一种轨交客流量的预测方法和设备技术

本发明专利技术公开了一种轨交客流量的预测方法和设备，该方法包括：根据未来目标时刻的客流量特征要素确定目标流量模式；根据预设历史时长内与目标流量模式对应的客流量数据确定轨交线路上从各站点进站并从目标站点出站的第一概率、人均耗时和耗时均差；根据人均耗时、耗时均差和从历史进站时刻到历史目标时刻之间的历史站内耗时确定在历史进站时刻从各所述站点进站并在所述历史目标时刻从所述目标站点出站的第二概率；根据所述第一概率、所述第二概率和在各所述历史进站时刻从各所述站点进站的历史进站人数确定在所述未来目标时刻从所述目标站点出站的人数，从而能够获取精确到极细时间粒度的客流量预测值，提高了轨交客流量预测的准确性和效率。流量预测的准确性和效率。流量预测的准确性和效率。

【技术实现步骤摘要】
一种轨交客流量的预测方法和设备


[0001]本申请涉及轨道交通大数据处理
，更具体地，涉及一种轨交客流量的预测方法和设备。

技术介绍

[0002]随着城市的快速发展，人们在城市生活中的活动范围越来越大，轨道交通在城市交通中扮演着越来越重要的角色。基于用户乘车行为大数据为基础的客流分析以及预测模型是轨道交通企业运营管理以及乘客服务的非常重要的一环，也是智慧轨交发展纲要中非常重要的一个示范工程。为各个相关部门提供科学的数据能够有效的分配资源和人力，提高整个交通系统的安全性、舒适性和经济效益。能够为有关部门处理紧急突发事件提供有效的数据支持和决策依据，尤其是在组织大型活动时、客流量的预测能够帮助轨道交通运营单位做好相应乘客运输能力的调整匹配，既能够保证活动的顺利进行也能够减少对其他居民的影响。
[0003]轨道交通流量预测有多种方法，传统方法包括历史平均值算法，ARIMA(Autoregressive Integrated Moving Average model，整合移动平均自回归模型)算法等。最近由于机器学习的崛起，存在着利用长短时记忆机制LSTM(Long Short
‑
Term Memory，长短期记忆网络)和其变体DCRNN(Diffusion Convolutional Recurrent Neural Network，扩散卷积循环神经网络)等新型算法。对于传统方法，大多只考虑交通流量采集点本身的流量信息作为参考给出预测，精度不够，偏差较大，另外应对突发情况的较差；对于新型的机器学习算法，由于其需要大量的计算资源和计算时间，且一般机器学习算法预测长度较短，如1小时，不能满足交通预测对于快速长时高效的要求。
[0004]因此，如何提高轨交客流量预测的准确性和效率，是目前有待解决的技术问题。

