本发明专利技术实施例提供了一种轨道交通数据处理方法、装置、设备及存储介质，用以修正客流清分模型，获取准确的客流清分数据，从而体现真实客流情况。所述方法包括：选择至少一个目标站点，并确定目标站点对应的多个运行区间，其中，运行区间的起始站为目标站点，终点站为目标站点单一路径上无换乘的任一站点；针对任意一个运行区间，遍历运行区间在预设时段的轨道交通数据，获取乘客在运行区间的非乘车时长集合；通过运行区间对应的无监督学习的方式对非乘车时长集合进行数据聚类，得到运行区间的聚类结果，根据聚类结果识别轨道交通数据中在目标站点有反向乘车行为的异常数据；基于异常数据的识别结果，对客流进行清分。对客流进行清分。对客流进行清分。
【技术实现步骤摘要】
一种轨道交通数据处理方法、装置、设备及存储介质
[0001]本专利技术涉及轨道交通领域，尤其涉及一种轨道交通数据处理方法、装置、设备及存储介质。
技术介绍
[0002]随着社会的发展，轨道交通已经成为城市中人们的主要出行方式，相对于地面交通工具具备更高的出行便捷性。
[0003]为了获取准确的轨道交通客流分布数据，现有的客流清分模型在预测乘客出行路径时，受满载率的影响都是根据乘车班次比例推断乘客乘坐的车次，而在轨道运行的高峰时期，由于在常规乘车方向存在严重的留乘，即乘客并不能乘坐其在站台等候的第一班车，因而存在乘客反向乘车现象，这就导致在客流清分中对乘客路径的推定是不准确的。
[0004]综上，现有技术中客流清分结果存在误差，无法体现真实客流情况。
技术实现思路
[0005]本专利技术实施例提供了一种轨道交通数据处理方法、装置、设备及存储介质，用以获取准确的客流清分结果，从而体现真实客流情况。
[0006]第一方面，本专利技术实施例提供一种轨道交通数据处理方法，包括：
[0007]选择至少一个目标站点，并确定目标站点对应的多个运行区间，其中，运行区间的起始站为目标站点，终点站为目标站点单一路径上无换乘的任一站点；
[0008]针对任意一个运行区间，遍历运行区间在预设时段的轨道交通数据，获取乘客在运行区间的非乘车时长集合；
[0009]通过运行区间对应的无监督学习的方式对非乘车时长集合进行数据聚类，得到运行区间的聚类结果，根据聚类结果识别轨道交通数据中在目标站点有反向乘车行为的异常数据；
[0010]基于异常数据的识别结果，对客流进行清分。
[0011]本专利技术实施例提供的轨道交通数据处理方法，首先选择至少一个目标站点，并确定目标站点对应的多个运行区间，其中，运行区间的起始站为目标站点，终点站为目标站点单一路径上无换乘的任一站点，然后针对任意一个运行区间，遍历运行区间在预设时段的轨道交通数据，获取乘客在运行区间的非乘车时长集合，通过运行区间对应的无监督学习的方式对非乘车时长集合进行数据聚类，得到运行区间的聚类结果，根据聚类结果识别轨道交通数据中在目标站点有反向乘车行为的异常数据，最后基于异常数据的识别结果，对客流进行清分。本专利技术实施例中，基于实际的轨道交通数据获取乘客的非乘车时长集合，运用混合高斯聚类方法对上述集合进行数据聚类，根据聚类结果分析乘客在目标站点是否有反向乘车行为，基于识别出的反向乘车行为对应的异常数据，进行客流清分，与现有技术相比，将具有反向乘车行为的异常数据、和没有反向乘车行为的正常数据，分别通过对应的客流清分模型对客流进行清分，以获取准确的客流清分结果，体现了真实的客流情况。
[0012]在一种可能的实施方式中，选择至少一个目标站点，包括：
[0013]针对轨道交通车辆任一行驶方向，确定获取预设时段内行驶方向上每个目标站点区间，其中目标站点区间为行驶方向上所有站点区间中，满载率大于预设满载率阈值的站点区间；
[0014]将目标站点区间中的轨道交通车辆先行通过的站点作为目标站点。
[0015]在一种可能的实施方式中，遍历运行区间在预设时段的轨道交通数据，获取乘客在运行区间的非乘车时长集合，包括：
[0016]遍历运行区间内多个子区间的轨道交通数据，子区间的起始站为目标站点，终点站为运行区间内除目标站点之外的任一站点；
[0017]每遍历一条轨道交通数据，执行下列过程：
[0018]根据轨道交通数据确定乘客在子区间的出行时长，其中，出行时长为乘客从进站时刻到出站时刻之间的时长；
[0019]将乘客在子区间的出行时长与子区间的最短轨道运行时长之差，作为乘客在运行区间的非乘车时长。
[0020]在一种可能的实施方式中，通过运行区间对应的无监督学习的方式对非乘车时长集合进行数据聚类，得到运行区间的聚类结果，包括：
[0021]对非乘车时长集合进行混合高斯聚类，确定包含K类数组的聚类结果，其中目标数组的聚类结果表征乘客在运行区间乘坐目标车次的乘客比例、乘客在目标站点等待目标车次的平均候车时间、及候车时间的标准偏差，目标数组为K类数组中的任一数组。
[0022]在一种可能的实施方式中，根据聚类结果识别轨道交通数据中在目标站点有反向乘车行为的异常数据，包括：
[0023]根据K类数组中最后两类数组的均差值，识别轨道交通数据中在目标站点有反向乘车行为的异常数据。
[0024]在一种可能的实施方式中，对非乘车时长集合进行混合高斯聚类，确定包含K类数组的聚类结果，包括：
