基于网络拓扑特性构建轨道交通站点客流预测模型的方法技术

本发明专利技术公开了一种基于网络拓扑特性构建轨道交通站点客流预测模型的方法，包括如下步骤：(1)选择站点所属行政区人口密度、就业人口密度、站点所属行政区经济贫困系数、站点所属行政区道路长度密度、距站点1000/700/400米的范围内轨道交通站点数、距站点100/200/500米公交车站数、轨道交通站点到市中心距离、介数、聚集系数、度、各站点不同时段的进出站客流数据作为变量；(2)获取(1)中选择的各变量的数据；(3)将(2)中获取的各变量的部分数据带入到泊松回归模型中拟合，分别模拟不同时段的进出站客流量预测；(4)将剩余变量数据对预测模型进行检验。本发明专利技术准确性和合理性较高。

Method of constructing passenger flow forecast model of rail transit station based on network topology

The invention discloses a network topology characteristic construction of rail transit station passenger flow forecast model based method, which comprises the following steps: (1) import traffic data as a variable station site selection is administrative region, population density, population density, employment site belongs to poor coefficient, administrative area economy site belongs to the administrative district road density, length from the site of 1000/700/400 meters in rail transit station number, from the site of 100/200/500 meters bus station number, rail transit station to the city center distance, betweenness, clustering coefficient, degree, each site in different periods; (2) (1) for each variable in the data; (3) to (2) into the part of the data acquisition in the variables to the Poisson regression model fitting, out of the station to flow were simulated in different periods of prediction; (4) the remaining variable data to test the prediction model. The invention has high accuracy and rationality.

