【技术实现步骤摘要】
本专利技术涉及公共交通客流预测，尤其涉及一种公共交通客流预测方法及系统。
技术介绍
1、客流的准确估计和预测对于公共交通服务具有非常重要的作用。随着乘客出行方式的多样化以及城市化进程的加速，传统保供待需的固定线路、固定场站以及固定发车间隔的公共交通服务越来越难以满足乘客出行的个性化需求。城市化进程的不断变化，使得早期线路规划时所参考的客流分布规律已经不再适用，往往导致规划好的线路客流分布不规律，客运资源利用不充分，乘客满意度较低而综合运营成本居高不下。
2、近年来，公共交通服务行业面临从以供定需走向以需定供的数字化转型之路，针对乘客出行的个性化需求或时空规律性需求，动态调整投入的运力资源，提供适度充足的服务运力，在满足乘客整体满意度的基础上，最大限度地提升运力资源利用效率，节约综合运营成本。为了提供更精准的个性化公共交通服务，需要获取乘客出行的需求信息，而客流是最基本的乘客出行需求体现。根据客流信息，我们可以调度相应的车辆资源以最低的成本满足尽量多的乘客出行需求。
3、统计客流的传统方法是依赖人工对上下车的乘客数量进行记录整理，再根据数据汇总分析进行粗略地估计判断，得到的客流估计预测准确率较低，而且需要的人工记录成本较高，线路覆盖率和时间覆盖率均较低。
4、随着车载终端设备的信息化智能化程度的提升，以及具有车辆定位数据的票务终端设备能够准确获取乘客的上下车时刻及定位信息，可以极大地降低人工记录的复杂度和不确定性度，并且能够覆盖所有线路和所有车辆，使得客流数据可以准确的估计和预测。但是，现有技术
5、另一方面，现有技术对客流的估计和预测方法大多基于固定时段划分方式（按小时、天、周等划分），缺乏更精细更灵活时段划分方式的建模和预测方法，而车辆调度所需要的往往是更精细时间尺度的客流估计和预测结果，对后期使用该客流预测值进行资源匹配调度带来隐患。
技术实现思路
1、本专利技术主要解决现有技术的客流预测建模过程过于复杂，且客流预测的时间尺度较为单一等技术问题，提出一种公共交通客流预测方法及系统，根据历史客流数据和日期类型，对每类日期的每个时段客流进行估计，进而根据未来日期所属类别，预测未来某天任意时段内的客流人数，针对不同问题场景采用灵活的时段划分方式，并通过求解线性方程组快速给出分时段客流估计和未来时段内的客流预测结果。
2、本专利技术提供了一种公共交通客流预测方法，包括：
3、获取某条线路某个站点的历史客流数据；所述历史客流数据至少包含车辆到站时间和上车人数；
4、根据历史客流数据变化进行日期分类，使得同类日期的客流全天分布相似；
5、假设同类日期相同站点的客流全天分布相同，将每类日期的客流按一定原则进行时段划分，则同类日期相同时段的客流为一定值；
6、根据历史客流数据与上述时段划分之间的关系，建立各时段客流与真实客流之间的等式关系；
7、通过求解上述等式关系组成的方程组，得到各时段客流的估计值，从而得到每类日期客流全天分布估计；
8、根据未来日期所属类别，预测未来某天任意时段内所述线路在所述站点的客流；
9、所述根据历史客流数据变化进行日期分类，日期分类方式包括：按照客流变化规律进行分类，具有相同客流变化规律的为同类日期；
10、所述按照客流变化规律进行分类，包括以下过程：
11、获取某条线路某个站点每天的历史客流数据；
12、由于每天的车辆到站时间是不确定的，因此需要通过插值拟合得到每天的全天客流分布；每天的全天客流分布表示为该站点首末班车到站时间之间客流随时间变化曲线，将该曲线按固定时间间隔采样得到每天的客流向量；
13、根据每天客流向量之间的相似性定义向量之间的距离，利用该距离将每天的客流向量进行聚类，使得同类客流向量之间的距离较小，不同类客流向量之间的距离较大。
14、优选的，所述历史客流数据由公交车载设备采集、站台监控设备采集和人工记录方式中的一种或多种方式采集。
15、优选的，在日期分类方式中，为了预测未来某个日期所属客流类别，建立日期属性与客流类别之间的关系，包括以下过程：
16、首先确定日期属性特征；
17、获取上述历史客流数据对应日期的属性特征，组成该日期的特征向量；
18、获取上述历史客流数据对应日期的客流类别，作为该日期的类别标签；
