一种城市轨道交通站台乘客的分布预测方法技术

本发明专利技术公开一种城市轨道交通站台乘客的分布预测方法，所述方法包括：S1：统计城市轨道交通站台各候车区域内乘客分布的历史数据；S2：构建乘客选择候车区域的总预期花费模型，基于总花费最小原则和所述历史数据，对所述总预期花费模型进行校验得到乘客候车区域选择模型；S3：采用所述乘客候车区域选择模型预测时刻各候车区域内乘客的分布，本发明专利技术通过建立乘客候车区域选择模型，充分考虑乘客属性和选择候车区域的随机性，能够有效地预测站台乘客的分布，实现客流的监管调整，并为站台基础设施布局的优化提供参考。

Method for predicting passenger distribution of urban rail transit platform

The invention discloses a method for predicting the distribution of city rail transit platform of passengers, the method includes: S1: historical data statistical distribution of city rail transit station passengers each waiting area; S2: Construction of passengers choose the total expected waiting area cost model, the total cost minimum principle and the historical data based on the total expected cost model was verified by choosing model of passenger waiting area; S3: the distribution of passenger waiting area forecast model choice each time the passengers in the waiting area, the invention establishes selection model of passenger waiting area, fully considering the randomness properties and selection of passengers waiting area, can effectively predict the distribution of passenger station to realize the passenger flow regulation, adjustment, and provide a reference for the optimization of the layout of the platform infrastructure.