【技术实现步骤摘要】
基于网络拓扑特性构建轨道交通站点客流预测模型的方法
本专利技术涉及轨道交通站点客流预测
，尤其涉及一种基于网络拓扑特性构建轨道交通站点客流预测模型的方法。
技术介绍
随着社会经济的发展，社会汽车保有量逐年上升，道路资源的有限性以及使用压力的逐渐增大，越来越多的城市开始选择发展大运量公共轨道交通运输方式，轨道交通运输由于具有较好的运输环境、运量大、速度快等特点，逐渐成为部分城市的运输主体。与此同时，如何准确预测轨道交通站的客流量以及站点规模成为该领域的研究热点。现阶段国内外关于轨道交通站点客流预测主要集中在模型构建方面，基于传统影响因素(经济、人口、站点周边土地利用情况、站点周边接驳设施等)引入新的影响因素构建客流预测模型。目前关于因素选择主要集中在人为因素、社会因素等两个方面，交通网络特性因素研究较为缺乏，并未有学者提出考虑轨道网络本身特征的站点客流预测方法。
技术实现思路
专利技术目的：本专利技术针对现有技术存在的问题，提供一种基于网络拓扑特性构建轨道交通站点客流预测模型的方法，该方法充分考虑站点网络拓扑特性对自身客流吸引规模的影响，不仅能够增强站点客流预测模型的精度与准确性，还可以为新增规划轨道交通站点的规模建设提供指导意义。技术方案：本专利技术所述的基于网络拓扑特性构建轨道交通站点客流预测模型的方法包括如下步骤：(1)变量的选择：选择站点所属行政区人口密度、就业人口密度、站点所属行政区经济贫困系数、站点所属行政区道路长度密度、距站点1000/700/400米的范围内轨道交通站点数、距站点100/200/500米公交车站数、轨道交通站点到市中心距离、介数、聚集系数、度、各站点不同时段的进出站客流数据作为变量；(2)数据提取：针对目标站点，获取步骤(1)中选择的各变量的数据；(3)泊松回归建模：将步骤(2)中获取的各变量的部分数据带入到泊松回归模型Y＝exp(a0+a1x1+…+aixi+…+anxn)中拟合，分别模拟不同时段的进出站客流量预测，当泊松回归模型的拟合度大于第一预设阈值时，选择该模型；其中，Y表示站点的进出站客流量，xi表示步骤(1)中的各变量，ai表示需拟合得到的系数；(4)预测模型检验：采用步骤(3)建模时剩余的各变量的数据对步骤(3)选择的模型进行检验，若预测值与实际获取值的误差小于第二预设阈值，判定该模型为目标客流预测模型。进一步的，步骤(2)具体包括：(2-1)通过采集站点所处行政区人口以及行政区面积获得站点周边的人口密度；(2-2)通过当地统计部门获得站点所属行政区经济贫困系数；(2-3)根据所处行政区道路总长度以及行政区面积获得站点所属行政区道路长度密度；(2-4)通过采集站点所处行政区的就业人口数与行政区面积计算获得就业人口密度；(2-5)通过当地交通管辖部门获得距站点1000/700/400米的范围内轨道交通站点数、距站点100/200/500米公交车站数；(2-6)根据交通轨道站点坐标与市中心坐标计算获得轨道交通站点到市中心距离；(2-7)通过UNCINET与PAJEK软件获取网络拓扑特性因素聚集系数、度、介数；(2-8)由相关统计部门获得各交通站点不同时段的进站客流量。进一步的，所述不同时间段具体为早高峰、平峰、晚高峰三个时段。所述第一预设阈值为0.5-1中的任意值。所述第二预设阈值为0-25％中的任意值。步骤(3)中所述的各变量的部分数据具体为各变量的80％-95％的数据。每一变量的数据最终取年平均值参与模型构建。有益效果：本专利技术与现有技术相比，其显著优点是：本专利技术通过采集某国外城市2016年轨道交通站所对应的参数数据，通过相应的技术路线进行分析，提出一种基于网络拓扑特性构建轨道交通站点客流预测模型的方法，最终确定轨道交通站点三个时段所对应的进出站客流预测模型。引入轨道交通网络拓扑特性不仅可以使该模型预测更加准确、合理，同时也能很好地反映出交通网络本身对站点客流的影响效果。该专利技术在理论方面可以补充该领域的不足，在工程实践方面对站点的规模建设与位置选取都有很好的指导意义。附图说明图1是本专利技术的一个实施例的流程示意图；图2是早高峰进站客流预测值拟合曲线示意图。具体实施方式如图1所示，本实施例提供的网络拓扑特性构建轨道交通站点客流预测模型的方法，其特征在于，包括如下步骤：(1)变量的选择：选择站点所属行政区人口密度、就业人口密度、站点所属行政区经济贫困系数、站点所属行政区道路长度密度、距站点1000/700/400米的范围内轨道交通站点数、距站点100/200/500米公交车站数、轨道交通站点到市中心距离、介数、聚集系数、度、各站点不同时段的进出站客流数据作为变量；所述不同时间段具体为早高峰、平峰、晚高峰三个时段。(2)数据提取：站点周边的人口密度通过采集站点所处行政区人口以及行政区面积获得，单位为人/平方公里；站点所属行政区经济贫困系数直接通过当地统计部门获得，单位为亿元；站点所属行政区道路长度密度根据所处行政区道路总长度以及行政区面积获得，单位为千米/平方千米；就业人口密度通过采集站点所处行政区的就业人口数与行政区面积计算获得，单位为人/平方千米；距站点1000/700/400米的范围内轨道交通站点数、距站点100/200/500米公交车站数均通过当地交通管辖部门获得，单位为个；轨道交通站点到市中心距离根据交通轨道站点坐标与市中心坐标计算获得，单位为千米；网络拓扑特性因素“聚集系数、度、介数”三者通过UNCINET与PAJEK软件获取；各交通站点不同时段的进站客流量由相关统计部门获得，单位为人。本实施例最终采集得到各数据取值如表1所示。本实例以早高峰进站为例，所有参量均是年平均值。表1数据采集表(早高峰进站)(3)泊松回归建模：将步骤(2)中获取的各变量的部分数据(具体可以为80％-95％的数据)带入到泊松回归模型Y＝exp(a0+a1x1+…+aixi+…+anxn)中拟合，分别模拟不同时段的进出站客流量预测，当泊松回归模型的拟合度大于第一预设阈值时，选择该模型；其中，Y表示站点的进出站客流量，xi表示步骤(1)中的各变量，ai表示需拟合得到的系数。第一预设阈值取值为0.5-1中的任意值,拟合度越接近于1，模型的拟合结果越准确。本实施例模拟时将采集的数据放入Stata统计分析软件中，分别模拟进出站客流预测模型，如模型的拟合度R2大于0.5则表示拟合效果较好，可采用该模型进行站点客流量预测，若R2低于0.5则需要根据具体数据进行筛选变量，直到拟合效果达到要求。分析结果如下表：表2数据模拟参数值统计表(早高峰进站)根据数据分析结果可知，本实施例的早高峰的进站客流预测模型拟合效果较好，R2达到了0.76，故可采用该模型进行早高峰进站客流预测。(4)预测模型检验：采用步骤(3)建模时剩余的各变量的数据(预留30组数据)对步骤(3)选择的模型进行检验，若预测值与实际获取值的误差小于第二预设阈值，表示模型预测性能较好，判定该模型为目标客流预测模型。第二预设阈值具体为0-25％中的任意值，本实施例采用20％。本次实施例检验结果如表3以及图2所示。表3模型校准检验表(早高峰进站：部分)根据检验结果可知，大多数检验对象预测误差值均在合理地误差范围(小于20％)之内，进一步验证了该本文档来自技高网...

