本发明专利技术涉及城市轨道交通安全技术领域，公开了一种基于形态识别的突发大客流形态识别方法及系统，其中，一种基于形态识别的突发大客流形态识别方法具体包括调用地铁站点的历史进出站数据生成特征虚拟客流曲线、读取地铁站点的当前进出站数据生成当前虚拟客流曲线、判断地铁站点是否存在突发大客流状态和确定地铁站点的突发大客流形态；一种基于形态识别的突发大客流形态识别系统，包括特征虚拟客流曲线生成模块、当前虚拟客流曲线生成模块、状态判断模块和形态确定模块。本发明专利技术能够识别突发大客流形态，使运营决策部门可以基于突发大客流形态对客流进行预测并给城市轨道交通的日常运营提供指导。日常运营提供指导。日常运营提供指导。
【技术实现步骤摘要】
一种基于形态识别的突发大客流形态识别方法及系统
[0001]本专利技术涉及城市轨道交通安全
，具体涉及一种基于形态识别的突发大客流形态识别方法及系统。
技术介绍
[0002]随着我国城市轨道交通建设的增长，其安全运营和应急调度的重要性日益突显。但是目前，特别是在面对突发大客流时，尚缺乏一种方法可以对城市轨道交通的突发大客流形态进行识别，运营决策部门无法基于突发大客流形态对客流进行预测并给城市轨道交通的日常运营提供指导。
技术实现思路
[0003]本专利技术的目的在于提供一种基于形态识别的突发大客流形态识别方法及系统，用来对城市轨道交通的突发大客流形态进行识别，使运营决策部门可以基于突发大客流形态对客流进行预测并给城市轨道交通的日常运营提供指导。
[0004]为解决上述技术问题，本专利技术采用了以下方案：一方面，一种基于形态识别的突发大客流形态识别方法，包括以下步骤：S1：调用地铁站点的历史进出站数据；S2：根据历史进出站数据生成特征虚拟客流曲线；S3：读取地铁站点的当前进出站数据；S4：根据当前进出站数据生成当前虚拟客流曲线；S5：根据特征虚拟客流曲线和当前虚拟客流曲线判断地铁站点是否存在突发大客流状态；S6：若判断地铁站点存在突发大客流状态，根据特征虚拟客流曲线、当前虚拟客流曲线和预设的突发大客流形态曲线确定地铁站点的突发大客流形态。
[0005]进一步的，所述历史进出站数据包括历史时间段、历史时间段内的任意时间段的进站客流值和出站客流值，所述S2具体包括：S21：将历史时间段分为若干个连续且长度为客流周期的长度T的历史周期时间段；S22：将历史周期时间段分为若干个连续的历史自定义时间段；S23 ：根据全部历史自定义时间段的进站客流值和出站客流值计算全部历史自定义时间段的虚拟客流值；S24：根据全部历史自定义时间段的虚拟客流值生成全部历史周期时间段的历史虚拟客流曲线；所述历史虚拟客流曲线的横坐标为时间，纵坐标为虚拟客流值；S25：合并全部历史周期时间段的历史虚拟客流曲线生成地铁站点在一个客流周期的特征虚拟客流曲线；所述特征虚拟客流曲线的横坐标为时间，纵坐标为特征虚拟客流值。
[0006]进一步的，所述客流周期为从地铁站点进站的总人数与从地铁站点出站的总人数相等的最小时间间隔。
[0007]进一步的，所述虚拟客流值的计算公式如下：其中代表在第i时刻的虚拟客流值，代表第K时刻的出站客流值，代表第K时刻的进站客流值；所述客流周期开始时，的值为0。
[0008]进一步的，所述当前进出站数据包括当前周期时间段、当前周期时间段内的任意时间段的进站客流值和出站客流值，所述当前周期时间段的长度为客流周期的长度T且与历史周期时间段的时间间隔为n*T，n为自然数，所述S4具体包括：S41：将当前周期时间段分为若干个连续的当前自定义时间段；S42：根据当前自定义时间段的进站客流值和出站客流值计算当前自定义时间段的虚拟客流值；S43：根据当前自定义时间段的虚拟客流值生成地铁站点在当前周期时间段的当前虚拟客流曲线；所述当前虚拟客流曲线的横坐标为时间，纵坐标为虚拟客流值。
[0009]进一步的，所述S5具体包括：S51：根据当前虚拟客流曲线和特征虚拟客流曲线生成地铁站点的残差曲线；所述残差曲线的横坐标为时间，纵坐标为残差；S52：若残差的绝对值大于自定义值x，x为正整数，则判断地铁站点存在突发大客流状态。
[0010]进一步的，所述S6具体包括：S61：若判断地铁站点存在突发大客流状态，则对地铁站点的残差曲线与预设的突发大客流形态曲线进行相似度计算；S62：根据相似度确定地铁站点的突发大客流形态。
[0011]进一步的，所述预设的突发大客流形态曲线包括全时段等比增长曲线、全时段等额增长曲线、某时段突发大客流持续时间短曲线和某时段突发大客流持续时间长曲线，对应的，所述突发大客流形态包括全时段等比增长、全时段等额增长、某时段突发大客流持续时间短和某时段突发大客流持续时间长。
[0012]另一方面，一种基于形态识别的突发大客流形态识别系统，包括：存储器；一个或若干个处理器；一个或若干个客流监测设备；一个或若干个模块，存储在存储器中并被配置成由所述一个或若干个处理器执行，所述一个或若干个模块包括：调用地铁站点的历史进出站数据，并根据历史进出站数据生成特征虚拟客流曲线的特征虚拟客流曲线生成模块；
