一种城市轨道交通线网客流OD动态估计方法技术

本发明专利技术公开了一种城市轨道交通线网客流OD动态估计方法，包括以下步骤：首先基于历史客流数据，通过设定时间间隔，采用移动平均法对客流时空分布稳定性较差的单程票客流OD矩阵进行改进，生成改进后的客流OD分布矩阵，在此基础上计算客流分流率矩阵，结合OD流的行程时间分布规律，构建OD流与进出站客流间的动态流量关系，再根据动态流量关系以及实时上传的进出站客流量信息建立OD动态估计状态空间模型，用卡尔曼滤波方法对模型进行求解，并采用标准化法对OD估计结果进行修正，得出最优估计值，并对方法的有效性进行检验。本发明专利技术通过实时上传的进出站交易数据和历史客流数据进行统计，建立了基于卡尔曼滤波的状态空间模型，可用来估计实时的客流需求分布结构信息，为轨道交通企业的客流动态化管理提供数据支持。

OD dynamic estimation method for urban rail transit network passenger flow

The invention discloses a OD dynamic city rail transit passenger flow estimation method includes the following steps: firstly, based on historical traffic data, by setting the time interval of one-way ticket passenger OD matrix of temporal and spatial distribution of poor stability of passenger flow is improved by using moving average method, to generate improved passenger OD matrix, on the basis of calculation the passenger flow diversion ratio matrix, combined with the travel time OD flow distribution, construction of OD flow and dynamic flow relationship between flow out of the station, then according to the dynamic flow and real-time traffic information and upload the state space model is established for dynamic OD estimation, the model was solved by Calman filtering method, and using the standard method modification of the OD estimation results, the optimal estimate and test the validity of the method. The present invention station transaction data and historical traffic data through the real-time upload import statistics, a state space model is established based on Calman filter, can be used to estimate the distribution of passenger demand structure information in real time, to provide data support for the dynamic management of passenger rail transportation enterprises.

