CN104239958A - 适用于城市轨道交通系统的短时客流预测方法 - Google Patents
适用于城市轨道交通系统的短时客流预测方法 Download PDFInfo
- Publication number
- CN104239958A CN104239958A CN201310244861.XA CN201310244861A CN104239958A CN 104239958 A CN104239958 A CN 104239958A CN 201310244861 A CN201310244861 A CN 201310244861A CN 104239958 A CN104239958 A CN 104239958A
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- data
- short
- card
- rail transit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及一种适用于城市轨道交通系统的短时客流预测方法,包括以下步骤:a,从AFC内获取乘客乘坐轨道交通的刷卡票务数据;b,按票务类型进行归类;c,对不同类的客流数据分别进行分析处理;d,根据唯一标识号,统计每张一卡通的日常出行规律;e,预测单日同张一卡通在下一个预测时间段的出行规律;f,形成一卡通预测结果;g,对于一次性票卡的数据,使用K短路径法进行客流分配,得出K条路径及其每条路径的客流分布概率;h,对预测当日的一次性票卡数据,根据K短路的概率分配到不同路径,预测不同路径上的客流数据。与现有技术相比,本发明具有高效、准确、实时性极强等优点。
Description
技术领域
本发明涉及一种客流预测方法,尤其是涉及一种适用于城市轨道交通系统的短时客流预测方法。
背景技术
在目前的城市轨道交通系统中,由于系统的网络化与复杂化程度不断提升,应急救援指挥已成为维持城市轨道交通管理正常运行的重要支撑体系之一。在面对突发事件,应急救援管理体制与决策就显得格外重要,在目前大背景下需建立高效、可靠的运营调度指挥系统,来实现轨交对于突发事件的防范和应对。
目前,轨交应急系统无论是理论还是系统建设的主要研究均着重于管理体系和优化措施,存在涉及面广、涉及岗位繁多等问题,但针对某一关键岗位建设应急系统,如仅对行车调度在突发情况下的应急处置辅助系统的研究和开发相对较少,但这一系统平台的开发是急需的。由于城市轨道交通应急调度决策过程存在着复杂性和可重复性,同时事故类型多样化、决策信息需求差异化、应急预案繁琐化等诸多特点,但目前纯人工应急调度模式因调度人员技术摊薄、易受心理及外部环境的影响、通信阻塞、信息量过大等原因,已难以适应突发事件下对轨道交通高运营安全和应急处置效率的需求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种适用于城市轨道交通系统的短时客流预测方法。
本发明的目的可以通过以下技术方案来实现:
一种适用于城市轨道交通系统的短时客流预测方法,其特征在于,包括以下步骤:
a,从轨道交通票务系统AFC内获取乘客乘坐轨道交通的刷卡票务数据;
b,将缺失数据剔除,并按票务类型进行归类,形成基于票务数据的客流数据库;
c,对不同类的客流数据分别进行分析处理,若为一卡通数据,执行步骤d;若为一次性票卡数据,执行步骤g;
d,根据唯一标识号,统计每张一卡通的日常出行规律;
e,根据统计规律,预测单日同张一卡通在下一个预测时间段的出行规律;
f,处理完所有一卡通数据后,形成一卡通预测结果;
g,对于一次性票卡的数据,使用K短路径法进行客流分配,得出K条路径及其每条路径的客流分布概率;
h,对预测当日的一次性票卡数据,根据K短路的概率分配到不同路径,预测不同路径上的客流数据;
j,将步骤f和步骤h的预测结果进行叠加,得到完整短时客流预测结果。
所述的一卡通日常出行规律包括日常的出行起点、终点和时间。
所述的K短路径法中的K取3。
与现有技术相比,本发明具有更加高效、准确的效果,并且实时性极强。可以对轨道交通客运组织、行车组织和调度指挥提供很好的数据支撑。基于票务数据的短时客流预测,可以通过同一乘客出行特性的相似性,有效刻画乘客在轨道交通系统内的时空变化情况,能很好的预测单一客流的时空变化,同时基于统计,可以得到整体客流的变化情况。本方法将客流根据票务数据一分为二,结合基于数据挖掘的预测方法与传统预测方法,提高了客流预测的精度和效度。
附图说明
图1为本发明的工作流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
图1为本发明处理轨道交通短时客流预测的流程,在本方法在进行短时客流预测之前,需先要获取轨道交通AFC系统中的乘客刷卡票务数据,该数据作为本方法的支撑,是基本条件。在对数据进行过滤、分类、统计以及数据挖掘后,提取客流在轨道交通系统内的时空分布特性,对客流短时变化做出预测。以下对图中的各步骤进行详细描述:
在步骤801中,将AFC系统的数据导出成一个数据库文件,然后执行步骤802;
在步骤802中,将数据库文件导入到客流数据库中,剔除无效数据,根据票卡的类型将数据库数据进行分类,一卡通数据进入一卡通数据表中,然后执行步骤803;一次性票卡数据进入一次性票卡数据表中,然后执行步骤804;
在步骤803中,形成使用一卡通的乘客信息数据库,然后执行步骤805;
在步骤804中,形成使用一次性票卡的乘客信息数据库,然后执行步骤809;
在步骤805中,对同张一卡通的刷卡记录进行归纳,统计客流时间、空间特性;然后执行步骤806;
在步骤806中,根据单张一卡通的历史数据、时空特性对预测当日单张一卡通的进行短时预测,然后执行步骤807;
在步骤807中,对单张一卡通的预测结果汇总成使用一卡通乘客的客流预测结果,然后执行步骤808;
在步骤808中,预测一卡通乘客在轨道交通系统内的时空分布特性,然后执行步骤813;
