CN107730105A - 基于afc数据的城市轨道大客流识别方法及系统 - Google Patents
基于afc数据的城市轨道大客流识别方法及系统 Download PDFInfo
- Publication number
- CN107730105A CN107730105A CN201710933279.2A CN201710933279A CN107730105A CN 107730105 A CN107730105 A CN 107730105A CN 201710933279 A CN201710933279 A CN 201710933279A CN 107730105 A CN107730105 A CN 107730105A
- Authority
- CN
- China
- Prior art keywords
- data
- passenger
- city rail
- afc
- station
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012546 transfer Methods 0.000 claims description 73
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000005201 scrubbing Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000208140 Acer Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于AFC数据的城市轨道大客流识别方法和系统，主要通过采集乘客进站时的卡号、日期时间、位置(进站、换成和出站)、交易金额等信息来获取乘客的轨道出行记录，并通过数据预处理，乘客出行数据获取，出行路径识别，出行时间序列确定，车站设施建设数据获得，列车运行方案的获得，进而建立大客流识别模型，从而实现大客流识别，为轨道交通运营提供预设数据，避免大客流产生所带来的安全问题。
Description
技术领域
本发明涉及城市交通领域，尤其涉及一种基于AFC数据的城市轨道大客流识别方法及系统。
背景技术
城市轨道交通具有运量大、准点率高、便捷、舒适、高效、环保等优点，逐渐成为城市公共交通的主力。随着城市轨道的网络化发展，城市轨道交通对出行者的吸引力不断增强，客流压力随之增大，导致大客流时有发生。当大客流发生时，城市轨道车站运营安全受到严重威胁，加强大客流下城市轨道车站运营安全状态评估，为提高大客流发生时的安全管理提供理论依据，对于保障城市轨道在大客流发生时的安全运营有重要的现实意义。
一些学者对城市轨道大客流概念已经做了部分研究，主要从三个角度对大客流进行定义：客流量相对于组织能力来定义、客流量相对于设备承载能力来定义、客流量相对于平时客流量来定义以及从乘客状态出发定义大客流。大客流的产生实际上是供给与需求平衡问题，城市轨道交通供给是指系统的运输能力，包括车站容纳人数、列车班次、列车最大承载等，需求是指乘客数量。在城市轨道规划建设阶段主要是根据可预测最大客流需求来确定建设规模，当某些不可预测的大客流出现时，往往造成供给不能很好满足需求，使得运营秩序受到影响，进而产生安全隐患。
大客流发生时最明显的特征表现为：客流总量比较大、客流时空分布不均衡、大客流的聚散时间比较集中、大客流的影响具有传递性、车站内乘客拥挤、客流速度缓慢、列车驶走之后站台有乘客剩余、站内客流交叉干扰严重、安全隐患巨大等。
AFC(Automatic Fare Collection，自动售检票系统)系统是城市轨道交通的自动检票系统，系统提供的AFC数据是城市轨道交通运营数据的重要基础数据。由于AFC数据具有容易采集、数据信息量大、可操作性强等特点，近些年来越来越多的学者将AFC数据运用到城市轨道客流路径、出行行为等研究中，获得良好的使用效果。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种基于AFC数据的城市轨道大客流识别方法和系统，该系统可以准确识别大客流事件，为轨道工作人员提供预警，可以让工作人员提前做好措施，避免产生安全隐患。
技术方案：本发明所述的基于AFC数据的城市轨道大客流识别方法包括以下步骤：
S1：采集AFC系统的数据；
S2：对AFC数据进行预处理得到规范化、离散化的分层数据；
S3：根据预处理后的数据，获取乘客出行记录数据；
S4：根据乘客出行记录数据，识别乘客出行路径；
S5：根据乘客出行记录数据，确定乘客出行时间序列；
