一种轨道交通一票通乘客进站量预测方法技术

本发明专利技术提供一种轨道交通一票通乘客进站量预测方法，能够预测一票通乘客进站量。所述方法包括：确定影响城市轨道交通节假日一票通乘客进站量的变量，基于确定的变量，建立城市轨道交通节假日一票通乘客进站量与变量之间的回归模型；根据回归模型对城市轨道交通节假日一票通乘客进站量进行预测，得到预测值，计算预测值与真实值之间的残差，对残差进行平稳性分析，建立残差的ARMA模型；根据构建的回归模型和ARMA模型，建立城市轨道交通节假日一票通乘客进站量组合预测模型，由建立的城市轨道交通节假日一票通乘客进站量组合预测模型预测节假日的一票通乘客进站量。本发明专利技术涉及轨道交通技术领域。

A method for predicting passenger arrival volume of rail transit ticket

The invention provides a method for predicting the arrival amount of passengers in a single rail transit ticket, which can predict the passenger arrival amount of a single pass passenger. The method includes: to determine the influence of city rail transit passenger volume in the holidays pass variables, the variables identified based on the establishment of city rail transit passengers stop the holidays pass a vote of regression model between the quantity and variables; according to regression model to forecast the quantity of station of city track traffic for holiday pass passengers, get the forecast value, prediction residual value and true value, stable analysis of residuals, ARMA model residuals; according to regression model and ARMA model, the establishment of city rail transit passenger volume in the holidays pass a vote of the combination forecast model, established by the city rail transit passenger forecasting model to forecast the holidays pass combination vote in holidays the amount of passenger station. The invention relates to the technical field of rail transportation.