在步骤809中,基于历史客流数据,对客流进行分配,根据K短路分配算法得出主要路径和其对应的客流分配比例,然后执行步骤810;
在步骤810中,根据步骤809中的客流路径和分配比例,对预测日的客流进行分配;执行步骤811;
在步骤811中,统计一次性票卡的客流总体预测情况。然后执行步骤812;
在步骤812中,分析基于一次性票卡的客流预测数据的时空特性。然后执行步骤813;
在步骤813中,合并两种票卡类型的预测结果,形成完整的客流预测数据和相应的客流时空特性。然后执行步骤814;
在步骤814中,事实显示预测结果,为辅助应急调度提供数据支撑。然后执行步骤815;
在步骤815中,对比历史预测数据和步骤801中的实时导入数据。然后执行步骤816;
在步骤816中,将815中对比结果反馈给,将校验结果反馈给步骤803和步骤804,进行模型修正;
在步骤816中,形成整个应急过程的完整记录,并形成调度日志,然后执行步骤801。
Claims (3)
1.一种适用于城市轨道交通系统的短时客流预测方法,其特征在于,包括以下步骤:
a,从轨道交通票务系统AFC内获取乘客乘坐轨道交通的刷卡票务数据;
b,将缺失数据剔除,并按票务类型进行归类,形成基于票务数据的客流数据库;
c,对不同类的客流数据分别进行分析处理,若为一卡通数据,执行步骤d;若为一次性票卡数据,执行步骤g;
d,根据唯一标识号,统计每张一卡通的日常出行规律;
e,根据统计规律,预测单日同张一卡通在下一个预测时间段的出行规律;
f,处理完所有一卡通数据后,形成一卡通预测结果;
g,对于一次性票卡的数据,使用K短路径法进行客流分配,得出K条路径及其每条路径的客流分布概率;
h,对预测当日的一次性票卡数据,根据K短路的概率分配到不同路径,预测不同路径上的客流数据;
j,将步骤f和步骤h的预测结果进行叠加,得到完整短时客流预测结果。
2.根据权利要求1所述的一种适用于城市轨道交通系统的短时客流预测方法,其特征在于,所述的一卡通日常出行规律包括日常的出行起点、终点和时间。
3.根据权利要求1所述的一种适用于城市轨道交通系统的短时客流预测方法,其特征在于,所述的K短路径法中的K取3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310244861.XA CN104239958A (zh) | 2013-06-19 | 2013-06-19 | 适用于城市轨道交通系统的短时客流预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310244861.XA CN104239958A (zh) | 2013-06-19 | 2013-06-19 | 适用于城市轨道交通系统的短时客流预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104239958A true CN104239958A (zh) | 2014-12-24 |
Family
ID=52227980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310244861.XA Pending CN104239958A (zh) | 2013-06-19 | 2013-06-19 | 适用于城市轨道交通系统的短时客流预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104239958A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108694463A (zh) * | 2018-04-25 | 2018-10-23 | 东南大学 | 一种城市轨道交通站点进出站客流预测方法 |
CN109961164A (zh) * | 2017-12-25 | 2019-07-02 | 比亚迪股份有限公司 | 客流量预测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011242959A (ja) * | 2010-05-18 | 2011-12-01 | Hitachi Ltd | 情報提供装置および情報提供方法 |
CN102862589A (zh) * | 2012-10-19 | 2013-01-09 | 上海工程技术大学 | 适用于城市轨道交通的应急调度指挥数据处理方法及装置 |
CN103065205A (zh) * | 2012-12-26 | 2013-04-24 | 深圳先进技术研究院 | 三维智能交通枢纽客流时空分析与预测系统 |
-
2013
- 2013-06-19 CN CN201310244861.XA patent/CN104239958A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011242959A (ja) * | 2010-05-18 | 2011-12-01 | Hitachi Ltd | 情報提供装置および情報提供方法 |
CN102862589A (zh) * | 2012-10-19 | 2013-01-09 | 上海工程技术大学 | 适用于城市轨道交通的应急调度指挥数据处理方法及装置 |
CN103065205A (zh) * | 2012-12-26 | 2013-04-24 | 深圳先进技术研究院 | 三维智能交通枢纽客流时空分析与预测系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961164A (zh) * | 2017-12-25 | 2019-07-02 | 比亚迪股份有限公司 | 客流量预测方法及装置 |
CN109961164B (zh) * | 2017-12-25 | 2022-01-07 | 比亚迪股份有限公司 | 客流量预测方法及装置 |
