The invention relates to a prediction method for short-term rail transit passenger flow, passenger flow data from the historical trend extraction trend in the database; extracting the first data to predict traffic trends during the first period, the second passenger flow trend data before extracting the forecast day every day in the first period; according to the first and second passenger traffic trends data trend data set the first model where the daily data; third passenger trend data obtained by calculating the flow of historical reference on the second periods of fourth passenger flow forecasting day trend data second times. The invention has the advantages of no need for time-consuming traffic survey work, based on the historical data to passenger rail transit AFC system, analyzes the trend of short-term passenger flow, k nearest method based on neighbor prediction of short-term passenger flow based on the trend, the accumulation of historical data repeatedly, continuous automatic correction model, select the better the reference date, achieve better prediction accuracy.
【技术实现步骤摘要】
一种轨道交通短期客流预测方法
本专利技术涉及轨道交通领域,尤其涉及一种轨道交通短期客流预测方法。
技术介绍
城市轨道交通线网客流的影响因素非常复杂,国外比较成熟的是四阶段的客流预测方法,即出行生成预测、出行分布预测、交通方式划分预测和路网分配。出行生成预测模型是预测总的出行产生量,即每一个小区的全部进出交通流量。出行分布预测模型中最典型的是重力模型和增长系数法。交通方式划分预测模型主要分集聚模型和非集聚模型两种,最早的集聚模型是分担率曲线法,非集聚模型以效用最大化理论为基础,其中有离散选择模型,根据所采用的概率分布函数不同,又分为Logit模型族和Probit模型族,其中多元Logit模型仍被广泛应用。路网分配方法包括全有全无分配方法、增量分配法、连续平均法。由于我国的实际情况与国外情况有很大的出入,其中一些模型根本不适于在我国进行客流预测研究时使用。从国内所采用的客流方法来看,大致可以分为趋势外延法、吸引范围法和交通规划的四阶段法几种形式。前两种方法仅考虑预测线路沿线机器吸引范围内客流的变化趋势,没有考虑轨道交通系统作为整个城市交通骨干建成后将导致城市路网状态分布的变化。后一种方法是以城市居民出行交通起止点调查(ORIGINDESTINATION,OD调查)为基础,按一定的数学模型对整个城市客流在路网上的分布进行分析,从中确定轨道交通线路上的客流。近年来又出现了一种新的基于Logistic优化模型的轨道交通客流预测方法,通过对在经典的Logistic模型基础上改进的特定参数取得的自适应种群增长的Logistic模型进一步优化,考虑季节性变动模型和路网结构 ...
【技术保护点】
一种轨道交通短期客流预测方法,其特征在于,应用于轨道交通的短期客流量预测,用于根据预测日的第一时段的第一客流趋势数据预测所述预测日的第二时段的短期预测客流趋势数据,所述第一时段位于所述第二时段之前且所述第一时段与第二时段彼此在时间上连续,所述第一时段的所述第一客流趋势数据存储于一客流量数据库,以及于所述客流量数据库中存储所述预测日之前的历史客流趋势数据;所述客流预测方法包括:步骤S1、从所述客流趋势数据库中提取历史客流趋势数据;步骤S2、从所述步骤S1中所述历史客流趋势数据中提取所述预测日的所述第一时段的所述第一客流趋势数据,以及从所述步骤S1中所述历史客流趋势数据中提取所述预测日之前每一日中的所述第一时段的第二客流趋势数据;步骤S3、根据所述步骤S2中获得的所述预测日的所述第一时段的所述第一客流趋势数据和所述预测日之前每一日中的所述第一时段的所述第二客流趋势数据建立一第一模型,根据所述第一模型计算取得所述预测日之前的历史客流参考日的所在日数据;步骤S4、从所述步骤S1中所述历史客流趋势数据中提取所述步骤S3中计算取得的所述历史客流参考日的所述第二时段的第三客流趋势数据;步骤S5、对所 ...
【技术特征摘要】
1.一种轨道交通短期客流预测方法,其特征在于,应用于轨道交通的短期客流量预测,用于根据预测日的第一时段的第一客流趋势数据预测所述预测日的第二时段的短期预测客流趋势数据,所述第一时段位于所述第二时段之前且所述第一时段与第二时段彼此在时间上连续,所述第一时段的所述第一客流趋势数据存储于一客流量数据库,以及于所述客流量数据库中存储所述预测日之前的历史客流趋势数据;所述客流预测方法包括:步骤S1、从所述客流趋势数据库中提取历史客流趋势数据;步骤S2、从所述步骤S1中所述历史客流趋势数据中提取所述预测日的所述第一时段的所述第一客流趋势数据,以及从所述步骤S1中所述历史客流趋势数据中提取所述预测日之前每一日中的所述第一时段的第二客流趋势数据;步骤S3、根据所述步骤S2中获得的所述预测日的所述第一时段的所述第一客流趋势数据和所述预测日之前每一日中的所述第一时段的所述第二客流趋势数据建立一第一模型,根据所述第一模型计算取得所述预测日之前的历史客流参考日的所在日数据;步骤S4、从所述步骤S1中所述历史客流趋势数据中提取所述步骤S3中计算取得的所述历史客流参考日的所述第二时段的第三客流趋势数据;步骤S5、对所述第三客流趋势数据进行处理,以得到所述预测日的所述第二时段的第四客流趋势数据,将所述第四数据作为所述预测日的所述第二时段的所述短期预测客流趋势数据。2.根据权利要求1所述的客流预测方法,其特征在于,所述步骤S2包括:S21a、从所述步骤S1中所述历史客流趋势数据中提取所述预测日的所述第一时段的所述第一客流趋势数据;S22a、从所述步骤S1中所述历史客流趋势数据中提取所述预测日之前每一日中的所述第一时段的第二客流趋势数据;所述步骤S21a和所述步骤S22a同时进行。3.根据权利要求1所述的客流预测方法,其特征在于,所述步骤S2包括:S21b、从所述步骤S1中所述历史客流趋势数据中提取所述预测日的所述第一时段的所述第一客流趋势数据;S22b、从所述步骤S1中所述历史客流趋势数据中提取所述预测日之前每一日中的所述第一时段的第二客流趋势数据。4.根据权利要求1所述的客流预测方法,其特征在于,所述步骤S2中,所述预测日的所述第一时段的所述第一客流趋势数据为:xt-m+1:t=(xt-m+1,xt-m-2,...,xt)其中,xt-m+1:t表示所述第一客流趋势数据构成的向量;t...
【专利技术属性】
技术研发人员:林雪峰,曹家玉,陈佳,
申请(专利权)人:上海仪电物联技术股份有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。