技术实现思路

[0005]本专利技术提供一种轨交客流量的预测方法，用以解决现有技术中进行轨交客流量预测时精度不够，偏差较大，效率低的技术问题，该方法包括：
[0006]根据未来目标时刻的客流量特征要素确定目标流量模式；
[0007]根据预设历史时长内与所述目标流量模式对应的客流量数据确定轨交线路上从各站点进站并从目标站点出站的第一概率、人均耗时和耗时均差；
[0008]根据所述人均耗时、所述耗时均差和从历史进站时刻到历史目标时刻之间的历史站内耗时确定在所述历史进站时刻从各所述站点进站并在所述历史目标时刻从所述目标站点出站的第二概率；
[0009]根据所述第一概率、所述第二概率和在各所述历史进站时刻从各所述站点进站的历史进站人数确定在所述未来目标时刻从所述目标站点出站的人数；
[0010]其中，所述客流量特征要素是根据影响客流量的预设维度特征和预设时间标记确定的，所述历史进站时刻为所述预设历史时长内所述目标流量模式下每天从各所述站点进
站的时刻，所述历史目标时刻为所述预设历史时长内每天与所述未来目标时刻对应的时刻。
[0011]优选的，根据预设历史时长内与所述目标流量模式对应的客流量数据确定轨交路线上从各站点进站并从目标站点出站的第一概率、人均耗时和耗时均差，具体为：
[0012]根据所述客流量数据中从各所述站点进站的进站人数和从各所述站点进站并从所述目标站点出站的出站人数的比值确定所述第一概率；
[0013]根据所述出站人数的站内耗时总和与所述出站人数的比值确定所述人均耗时；
[0014]根据所述人均耗时和从各所述站点进站并从所述目标站点出站的站内耗时确定所述耗时均差。
[0015]优选的，根据公式一确定所述第二概率，所述公式一具体为：
[0016][0017]其中，为所述第二概率，σ(Z
m
，Z
i
)为所述耗时均差，μ(Z
m
，Z
i
)为所述人均耗时+为所述历史站内耗时。
[0018]优选的，根据所述第一概率、所述第二概率和各所述历史进站时刻从各所述站点进站的历史进站人数确定在所述未来目标时刻从所述目标站点出站的人数，具体为：
[0019]根据所述第一概率、所述第二概率和所述历史进站人数确定所有在所述历史进站时刻从各所述站点进站并在所述历史目标时刻从所述目标站点出站的历史出站人数；
[0020]对从各所述历史进站时刻到所述历史目标时刻的所述历史出站人数进行求和，根据求和的结果确定在所述未来目标时刻从所述目标站点出站的人数。
[0021]优选的，根据公式二确定所述历史出站人数，所述公式二具体为：
[0022][0023]其中，out(Z
i
，t
x
，t
w
)为所述历史出站人数，m代表各所述站点，n为站点数量，为所述历史进站人数，P(Z
m
，Z
i
)为所述第一概率，Z
i
代表所述目标站点i，t
x
代表历史进站时刻x,t
w
代表所述历史目标时刻w。
[0024]相应的，本专利技术还提出了一种轨交客流量的预测设备，所述设备包括：
[0025]第一确定模块，用于根据未来目标时刻的客流量特征要素确定目标流量模式；
[0026]第二确定模块，用于根据预设历史时长内与所述目标流量模式对应的客流量数据确定轨交线路上从各站点进站并从目标站点出站的第一概率、人均耗时和耗时均差；
[0027]第三确定模块，用于根据所述人均耗时、所述耗时均差和从历史进站时刻到历史目标时刻之间的历史站内耗时确定在所述历史进站时刻从各所述站点进站并在所述历史目标时刻从所述目标站点出站的第二概率；
[0028]第四确定模块，用于根据所述第一概率、所述第二概率和各所述历史进站时刻从各所述站点进站的历史进站人数确定在所述未来目标时刻从所述目标站点出站的人数；
[0029]其中，所述客流量特征要素是根据影响客流量的预设维度特征和预设时间标记确
定的，所述历史进站时刻为所述预设历史时长内所述目标流量模式下每天从各所述站点进站的时刻，所述历史目标时刻为所述预设历史时长内每天与所述未来目标时刻对应的时刻。
[0030]优选的，所述第二确定模块，具体用于：
[0031]根据所述客流量数据中从各所述站点进站的进站人数和从各所述站点进站并从所述目标站点出站的出站人数的比值确定所述第一概率；
[0032]根据所述出站人数的站内耗时总和与所述出站人数的比值确定所述人均耗时；
[0033]根据所述人均耗时和从各所述站点进站并从所述目标站点出站的站内耗时确定所述耗时均差。
[0034]优选的，所述第三确定模块，具体用于：
[0035]根据公式一确定所述第二概率，所述公式一具体为：
[0036][0037]其中，为所述第二概率，σ(Z
m
，Z
i
)为所述耗时均差，μ(Z
m
，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨交客流量的预测方法，其特征在于，所述方法包括：根据未来目标时刻的客流量特征要素确定目标流量模式；根据预设历史时长内与所述目标流量模式对应的客流量数据确定轨交线路上从各站点进站并从目标站点出站的第一概率、人均耗时和耗时均差；根据所述人均耗时、所述耗时均差和从历史进站时刻到历史目标时刻之间的历史站内耗时确定在所述历史进站时刻从各所述站点进站并在所述历史目标时刻从所述目标站点出站的第二概率；根据所述第一概率、所述第二概率和在各所述历史进站时刻从各所述站点进站的历史进站人数确定在所述未来目标时刻从所述目标站点出站的人数；其中，所述客流量特征要素是根据影响客流量的预设维度特征和预设时间标记确定的，所述历史进站时刻为所述预设历史时长内所述目标流量模式下每天从各所述站点进站的时刻，所述历史目标时刻为所述预设历史时长内每天与所述未来目标时刻对应的时刻。2.如权利要求1所述的方法，其特征在于，根据预设历史时长内与所述目标流量模式对应的客流量数据确定轨交路线上从各站点进站并从目标站点出站的第一概率、人均耗时和耗时均差，具体为：根据所述客流量数据中从各所述站点进站的进站人数和从各所述站点进站并从所述目标站点出站的出站人数的比值确定所述第一概率；根据所述出站人数的站内耗时总和与所述出站人数的比值确定所述人均耗时；根据所述人均耗时和从各所述站点进站并从所述目标站点出站的站内耗时确定所述耗时均差。3.如权利要求2所述的方法，其特征在于，根据公式一确定所述第二概率，所述公式一具体为：其中，为所述第二概率，σ(Z
m
，Z
i
)为所述耗时均差，μ(Z
m
，Z
i
)为所述人均耗时，为所述历史站内耗时。4.如权利要求3所述的方法，其特征在于，根据所述第一概率、所述第二概率和各所述历史进站时刻从各所述站点进站的历史进站人数确定在所述未来目标时刻从所述目标站点出站的人数，具体为：根据所述第一概率、所述第二概率和所述历史进站人数确定所有在所述历史进站时刻从各所述站点进站并在所述历史目标时刻从所述目标站点出站的历史出站人数；对从各所述历史进站时刻到所述历史目标时刻的所述历史出站人数进行求和，根据求和的结果确定在所述未来目标时刻从所述目标站点出站的人数。5.如权利要求4所述的方法，其特征在于，根据公式二确定所述历史出站人数，所述公式二具体为：
其中，out(Z
i
，t
x
，t
w
)为所述历史出站人数，m代表各所述站点，n为站点数量，为所述历史进站人数，P(Z
m
，Z
i
)为所述第一概率，Z
i
代表所述目标站点i，t
x
代表历史进站时刻x,t
w<...

【专利技术属性】
技术研发人员：王新义，陆飞洋，吴昊，
申请(专利权)人：王新义，
类型：发明
国别省市：