城市轨道交通客流预警系统和方法技术方案

本发明专利技术公开了城市轨道交通客流预警系统和方法，方法包括：获取城市轨道交通的待测多维信息数据集，并将待测多维信息数据集与预设的若干客流模式进行匹配，得到与待测多维信息数据集对应的客流模式；将待测多维信息数据集输入至与客流模式对应的城市轨道交通客流预警模型，通过城市轨道交通客流预警模型输出与待测多维信息数据集对应的预测城市轨道交通客流；其中，城市轨道交通客流预警模型采用基于免疫遗传算法优化最小二乘支持向量机；根据预测城市轨道交通客流，确定城市轨道的预警级别。本发明专利技术基于免疫遗传算法优化最小二乘支持向量机算法来生成模型，并应用该模型可以准确预测城市轨道交通客流，避免出现高峰客流踩踏风险产生。风险产生。风险产生。

【技术实现步骤摘要】
城市轨道交通客流预警系统和方法


[0001]本专利技术涉及数据处理
，尤其涉及的是城市轨道客流预警系统和方法。

技术介绍

[0002]短期城市轨道交通客流预测作为城轨交通系统管理控制的一个重要环节，为城市轨道交通实时运营和客流组织提供决策依据，同时对提高交通管理服务水平以及控制能力具有非常重要的现实意义。短期客流预测根据数据特性可以分线性、非线性和组合预测这三种预测模式。但是短期客流相较于中长期客流，其趋势特征不太明显，研究学者往往需要借助其他相关实时数据对短期客流进行联合辅助预测，例如天气变换、节假日、重大活动、周边交通情况等因素，这类多模态数据下的城轨客流预测模型往往需要多个平台的数据支持，尽管提高了预测精准度，但是预测效率低，研究人员容易忽略短期预测的时效性。多模态的预测模型较适用于中长期预测，为城轨交通规划建设提供辅助建议，且多模态数据预测需要多个平台支持，会造成运营成本上升、预测时间长等问题，多模态数据联合决策无法快速响应使得短期城市轨道交通客流预测不准确，引发潜在的客流踩踏风险产生。
[0003]因此，现有技术还有待改本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市轨道交通客流预警方法，其特征在于，所述方法包括：获取城市轨道交通的待测多维信息数据集，并将所述待测多维信息数据集与预设的若干客流模式进行匹配，得到与所述待测多维信息数据集对应的客流模式；将所述待测多维信息数据集输入至与所述客流模式对应的城市轨道交通客流预警模型，通过所述城市轨道交通客流预警模型输出与所述待测多维信息数据集对应的预测城市轨道交通客流；其中，所述城市轨道交通客流预警模型采用基于免疫遗传算法优化最小二乘支持向量机；根据预测城市轨道交通客流，确定城市轨道的预警级别。2.根据权利要求1所述的城市轨道交通客流预警方法，其特征在于，所述若干客流模式的生成方式为：获取城市轨道交通的多维信息历史数据集，并基于BWP
‑
KMEANS聚类算法对所述多维信息历史数据集进行最优聚类分组，得到若干客流模式。3.根据权利要求2所述的城市轨道交通客流预警方法，其特征在于，所述与所述客流模式对应的城市轨道交通客流预警模型的训练过程为：获取每个客流模式对应的训练数据集；其中，所述训练数据集包括与所述客流模式对应的训练多维信息数据集以及与所述客流模式对应的真实城市轨道交通客流；将所述客流模式对应的训练多维信息数据集输入至与所述客流模式对应的初始模型，得到与所述客流模式对应的模型输出数据；对所述模型输出数据和与所述真实城市轨道交通客流进行均方误差运算，得到与所述客流模式对应的均方误差值；基于所述均方误差值对所述初始模型进行训练，以得到与所述客流模式对应的城市轨道交通客流预警模型。4.根据权利要求3所述的城市轨道交通客流预警方法，其特征在于，所述初始模型的生成方式为：构建城市轨道交通的输入数据和目标数据；基于所述输入数据，采用最小二乘支持向量机算法的优化函数对所述目标数据进行优化处理，得到最小二乘支持向量机回归预测函数；采用免疫遗传算法优化所述最小二乘支持向量机回归预测函数，得到初始模型。5.根据权利要求4所述的城市轨道交通客流预警方法，其特征在于，所述基于所述输入数据，采用最小二乘支持向量机算法的优化函数对所述目标数据进行优化处理，得到最小二乘支持向量机回归预测函数包括：获取所述目标数据的参数；基...

【专利技术属性】
技术研发人员：唐瑞雪，谭一帆，王燕燕，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：