【技术实现步骤摘要】
一种城市轨道交通站台乘客的分布预测方法
本专利技术涉及城市轨道交通站台乘客分布的预测领域。更具体地，涉及一种城市轨道交通站台乘客的分布预测方法。
技术介绍
随着城市轨道交通的发展，地面交通的压力和空气污染问题得到不断缓解，同时城市土地资源的利用率也不断提高。但随之而来的是地铁站台复杂的物理结构带来的客流问题，尤其是在高峰时期产生的复杂客流问题。乘客的动态特性不仅与自身的物理特性有关，同时与自身的行为习惯相关。在过去的几十年里，物理学、心理学、计算机科学等领域的研究人员对乘客动力学越来越感兴趣，因此，许多有效的关于乘客运动的宏观和微观研究方法被提出。作为轨道交通重要组成部分的站台通常会存在相对庞大而复杂的客流。乘客在地铁站台上的行为包括行走、候车区域选择、等待列车、上下车等，由于乘客的行为习惯具有很强的随机特性，实际的乘客候车区域选择行为很难被模拟。当前，现场数据的采集以及实际的调查工作等十分耗费人力、物力和时间成本，因此，建立一套比较完整的描述乘客候车区域选择行为的理论方法用以预测站台乘客分布的问题往往比较困难。由于乘客的候车区域选择行为将直接导致站台上乘客分布的不同以及影响车厢内乘客的拥挤度，因此，对这方面的研究是非常重要的一项工作。站台乘客分布的预测情况能够使工作人员及时监管客流并人为干扰站台乘客的分布，同时也为站台设施的布局提供参考。因此，需要提供一种城市轨道交通站台乘客的分布预测方法，以满足实际客流分布预测的需求。
技术实现思路
本专利技术要解决的一个技术问题是提供一种城市轨道交通站台乘客的分布预测方法，充分考虑乘客属性、客流情况以及站台物理特性等因素的影响，有效地预测站台乘客的分布，实现站台客流的监管和调整。为解决上述技术问题，本专利技术采用下述技术方案：本专利技术公开了一种城市轨道交通站台乘客的分布预测方法，其特征在于，所述方法包括：S1：统计城市轨道交通站台各候车区域内乘客分布的历史数据；S2：构建乘客选择各候车区域的总预期花费模型，基于总花费最小原则和所述历史数据，对所述总预期花费模型进行校验得到乘客候车区域选择模型；S3：采用所述乘客候车区域选择模型预测各候车区域内乘客的分布。优选的，所述历史数据包括乘客属性、下车乘客的数量、通知列车到达前乘客的数量、列车打开车门前增加的乘客数量和未上车的乘客数量。优选的，所述乘客属性包括乘客年龄、各年龄段乘客人数占总乘客人数的比例和各年龄段乘客人数的体重、身体半径、期望行走速度和反应时间。优选的，所述S2包括：S21：计算乘客选择各候车区域分别产生的总预期花费模型；S22：根据总花费最小原则，得到最佳候车区域；S23：根据所述历史数据校验所述最佳候车区域的总预期花费模型中的敏感参数，得到乘客候车区域选择模型。优选的，所述最佳候车区域为w*＝argminCiw,w＝1,2,3,...,n-1,n其中，argmin()为取最小值函数，Ciw为乘客到候车区域i的总预期花费模型，n为候车区域的总数。优选的，所述总预期花费模型为乘客到各候车区域所产生的预期花费模型、各候车区域内的乘客数量所产生的预期花费模型、乘客与各候车区域构成的三角区内的乘客密度所产生的预期花费模型和影响乘客候车区域选择的不确定因素带来的预期花费之和。优选的，所述乘客到各候车区域所产生的预期花费模型为其中，diw(t,x,y)为t时刻乘客i从当前位置(x，y)到候车区域w的距离，β1为敏感正系数，α1为惯性正参数，μ(t,x,y)为乘客选择到候车区域w过程中受到周围乘客密度影响的程度；所述α1为其中，dwell(t)＝1表示列车此时停在站内，dwell(t)＝0表示列车此时未停在站内，luggage(t)＝1表示乘客携带大件行李，luggage(t)＝0表示乘客未携带大件行李，和是正参数；所述μ(t,x,y)为其中，ρ(t,x,y)代表周围乘客的密度，ρ0为临界密度，χ为正参数。优选的，所述各候车区域内的乘客数量所产生的预期花费模型为其中，Lw为候车区域w的物理长度，β2为敏感正系数，α2为惯性正参数，和分别代表在列车停站阶段和未停站阶段候车区域w被乘客占用长度，dwell(t)＝1表示列车此时停在站内，dwell(t)＝0表示列车此时未停在站内。优选的，所述乘客与各候车区域构成的三角区内的乘客密度所产生的预期花费模型为其中，ρiw(t,x,y)为乘客到各候车区域所构成的三角区内乘客密度，β3为敏感正系数，α3为惯性正参数。优选的，所述S3中根据所述乘客候车区域选择模型，基于社会力模型预测未来各候车区域内乘客的分布，所述社会力模型为其中，mi为乘客i的质量，为乘客i的运动速度，为乘客i的自身驱动力，为乘客i与周围乘客j间的作用力，fiw为乘客i与障碍物w间的作用力。本专利技术的有益效果如下：本专利技术所述技术方案考虑到乘客距离候车区域的距离、视野域内乘客的密度、乘客排队的长度等影响因素，基于采集的历史数据和视频，建立了一种城市轨道交通站台乘客的分布预测方法，可以再现乘客候车区域选择过程中的行为习惯和聚集特性，有效地预测站台乘客的分布，实现客流的监管调整，并为站台乘客分布的调整和基础设施布局的优化提供依据，具有很强的创新性、实用性和科研价值。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明。图1示出本专利技术公开的一种城市轨道交通站台乘客的分布预测方法的流程图。图2示出本专利技术实施例中乘客分布的历史数据的示意图。图3示出本专利技术实施例中对乘客候车区域选择模型进行校验的示意图。图4示出本专利技术实施例中对乘客候车区域选择模型进行准确率验证的示意图。具体实施方式为了更清楚地说明本专利技术，下面结合优选实施例和附图对本专利技术做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本专利技术的保护范围。如图1所示，本专利技术公开了一种城市轨道交通站台乘客的分布预测方法，所述方法包括：S1：统计城市轨道交通站台各候车区域内乘客分布的历史数据。所述历史数据可包括人工采集的站台历史数据和视频资料，优选的，所述历史数据可包括乘客属性、下车乘客的数量、列车到达前乘客的数量、列车打开车门前增加的乘客数量和列车关门时由于某些原因未上车的乘客数量等类型。其中，所述乘客属性可包括乘客年龄、各年龄段乘客人数占总乘客人数的比例和各年龄段乘客人数的体重、身体半径、期望行走速度和反应时间等。S2：构建乘客选择候车区域的总预期花费模型，基于总花费最小原则和所述历史数据，对所述总预期花费模型进行校验得到乘客候车区域选择模型。S21：计算乘客选择各候车区域分别产生的总预期花费模型。所述总预期花费模型优选为乘客到各候车区域所产生的预期花费模型、各候车区域内的乘客数量所产生的预期花费模型和乘客与各候车区域构成的三角区内的乘客密度所产生的预期花费模型之和。其中，所述乘客到各候车区域所产生的预期花费模型为其中，diw(t,x,y)为t时刻乘客i从当前位置(x，y)到候车区域w的距离，β1为敏感正系数，用于缩放α1为惯性正参数，α1受乘客的到达候车区域w的时间以及是否携带大件行李的影响，μ(t,x,y)为乘客选择到候车区域w过程中受到周围乘客密度影响的程度；所述α1为其中，dwell(t本文档来自技高网...

