突發事件下客流分布特征，運營人員難以有效地根據客流情況做出盡可能滿足乘客出行需求的列車運行調整方案，可能導致乘客出行滿意度降低、列車運力閑置等情況。

目前相關的客流分析技術大多只針對單一的場景，并且沒有從時間維度對歷史、實時、突發事件、短時、短期、典型日、可預知事件、典型日以及新線開通客流進行整體的分析，不利于全面掌握客流的情況，無法為城市軌道交通運營組織提供全方位的支持。

發明內容

1.要解決的技術問題

基于目前相關的客流分析技術大多只針對單一的場景，并且沒有從時間維度對歷史、實時、突發事件、短時、短期、典型日、可預知事件、典型日以及新線開通客流進行整體的分析，不利于全面掌握客流的情況，無法為城市軌道交通運營組織提供全方位的支持。針對上述問題，本申請提供了一種城市軌道交通全場景客流預測方法及系統。

2.技術方案

為了達到上述的目的，本申請提供了一種城市軌道交通全場景客流預測方法，所述方法包括如下步驟：步驟S1：分析單個乘客在城市軌道交通系統中的出行特征規律，分析外部條件對乘客個體出行行為的影響；步驟S2：實時監測全網客流分布與行車情況，異常情況下進行告警提示，為應急處置進行客流組織調整或行車組織調整提供客流與行車數據支撐；步驟S3：實現突發事件、短時、短期、典型日、可預知事件、新線開通全場景客流預測；步驟S4：以地鐵編制的地標及新近出臺的“城市軌道交通運營指標體系”國家標準為參考，生成相應的統計指標，支持用戶自定義報表查詢及數據導出。

本申請提供的另一種實施方式為：所述出行特征規律基于進出站交易明細數據獲得，所述外部條件包括政策、大型活動、社會事件和運營事件。

本申請提供的另一種實施方式為：行車情況基于ATS數據獲得。