一种突发事件下轨道交通客流疏散需求预测方法技术

本发明专利技术涉及一种突发事件下轨道交通客流疏散需求预测方法，包括以下步骤：1)根据轨道交通自动收费系统历史票卡数据获取常态短时交通需求样本集，并以常态短时交通需求样本集为基础，采用基于主成分分析的混合预测模型进行多步预测，获取常态下短时地铁出行需求预测结果；2)根据轨道交通网络拓扑关系建立轨道交通网络有向图；3)对轨道交通出行OD进行分配得到分配矩阵F；4)根据突发事件的特征及先验信息，结合预测结果，获得出事件影响期间全网各站点疏散需求的计算公式；5)采用仿真获取突发事件影响期间内疏散需求的时空演化，并获取高峰滞留值。与现有技术相比，本发明专利技术具有可操作性强、实用性强、可直接应用、方法完整等优点。

【技术实现步骤摘要】
一种突发事件下轨道交通客流疏散需求预测方法
本专利技术涉及公共交通突发事件应急管理领域，尤其是涉及一种突发事件下轨道交通客流疏散需求预测方法。
技术介绍
近年来各类突发事件(包括生产事件、运营事故、极端天气、社会公共事件及恐怖袭击事件等)频繁发生，加之于脆弱的交通系统，会造成诸多不良影响，包括网络交通拥挤、完全中断，程度不一的财产损失甚至人员伤亡等。这在很大程度上严重降低了交通系统的运行可靠度和承载力，成为现阶段交通领域的严峻挑战。短时交通需求预测是交通领域的研究热点之一，其预测结果可应用于主动交通控制、交通诱导等领域，为其措施实施及制定提供指导，因而是智能交通系统的关键构成因素。而在突发事件下，实时、准确的需求预测信息可支撑科学应急响应，显得更为关键。现有的短时交通需求预测方法大多都是在常态情况下利用历史数据进行预测，而非常态下的相关研究较少，其主要难点之一在于针对性的历史数据较少。整体来说，非常态尤其是突发事件导致交通中断等情况下，数据收集困难，样本稀疏，实时数据来源更是不能得到保障，若使用和常态下类似的研究方法，即依赖于针对性的历史数据作为样本集进行建模、求解并从中探究其规律较难实现。目前，还未检索到可解决上述问题的专利技术专利。经过对现有文献及专利的检索，到目前为止，对与突发事件下的轨道交通客流疏散需求预测较为相关的内容主要概括、评述如下：(1)RicardoSilva等人在《Predictingtrafficvolumesandestimatingtheeffectsofshocksinmassivetransportationsystems》(ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,2015,112(18):5643-8)中利用伦敦轨道交通事故数据库结合回归统计方法对中断情况下进行了预测。其方法在使用中主要受限于：需利用较为全面的历史记录对事故状态下的疏散需求进行预测。(2)YangLi等人在《Forecastingshort-termsubwaypassengerflowunderspecialeventsscenariosusingmultiscaleradialbasisfunctionnetworks》(TransportationResearchPartCEmergingTechnologies,2017,77:306-328)中利用北京轨道交通进站数据对突发事件下的出站流量预测，利用机器学习方法根据实时数据进行预测，重点提升算法对异常情况的适应性。其方法在使用中受限于：输出结果为突发事件下的出站客流量，不能直接对疏散工作进行指导，且需突发事件条件下的实时数据作为模型输入。(3)中国专利申请号：201710285974.2，专利名称为：一种突发事件下城市轨道交通客流预测方法。其专利在实际使用过程中受限于：其专利输出结果为突发事件影响下的进站客流量，且需要根据突发事件下的相应数据，用于对突发事件下乘客选择行为进行详细效用评估。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种突发事件下轨道交通客流疏散需求预测方法。