一种智慧城市轨道交通异常大客流预测系统及方法技术方案

本发明专利技术提供一种智慧城市轨道交通异常大客流预测系统及方法，包括：获取预设天数的客流信息，根据所述客流信息获取乘客的历史乘车数据，通过所述历史乘车数据将乘客分为规律型乘客和非规律型乘客，更新客流信息，将城市轨道交通的全天运行时间划分为多个时间段，建立动态预测模型，将采集的当前时间段的客流信息输入所述动态预测模型进行异常大客流预测。本发明专利技术能够对乘客的乘车规律进行区分，使用动态建模，提高了异常大客流预测精度，为维持轨道交通安全提供重要决策支撑。交通安全提供重要决策支撑。交通安全提供重要决策支撑。

【技术实现步骤摘要】
一种智慧城市轨道交通异常大客流预测系统及方法


[0001]本专利技术涉及智慧城市轨道交通
，特别涉及一种智慧城市轨道交通异常大客流预测系统及方法。

技术介绍

[0002]轨道交通是城市公共交通的重要组成部分，掌握轨道交通的运行特征是合理投放轨道交通运力、制定轨道交通路线的基础。轨道交通以其安全稳定、载能大、运行时间可靠等优势，逐渐成为城市公共交通建设的重点。因此，对客流的实时预测尤其是对异常大客流的预测是维持公共交通安全的关键环节。而现有的客流量预测方法存在以下不足：
[0003]1.传统的客流量预测方法，对于乘客的乘车规律没有进行区分，导致预测结果不准确。
[0004]2.目前的客流量预测模型仅采用固定的客流信息进行建模，不能对预测模型进行动态更新。
[0005]3.现有的客流量预测模型没有考虑节假日和大型活动对客流量的影响。