【技术保护点】
一种城市轨道交通站台乘客的分布预测方法，其特征在于，所述方法包括：S1：统计城市轨道交通站台各候车区域内乘客分布的历史数据；S2：构建乘客选择各候车区域的总预期花费模型，基于总花费最小原则和所述历史数据，对所述总预期花费模型进行校验得到乘客候车区域选择模型；S3：采用所述乘客候车区域选择模型预测各候车区域内乘客的分布。

【技术特征摘要】
1.一种城市轨道交通站台乘客的分布预测方法，其特征在于，所述方法包括：S1：统计城市轨道交通站台各候车区域内乘客分布的历史数据；S2：构建乘客选择各候车区域的总预期花费模型，基于总花费最小原则和所述历史数据，对所述总预期花费模型进行校验得到乘客候车区域选择模型；S3：采用所述乘客候车区域选择模型预测各候车区域内乘客的分布。2.根据权利要求1所述的预测方法，其特征在于，所述历史数据包括乘客属性、下车乘客的数量、通知列车到达前乘客的数量、列车打开车门前增加的乘客数量和未上车的乘客数量。3.根据权利要求2所述的预测方法，其特征在于，所述乘客属性包括乘客年龄、各年龄段乘客人数占总乘客人数的比例和各年龄段乘客人数的体重、身体半径、期望行走速度和反应时间。4.根据权利要求1所述的预测方法，其特征在于，所述S2包括：S21：计算乘客选择各候车区域分别产生的总预期花费模型；S22：根据总花费最小原则，得到最佳候车区域；S23：根据所述历史数据校验所述最佳候车区域的总预期花费模型中的敏感参数，得到乘客候车区域选择模型。5.根据权利要求4所述的预测方法，其特征在于，所述最佳候车区域为w*＝argminCiw,w＝1,2,3,...,n-1,n其中，argmin()为取最小值函数，Ciw为乘客到候车区域i的总预期花费模型，n为候车区域的总数。6.根据权利要求1所述的预测方法，其特征在于，所述总预期花费模型为乘客到各候车区域所产生的预期花费模型、各候车区域内的乘客数量所产生的预期花费模型、乘客与各候车区域构成的三角区内的乘客密度所产生的预期花费模型和影响乘客候车区域选择的不确定因素带来的预期花费之和。7.根据权利要求6所述的预测方法，其特征在于，所述乘客到各候车区域所产生的预期花费模型为其中，diw(t,x,y)为t时刻乘客i从当前位置(x，y)到候车区域w的距离，β1为敏感正系数，α1为惯性正参数，μ(t,x,y)为乘客选择到候车区域w过程中受到周围乘客密度影响的程度；所述α1为

【专利技术属性】
技术研发人员：董海荣，杨晓霞，姚秀明，周敏，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京,11