本专利技术的目的可以通过以下技术方案来实现：一种突发事件下轨道交通客流疏散需求预测方法，包括以下步骤：1)根据轨道交通自动收费系统历史票卡数据获取常态短时交通需求样本集，并以常态短时交通需求样本集为基础，采用基于主成分分析的混合预测模型进行多步预测，获取常态下短时地铁出行需求预测结果；2)根据轨道交通网络拓扑关系建立轨道交通网络有向图；3)对轨道交通出行OD进行分配得到分配矩阵F；4)根据突发事件的特征及先验信息，结合步骤1)中所得需求预测结果，获得出事件影响期间全网各站点疏散需求的计算公式；5)采用仿真获取突发事件影响期间内疏散需求的时空演化，并获取高峰滞留值。所述的步骤1)具体包括以下步骤：11)对轨道交通自动收费系统历史票卡数据进行预处理，包括数据清洗、行程匹配、按所需时间颗粒度进行集计，得到常态短时交通需求样本集；12)对常态短时交通需求样本集进行主成分分析，得到主成分及对应荷载；13)对荷载及其对应的时间特征进行建模预测，将预测所得荷载与其对应主成分结合作为常态下的地铁短时交通需求预测结果。所述的混合预测模型的预测时间窗范围长于轨道交通票卡数据回传周期。所述的步骤3)中，分配矩阵F为轨道交通网络有向图各边在所有时刻所承载的流量，其计算式为：FT＝XT×U其中，X为轨道交通全网一天的OD出行矩阵，U为最短路径的矩阵。所述的步骤4)中，事件影响期间全网各站点疏散需求的计算公式为：其中，为时刻t站点r的疏散需求，fte为时刻t加载在边e上的流量，且fte∈F，t0为站点r的中断时刻。所述的步骤5)中，时空演化包括多个仿真周期，每个仿真周期均依次顺序包括乘客进站过程、下车过程和上车过程。所述的乘客进站过程以轨道交通全网一天的OD出行矩阵作为输入。所述的下车过程具体为：511)获取轨道交通出行OD分配后的路径，并获取分配后的所有路径中任一站点的下一站点；512)对轨道交通网络有向图全图所有边的集合E中的任一边e，获取边e的指向站点vn及边e的上一条边ep；513)遍历轨道交通网络有向图中的站点集合V，对任一站点d，判断站点d是否为边e的来源站点，若否，则进行步骤514)，若是，则进行步骤516)；514)实现下车，判断以下条件：条件1：最短路径分配矩阵U中与OD对对应的路径中，边e的来源站点e(o)的下一站点不为vn，所述的OD对为边e的来源站点e(o)和站点d；条件2：最短路径分配矩阵U中与OD对对应的路径中，e的来源站点e(o)的下一站点在突发事件下中断区间Vdisr内；条件3：当前时刻t属于突发中断的时间段T；若条件1为真或条件2和条件3同时为真，则进行步骤515)，否则车内人数不变，则t+1时刻在边e上的列车内去往站点d的客流与t时刻在边e上的列车内去往站点d的客流相同，即并进行步骤516)；515)更新t时刻在站点o意愿前往d的客流需求即其中，为t-1时刻在站点o意愿前往d的客流需求；516)若所有站点尚未遍历结束则返回步骤513)，遍历下一站点，若所有站点遍历结束，进行步骤517)；517)若所有边尚未遍历结束则返回步骤512)，遍历下一边，若所有边遍历结束，则结束。所述的上车过程具体为：521)根据中断区间获取全网中所有受到影响的OD对，并记为集合disrupted_od；522)对轨道交通网络全网所有OD对进行遍历，更新t时刻在站点o，意愿前往d的客流需求其中，为t-1时刻在站点o，意愿前往d的客流需求，为t时刻从o进站，意愿前往d的交通需求；523)对轨道交通网络有向图全图所有边e进行遍历，并获取边e的指向站点vn；524)对轨道交通网络有向图全图所有站点进行遍历，若任一站点d满足条件：在最短路径分配矩阵U中与OD对对应的路径中，若边e的o点e(o)的下一点为vn，则将站点d加入上车列表board_list；525)遍历下一站点，若所有站点尚未遍历结束，则进行步骤524)，若所有站点遍历结束，则进行步骤526)；526)对轨道交通网络有向图本文档来自技高网...

