一种封站条件下的轨道交通短时客流预测方法及系统技术方案

本发明专利技术公开了一种封站条件下的轨道交通短时客流预测方法及系统。本发明专利技术首先利用封站情况下的进站量客流序列训练后的动态因子模型，进行预测，避免了具有相似均值的序列差异性无法准确度量的技术缺陷，并进一步确定异常车站，对异常车站考虑其中的非线性信息，利用支持向量机方法对预测结果进行修正，避免了因忽略客流序列中的非线性信息而导致的预测精度低的技术缺陷，提高了预测的精度。

【技术实现步骤摘要】
一种封站条件下的轨道交通短时客流预测方法及系统
本专利技术涉及轨道交通短时客流预测
，特别涉及一种封站条件下的轨道交通短时客流预测方法及系统。
技术介绍
随着大型活动等特殊事件的增多，轨道交通封站事件也逐渐增多。轨道交通局部车站的关闭将使周边车站甚至更多线路车站受到影响，使得客流的时空分布发生突变，可能导致大客流等现象发生，为地铁运营和管理部门带来了更多的挑战。因此，精准识别客流异常车站并封站下的车站短时客流已成为相关部门关注的重点，该工作也能对轨道站点客流应急处置决策及轨道交通运营组织迈向智能化起到支撑作用。但是既有方法存在以下问题：传统方法对客流异常车站进行识别，对具有相似均值但不同趋势序列无法准确度量，度量序列差异性的效果较差，判断受影响时空范围不够精准。传统方法进行客流预测忽略了客流序列中的非线性信息，预测精度较低。传统方法对客流时空关联性考虑较少，解释性较差。
技术实现思路
本专利技术的目的是提供一种封站条件下的轨道交通短时客流预测方法及系统，以克服传统方法存在的技术缺陷，提高封站情况下客流预本文档来自技高网...

【技术保护点】
1.一种封站条件下的轨道交通短时客流预测方法，其特征在于，所述预测方法包括如下步骤：/n获取封站前的正常情况下的轨道交通线路的各个车站的地铁刷卡记录，建立正常情况下的进站量客流序列；获取封站情况下的轨道交通线路的各个车站的地铁刷卡记录，建立封站情况下的进站量客流序列；/n根据封站情况下的进站量客流序列，建立并训练用于进行短时客流预测的动态因子模型，获得训练后的动态因子模型；/n利用训练后的动态因子模型，预测未来时刻的封站情况下的轨道交通线路的各个车站的进站量客流，获得轨道交通线路的各个车站的进站量客流预测数据；/n根据正常情况下的进站量客流序列和封站情况下的进站量客流序列的差异距离，确定封站情...

【技术特征摘要】
1.一种封站条件下的轨道交通短时客流预测方法，其特征在于，所述预测方法包括如下步骤：
获取封站前的正常情况下的轨道交通线路的各个车站的地铁刷卡记录，建立正常情况下的进站量客流序列；获取封站情况下的轨道交通线路的各个车站的地铁刷卡记录，建立封站情况下的进站量客流序列；
根据封站情况下的进站量客流序列，建立并训练用于进行短时客流预测的动态因子模型，获得训练后的动态因子模型；
利用训练后的动态因子模型，预测未来时刻的封站情况下的轨道交通线路的各个车站的进站量客流，获得轨道交通线路的各个车站的进站量客流预测数据；
根据正常情况下的进站量客流序列和封站情况下的进站量客流序列的差异距离，确定封站情况下的客流异常的车站；
采用支持向量机方法对封站情况下的客流异常的车站的进站量客流预测数据进行修正。


2.根据权利要求1所述的一种封站条件下的轨道交通短时客流预测方法，其特征在于，所述根据封站情况下的进站量客流序列，建立并训练用于进行短时客流预测的动态因子模型，获得训练后的动态因子模型，具体包括：
建立用于进行短时客流预测的初始的动态因子模型为：



其中，为轨道交通线路的第t时刻的进站量客流预测数据，和分别表示第1个、第2个和第N个车站的第t时刻的进站量客流预测值；Λ表示因子载荷矩阵，Ft表示第t时刻的公共因子，Ft-1、Ft-2、Ft-p分别表示第t-1时刻、第t-2时刻和第t-p时刻的公共因子，A1、A2和Ap分别表示第1个、第2个和第p个r阶的系数方阵，ηt表示残差矩阵，ξt＝(ξ1t,ξ2t,…,ξNt)'表示轨道交通线路的第t时刻的特殊分量，ξ1t、ξ2t和ξNt分别表示第1个、第2个、第N个车站的第t时刻的特殊分量；ξit、ξit-1、ξit-2和分别表示第i个车站的第t时刻、第t-1时刻、第t-2时刻和第t-Qi时刻的特殊分量，Bi1,Bi2和分别表示第i个车站的第1个、第2个和第Qi个回归系数，eit表示第i个车站的第t时刻的白噪声；
设置第0时刻的公共因子F、系数方阵A和因子载荷矩阵Λ的初始值，使用卡尔曼滤波递归计算对数似然函数中的所有变量，将封站情况下的进站量客流序列带入对数似然函数，计算对数似然函数值，不断迭代至对数似然函数收敛，进而得到最优的公共因子、系数方阵和因子载荷矩阵，将最优的公共因子、系数方阵和因子载荷矩阵带入初始的动态因子模型，得到训练后的动态因子模型。


3.根据权利要求1所述的一种封站条件下的轨道交通短时客流预测方法，其特征在于，所述根据正常情况下的进站量客流序列和封站情况下的进站量客流序列的差异距离，确定封站情况下的客流异常的车站，具体包括
利用公式计算各个车站的正常情况下的进站量客流序列和封站情况下的进站量客流序列的差异距离；
其中，Dsd表示差异距离，N表示进站量客流序列的长度，w表示进站量客流序列分段的段数，为基于SAX的符号化距离，




表示第i个车站的正常情况下的客流符号化序列的第h个分段字符，表示第i个车站的封站情况下的客流符号化序列的第h个分段字符；k表示对应的符号集中的符号的序号，f表示对应的符号集中的符号的序号，βmax(k，f)-1表示第max(k，f)-1个区间函数的左分界限值，βmin(k，f)表示第min(k，f)个区间函数的左分界限值；

为基于DTW的趋势距离，Cu表示规整路径的第u步的欧式距离，U表示规整路径的步数，和分别表示第i个车站的正常情况下和封站情况下的标准化客流序列的第h个分段序列；
将差异距离大于预设阈值的车站设置为客流异常的车站。


4.根据权利要求1所述的一种封站条件下的轨道交通短时客流预测方法，其特征在于，所述采用支持向量机方法对封站情况下的客流异常的车站的进站量客流预测数据进行修正，具体包括：
使用支持向量机对客流异常的车站的各个时段的残差部分进行拟合；
根据拟合函数提取时间序列中的非线性的成分，确定非线性模型决定的函数；
根据非线性模型决定的函数，利用公式εt+1＝ο(εt,εt-1,…)+τt+1，计算数据修正量；其中，εt+1表示数据修正量，ο(εt,εt-1,…)表示非线性模型决定的函数，εt和εt-1分别表示第t时刻和第t-1时刻的残差，τt+1表示根据时间序列的线性的成分的线性关系预测得到的第t+1时刻的线性残差；
利用数据修正量对封站情况下的客流异常的车站的进站量客流预测数据进行修正。


5.一种封站条件下的轨道交通短时客流预...

【专利技术属性】
技术研发人员：许心越，刘军，李海鹰，吴宇航，张英男，糜子越，王雪琴，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11