基于规则推荐算法的精准短时客流预测模型制造技术

本发明专利技术公开了一种基于规则推荐算法的精准短时客流预测模型，包括：数据采集模块，采集每个乘客的历史出行数据；乘客出行行为画像模块，建立乘客出行行为画像，通过乘客出行行为画像描述乘客的出行模式；规则引擎模块，通过规则列表对可能产生的出行模式进行筛选；乘客出行行为画像汇总模块，对所有具有历史记录的乘客重复采用数据采集模块、乘客出行行为画像模块以及规则引擎模块进行处理，完成所有乘客的出行行为画像；乘客OD轨迹预测模块，对乘客的OD轨迹进行预测；客流数据预测模块，按照时刻表的时刻利用乘客的预测OD轨迹计算站台客流分布数据和列车的断面客流分配数据。本发明专利技术精准性高,可计算性强,且可动态调整。

【技术实现步骤摘要】
基于规则推荐算法的精准短时客流预测模型
本专利技术涉及轨道交通
，具体涉及短时客流预测动态模型。
技术介绍
客流是轨道交通线路运营过程中的关键基础数据，通过对客流特征的分析和客流规律的预测，为运营调度提供依据、支持和辅助决策，制定出更加合理的城市轨道交通运营方案，提高城市轨道交通服务质量，更好地服务市民的出行需要。现阶段城轨交通客流预测一般分别对站点客流数据、断面客流数据和线网客流OD矩阵进行单独或整体预测，其中OD矩阵又是许多进行断面客流数据预测方法和技术的前提。乘客OD数据是指乘客在某个时间段内，以乘客进站的站点为起点，以乘客出站的站点作为终点，起始点间的乘客轨迹。目前求解动态OD矩阵估计的方法可分为两大类：参数优化法和统计法，前者以广义最小二乘法为基础建立模型，后者以卡尔曼滤波模型为代表。现有技术存在如下缺陷：1.现有方法的研究目前主要是基于道路交通流量的研究，与轨道交通的采集数据方式不同，是否适用于轨道交通OD数据的估计有待进一步的验证。2.由于线网客流OD矩阵是表示线网中所有出行起本文档来自技高网...

【技术保护点】
1.基于规则推荐算法的精准短时客流预测模型，其特征在于包括：/n数据采集模块，用于采集每个乘客的历史出行数据；/n乘客出行行为画像模块，根据数据采集模块采集的数据建立乘客出行行为画像，通过乘客出行行为画像描述乘客的出行模式；/n规则引擎模块，通过规则列表对可能产生的出行模式进行筛选，剔除不可能发生的出行模式；/n乘客出行行为画像汇总模块，对所有具有历史记录的乘客重复采用数据采集模块、乘客出行行为画像模块以及规则引擎模块进行处理，完成所有乘客的出行行为画像；/n乘客OD轨迹预测模块，对乘客的OD轨迹进行预测；/n客流数据预测模块，按照时刻表的时刻利用乘客的预测OD轨迹计算站台客流分布数据和列车的...

【技术特征摘要】
1.基于规则推荐算法的精准短时客流预测模型，其特征在于包括：
数据采集模块，用于采集每个乘客的历史出行数据；
乘客出行行为画像模块，根据数据采集模块采集的数据建立乘客出行行为画像，通过乘客出行行为画像描述乘客的出行模式；
规则引擎模块，通过规则列表对可能产生的出行模式进行筛选，剔除不可能发生的出行模式；
乘客出行行为画像汇总模块，对所有具有历史记录的乘客重复采用数据采集模块、乘客出行行为画像模块以及规则引擎模块进行处理，完成所有乘客的出行行为画像；
乘客OD轨迹预测模块，对乘客的OD轨迹进行预测；
客流数据预测模块，按照时刻表的时刻利用乘客的预测OD轨迹计算站台客流分布数据和列车的断面客流分配数据。


2.根据权利要求1所述的基于规则推荐算法的精准短时客流预测模型，其特征在于：所述数据采集模块包括自动售检票系统和历史时刻表存储模块，所述自动售检票系统用于采集AFC交易数据并进行存储，形成AFC历史数据，所述历史时刻表存储模块存储有历史时刻表。


3.根据权利要求2所述的基于规则推荐算法的精准短时客流预测模型，其特征在于：所述AFC交易数据包括车票卡号、进站号、进站时刻、出站号、出站时刻，根据AFC历史交易数据计算每个乘客所有的OD配对数据，根据OD配对数据的时间属性分析出行规律，了解时间的变化对OD数据的影响，使用机器学习的分类算法对时间属性进行归类。


4.根据权利要求3所述的基于规则推荐算法的精准短时客流预测模型，其特征在于：在线网有换乘的情况下，根据历史时刻表对OD配对数据进行反推，补齐乘客中间换乘数据，得到完整的OD轨迹。


5.根据权利要求4所述的基于规则推荐算法的精准短...

【专利技术属性】
技术研发人员：徐利民，王锁平，徐诗帆，
申请(专利权)人：浙江众合科技股份有限公司，
类型：发明
国别省市：浙江;33