[0025]利用K-means算法对非乘车时长集合进行数据聚类，确定包含K类初始数组的初始聚类结果；
[0026]将初始聚类结果输入至混合高斯模型中，利用最大期望算法，对初始聚类结果以预设次数及预设精度进行迭代收敛，确定包含K类数组的聚类结果。
[0027]在一种可能的实施方式中，根据K类数组中最后两类数组的均差值，识别轨道交通数据中在目标站点有反向乘车行为的异常数据，包括：
[0028]判断将K类数组中最后两类数组的均差值是否大于标准差值，若是，则确定轨道交通数据中存在在目标站点有反向乘车行为的异常数据，其中，标准差值为轨道交通车辆在目标站点的发车间隔时长与停站时长之和；
[0029]将K类数组中的最后一类数据，识别为轨道交通数据中在目标站点有反向乘车行为的异常数据。
[0030]在一种可能的实施方式中，基于异常数据的识别结果，对客流进行清分，包括：
[0031]从轨道交通数据中提取异常数据，并将异常数据输入至第一客流清分模型中进行客流清分；
[0032]将剔除异常数据后的轨道交通数据，输入至第二客流清分模型中进行客流清分。
[0033]在一种可能的实施方式中，方法还包括：
[0034]在轨道交通数据中，提取被识别为在目标站点有反向乘车行为的异常数据，形成异常数据集合；
[0035]对异常数据集合进行混合高斯聚类，并结合目标站点与其反向站点之间的最短轨道运行时长，确定乘客在目标站点反向乘车的折返站点。
[0036]在一种可能的实施方式中，对非乘车时长集合进行混合高斯聚类，确定包含K类数组的聚类结果之前，方法还包括：
[0037]以预设的不同聚类数目，对非乘车时长集合进行混合高斯聚类，确定不同聚类数目下的多个聚类结果；
[0038]对不同聚类数目下的多个聚类结果，确定每一聚类结果除最后一类的其它类数据中相邻数据的均差值，并将均差值与标准候车时长最接近的数据所对应的聚类数目，确定为运行区间对应的聚类数目K，标准候车时长为轨道交通车辆在目标站点的发车间隔时长与二分之一停站时长之和。
[0039]第二方面，本专利技术实施例提供一种轨道交通数据处理装置，包括：
[0040]选择单元，用于选择至少一个目标站点，并确定目标站点对应的多个运行区间，其中，运行区间的起始站为目标站点，终点站为目标站点单一路径上无换乘本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种轨道交通数据处理方法，其特征在于，包括：选择至少一个目标站点，并确定所述目标站点对应的多个运行区间，其中，所述运行区间的起始站为所述目标站点，终点站为所述目标站点单一路径上无换乘的任一站点；针对任意一个运行区间，遍历所述运行区间在预设时段的轨道交通数据，获取乘客在所述运行区间的非乘车时长集合；通过所述运行区间对应的无监督学习的方式对所述非乘车时长集合进行数据聚类，得到所述运行区间的聚类结果，根据所述聚类结果识别所述轨道交通数据中在所述目标站点有反向乘车行为的异常数据；基于所述异常数据的识别结果，对客流进行清分。2.根据权利要求1所述的方法，其特征在于，所述选择至少一个目标站点，包括：针对轨道交通车辆任一行驶方向，确定获取所述预设时段内所述行驶方向上每个目标站点区间，其中所述目标站点区间为所述行驶方向上所有站点区间中，满载率大于预设满载率阈值的站点区间；将所述目标站点区间中的所述轨道交通车辆先行通过的站点作为所述目标站点。3.根据权利要求1所述的方法，其特征在于，所述遍历所述运行区间在预设时段的轨道交通数据，获取乘客在所述运行区间的非乘车时长集合，包括：遍历所述运行区间内多个子区间的轨道交通数据，所述子区间的起始站为所述目标站点，终点站为所述运行区间内除所述目标站点之外的任一站点；每遍历一条所述轨道交通数据，执行下列过程：根据所述轨道交通数据确定乘客在所述子区间的出行时长，其中，所述出行时长为乘客从进站时刻到出站时刻之间的时长；将所述乘客在所述子区间的出行时长与所述子区间的最短轨道运行时长之差，作为乘客在所述运行区间的非乘车时长。4.根据权利要求1所述的方法，其特征在于，所述通过所述运行区间对应的无监督学习的方式对所述非乘车时长集合进行数据聚类，得到所述运行区间的聚类结果，包括：对所述非乘车时长集合进行混合高斯聚类，确定包含K类数组的聚类结果，其中目标数组的聚类结果表征乘客在所述运行区间乘坐目标车次的乘客比例、乘客在所述目标站点等待目标车次的平均候车时间、及所述候车时间的标准偏差，所述目标数组为所述K类数组中的任一数组。5.根据权利要求4所述的方法，其特征在于，根据所述聚类结果识别所述轨道交通数据中在所述目标站点有反向乘车行为的异常数据，包括：根据所述K类数组中最后两类数组的均差值，识别所述轨道交通数据中在所述目标站点有反向乘车行为的异常数据。6.根据权利要求4所述的方法，其特征在于，所述对所述非乘车时长集合进行混合高斯聚类，确定包含K类数组的聚类结果，包括：利用K-means算法对...
【专利技术属性】
技术研发人员：李泳，郝坚剑，
申请(专利权)人：北京交大思源科技有限公司，
类型：发明
国别省市：
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。