【技术实现步骤摘要】
本专利技术涉及路径推断，特别是涉及一种乘客时空路径推断方法、系统及电子设备。
技术介绍
1、在实际运营现场，乘客完整的时空路径信息难以从现场直接获取。在实际运营现场，目前主要依赖两种手段得到系统当前客流分布的相关信息，一是利用历史自动收费（automic fare collection，afc）数据进行清分，将清分得到的换乘量、断面流量数据作为参考来推断乘客的时空路径。另一种是认为乘客的选择行为符合一定的机理，按照假定的规律、给定的行为，利用解析方法或仿真方法的手段来进行推演。上述两种做法在乘客时空路径的推断估计方面分别存在一定的不足：突发场景的适应性、乘客行为机理刻画的真实性、估计推断的准确性等。
2、目前针对乘客时空路径推断的方法，包括数据驱动的统计概率模型以及基于机理的客流分配模型。数据驱动的统计概率模型即传统意义上的清分，从已发生的客流结果入手，通过分析od旅行时间等进行路径选择的推断。清分的方法假定当前的客流规律与历史的客流规律类似，并没有考虑当前实际情况和历史场景的不一致性，难以做到准确推断。
3、基于机理的客流分配模型认为乘客的选择行为符合一定的机理（例如效用理论、前景理论等），按照假定的规律、给定的行为，利用解析方法或仿真方法的手段来进行推演。既有研究对乘客突发中断情况下的选择行为机理刻画不足，影响乘客时空路径的因素考虑不够全面，难以进行精确的推演。
技术实现思路
1、本专利技术的目的是提供一种乘客时空路径推断方法、系统及电子设备，提高了乘客
2、为实现上述目的，本专利技术提供了如下方案。
3、一种乘客时空路径推断方法，包括：确定影响乘客时空路径选择的影响因素集。
4、基于所述影响因素集构建考虑监测数据的时空网络框架。
5、基于所述时空网络框架，建立乘客时空路径推演模型的目标函数和约束条件。
6、获取客流量集合。
7、初始化客流分配变量。
8、将所述约束条件对偶至所述目标函数中，得到最短时空路径函数。
9、所述客流分配变量的初始值输入至所述最短时空路径函数中，并基于拉格朗日松弛的分解算法进行求解，得到客流分配变量的目标值。
10、可选地，所述影响因素集，包括：基础设施能力、列车运行计划、客流控制诱导策略、网络风险和乘客选择行为。
11、可选地，所述时空网络框架还包括：网络索引、集合、模型参数、变量和时空弧。
12、可选地，所述乘客时空路径推演模型的目标函数如下。
13、。
14、其中，f1为目标函数值；μ1和μ2均为权重系数；为时空弧，i为节点i，j为节点j，t为t时刻，为时刻；p为p乘客；为时空弧的旅行时间系数；为乘客p的客流分配变量，当乘客p分配在时空弧时，；β1和β2均为可信度参数；为时空点；vmon为节点集合；为在时空点时，节点i处的乘客流通量；emon为边集合；为时间间隔；为时间段内区段范围内的乘客聚集量。
15、可选地，所述乘客时空路径推演模型的约束条件，包括：客流平衡约束、进站客流控制条件、出站客流控制条件、能力约束、列车运营限制约束、网络风险情况约束和0-1变量约束。
16、可选地，所述最短时空路径函数如下。
17、。
18、其中，f2为时空路径函数值；μ1和μ2均为权重系数；为时空弧，i为节点i，j为节点j，t为t时刻，为时刻；p为p乘客；为时空弧的旅行时间系数；为乘客p的客流分配变量，当乘客p分配在时空弧时，；β1和β2均为可信度参数；为时空点；vmon为节点集合；为在时空点时，节点i处的乘客流通量；emon为边集合；为时间间隔；为时间段内区段范围内的乘客聚集量；、和均为拉格朗日乘子；为区段范围内的承载力；为时空弧内列车运营情况参数；为时空弧内路段情况参数。
19、一种乘客时空路径推断系统，包括：因素确定模块，用于确定影响乘客时空路径选择的影响因素集。
20、框架构建模块，用于基于所述影响因素集构建考虑监测数据的时空网络框架。
21、模型建立模块，用于基于所述时空网络框架，建立乘客时空路径推演模型的目标函数和约束条件。
22、客流量集合获取模块，用于获取客流量集合。
23、初始化模块，用于初始化客流分配变量。
24、最短时空路径函数确定模块，用于将所述约束条件对偶至所述目标函数中，得到最短时空路径函数。
25、客流分配模块，用于所述客流分配变量的初始值输入至所述最短时空路径函数中，并基于拉格朗日松弛的分解算法进行求解，得到客流分配变量的目标值。
26、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述所述的乘客时空路径推断方法。
27、可选地，所述存储器为可读存储介质。
28、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术公开了一种乘客时空路径推断方法、系统及电子设备，确定影响乘客时空路径选择的影响因素集；基于影响因素集构建时空网络框架；基于时空网络框架，建立乘客时空路径推演模型的目标函数和约束条件；获取客流量集合；初始化客流分配变量；将约束条件对偶至目标函数中，得到最短时空路径函数；客流分配变量的初始值输入至最短时空路径函数中，并基于拉格朗日松弛的分解算法进行求解，得到客流分配变量的目标值。本专利技术通过确定影响乘客时空路径的因素，基于时空网络框架，利用路网中可观测的实时监测数据进行反馈修正来进行乘客时空路径推断，提高了乘客时空路径推断的准确性。
本文档来自技高网...【技术保护点】
1.一种乘客时空路径推断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的乘客时空路径推断方法，其特征在于，所述影响因素集，包括：基础设施能力、列车运行计划、客流控制诱导策略、网络风险和乘客选择行为。
3.根据权利要求1所述的乘客时空路径推断方法，其特征在于，所述时空网络框架还包括：网络索引、集合、模型参数、变量和时空弧。
4.根据权利要求1所述的乘客时空路径推断方法，其特征在于，所述乘客时空路径推演模型的目标函数为：
5.根据权利要求1所述的乘客时空路径推断方法，其特征在于，所述乘客时空路径推演模型的约束条件，包括：客流平衡约束、进站客流控制条件、出站客流控制条件、能力约束、列车运营限制约束、网络风险情况约束和0-1变量约束。
6.根据权利要求1所述的乘客时空路径推断方法，其特征在于，所述最短时空路径函数为：
7.一种乘客时空路径推断系统，其特征在于，所述系统包括：
8.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设
9.根据权利要求8所述的一种电子设备，其特征在于，所述存储器为可读存储介质。
...【技术特征摘要】
1.一种乘客时空路径推断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的乘客时空路径推断方法，其特征在于，所述影响因素集，包括：基础设施能力、列车运行计划、客流控制诱导策略、网络风险和乘客选择行为。
3.根据权利要求1所述的乘客时空路径推断方法，其特征在于，所述时空网络框架还包括：网络索引、集合、模型参数、变量和时空弧。
4.根据权利要求1所述的乘客时空路径推断方法，其特征在于，所述乘客时空路径推演模型的目标函数为：
5.根据权利要求1所述的乘客时空路径推断方法，其特征在于，所述乘客时空路径推演模型的约束条...
【专利技术属性】
技术研发人员：李海鹰，杨越迪，蒋熙，张志良，叶红霞，黎志华，郭靖凡，田媛媛，韦琳珊，李俊铖，何建涛，潘煜斌，张逸菲，罗维嘉，宋怡冰，
申请(专利权)人：北京交通大学，
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。