本申请公开了一种铁路车站高峰客流预测方法，方法包括：售票量比例预测模型构建步骤：基于一指定车站预售期内的开车前售票量占从指定车站出发的全部售票量比例的周期性特征，构建基于LSTM的售票量比例预测模型，以预测开车前售票量占全部售票量的比例；高峰时段预测模型构建步骤：基于每日从指定车站出发的站内高峰客流的时段性特征，对高峰客流样本数据按照时间间隔划分并标记高峰时段后，构建基于决策树的高峰时段预测模型，以预测识别高峰时段；高峰客流预测步骤：根据预测得到的开车前售票量占全部售票量的比例及高峰时段，实现开车当天铁路车站内高峰时段客流的预估。本申请还公开了一种铁路车站高峰客流预测系统。还公开了一种铁路车站高峰客流预测系统。还公开了一种铁路车站高峰客流预测系统。
【技术实现步骤摘要】
一种铁路车站高峰客流预测方法、系统及设备和介质
[0001]本申请涉及一种客流预测方法，特别涉及铁路车站高峰客流预测方法及其系统。
技术介绍
[0002]当前，大型铁路客运站通常是城市内的综合交通枢纽，其客流一般包括铁路车站出发到达、铁路车站和城市公交地铁、铁路车站和私家车、铁路车站和出租车等多种交通方式组合的客流，多种客流的交汇常常导致铁路车站内部和周边疏散不畅；铁路客运站缺乏对车站相关城市道路交通运营状态、铁路出发到达客流规律等多种信息的实时性、综合性的研判，可能导致候车、检票等工作安排出现不合理的情况并引致站内客流积压，进而影响铁路旅客顺畅出行。因此，铁路客运车站管理部门有必要根据站内客流、尤其站内高峰客流情况提前制定车站管理计划，避免因站内客流积压导致旅客出行不畅的情况发生。
[0003]关于铁路高峰客流的预测，现有技术的方案：专利公开号：CN113919577A，专利技术专利名称为：“一种轨道交通短时客流预测方法及装置”，公开了一种轨道交通短时客流预测方法及装置，通过联邦学习技术以构建短时客流预测模型，实现了对多客户端数据的安全协同训练。
[0004]专利公开号：CN113793015A，专利技术专利名称为：“基于客流预测的枢纽站停车泊位规模设计方法及系统”，公开了一种系统包括存储系统、监测系统、信息传输系统、中央处理系统、客流预测模块、分担率模块及停车泊位模块，基于理信息处理平台的流量分配得到的出行成本，用于分担率的迭代计算，使用收敛后的分担率计算停车泊位。
[0005]专利公开号：CN113177586A，专利技术专利名称为：“一种高速铁路车站最高聚集人数估计方法”，公开了一种高速铁路车站最高聚集人数估计方法，通过计算既有车站和新建车站的差异度，并选取若干个相似车站计算其最高聚集人数，获取新建车站最高聚集人数的合理区间，完成高速铁路车站最高聚集人数估计。
[0006]论文名称为：《大型高铁车站最高聚集人数计算模型研究》，发表期刊信息为：铁道科学与工程学报.2021,18(12)，基于旅客候车时间及检票通道服务速率，对比对数正态分布、威布尔分布、复合负指数分布、有理函数分布等 4 种函数拟合效果，构建铁路客运车站最高聚集人数计算模型。论文中的模型基于铁路车站全量售票交易数据构建预测模型，且仅适用于较大客流规模的铁路车站。
[0007]受旅客出行习惯、相关城市交通运力及状态、铁路列车运行计划、铁路客运车站管理方法等多种因素相互影响，铁路客运站内客流呈现出特定的周期性、时段性规律，但上述现有技术中单一的预测方法难以同时捕捉站内客流时序的周期性和时段性特征，且基于距离待测日期较远的离线站内客流数据、而忽略铁路客票销售过程中的客流数据变化构造预测模型可能导致预测准确度的不稳定。
[0008]因此，亟需提出一种能够同时捕捉站内客流时序周期性和时段性特征的铁路车站高峰客流预测方法，即基于铁路客运站内历史离线客流数据和客票销售过程数据，采用融合时间序列预测和异常值检测的预测方法，可以实现离线预测铁路客运站内高峰聚集时段