【技术实现步骤摘要】
一种城市轨道交通线网客流OD动态估计方法
本专利技术涉及一种城市轨道交通线网客流OD动态估计方法。
技术介绍
随着城市轨道交通的快速发展，各大中城市逐步跨入网络化运营。线网结构的复杂化导致乘客出行行为随机性加强，在客流需求分布结构上呈现出动态化、复杂化特点，对轨道交通的运输组织带来很大挑战，亟需利用适当的需求估计模型来研究较短时间范围内客流需求在时间上和空间上的分布规律，以提高轨道交通的动态化运营管理水平和系统应变能力。自上世纪80年代以来，国内外学者对于OD动态估计开展了大量的研究，形成了一系列OD动态估计模型。但既有的OD估计方法在轨道交通中的应用，主要还存在以下不足：①现有研究主要集中于道路交通领域，没有考虑轨道交通网络结构及客流特征，在轨道交通线网客流OD动态估计方面存在着精度低、运算效率不高的缺点；②既有模型中OD流与采集信息流之间的流量关系大多建立在断面流量容易获取的基础上，但轨道交通中的实时断面客流信息却很难获取，仅能获取进出站客流信息，所以基于断面采集流量的动态流量方程难以适用于轨道交通网络。因此，需要一种新的方法，结合轨道交通线网客流特征和采集数据信息，实现轨道交通线网客流的实时OD估计。
技术实现思路
专利技术目的：针对现有技术中存在的不足，本专利技术提供一种城市轨道交通线网客流OD动态估计方法，该方法基于历史客流出行数据和轨道交通自动售检票系统终端设备实时上传的交易数据来估算当前实时的客流OD分布结构信息。技术方案：为实现上述目的，本专利技术采用的技术方案为：一种城市轨道交通线网客流OD动态估计方法，包括如下步骤：(1-1)设定时间间隔Δt，按时间间隔Δt对每天的历史客流数据进行分段；统计每天各时间段内的储值票客流数据和单程票客流数据；(1-2)采用移动平均法对单程票客流数据进行改进，得到改进后的单程票客流数据为：式中，i≠j；q0ij(t)表示改进后的第t个时段内由站点i进站的乘客中最终从站点j出站的单程票乘客数量；表示由历史客流数据统计获取的第t-a个时段内由站点i进站的乘客中最终从站点j出站的单程票乘客数量；R表示移动平均的时段个数，且R＜t；(1-3)计算式中，表示由历史客流出行数据统计获取的第t个时段内由站点i进站的乘客中最终从站点j出站的储值票乘客数量，qij(t)表示在第t个时段内由站点i进站的客流去往站点j出站的总乘客数量；根据qij(t)构建全线网在第t个时间段内进站客流的OD分布矩阵A(t)和第t个时间段内的客流分流率矩阵B(t)：其中，n为站点的总数；bij(t)为客流分流率，表示时段t内由i站进站的乘客中去往j站的客流占i站总进站客流的比例，且将客流分流率矩阵B(t)转化成列向量的形式：B(t)＝[b12(t)，b13(t)，…，b1n(t)，…，b21(t)，…，b2n(t)，…，bn(n-1)(t)]T(1.4)(1-4)构建客流出站到达系数为：其中，为客流出站到达系数，表示在第t-m个时段内从站点i出发且以车站j为目的地的OD客流中在时段t内到达目的车站j的比例，t≥muij(t)表示第t个时间段内由i站出发去往j站的乘客平均行程时间，表示第t个时间段内由i站出发去往j站的乘客平均行程时间的标准方差；fij(x)为概率密度函数，表示由i站出发去往j站的客流在时刻x到达j站的概率；(1-5)基于实时客流数据建立OD客流分配比例和进出站流量间的约束方程：qij(t-m)＝Ii(t-m)·bij(t-m)(1.7)式中，Ii(t-m)为i站在第t-m个时段内的总进站乘客数量；qij(t-m)表示第t-m个时段内由站点i进站的客流去往站点j总乘客数量；Oj(t)表示车站j在第t个时段内的出站乘客数量M为线网内任意两个时间段间乘客行程时间最大跨越时段数；Vij(t)为建立流量约束方程时产生的出站量误差；(1-6)以客流分流率作为状态变量，构建客流OD动态估计状态空间模型，包括状态转移方程1.9与观测方程1.10：式(1.9)中，B(t)为实际客流分流率bij(t)组成的Rod×1维矩阵，Rod表示OD对的总数，Rod＝n×(n-1)；Bk(t)为由相同客流特征日条件下的前向第k周历史客流分流率组成的Rod×1维矩阵；F(t)与Gk(t)均为状态转移矩阵，表征系统的状态演变特征，是由权重系数γk得到的Rod×Rod维常量矩阵；W(t)为建立系统状态转移方程所产生的误差Wij(t)组成的白噪声矩阵；式(1.10)中，Oj(t)与Ii(t-m)为实时进出站客流数据；O(t)为n×1维出站客流量矩阵；H(t)为客流出站到达矩阵，其随着时段动态变化，表征状态变量B(t)与观测变量O(t)间的相互关系，为n×Rod维矩阵；是由构建的Rod×1维矩阵，为包含当前时段以及前向M个连续时间段的客流分流率均值；V(t)为建立系统观测方程所产生的误差vij(t)组成的白噪声矩阵；(1-7)采用卡尔曼滤波方法对客流OD动态估计状态空间模型进行求解，并采用标准化法对OD估计结果进行修正；根据修正后的OD估计结果建立指标，并用该指标检验构建的客流OD动态估计状态空间模型是否正确；若检验结果正确，则判定客流OD动态估计状态空间模型正确，输出客流OD动态估计状态空间模型的估计结果；若检验结果不正确，则重新设置客流OD动态估计状态空间模型的参数值，返回步骤(1-6)；重新设置的参数包括：移动平均的时段数R和权重系数γk。进一步的，所述步骤(1-6)中构建客流OD动态估计状态空间模型的步骤为：(2-1)建立相邻时间段间的客流分流率关系：式中，为由相同客流特征日下前向第k周历史客流数据统计获取的第t个时间段的客流分流率；γk为权重系数，0≤γk≤1，用于衡量前向第k周历史客流信息的可靠性；wij(t)为正态分布高斯白噪声变量，用于表征构建状态转移方程时产生的状态转移误差；(2-2)将相邻时间段间的客流分流率关系式转换为标准的矩阵形式，得到状态转移方程为：式中，W(t)为建立系统状态转移方程所产生的误差wij(t)组成的白噪声矩阵，且W(t)～N(0，Q(t))，Q(t)为状态转移误差方差，表示建立状态转移方程时产生的误差方差，Q(t)的无偏估计表达式如下：式中，Wk(t)表示相同客流特征日下的前向第k周第t个时段的历史状态转移误差，为p天的历史状态转移误差均值；(2-3)将相邻时段内的客流分流率平均值近似代替为各时段的客流分流率，将式(1-8)的表达式转换为以下形式：由上式可得状态空间模型的观测方程为：式中，V(t)为观测方程误差矩阵，且V(t)～N(0，R(t))，R(t)为出站量误差方差矩阵，表示建立观测方程时产生的误差方差，R(t)的无偏估计表达式为：式中，Vk(t)表示第k天第t个时段的观测方程历史误差矩阵，为连续n天的历史观测误差均值。进一步的，所述步骤(1-7)中采用卡尔曼滤波方法对客流OD动态估计状态空间模型进行求解并采用标准化法对OD估计结果进行修正，得出最优估计值的步骤为：(3-1)定义协方差矩阵为P(t)；初始化t＝1；定义P(1)＝[1]n×n；其中，Bk(1)为由相同客流特征日条件下的前向第k周历史客流分流率组成的Rod×1维矩阵；(3-2)根据状态转移方程进行先验估计：式中，表本文档来自技高网...