【技术保护点】
一种基于网络拓扑特性构建轨道交通站点客流预测模型的方法，其特征在于，包括如下步骤：(1)变量的选择：选择站点所属行政区人口密度、就业人口密度、站点所属行政区经济贫困系数、站点所属行政区道路长度密度、距站点1000/700/400米的范围内轨道交通站点数、距站点100/200/500米公交车站数、轨道交通站点到市中心距离、介数、聚集系数、度、各站点不同时段的进出站客流数据作为变量；(2)数据提取：针对目标站点，获取步骤(1)中选择的各变量的数据；(3)泊松回归建模：将步骤(2)中获取的各变量的部分数据带入到泊松回归模型Y＝exp(a0+a1x1+…+aixi+…+anxn)中拟合，分别模拟不同时段的进出站客流量预测，当泊松回归模型的拟合度大于第一预设阈值时，选择该模型；其中，Y表示站点的进出站客流量，xi表示步骤(1)中的各变量，ai表示需拟合得到的系数；(4)预测模型检验：采用步骤(3)建模时剩余的各变量的数据对步骤(3)选择的模型进行检验，若预测值与实际获取值的误差小于第二预设阈值，判定该模型为目标客流预测模型。

【技术特征摘要】
1.一种基于网络拓扑特性构建轨道交通站点客流预测模型的方法，其特征在于，包括如下步骤：(1)变量的选择：选择站点所属行政区人口密度、就业人口密度、站点所属行政区经济贫困系数、站点所属行政区道路长度密度、距站点1000/700/400米的范围内轨道交通站点数、距站点100/200/500米公交车站数、轨道交通站点到市中心距离、介数、聚集系数、度、各站点不同时段的进出站客流数据作为变量；(2)数据提取：针对目标站点，获取步骤(1)中选择的各变量的数据；(3)泊松回归建模：将步骤(2)中获取的各变量的部分数据带入到泊松回归模型Y＝exp(a0+a1x1+…+aixi+…+anxn)中拟合，分别模拟不同时段的进出站客流量预测，当泊松回归模型的拟合度大于第一预设阈值时，选择该模型；其中，Y表示站点的进出站客流量，xi表示步骤(1)中的各变量，ai表示需拟合得到的系数；(4)预测模型检验：采用步骤(3)建模时剩余的各变量的数据对步骤(3)选择的模型进行检验，若预测值与实际获取值的误差小于第二预设阈值，判定该模型为目标客流预测模型。2.根据权利要求1所述的基于网络拓扑特性构建轨道交通站点客流预测模型的方法，其特征在于：步骤(2)具体包括：(2-1)通过采集站点所处行政区人口以及行政区面积获得站点周边的人口密度；(2-2)通过当地统计部门获得站点所属行政区经济贫困系数；(2-3)...

【专利技术属性】
技术研发人员：李豪杰，丁红亮，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32