技术实现思路

[0006]专利技术目的：针对现有技术中存在的问题，本专利技术提供一种智慧城市轨道交通异常大客流预测系统及方法。
[0007]技术方案：一方面，本专利技术提供一种智慧城市轨道交通异常大客流预测系统，所述系统包括：
[0008]客流信息库，乘客信息采集装置，客流信息更新模块，时间划分模块，动态预测模型；
[0009]所述客流信息库存储有预设天数的客流信息；
[0010]所述乘客信息采集装置根据所述客流信息获取乘客的历史乘车数据，通过所述历史乘车数据将乘客分为规律型乘客和非规律型乘客，并将所述规律型乘客和所述非规律型乘客分别存储于所述客流信息库；
[0011]所述客流信息更新模块用于删除所述客流信息库中第一天的客流信息，并且在所述客流信息库中添加最近一天采集的客流信息；
[0012]所述时间划分模块用于将城市轨道交通的全天运行时间划分为多个时间段；
[0013]所述动态预测模型包括第一动态预测模型和第二动态预测模型；根据选定时间段对应的所述预设天数的客流信息中所述规律型乘客建立所述第一动态预测模型；根据选定时间段对应的所述预设天数的客流信息中所述非规律型乘客建立所述第二动态预测模型；所述动态预测模型根据第一动态预测模型和所述第二动态预测模型输出异常大客流预测指标。
[0014]进一步的，所述客流信息库根据所述客流信息动态调整所述预设天数。
[0015]进一步的，所述乘客信息采集装置根据乘客的支付信息获取乘客的历史乘车数
据。
[0016]进一步的，所述时间划分模块根据城市轨道交通的客流高峰动态调整所述时间段。
[0017]另一方面，本专利技术提供一种智慧城市轨道交通异常大客流预测方法，所述方法包括以下步骤：
[0018]S1：建立客流信息库，所述客流信息库存储有预设天数的客流信息；
[0019]S2：采集乘客信息，根据所述客流信息获取乘客的历史乘车数据，通过所述历史乘车数据将乘客分为规律型乘客和非规律型乘客，并将所述规律型乘客和所述非规律型乘客分别存储于所述客流信息库；
[0020]S3：更新客流信息，删除所述客流信息库中第一天的客流信息，并且在所述客流信息库中添加最近一天采集的客流信息；
[0021]S4：将城市轨道交通的全天运行时间划分为多个时间段；
[0022]S5：建立动态预测模型，所述动态预测模型包括第一动态预测模型和第二动态预测模型；
[0023]根据选定时间段对应的所述预设天数的客流信息中所述规律型乘客建立所述第一动态预测模型；
[0024]根据选定时间段对应的所述预设天数的客流信息中所述非规律型乘客建立所述第二动态预测模型；
[0025]S6：将采集的当前时间段的所述规律型乘客输入至所述第一动态预测模型，所述第一动态预测模型输出第一预测指标P1，并设定第一预设权重W1；
[0026]将采集的当前时间段的所述非规律型乘客输入至所述第二动态预测模型，所述第二动态预测模型输出第二预测指标P2，并设定第二预设权重W2；
[0027]所述动态预测模型根据所述第一预测指标P1和所述第一预设权重W1，以及所述第二预测指标P2和第二预设权重W2输出异常大客流预测指标K1，所述异常大客流预测指标K1的计算方式为：
[0028]K1＝W1*P1+W2*P2；
[0029]其中0≤W1≤1，0≤W1≤1，W1+W2＝1；
[0030]当所述异常大客流预测指标K大于预设值，则根据所述异常大客流预测指标K1确定出现异常大客流的站点。
[0031]进一步的，根据所述客流信息动态调整所述预设天数。
[0032]进一步的，根据乘客的支付信息获取乘客的历史乘车数据。
[0033]进一步的，所述规律型乘客包括：最近一周往返同一站点大于第一预设次数的乘客，最近一周在同一站点上车大于第二预设次数的乘客，以及最近一周在同一站点下车大于第二预设次数的乘客；所述非规律型乘客为最近一周同一站点往返、上车、下车均小于第二预设次数的乘客。
[0034]进一步的，根据城市轨道交通的客流高峰动态调整所述时间段。
[0035]进一步的，基于选定的轨道交通路线的OD分布矩阵，以及选定时间段对应的所述预设天数的客流信息中所述规律型乘客，构建BP神经网络结构的第一动态预测模型；基于选定的轨道交通路线的OD分布矩阵，以及选定时间段对应的所述预设天数的客流信息中所
述非律型乘客，构建BP神经网络结构的第二动态预测模型。
[0036]进一步的，在出现节假日和大型活动时，所述动态预测模型输出异常大客流预测指标K2，所述异常大客流预测指标K2的计算方式为：
[0037]K2＝W1*P1+W2*P2*C/B；
[0038]其中C为当前时间段采集的客流的数量，B为最近一周当前时间段采集的客流的数量的平均值。
[0039]技术效果：本专利技术提供一种智慧城市轨道交通异常大客流预测系统及方法，本专利技术通过对乘客的乘车规律进行区分，并分别建立对应的动态预测模型，提高了异常大客流预测准确度；本专利技术在建立预测模型时，通过删除时间最久的客流信息以及添加时间最近的客流信息，对建模的数据进行动态更新，使得预测模型的预测结果更准确；在出现节假日和大型活动时，本专利技术对异常大客流预测指标进行调整，使得异常大客流中非规律型乘客的波动更加明显，提高了异常大客流预测精度，为维持轨道交通安全提供重要决策支撑。
附图说明
[0040]图1为本专利技术实施例提供的一种智慧城市轨道交通异常大客流预测系统结构图；
[0041]图2为本专利技术实施例提供的一种智慧城市轨道交通异常大客流预测方法流程图；
[0042]图3为本专利技术实施例提供的一较佳实施例中更新客流信息图；
[0043]图4为本专利技术实施例提供的一较佳实施例中时间段划分图；
[0044]图5为本专利技术实施例提供的一较佳实施例中另一时间段划分图。
具体实施方式
[0045]为使本专利技术的目的、技术方案和优点更加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧城市轨道交通异常大客流预测系统，其特征在于，所述系统包括：客流信息库，乘客信息采集装置，客流信息更新模块，时间划分模块，动态预测模型；所述客流信息库存储有预设天数的客流信息；所述乘客信息采集装置根据所述客流信息获取乘客的历史乘车数据，通过所述历史乘车数据将乘客分为规律型乘客和非规律型乘客，并将所述规律型乘客和所述非规律型乘客分别存储于所述客流信息库；所述客流信息更新模块用于删除所述客流信息库中第一天的客流信息，并且在所述客流信息库中添加最近一天采集的客流信息；所述时间划分模块用于将城市轨道交通的全天运行时间划分为多个时间段；所述动态预测模型包括第一动态预测模型和第二动态预测模型；根据选定时间段对应的所述预设天数的客流信息中所述规律型乘客建立所述第一动态预测模型；根据选定时间段对应的所述预设天数的客流信息中所述非规律型乘客建立所述第二动态预测模型；所述动态预测模型根据第一动态预测模型和所述第二动态预测模型输出异常大客流预测指标。2.根据权利要求1所述的系统，其特征在于，所述客流信息库根据所述客流信息动态调整所述预设天数。3.根据权利要求1所述的系统，其特征在于，所述乘客信息采集装置根据乘客的支付信息获取乘客的历史乘车数据。4.根据权利要求1所述的系统，其特征在于，所述时间划分模块根据城市轨道交通的客流高峰动态调整所述时间段。5.一种智慧城市轨道交通异常大客流预测方法，其特征在于，所述方法包括：S1：建立客流信息库，所述客流信息库存储有预设天数的客流信息；S2：采集乘客信息，根据所述客流信息获取乘客的历史乘车数据，通过所述历史乘车数据将乘客分为规律型乘客和非规律型乘客，并将所述规律型乘客和所述非规律型乘客分别存储于所述客流信息库；S3：更新客流信息，删除所述客流信息库中第一天的客流信息，并且在所述客流信息库中添加最近一天采集的客流信息；S4：将城市轨道交通的全天运行时间划分为多个时间段；S5：建立动态预测模型，所述动态预测模型包括第一动态预测模...

【专利技术属性】
技术研发人员：石广银，张美琴，王又莹，胡志耀，王胜涛，张斌，张金伟，刘刚，郑冉，郭骏伟，
申请(专利权)人：中铁第六勘察设计院集团有限公司，
类型：发明
国别省市：