一种轨道交通智能调度方法及系统技术方案

本发明专利技术公开了一种轨道交通智能调度方法及系统，所述方法包括：从多个数据源采集预设范围的原始数据；根据所述原始数据获取轨道交通车站的客流数据；根据所述轨道交通车站的客流数据构建所述轨道交通车站的客流预测模型；通过所述客流预测模型获取所述轨道交通车站在预设时段的客流量；以及根据所述预设时段的客流量对所述轨道交通车站的车辆和乘客进行协调调度，以使所述轨道交通车站的客流畅通。本发明专利技术通过多个数据源获取原始数据，进而获取客流数据，实现了对轨道交通车站客流的全方位监测，并能够对发出不同的预警，以便对轨道交通车站的车辆和乘客进行合理的协调调度，进而有序应对即将出现的大客流，保证轨道交通车站的客流畅通。

【技术实现步骤摘要】
一种轨道交通智能调度方法及系统
本专利技术涉及城市轨道交通智能
，尤其涉及一种轨道交通智能调度方法及系统。
技术介绍
城市轨道交通车站作为城市轨道交通系统的重要组成部分之一，既是乘客上下车和换乘的场所，又是车辆到发、折返及临时停车的地点，可以说城市轨道交通车站的正常运营是城市轨道交通畅通的重要保障。而城市轨道交通车站的正常运营则需要车站内设备的正常运行和客流的有序流通来保障。目前，已建设有相应的自动化系统(例如综合监控系统)对轨道交通车站内设备的运行状态进行监测，以确保设备的正常运行。对于轨道交通车站内的客流，则主要依靠工作人员进行人工管理；但是由于工作人员有限，且无法对轨道交通车站的客流进行准确预测以及对车辆进行及时调度，大型多线路换乘车站以及附近有火车站或机场的轨道交通车站则经常会因出现超大客流而造成车站内客流囤积的问题，给轨道交通车站的正常运营带来潜在的安全风险，同时还增加了工作人员的工作强度和难度，并降低了城市轨道交通的出行效率。
技术实现思路
本专利技术的目的在于提供一种轨道交通智能调度方法及系统，可以根据多个数据源对轨道交通车站的客流量进行准确预测并对车辆和乘客进行协调调度，从而使轨道交通车站的客流畅通。为了达到上述目的，本专利技术通过以下技术方案实现：一种轨道交通智能调度方法，包括：从多个数据源采集预设范围的原始数据；根据所述原始数据获取轨道交通车站的客流数据；根据所述轨道交通车站的客流数据构建所述轨道交通车站的客流预测模型；r>通过所述客流预测模型获取所述轨道交通车站在预设时段的客流量；以及根据所述预设时段的客流量对所述轨道交通车站的车辆和乘客进行协调调度，以使所述轨道交通车站的客流畅通。优选地，所述预设范围包括：所述轨道交通车站以及以所述轨道交通车站为中心且半径为300米～2500米的圆形辐射区域；所述原始数据包括：售检票数据、车站视频数据、手机信令数据、车载视频数据及车辆称重数据。优选地，所述根据所述原始数据获取轨道交通车站的客流数据的步骤包括：根据所述售检票数据获取所述轨道交通车站的历史进出闸机客流数据和实时进出闸机客流数据；根据所述车站视频数据和所述手机信令数据获取所述轨道交通车站的历史出入客流数据和实时出入客流数据；以及根据所述车载视频数据及所述车辆称重数据获取待进站车辆的历史车载客流数据和实时车载客流数据。优选地，执行所述根据所述轨道交通车站的客流数据构建所述轨道交通车站的客流预测模型的步骤之前还包括：对所述历史进出闸机客流数据、所述实时进出闸机客流数据、所述历史出入客流数据、所述实时出入客流数据、所述历史车载客流数据和所述实时车载客流数据进行预处理，且所述预处理包括去重和回归验证。优选地，所述根据所述轨道交通车站的客流数据构建所述轨道交通车站的客流预测模型的步骤包括：根据预处理后的所述历史进出闸机客流数据、预处理后的所述历史出入客流数据以及预处理后的所述历史车载客流数据，采用预设方法构建所述轨道交通车站的所述客流预测模型；所述预设方法包括滑动窗口平均法、T-SNE模式分析、DBSCAN模式聚类以及随机森林算法中的一种或任意一组合。