【技术实现步骤摘要】
客流数据的预测方法及装置
本专利技术涉及客流预测领域，具体而言，涉及一种客流数据的预测方法及装置。
技术介绍
随着城市轨道交通路网规模的不断扩大、客流量增加，加之网络化运营模式的不断深入，激增的客流一方面严重影响了乘客的出行体验，另一方面也给运营者的日常运营管理带来极大的挑战。精确地对路网客流OD进行预测能够为城市轨道交通运营者在制定运输组织方案时提供依据和辅助决策支持。目前现有的城轨客流预测方法大多使用时间序列模型，模型一般存在一定假设且模型复杂度较高，在应用到实际生产实践中还存在一定困难，而且存在准确率，效率低的问题。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种客流数据的预测方法及装置，以至少解决相关技术中的客流量预测方法准确率低，效率低的技术问题。根据本专利技术实施例的一个方面，提供了一种客流数据的预测方法包括：获取交通网络的历史客流OD数据，其中，所述历史客流OD数据包括历史时间和所述历史时间的日期对应的分时段客流OD数据，所述历史...
【技术保护点】
1.一种客流数据的预测方法，其特征在于，包括：/n获取交通网络的历史客流OD数据，其中，所述历史客流OD数据包括历史时间和所述历史时间的日期对应的分时段客流OD数据，所述历史时间包括日期和时段；/n对所述分时段客流OD数据进行聚类分析，确定所述分时段客流OD数据对应的多个类别；/n确定待预测时间对应的预测客流OD数据所属的类别；/n根据所述类别确定所述待预测时间的所述预测客流OD数据。/n
【技术特征摘要】
1.一种客流数据的预测方法，其特征在于，包括：
获取交通网络的历史客流OD数据，其中，所述历史客流OD数据包括历史时间和所述历史时间的日期对应的分时段客流OD数据，所述历史时间包括日期和时段；
对所述分时段客流OD数据进行聚类分析，确定所述分时段客流OD数据对应的多个类别；
确定待预测时间对应的预测客流OD数据所属的类别；
根据所述类别确定所述待预测时间的所述预测客流OD数据。
2.根据权利要求1所述的方法，其特征在于，获取交通网络的历史客流OD数据包括：
利用城市轨道交通售检票系统获取乘客刷卡记录数据，构建第一矩阵，
其中，Qi(T)为车站i在日期T去往路网各个车站的客流OD数据；qij(k)为车站i在时段k内去往车站j的客流量；m为一天内时段个数；n为路网内车站个数；
根据所述第一矩阵，确定所述历史客流OD数据，其中，所述历史客流OD数据包括以车站为单位统计所述车站在不同时段内去往交通网络各个车站的车站客流OD数据。
3.根据权利要求2所述的方法，其特征在于，对所述分时段客流OD数据进行聚类分析，确定所述分时段客流OD数据对应的多个类别包括：
根据不同时段的所述车站客流OD数据，确定所述车站去向的多个重点车站，其中，所述重点车站为所述车站去向的多个车站中去向贡献度超过贡献度临界值的车站；
根据路网拓扑结构，将所述交通网络划分为不同区段；
根据多个所述重点车站和所述区段的所述车站客流OD数据，确定聚类样本；
通过AP聚类方法对所述聚类样本进行聚类，获得不同日期的样本数据对应的类别。
4.根据权利要求3所述的方法，其特征在于，根据不同时段的所述车站客流OD数据，确定所述车站去向的多个重点车站包括：
根据设定时间段内所述车站去往所述交通网络的多个其他车站的客流量，分别与进站的客流量的比例，确定所述交通网络的多个所述其他车站的去向贡献度；
将所述去向贡献度根据多个数值划分为多个等级，分别统计所述去向贡献度超过多个所述数值的车站数目，将多个所述数值与对应的所述车站数目取对数后线性拟合，得到回归方程；
在取对数后的车站数目中划定比例，获得重点车站贡献度临界值；
将去向贡献度超过所述临界值的车站设定为重点车站。
5.根据权利要求3所述的方法，其特征在于，根据多个所述重点车站和所述区段的所述车站客流OD数据，确定聚类样本包括：
根据多个所述重点车站和所述区段的所述车站客流OD数据，建立第二矩阵：
其中，Si(T)为车站i在日期T的聚类样本；pij(k)为车站i在时段k内去往重点车站j的客流量；rij(k)为车站i在时段k内去往区段j的客流量，其中，在区段j内包含重点车站的情况下，扣除去往重点车站客流量；u为重点车站个数；v为区段个数；
将所述第二矩阵作为聚类样本。
6.根据权利要求3所述的方法，其特征在于，根据所述类别确定所述待预测时间的预...
【专利技术属性】
技术研发人员：战明辉，孙方，梁材，孙琦，厉立，蒋熙，贾飞凡，周亚鹏，姚世严，李泳，
申请(专利权)人：北京轨道交通路网管理有限公司，
类型：发明
国别省市：北京;11
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。