【技术保护点】
1.一种突发事件下轨道交通客流疏散需求预测方法，其特征在于，包括以下步骤：1)根据轨道交通自动收费系统历史票卡数据获取常态短时交通需求样本集，并以常态短时交通需求样本集为基础，采用基于主成分分析的混合预测模型进行多步预测，获取常态下短时地铁出行需求预测结果；2)根据轨道交通网络拓扑关系建立轨道交通网络有向图；3)对轨道交通出行OD进行分配得到分配矩阵F；4)根据突发事件的特征及先验信息，结合步骤1)中所得需求预测结果，获得出事件影响期间全网各站点疏散需求的计算公式；5)采用仿真获取突发事件影响期间内疏散需求的时空演化，并获取高峰滞留值。

【技术特征摘要】
1.一种突发事件下轨道交通客流疏散需求预测方法，其特征在于，包括以下步骤：1)根据轨道交通自动收费系统历史票卡数据获取常态短时交通需求样本集，并以常态短时交通需求样本集为基础，采用基于主成分分析的混合预测模型进行多步预测，获取常态下短时地铁出行需求预测结果；2)根据轨道交通网络拓扑关系建立轨道交通网络有向图；3)对轨道交通出行OD进行分配得到分配矩阵F；4)根据突发事件的特征及先验信息，结合步骤1)中所得需求预测结果，获得出事件影响期间全网各站点疏散需求的计算公式；5)采用仿真获取突发事件影响期间内疏散需求的时空演化，并获取高峰滞留值。2.根据权利要求1所述的一种突发事件下轨道交通客流疏散需求预测方法，其特征在于，所述的步骤1)具体包括以下步骤：11)对轨道交通自动收费系统历史票卡数据进行预处理，包括数据清洗、行程匹配、按所需时间颗粒度进行集计，得到常态短时交通需求样本集；12)对常态短时交通需求样本集进行主成分分析，得到主成分及对应荷载；13)对荷载及其对应的时间特征进行建模预测，将预测所得荷载与其对应主成分结合作为常态下的地铁短时交通需求预测结果。3.根据权利要求1所述的一种突发事件下轨道交通客流疏散需求预测方法，其特征在于，所述的混合预测模型的预测时间窗范围长于轨道交通票卡数据回传周期。4.根据权利要求1所述的一种突发事件下轨道交通客流疏散需求预测方法，其特征在于，所述的步骤3)中，分配矩阵F为轨道交通网络有向图各边在所有时刻所承载的流量，其计算式为：FT＝XT×U其中，X为轨道交通全网一天的OD出行矩阵，U为最短路径的矩阵。5.根据权利要求1所述的一种突发事件下轨道交通客流疏散需求预测方法，其特征在于，所述的步骤4)中，事件影响期间全网各站点疏散需求的计算公式为：其中，为时刻t站点r的疏散需求，fte为时刻t加载在边e上的流量，且fte∈F，t0为站点r的中断时刻。6.根据权利要求1所述的一种突发事件下轨道交通客流疏散需求预测方法，其特征在于，所述的步骤5)中，时空演化包括多个仿真周期，每个仿真周期均依次顺序包括乘客进站过程、下车过程和上车过程。7.根据权利要求6所述的一种突发事件下轨道交通客流疏散需求预测方法，其特征在于，所述的乘客进站过程以轨道交通全网一天的OD出行矩阵作为输入。8.根据权利要求6所述的一种突发事件下轨道交通客流疏散需求预测方法，其特征在于，所述的下车过程具体为：511)获取轨道交通出行OD分配后的路径，并获取分配后的所有路径中任一站点的下一站点；512)对轨道交通网络有向图全图所有边的...

【专利技术属性】
技术研发人员：戴晓晴，孙立军，涂辉招，时恒，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31