优选地，所述通过所述客流预测模型获取所述轨道交通车站在预设时段的客流量的步骤包括：根据预处理后的所述实时进出闸机客流数据、预处理后的所述实时出入客流数据和预处理后的所述实时车载客流数据，通过所述客流预测模型获取所述轨道交通车站在所述预设时段的进出站客流量。优选地，所述根据所述预设时段的客流量对所述轨道交通车站的车辆和乘客进行协调调度的步骤包括：根据所述预设时段的进出站客流量获取所述轨道交通车站在所述预设时段的乘客滞留量；通过轨道交通车辆运行图获取所述预设时段内所述轨道交通车站的所述待进站车辆的数量；根据所述待进站车辆的数量以及所述实时车载客流数据计算所述预设时段的所述待进站车辆的运能；以及根据所述预设时段的乘客滞留量和所述待进站车辆的运能计算所述待进站车辆的运能匹配系数，以对所述轨道交通车站的所述待进站车辆和滞留乘客进行协调调度。优选地，所述根据所述预设时段的客流量对所述轨道交通车站的车辆和乘客进行协调调度的步骤还包括：所述运能匹配系数大于0.8，对所述轨道交通车站进行黄色预警，并对滞留乘客进行疏导；所述运能匹配系数大于1，对所述轨道交通车站进行橙色预警，并对所述轨道交通车站进行限流；以及所述运能匹配系数大于1.2，对所述轨道交通车站进行红色预警，并增加所述待进站车辆的数量以及调整所述待进站车辆的运行间隔。另一方面，本专利技术还提供一种轨道交通智能调度系统，包括：数据采集模块，用于从多个数据源采集预设范围的原始数据；数据分析模块，用于根据所述原始数据获取轨道交通车站的客流数据；模型构建模块，用于根据所述轨道交通车站的客流数据构建所述轨道交通车站的客流预测模型，并通过所述客流预测模型获取所述轨道交通车站在预设时段的客流量；以及指挥调度模块，用于根据所述预设时段的客流量对所述轨道交通车站的车辆和乘客进行协调调度。优选地，所述轨道交通智能调度系统，还包括：数据预处理模块，用于对所述原始数据进行预处理；热力图模块，用于根据轨道交通车站的客流数据生成客流热力图。优选地，所述预设范围包括：所述轨道交通车站以及以所述轨道交通车站为中心且半径为300米～2500米的圆形辐射区域；所述原始数据包括：售检票数据、车站视频数据、手机信令数据、车载视频数据及车辆称重数据。优选地，所述数据分析模块具体用于根据所述售检票数据获取所述轨道交通车站的历史进出闸机客流数据和实时进出闸机客流数据；根据所述车站视频数据和所述手机信令数据获取所述轨道交通车站的历史出入客流数据和实时出入客流数据；以及根据所述车载视频数据及所述车辆称重数据获取待进站车辆的历史车载客流数据和实时车载客流数据。优选地，所述数据预处理模块具体用于对所述历史进出闸机客流数据、所述实时进出闸机客流数据、所述历史出入客流数据、所述实时出入客流数据、所述历史车载客流数据和所述实时车载客流数据进行预处理，且所述预处理包括去重和回归验证。优选地，所述模型构建模块具体用于根据预处理后的所述历史进出闸机客流数据、预处理后的所述历史出入客流数据以及预处理后的所述历史车载客流数据，采用预设方法构建所述轨道交通车站的所述客流预测模型；以及根据预处理后的所述实时进出闸机客流数据、预处理后的所述实时出入客流数据和预处理后的所述实时车载客流数据，通过所述客流预测模型获取所述轨道交通车站在所述预设时段的进出站客流量。优选地，所述预设方法包括滑动窗口平均法、T-SNE模式分析、DBSCAN模式聚类以及随机森林算法中的一种或任意一组合。优选地，所述指挥调度模块具体用于根据所述预设时段的进出站客流量获取所述轨道本文档来自技高网...