【技术保护点】
一种城市轨道交通线网客流OD动态估计方法，其特征在于：包括如下步骤：(1‑1)设定时间间隔Δt，按时间间隔Δt对每天的历史客流数据进行分段；统计每天各时间段内的储值票客流数据和单程票客流数据；(1‑2)采用移动平均法对单程票客流数据进行改进，得到改进后的单程票客流数据为：

【技术特征摘要】
1.一种城市轨道交通线网客流OD动态估计方法，其特征在于：包括如下步骤：(1-1)设定时间间隔Δt，按时间间隔Δt对每天的历史客流数据进行分段；统计每天各时间段内的储值票客流数据和单程票客流数据；(1-2)采用移动平均法对单程票客流数据进行改进，得到改进后的单程票客流数据为：式中，i≠j；q0ij(t)表示改进后的第t个时段内由站点i进站的乘客中最终从站点j出站的单程票乘客数量；表示由历史客流数据统计获取的第t-a个时段内由站点i进站的乘客中最终从站点j出站的单程票乘客数量；R表示移动平均的时段个数，且R＜t；(1-3)计算式中，表示由历史客流出行数据统计获取的第t个时段内由站点i进站的乘客中最终从站点j出站的储值票乘客数量，qij(t)表示在第t个时段内由站点i进站的客流去往站点j出站的总乘客数量；根据qij(t)构建全线网在第t个时间段内进站客流的OD分布矩阵A(t)和第t个时间段内的客流分流率矩阵B(t)：其中，n为站点的总数；bij(t)为客流分流率，表示时段t内由i站进站的乘客中去往j站的客流占i站总进站客流的比例，且将客流分流率矩阵B(t)转化成列向量的形式：B(t)＝[b12(t)，b13(t)，…，b1n(t)，…，b21(t)，…，b2n(t)，…，bn(n-1)(t)]T(1.4)(1-4)构建客流出站到达系数为：其中，为客流出站到达系数，表示在第t-m个时段内从站点i出发且以车站j为目的地的OD客流中在时段t内到达目的车站j的比例，t≥m；uij(t)表示第t个时间段内由i站出发去往j站的乘客平均行程时间，表示第t个时间段内由i站出发去往j站的乘客平均行程时间的标准方差；fij(x)为概率密度函数，表示由i站出发去往j站的客流在时刻x到达j站的概率；(1-5)基于实时客流数据建立OD客流分配比例和进出站流量间的约束方程：qij(t-m)＝Ii(t-m)·bij(t-m)(1.7)式中，Ii(t-m)为i站在第t-m个时段内的总进站乘客数量；qij(t-m)表示第t-m个时段内由站点i进站的客流去往站点j总乘客数量；Oj(t)表示车站j在第t个时段内的出站乘客数量；M为线网内任意两个时间段间乘客行程时间最大跨越时段数；Vij(t)为建立流量约束方程时产生的出站量误差；(1-6)以客流分流率作为状态变量，构建客流OD动态估计状态空间模型，包括状态转移方程1.9与观测方程1.10：式(1.9)中，B(t)为实际客流分流率bij(t)组成的Rod×1维矩阵，Rod表示OD对的总数，Rod＝n×(n-1)；Bk(t)为由相同客流特征日条件下的前向第k周历史客流分流率组成的Rod×1维矩阵；F(t)与Gk(t)均为状态转移矩阵，表征系统的状态演变特征，是由权重系数γk得到的Rod×Rod维常量矩阵；W(t)为建立系统状态转移方程所产生的误差wij(t)组成的白噪声矩阵；式(1.10)中，Oj(t)与Ii(t-m)为实时进出站客流数据；O(t)为n×1维出站客流量矩阵；H(t)为客流出站到达矩阵，其随着时段动态变化，表征状态变量B(t)与观测变量O(t)间的相互关系，为n×Rod维矩阵；是由构建的Rod×1维矩阵，为包含当前时段以及前向M个连续时间段的客流分流率均值；V(t)为建立系统观测方程所产生的误差vij(t)组成的白噪声矩阵；(1-7)采用卡尔曼滤波方法对客流OD动态估计状态空间模型进行求解，并采用标准化法对OD估计结果进行修正；根据修正后的OD估计结果建立指标，并用该指标检验构建的客流OD动态估计状态空间模型是否正确；若检验结果正确，则判定客流OD动态估计状态空间模型正确，输出客流OD动态估计状态空间模型的估计结果；若检验结果不正确，则重新设置客流OD动态估计状态空间模型的参数值，返回步骤(1-6)；重新设置的参数包括：移动平均的时段数R和权重系数γk。2.根据权利要求2所述的一种城市轨道交通线网客流OD动态估计方法，其特征在于，所述步骤(1-6)中构建客流OD动态估计状态空间模型的步骤为：(2-1)建立相邻时间段间的客流分流率关系：

【专利技术属性】
技术研发人员：张宁，王健，刘洋，何铁军，石庄彬，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32