【技术实现步骤摘要】
一种轨道交通一票通乘客进站量预测方法
本专利技术涉及轨道交通
，特别是指一种轨道交通一票通乘客进站量预测方法。
技术介绍
近年来，随着城市化进程的逐步加快，城市人口急剧增加，产生大量的交通需求。对于北京、上海一类的超大型城市，都面临着交通供给与交通需求之间的矛盾，城市交通系统已越来越不堪重负，而其中城市轨道交通(以下简称轨道交通)作为城市交通骨干运输方式更是首当其冲。随着我国城市轨道交通网络的复杂化，轨道交通客流迅猛增长。以北京为例，轨道交通由2000年的2条线路、运营里程54km、日均客运量不足100万人次，发展到2015年初的18条线路、运营里程527km、日均客运量1020万人次。随着轨道交通网络化运营格局的形成，实时地对轨道交通客流进行预测和分析，对把握路网中客流的动态趋势、提高轨道交通运营服务水平和确保安全运营具有重要意义。现有技术中，王玉萍等提出了包含可信度分析、客流特性分析、风险性分析和敏感性分析在内的城市轨道交通客流预测结果分析的结构体系；李春晓等提出一种基于广义动态模糊神经网络的短时进站客流量预测方法，预测轨道交通车站每日分时进站量；徐瑞华研究了城市轨道交通线路客流分布的实时预测方法，但是，以上方法都没有对节假日期间的一票通乘客进站量进行研究。
技术实现思路
本专利技术要解决的技术问题是提供一种轨道交通一票通乘客进站量预测方法，以解决现有技术所存在的不能预测节假日期间一票通乘客进站量的问题。为解决上述技术问题，本专利技术实施例提供一种轨道交通一票通乘客进站量预测方法，包括：获取城市轨道交通节假日一票通乘客进站量历史数据，根据获取的城市轨道交通节假日一票通乘客进站量历史数据，确定影响城市轨道交通节假日一票通乘客进站量的变量，基于确定的变量，建立城市轨道交通节假日一票通乘客进站量与变量之间的回归模型；根据回归模型对城市轨道交通节假日一票通乘客进站量进行预测，得到预测值计算预测值与真实值y之间的残差对残差ε进行平稳性分析，建立残差的ARMA模型；根据构建的回归模型和ARMA模型，建立城市轨道交通节假日一票通乘客进站量组合预测模型，由建立的城市轨道交通节假日一票通乘客进站量组合预测模型预测节假日的一票通乘客进站量。进一步地，确定的影响城市轨道交通节假日一票通乘客进站量的变量包括：连续变量和虚拟变量；所述连续变量包括：全票种进站量、地面公交客运量、日平均气温、AQI；所述虚拟变量包括：有序变量和无序变量；所述有序变量包括：节假日时间长短、节假日回家和旅游特征、路网车站数；所述无序变量包括：天气情况、节假日分类。进一步地，所述基于确定的变量，建立城市轨道交通节假日一票通乘客进站量与变量之间的回归模型包括：量化虚拟变量，对量化后的虚拟变量进行线性相关性的拟合，得到几类相互独立的虚拟变量；基于连续变量和得到的几类相互独立的虚拟变量，建立城市轨道交通节假日一票通乘客进站量与全票种进量、地面公交客运量、日平均气温、AQI、独立的虚拟变量之间的回归模型。进一步地，所述回归模型表示为：其中，y表示城市轨道交通节假日一票通乘客进站量；a0表示常数项；i的取值为1、2、3、4、5、6、7、8、9；x1表示全票种进站量；x2表示地面公交客运量；x3表示日平均气温；x4表示AQI；x5表示节假日时间长短；x6表示节假日回家和旅游特征；x7路网车站数；x8表示天气情况；x9表示节假日分类；ai表示第i连续变量的系数；bi表示第i有序变量的系数；δi表示回归模型中若包括相应的连续变量，则记为1，否则为0；xij表示第i无序变量的第j哑变量；cij表示无序变量的哑变量的系数；δij表示回归模型中若包括相应无序变量的哑变量，则记为1，否则为0；Q(i)表示第i无序变量取值种类数。进一步地，所述ARMA模型表示为：φp(B)εt＝θq(B)ut其中，P表示季节自回归阶数；q表示季节移动平均阶数；φp表示季节自回归系数；θq表示季节移动平均系数；φp(B)表示季节自回归滞后多项式；θq(B)表示季节移动平均滞后多项式；εt表示自回归序列；ut表示误差项；B表示滞后算子。进一步地，所述城市轨道交通节假日一票通乘客进站量组合预测模型表示为：进一步地，所述方法还包括：获取城市轨道交通日一卡通乘客比例历史数据，利用自相关和偏自相关函数对获取的城市轨道交通日一卡通乘客比例历史数据进行平稳性和周期性分析，根据分析结果，建立城市轨道交通一卡通乘客比例季节ARIMA模型；获取城市轨道交通全票种日进站量历史数据，利用自相关和偏自相关函数对获取的城市轨道交通全票种日进站量历史数据进行平稳性和周期性分析，建立城市轨道交通路网全票种进站量季节ARIMA模型；根据建立的城市轨道交通一卡通乘客比例季节ARIMA模型和建立的城市轨道交通路网全票种进站量季节ARIMA模型，建立城市轨道交通路网一票通进站量ARIMA模型，由建立的建立城市轨道交通路网一票通进站量ARIMA模型预测路网一票通乘客进站量。进一步地，所述方法还包括：获取轨道交通各车站一票通乘客进站量历史数据，对获取的轨道交通各车站一票通乘客进站量历史数据进行分析，得到与车站客流特征相关的时间周期变量；对与车站客流特征相关的时间周期变量进行车站聚类分析，得到车站类别；根据得到的车站类别，建立基于车站类别的一票通乘客进站量预测模型，由建立的基于车站类别的一票通乘客进站量预测模型预测各车站一票通乘客进站量。进一步地，所述对与车站客流特征相关的时间周期变量进行车站聚类分析，得到车站类别包括：S1，使用聚类方法对车站按照一票通比例进行分类，在分类时，基于最短距离法和类平均法，确定类别；S2，针对S1得到每一类，再继续细分；具体包括：获取每一类中的n个轨道交通车站的m天的每个轨道交通车站的一票通使用量进行分类，获得n×m的车站一票通使用量矩阵；重复S1的分类方法，得到轨道交通车站在该类中的子分类。进一步地，所述根据得到的车站类别，建立基于车站类别的一票通乘客进站量预测模型包括：根据得到的车站类别，利用指数平滑法，建立基于车站类别的一票通乘客进站量预测模型。本专利技术的上述技术方案的有益效果如下：上述方案中，获取城市轨道交通节假日一票通乘客进站量历史数据，根据获取的城市轨道交通节假日一票通乘客进站量历史数据，确定影响城市轨道交通节假日一票通乘客进站量的变量，基于确定的变量，建立城市轨道交通节假日一票通乘客进站量与变量之间的回归模型；根据回归模型对城市轨道交通节假日一票通乘客进站量进行预测，得到预测值，计算预测值与真实值之间的残差，对残差进行平稳性分析，建立残差的ARMA模型；根据构建的回归模型和ARMA模型，建立城市轨道交通节假日一票通乘客进站量组合预测模型，由建立的城市轨道交通节假日一票通乘客进站量组合预测模型预测节假日的一票通乘客进站量。附图说明图1为本专利技术实施例提供的轨道交通一票通乘客进站量预测方法的流程示意图；图2为对一卡通乘客比例数据进行一阶差分后得到的自相关函数图；图3为对一卡通乘客比例数据进行一阶差分后的数据序列再进行一次季节性差分得到的新序列图；图4为新序列的自相关函数图；图5为模型对原有序列的拟合和残差图；图6为本专利技术实施例中的最短距离法的谱系聚类图和聚合系数变化图；图7为本专利技术实施例中的类平均本文档来自技高网...