【技术保护点】
1.一种轨道交通智能调度方法，其特征在于，包括：/n从多个数据源采集预设范围的原始数据；/n根据所述原始数据获取轨道交通车站的客流数据；/n根据所述轨道交通车站的客流数据构建所述轨道交通车站的客流预测模型；/n通过所述客流预测模型获取所述轨道交通车站在预设时段的客流量；以及/n根据所述预设时段的客流量对所述轨道交通车站的车辆和乘客进行协调调度，以使所述轨道交通车站的客流畅通。/n

【技术特征摘要】
1.一种轨道交通智能调度方法，其特征在于，包括：
从多个数据源采集预设范围的原始数据；
根据所述原始数据获取轨道交通车站的客流数据；
根据所述轨道交通车站的客流数据构建所述轨道交通车站的客流预测模型；
通过所述客流预测模型获取所述轨道交通车站在预设时段的客流量；以及
根据所述预设时段的客流量对所述轨道交通车站的车辆和乘客进行协调调度，以使所述轨道交通车站的客流畅通。


2.如权利要求1所述的轨道交通智能调度方法，其特征在于，
所述预设范围包括：所述轨道交通车站以及以所述轨道交通车站为中心且半径为300米～2500米的圆形辐射区域；
所述原始数据包括：售检票数据、车站视频数据、手机信令数据、车载视频数据及车辆称重数据。


3.如权利要求2所述的轨道交通智能调度方法，其特征在于，所述根据所述原始数据获取轨道交通车站的客流数据的步骤包括：
根据所述售检票数据获取所述轨道交通车站的历史进出闸机客流数据和实时进出闸机客流数据；
根据所述车站视频数据和所述手机信令数据获取所述轨道交通车站的历史出入客流数据和实时出入客流数据；以及
根据所述车载视频数据及所述车辆称重数据获取待进站车辆的历史车载客流数据和实时车载客流数据。


4.如权利要求3所述的轨道交通智能调度方法，其特征在于，执行所述根据所述轨道交通车站的客流数据构建所述轨道交通车站的客流预测模型的步骤之前还包括：
对所述历史进出闸机客流数据、所述实时进出闸机客流数据、所述历史出入客流数据、所述实时出入客流数据、所述历史车载客流数据和所述实时车载客流数据进行预处理，且所述预处理包括去重和回归验证。


5.如权利要求4所述的轨道交通智能调度方法，其特征在于，所述根据所述轨道交通车站的客流数据构建所述轨道交通车站的客流预测模型的步骤包括：
根据预处理后的所述历史进出闸机客流数据、预处理后的所述历史出入客流数据以及预处理后的所述历史车载客流数据，采用预设方法构建所述轨道交通车站的所述客流预测模型；
所述预设方法包括滑动窗口平均法、T-SNE模式分析、DBSCAN模式聚类以及随机森林算法中的一种或任意一组合。


6.如权利要求5所述的轨道交通智能调度方法，其特征在于，所述通过所述客流预测模型获取所述轨道交通车站在预设时段的客流量的步骤包括：
根据预处理后的所述实时进出闸机客流数据、预处理后的所述实时出入客流数据和预处理后的所述实时车载客流数据，通过所述客流预测模型获取所述轨道交通车站在所述预设时段的进出站客流量。


7.如权利要求6所述的轨道交通智能调度方法，其特征在于，所述根据所述预设时段的客流量对所述轨道交通车站的车辆和乘客进行协调调度的步骤包括：
根据所述预设时段的进出站客流量获取所述轨道交通车站在所述预设时段的乘客滞留量；
通过轨道交通车辆运行图获取所述预设时段内所述轨道交通车站的所述待进站车辆的数量；
根据所述待进站车辆的数量以及所述实时车载客流数据计算所述预设时段的所述待进站车辆的运能；以及
根据所述预设时段的乘客滞留量和所述待进站车辆的运能计算所述待进站车辆的运能匹配系数，以对所述轨道交通车站的所述待进站车辆和滞留乘客进行协调调度。


8.如权利要求7所述的轨道交通智能调度方法，其特征在于，所述根据所述预设时段的客流量对所述轨道交通车站的车辆和乘客进行协调调度的步骤还包括：
所述运能匹配系数大于0.8，对所述轨道交通车站进行黄色预警，并对滞留乘客进行疏导；
所述运能匹配系数大于1，对所述轨道交通车站进行橙色预警，并对所述轨道交通车站进行限流；以及
所述运能匹配系数大于1.2，对所述轨道交通车站进行红色预警，并增加所述待进站车辆的数量以及调整所述待进站车辆的运行间隔...

【专利技术属性】
技术研发人员：胡恩华，林立，裴加富，张兵建，范东明，刘德伟，郭佳峰，杨双磊，
申请(专利权)人：卡斯柯信号有限公司，
类型：发明
国别省市：上海;31