读取地铁站点的当前进出站数据，并根据当前进出站数据生成当前虚拟客流曲线的当前虚拟客流曲线生成模块；根据特征虚拟客流曲线和当前虚拟客流曲线判断地铁站点是否存在突发大客流状态的状态判断模块；若判断地铁站点存在突发大客流状态，根据特征虚拟客流曲线、当前虚拟客流曲线和预设的突发大客流形态曲线确定地铁站点的突发大客流形态的形态确定模块。
[0013]进一步的，所述形态确定模块包括：预设有突发大客流形态曲线的存储器；对地铁站点的残差曲线与预设的突发大客流形态曲线进行相似度计算的相似度计算模块。
[0014]本专利技术具有的有益效果：1、本专利技术中，通过提供一种基于形态识别的突发大客流形态识别方法及系统，状态判断模块根据特征虚拟客流曲线生成模块和当前虚拟客流曲线生成模块生成的特征虚拟客流曲线和当前虚拟客流曲线判断地铁站点是否存在突发大客流状态，若存在突发大客流状态，形态确定模块会根据特征虚拟客流曲线、当前虚拟客流曲线和预设的突发大客流形态曲线确定地铁站点的突发大客流形态，实现对城市轨道交通的突发大客流形态进行识别，并使运营决策部门可以基于突发大客流形态对客流进行预测并给城市轨道交通的日常运营提供指导。
[0015]2、本专利技术中，通过根据当前虚拟客流曲线和特征虚拟客流曲线生成地铁站点的残差曲线，若残差的绝对值大于自定义值x，则判断地铁站点存在突发大客流状态，在判断地铁站点存在突发大客流状态后，才会对地铁站点的突发大客流形态进行确定。
[0016]3、本专利技术中，通过对地铁站点的残差曲线与预设的突发大客流形态曲线进行相似度计算，找到与地铁站点的残差曲线相似度最高的突发大客流形态曲线，并将地铁站点的突发大客流形态确定为该相似度最高的突发大客流形态曲线对应的突发大客流形态。
附图说明
[0017]图1为本专利技术中的基于形态识别的突发大客流形态识别方法的总体流程图；图2为本专利技术中的S2的具体流程图；图3为本专利技术中的S4的具体流程图；图4为本专利技术中的基于形态识别的突发大客流形态识别系统在实际使用中的总体结构图；图5为突发大客流形态为全时段等额增长的站点的当前虚拟客流曲线与特征虚拟客流曲线。
具体实施方式
[0018]为使本领域技术人员更好地理解本专利技术/专利技术的技术方案，下面结合附图和具体实施方式对本专利技术/专利技术作进一步详细描述。
[0019]实施例1：如图1和图5所示的一种基于形态识别的突发大客流形态识别方法，包括以下步
骤：S1：调用地铁站点的历史进出站数据；S2：根据历史进出站数据生成特征虚拟客流曲线；S3：读取地铁站点的当前进出站数据；S4：根据当前进出站数本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于形态识别的突发大客流形态识别方法，其特征在于，包括以下步骤：S1：调用地铁站点的历史进出站数据；S2：根据历史进出站数据生成特征虚拟客流曲线；S3：读取地铁站点的当前进出站数据；S4：根据当前进出站数据生成当前虚拟客流曲线；S5：根据特征虚拟客流曲线和当前虚拟客流曲线判断地铁站点是否存在突发大客流状态；S6：若判断地铁站点存在突发大客流状态，根据特征虚拟客流曲线、当前虚拟客流曲线和预设的突发大客流形态曲线确定地铁站点的突发大客流形态。2.根据权利要求1所述的一种基于形态识别的突发大客流形态识别方法，其特征在于，所述历史进出站数据包括历史时间段、历史时间段内的任意时间段的进站客流值和出站客流值，所述S2具体包括：S21：将历史时间段分为若干个连续且长度为客流周期的长度T的历史周期时间段；S22：将历史周期时间段分为若干个连续的历史自定义时间段；S23 ：根据全部历史自定义时间段的进站客流值和出站客流值计算全部历史自定义时间段的虚拟客流值；S24：根据全部历史自定义时间段的虚拟客流值生成全部历史周期时间段的历史虚拟客流曲线；所述历史虚拟客流曲线的横坐标为时间，纵坐标为虚拟客流值；S25：合并全部历史周期时间段的历史虚拟客流曲线生成地铁站点在一个客流周期的特征虚拟客流曲线；所述特征虚拟客流曲线的横坐标为时间，纵坐标为特征虚拟客流值。3.根据权利要求2所述的一种基于形态识别的突发大客流形态识别方法，其特征在于，所述客流周期为从地铁站点进站的总人数与从地铁站点出站的总人数相等的最小时间间隔。4.根据权利要求3所述的一种基于形态识别的突发大客流形态识别方法，其特征在于，所述虚拟客流值的计算公式如下：其中代表在第i时刻的虚拟客流值，代表第K时刻的出站客流值，代表第K时刻的进站客流值；所述客流周期开始时，的值为0。5.根据权利要求4所述的一种基于形态识别的突发大客流形态识别方法，其特征在于，所述当前进出站数据包括当前周期时间段、当前周期时间段内的任意时间段的进站客流值和出站客流值，所述当前周期时间段的长度为客流周期的长度T且与历史周期时间段的时间间隔为n*T，n为自然数，所述S4具体包括：S41：将当前周期时间段分为若干个连续的当前自定义时间段；S42：根据当前自定义时间段的进站客流值和出站客流...
【专利技术属性】
技术研发人员：俞高赏，刘鹏，刘杰，拜正斌，
申请(专利权)人：成都智元汇信息技术股份有限公司，
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。