和人数，实现有效识别站内高峰客流，解决现有技术中预测方法无法同时捕捉站内客流时序的周期性和时段性特征、预测准确度不稳定的问题。
技术实现思路
[0009]本申请实施例提供了一种铁路车站高峰客流预测方法，解决现有技术中预测方法单一且无法同时捕捉站内客流时序的周期性和时段性特征的问题。
[0010]第一方面，本申请实施例提供了一种铁路车站高峰客流预测方法，方法包括：售票量比例预测模型构建步骤：基于一指定车站预售期内的开车前售票量占从指定车站出发的全部售票量比例的周期性特征，构建基于LSTM的售票量比例预测模型，以预测开车前售票量占全部售票量的比例；高峰时段预测模型构建步骤：基于每日从指定车站出发的站内高峰客流的时段性特征，对高峰客流样本数据按照时间间隔划分并标记高峰时段后，构建基于决策树的高峰时段预测模型，以预测识别高峰时段和高峰人数占全天出发人数比例；高峰客流预测步骤：根据预测得到的开车前售票量占全部售票量的比例及高峰人数占全天出发人数比例，实现开车当天铁路车站内高峰时段客流的预估。
[0011]优选的，上述开车前售票量为指定车站预售期内截至开车前一天从指定车站出发的售票量，全部售票量为从指定铁路车站出发的全部售票。
[0012]优选的，上述售票量比例预测模型构建步骤包括：构造开车前人数占比数据集步骤：构造预售期内截至开车前一天占总出发人数比例的开车前人数占比数据集，开车前人数占比数据集包括：出发日期、预售期内截至开车前一天售票量、总出发人数、预售期内截至开车前一天售出占总出发人数的比例，并采用线性归一化方法对开车前人数占比数据集进行归一化处理；构建LSTM模型步骤：针对开车前人数占比数据集，构建基于指定滑动窗口天数的特征数据集，基于特征数据集构建基于LSTM预测模型，并确定需要持续优化的LSTM预测模型参数；构造参数优化模型步骤：以平均绝对百分比误差为优化目标，对LSTM预测模型参数采用贝叶斯优化方法迭代计算，得到LSTM预测模型参数的优化参数集合。
[0013]优选的，上述高峰时段预测模型构建步骤包括：构造站内人数数据集步骤：将出发当日按照设定的时间间隔进行划分，计算出发当天站内人数，并对站内人数从大到小排序，标记多个指定时段是否为站内人数峰值时段，形成开车当天各时段站内人数数据集，站内人数数据集包括出发日期、出发时段、多个指定时段出发人数、全天出发人数、指定时段占全天出发人数比例、多个人数指定排序编号；构建站内高峰时段识别模型步骤：针对站内人数数据集，分别抽取高峰时段在出发当天多个时间范围下指定人数排序编号的数据集，构造基于决策树的站内高峰时段识别模型；构建高峰人数占全天出发人数比例预测模型步骤：针对站内人数数据集，分别抽取高峰时段在出发当天多个时间范围下指定人数排序编号的数据集，构造高峰人数占全天出发人数比例预测模型。
[0014]优选的，上述高峰客流预测步骤包括：
基于站内高峰时段识别模型及高峰人数占全天出发人数比例预测模型对开车前一日的预测结果，以及预测开车前售票量占全部售票量的比例，预测计算得到出发当天多个指定时段的高峰站内人数。
[0015]优选的，上述构建LSTM模型步骤包括：构造特征数据集步骤：以待测日期前指定滑动窗口天数的开车前售票量占全部售票量的比例作为特征，构造基于指定滑动窗口天数的特征数据集，指定滑动窗口天数由开车前人数占比数据集的周期性特征决定；构造LSTM预测模型步骤：基于特征数据集，构建基于LSTM的出发前一天售票量占总出发人数比例的预测模型，预测得到待预测日期的比例及开车前一天预测开车当天的实际出发人数；确认模型参数优化步骤：根据LSTM预测模型，确定需要优化的LSTM预测模型参数，LSTM预测模型参数包括：隐藏层尺寸、特征维度、批处理个数和训练迭代次数。
[0016]优选的，上述高峰客流预测步骤包括：高峰客流预测为：s
y
/(p
d*
q...