【技术保护点】
一种轨道交通一票通乘客进站量预测方法，其特征在于，包括：获取城市轨道交通节假日一票通乘客进站量历史数据，根据获取的城市轨道交通节假日一票通乘客进站量历史数据，确定影响城市轨道交通节假日一票通乘客进站量的变量，基于确定的变量，建立城市轨道交通节假日一票通乘客进站量与变量之间的回归模型；根据回归模型对城市轨道交通节假日一票通乘客进站量进行预测，得到预测值

【技术特征摘要】
1.一种轨道交通一票通乘客进站量预测方法，其特征在于，包括：获取城市轨道交通节假日一票通乘客进站量历史数据，根据获取的城市轨道交通节假日一票通乘客进站量历史数据，确定影响城市轨道交通节假日一票通乘客进站量的变量，基于确定的变量，建立城市轨道交通节假日一票通乘客进站量与变量之间的回归模型；根据回归模型对城市轨道交通节假日一票通乘客进站量进行预测，得到预测值计算预测值与真实值y之间的残差对残差ε进行平稳性分析，建立残差的ARMA模型；根据构建的回归模型和ARMA模型，建立城市轨道交通节假日一票通乘客进站量组合预测模型，由建立的城市轨道交通节假日一票通乘客进站量组合预测模型预测节假日的一票通乘客进站量。2.根据权利要求1所述的轨道交通一票通乘客进站量预测方法，其特征在于，确定的影响城市轨道交通节假日一票通乘客进站量的变量包括：连续变量和虚拟变量；所述连续变量包括：全票种进站量、地面公交客运量、日平均气温、AQI；所述虚拟变量包括：有序变量和无序变量；所述有序变量包括：节假日时间长短、节假日回家和旅游特征、路网车站数；所述无序变量包括：天气情况、节假日分类。3.根据权利要求2所述的轨道交通一票通乘客进站量预测方法，其特征在于，所述基于确定的变量，建立城市轨道交通节假日一票通乘客进站量与变量之间的回归模型包括：量化虚拟变量，对量化后的虚拟变量进行线性相关性的拟合，得到几类相互独立的虚拟变量；基于连续变量和得到的几类相互独立的虚拟变量，建立城市轨道交通节假日一票通乘客进站量与全票种进量、地面公交客运量、日平均气温、AQI、独立的虚拟变量之间的回归模型。4.根据权利要求3所述的轨道交通一票通乘客进站量预测方法，其特征在于，所述回归模型表示为：其中，y表示城市轨道交通节假日一票通乘客进站量；a0表示常数项；i的取值为1、2、3、4、5、6、7、8、9；x1表示全票种进站量；x2表示地面公交客运量；x3表示日平均气温；x4表示AQI；x5表示节假日时间长短；x6表示节假日回家和旅游特征；x7路网车站数；x8表示天气情况；x9表示节假日分类；ai表示第i连续变量的系数；bi表示第i有序变量的系数；δi表示回归模型中若包括相应的连续变量，则记为1，否则为0；xij表示第i无序变量的第j哑变量；cij表示无序变量的哑变量的系数；δij表示回归模型中若包括相应无序变量的哑变量，则记为1，否则为0；Q(i)表示第i无序变量取值种类数。5.根据权利要求4所述的轨道交通一票通乘客进站量预测方法，其特征在于，所述ARMA模型表示为：φp(B)εt＝θq(B)ut其中，P表示季节自回归阶数；q表示季...

【专利技术属性】
技术研发人员：汪波，黄建玲，杨洋，鲍枫，陈峰，白云云，何志莹，
申请(专利权)人：北京市交通信息中心，北京交通大学，
类型：发明
国别省市：北京,11