【技术实现步骤摘要】
一种基于LSTM网络的地铁断面客流预测方法
[0001]本专利技术属于城市轨道交通领域，尤其涉及一种基于LSTM网络的地铁断面客流预测方法。
技术介绍
[0002]随着城市轨道交通的建设，地铁线网的规模和客流不断增长，但客流在时间和空间上的分布并不均匀，拥堵时有发生，且通常发生在高峰时段的个别断面。地铁运营方通常希望能提前预测到拥堵的发生，并据此调整列车调度。现有的地铁客流预测技术通常针对进出站客流，基于统计学、机器学习、深度学习等通用技术，根据历史运营日的客流进行客流预测。但这种预测方式仅能预测进出站客流，进出站客流虽然可以辅助车站管理，但断面客流才是更直观的列车调度参考指标。并且历史运营日的客流只代表了客流长期的趋势，仅根据历史运营日的客流进行预测无法应对突发事件导致的突发高客流的情况。
[0003]因此，现有的地铁客流预测技术在预测的范围、准确性、实时性上，有明显改进空间。
技术实现思路
[0004]为了解决现有技术中存在的缺点和不足，本专利技术提出了一种基于LSTM网络的地铁断面客流预测方法，...
【技术保护点】
【技术特征摘要】
1.一种基于LSTM网络的地铁断面客流预测方法，其特征在于，包括：确定地铁指定线路的待预测断面，获取待预测断面截至运营日d的历史客流数据，将历史客流数据输入基于LSTM网络的断面客流基础模型中，输出第一预测变量；实时采集运营日d+1时的实时交易数据，通过实时交易数据分析乘客的出站车站以及乘车路径，根据分析结果基于预设更新频率计算第二预测变量；将第一预测变量和第二预测变量共同输入全连接神经网络，周期性的预测待预测断面在运营日d+1时的客流。2.根据权利要求1所述的一种基于LSTM网络的地铁断面客流预测方法，其特征在于，所述确定地铁指定线路的待预测断面，包括：根据地铁指定线路的历史发车密度和历史车辆额定载客量，动态计算指定线路在各个断面(i,j)的额定客运量，选择断面的历史客流超过额定客运量的断面为待预测断面；其中，i表示时段编号，i对应的时段为[T
i
,T
i
+Δt)，T
i
为时段的起始时刻，Δt为预设间隔参数，i的取值范围为[1,24*60/Δt]之间的整数；j表示断面编号，j的取值范围为不超过断面总数量的正整数。3.根据权利要求1所述的一种基于LSTM网络的地铁断面客流预测方法，其特征在于，所述地铁断面客流预测方法还包括断面客流基础模型的训练过程，所述训练过程包括：基于LSTM网络的架构构建断面客流基础模型；获取待预测断面在运营日d
‑
m至运营日d期间内的历史客流数据，根据历史客流数据生成断面客流数值时间序列以及日期标签时间序列；将断面客流数值时间序列以及日期标签时间序列共同作为训练数据，根据训练数据对断面客流基础模型的网络参数进行训练。4.根据权利要求3所述的一种基于LSTM网络的地铁断面客流预测方法，其特征在于，所述日期标签时间序列包括常规日期标签时间序列以及特殊日期标签时间序列；所述常规日期标签时间序列用于标记运营日是否为工作日，所述特殊日期标签时间序列用于标记运营日是否为节日。5.根据权利要求1所述的一种基于LSTM网络的地铁断面客流预测方法，其特征在于，所述通过实时交易数据分析乘客的出站车站以及乘车路径，根据分析结果基于预设更新频率计算第二预测变量，包括：从实时交易数据中提取出进站交易数据，所述进站交易数据为在待预测断面对应的时段之前进站且在所述时段内未出站的实时交易数据；提取进站交易数据中的进站车站和刷卡卡号，根据刷卡卡号判断产生进站交易数据的乘客是否为常乘客；若是常乘客，获取常旅客的出站车站的概率分布，结合进站车站与出站车站之间的乘车路径的概率分布，计算常乘客通过待预测断面的第一概率；若不是常乘客，获取在运营日d
‑
m至运营日d期间所有乘客...
【专利技术属性】
技术研发人员：方晖，姚依克，蒋坚迪，陈徐松，苏含贵，彭冬鸣，姜富强，林琼，何蕾，谢波，马洋平，钱琛琦，张滢，华津仪，
申请(专利权)人：浙江浙大网新众合轨道交通工程有限公司，
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。