【技术保护点】
【技术特征摘要】
1.一种铁路车站高峰客流预测方法，其特征在于，所述铁路车站高峰客流预测方法包括：售票量比例预测模型构建步骤：基于一指定车站预售期内的开车前售票量占从所述指定车站出发的全部售票量比例的周期性特征，构建基于LSTM的售票量比例预测模型，以预测开车前售票量占全部售票量的比例；高峰时段预测模型构建步骤：基于每日从所述指定车站出发的站内高峰客流的时段性特征，对高峰客流样本数据按照时间间隔划分并标记高峰时段后，构建基于决策树的高峰时段预测模型，以预测识别高峰时段和高峰人数占全天出发人数比例；高峰客流预测步骤：根据预测得到的所述开车前售票量占全部售票量的比例及所述高峰人数占全天出发人数比例，实现开车当天铁路车站内高峰时段客流的预估。2.根据权利要求1所述铁路车站高峰客流预测方法，其特征在于，所述开车前售票量为所述指定车站预售期内截至开车前一天从所述指定车站出发的售票量，所述全部售票量为从所述指定车站出发的全部售票。3.根据权利要求2所述铁路车站高峰客流预测方法，其特征在于，所述售票量比例预测模型构建步骤包括：构造开车前人数占比数据集步骤：构造预售期内截至开车前一天占总出发人数比例的开车前人数占比数据集，所述开车前人数占比数据集包括：出发日期、预售期内截至开车前一天售票量、总出发人数、预售期内截至开车前一天售出占总出发人数的比例，并采用线性归一化方法对所述开车前人数占比数据集进行归一化处理；构建LSTM模型步骤：针对所述开车前人数占比数据集，构建基于指定滑动窗口天数的特征数据集，基于所述特征数据集构建基于LSTM预测模型，并确定需要持续优化的LSTM预测模型参数；构造参数优化模型步骤：以平均绝对百分比误差为优化目标，对所述LSTM预测模型参数采用贝叶斯优化方法迭代计算，得到所述LSTM预测模型参数的优化参数集合。4.根据权利要求2所述铁路车站高峰客流预测方法，其特征在于，所述高峰时段预测模型构建步骤包括：构造站内人数数据集步骤：将出发当日按照设定的时间间隔进行划分，计算出发当天站内人数，并对站内人数从大到小排序，标记多个指定时段是否为站内人数峰值时段，形成开车当天各时段的站内人数数据集，所述站内人数数据集包括出发日期、出发时段、多个指定时段出发人数、全天出发人数、指定时段占全天出发人数比例、多个人数指定排序编号；构建站内高峰时段识别模型步骤：针对所述站内人数数据集，分别抽取高峰时段在出发当天多个时间范围下指定人数排序编号的数据集，构造基于决策树的站内高峰时段识别模型；构建高峰人数占全天出发人数比例预测模型步骤：针对所述站内人数数据集，分别抽取高峰时段在出发当天多个时间范围下指定人数排序编号的数据集，构造高峰人数占全天出发人数比例预测模型。5.根据权利要求4所述铁路车站高峰客流预测方法，其特征在于，...
【专利技术属性】
技术研发人员：朱颖婷，游雪松，单杏花，杨立鹏，阎志远，纪宇宣，仲硕，郝晓培，李雯，梅巧玲，
申请(专利权)人：铁旅科技有限公司，
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。