CN108694463A (zh) * | 2018-04-25 | 2018-10-23 | 东南大学 | 一种城市轨道交通站点进出站客流预测方法 |
CN108694463B (zh) * | 2018-04-25 | 2021-01-05 | 东南大学 | 一种城市轨道交通站点进出站客流预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598182B (zh) | 一种轨道交通智能调度方法及系统 | |
Iliopoulou et al. | Combining ITS and optimization in public transportation planning: state of the art and future research paths | |
Huang et al. | A novel bus-dispatching model based on passenger flow and arrival time prediction | |
CN104884900A (zh) | 行程时间信息提供设备和行程时间信息提供方法 | |
CN107878512A (zh) | 列车调度方法和系统 | |
Yong et al. | Mining metro commuting mobility patterns using massive smart card data | |
CN107610282A (zh) | 一种公交客流统计系统 | |
Ma et al. | Measuring service reliability using automatic vehicle location data | |
Chen et al. | Extracting bus transit boarding stop information using smart card transaction data | |
Wu et al. | Predicting peak load of bus routes with supply optimization and scaled Shepard interpolation: A newsvendor model | |
CN111724184A (zh) | 一种转化概率预测方法及装置 | |
CN109214577A (zh) | 一种综合运输通道客运分担率预测方法 | |
Li et al. | Passenger travel behavior in public transport corridor after the operation of urban rail transit: a random forest algorithm approach | |
Wang et al. | An Ensemble Learning Model for Short‐Term Passenger Flow Prediction | |
Seaborn et al. | Using smart card fare payment data to analyze multi-modal public transport journeys in London | |
Song et al. | Public transportation service evaluations utilizing seoul transportation card data | |
US10402755B2 (en) | Transportation service information providing apparatus, and transportation service information providing method | |
CN104239958A (zh) | 适用于城市轨道交通系统的短时客流预测方法 | |
Grandhi et al. | An estimation framework to quantify railway disruption parameters | |
Chen et al. | Research on the classification of urban rail transit stations-taking Shanghai metro as an example | |
CN110347937B (zh) | 一种出租车智能寻客方法 | |
Xie et al. | Subway sudden passenger flow prediction method based on two factors: case study of the Dongsishitiao station in Beijing | |
Chen et al. | Extracting bus transit boarding and alighting information using smart card transaction data | |
Amrani et al. | Architecture of a public transport supervision system using hybridization models based on real and predictive data | |
Sang et al. | Research on optimization of customized bus routes based on uncertainty theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141224 |
|
RJ01 | Rejection of invention patent application after publication |