19、根据每个日期的特征向量和类别标签，训练机器学习分类模型；
20、根据该分类模型和某日期的属性特征，判断该日期所属的客流类别。
21、优选的，所述将每类日期的客流按一定原则进行时段划分，包括但不限于以下划分方式之一：
22、时段划分方式之一：按照固定间隔进行等间隔划分；
23、时段划分方式之二：根据客流大小进行不等间隔划分，客流大的时段可以相对小一些，客流小的时段可以适当大一些。
24、优选的，所述的根据历史客流数据与上述时段划分之间的关系，建立各时段客流与真实客流之间的等式关系，其等式关系为：
25、相邻两趟公共交通车辆到站时间内的相关时段累计客流之和 = 后面一趟公共交通车辆到站时的上车人数。
26、优选的，所述的通过求解上述等式关系组成的线性方程组，得到各时段客流的估计值，包括：利用最小二乘估计得到均方误差最小的最优解。
27、优选的，所述的根据未来日期所属类别，预测未来某天任意时段内所述线路在所述站点的客流，包括：
28、获取未来日期所属的日期类型，每类日期类型具有相同的全天客流分布；
29、获取所述日期类型对应的各时段客流估计值；
30、根据所述未来日期的某个时段与所述日期类型的时段划分之间的关系，计算出所述未来日期的所述时段内的客流人数。
31、对应的，本专利技术还提供一种公共交通客流预测系统，包括：
32、数据获取模块，用于获取某条线路某个站点的历史客流数据；所述历史客流数据至少包车辆到站时间和上车人数；
33、日期分类模块，用于根据历史客流数据变化进行日期分类，使得同类日期的客流全天分布相似；
34、时段划分模块，用于假设同类日期相同站点的客流全天分布相同，将每类日期的客流按一定原则进行时段划分，则同类日期相同时段的客流为一定值；
35、客流建模模块，用于根据历史客流数据与上述时段划分之间的关系，建立各时段客流与真实客流之间的等式关系；
36、客流估计模块，用于通过求解上述等式关系组成的方程组，得到各时段客流的估计值，从而得到每类日期客流全天分布估计；
37、客流预测模块，用于根据未来日期所属类别，预测未来某天任意本文档来自技高网...
【技术保护点】
1.一种公共交通客流预测方法，其特征在于，包括：
2.根据权利要求1所述的公共交通客流预测方法，其特征在于，所述历史客流数据由公交车载设备采集、站台监控设备采集和人工记录方式中的一种或多种方式采集。
3.根据权利要求1所述的公共交通客流预测方法，其特征在于，在日期分类方式中，为了预测未来某个日期所属客流类别，建立日期属性与客流类别之间的关系，包括以下过程：
4.根据权利要求1所述的公共交通客流预测方法，其特征在于，所述将每类日期的客流按一定原则进行时段划分，包括但不限于以下划分方式之一：
5.根据权利要求1所述的公共交通客流预测方法，其特征在于，所述的根据历史客流数据与上述时段划分之间的关系，建立各时段客流与真实客流之间的等式关系，其等式关系为：
6.根据权利要求1所述的公共交通客流预测方法，其特征在于，所述的通过求解上述等式关系组成的线性方程组，得到各时段客流的估计值，包括：利用最小二乘估计得到均方误差最小的最优解。
7.根据权利要求1所述的公共交通客流预测方法，其特征在于，所述的根据未来日期所属类别，预测
8.一种公共交通客流预测系统，其特征在于，包括：
...【技术特征摘要】
1.一种公共交通客流预测方法，其特征在于，包括：
2.根据权利要求1所述的公共交通客流预测方法，其特征在于，所述历史客流数据由公交车载设备采集、站台监控设备采集和人工记录方式中的一种或多种方式采集。
3.根据权利要求1所述的公共交通客流预测方法，其特征在于，在日期分类方式中，为了预测未来某个日期所属客流类别，建立日期属性与客流类别之间的关系，包括以下过程：
4.根据权利要求1所述的公共交通客流预测方法，其特征在于，所述将每类日期的客流按一定原则进行时段划分，包括但不限于以下划分方式之一：
5.根据权利...
【专利技术属性】
技术研发人员：张世强，邵刚，张光磊，孙宏飞，钱贵涛，
申请(专利权)人：智达信科技术股份有限公司，
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。