S6：获取车站设施建设数据；
S7：获取列车运行方案；
S8：根据S3-S7获取的数据建立大客流识别模型，即通过综合分析数据得到在何时、何站台、何列车的何站到何站会发生大客流事件；
S9：根据大客流识别模型识别大客流事件。
进一步的，所述步骤S2包括以下步骤：
S21：数据清理，包括填补确实数据、光滑噪声数据、识别或删除离群数据点；
S22：数据集成，将多种数据通过关联的属性集成在一起，清理掉冗余部分；
S23：数据规约，将原始数据简化或者压缩表示；
S24：数据变换，包括数据规范化、离散化和数据分层。
进一步的，所述步骤S3包括以下步骤：
S31：根据预处理后的数据，获取乘客的卡号信息；
S32：获取该卡号乘坐城市轨道的时间日期信息；
S33：获取该卡号乘坐城市轨道的位置信息；
S34：获取该卡号乘坐城市轨道的交易金额信息。
S35：获取该卡号乘坐城市轨道的交易金额优惠信息。
进一步的，所述步骤S3中所述的位置信息包括乘客的入站位置信息、换乘站信息和出站位置信息。
本发明所述的基于AFC数据的城市轨道大客流识别系统，包括：
AFC数据采集模块：用于采集AFC系统的数据；
AFC数据预处理模块：用于对AFC数据进行预处理得到规范化、离散化的分层数据；
乘客出行数据模块：用于根据预处理后的数据，获取乘客出行记录数据；
乘客出行路径识别模块：用于根据乘客出行记录数据，识别乘客出行路径；
乘客出行时间序列模块：用于根据乘客出行记录数据，确定乘客出行时间序列；
车站设施建设数据模块：用于获取车站设施建设数据；
列车运行模块：用于获取列车运行方案；
大客流识别模型模块：用于根获取的数据建立大客流识别模型，即通过综合分析数据得到在何时、何站台、何列车的何站到何站会发生大客流事件；
大客流识别模块：用于根据大客流识别模型识别大客流事件。
进一步的，所述AFC数据预处理模块包括：
数据清理单元：用于填补确实数据、光滑噪声数据、识别或删除离群数据点；
数据集成单元：用于将多种数据通过关联的属性集成在一起，清理掉冗余部分；
数据规约单元：用于将原始数据简化或者压缩表示；
数据变换单元：用于数据规范化、离散化和数据分层。
进一步的，所述乘客出行数据模块包括：
卡号信息单元：用于根据预处理后的数据，获取乘客的卡号信息；
时间日期信息单元：用于获取该卡号乘坐城市轨道的时间日期信息；
位置信息单元：用于获取该卡号乘坐城市轨道的位置信息；
交易金额单元：用于获取该卡号乘坐城市轨道的交易金额信息。
交易金额优惠单元：用于获取该卡号乘坐城市轨道的交易金额优惠信息。
进一步的，所述位置信息包括乘客的入站位置信息、换乘站信息和出站位置信息。
有益效果：本发明与现有技术相比，其显著优点是：本发明公开了一种基于AFC数据的城市轨道大客流识别方法和系统，主要通过采集乘客进站时的卡号、日期时间、位置(进站、换成和出站)、交易金额等信息来获取乘客的轨道出行记录，并通过数据预处理，乘客出行数据获取，出行路径识别，出行时间序列确定，车站设施建设数据获得，列车运行方案的获得，进而建立大客流识别模型，从而实现大客流识别，为轨道交通运营提供预设数据，避免大客流产生所带来的安全问题。
附图说明
图1是本发明提供的基于AFC数据的城市轨道大客流识别方法的一个实施例的流程示意图；
图2是图1中步骤S3的具体步骤的流程示意图；
图3是本发明提供的基于AFC数据的城市轨道大客流识别系统的一个实施例的模块框图；
图4是图3中乘客出行数据模块的模块框图。
具体实施方式
以下结合具体附图对本发明作进一步的说明。
实施例1
本实施例提供了一种基于AFC数据的城市轨道大客流识别方法，如图1所示，包括以下步骤：
S1：采集AFC系统的数据。
S2：对AFC数据进行预处理得到规范化、离散化的分层数据。
所述步骤S2包括以下步骤：
S21：数据清理，包括填补确实数据、光滑噪声数据、识别或删除离群数据点；
S22：数据集成，将多种数据通过关联的属性集成在一起，清理掉冗余部分；
S23：数据规约，将原始数据简化或者压缩表示；
S24：数据变换，包括数据规范化、离散化和数据分层。
S3：根据预处理后的数据，获取乘客出行记录数据。
其中，如图2所示，所述步骤S3包括以下步骤：
S31：根据预处理后的数据，获取乘客的卡号信息；
S32：获取该卡号乘坐城市轨道的时间日期信息；
S33：获取该卡号乘坐城市轨道的位置信息；
S34：获取该卡号乘坐城市轨道的交易金额信息。
S35：获取该卡号乘坐城市轨道的交易金额优惠信息。
AFC数据记录了乘客的出行信息，其中卡号为9-10位的有效数字组成；日期包括年、月、日；时间包括具体时、分、秒；位置信息包括乘客所进过的进站、出站、以及换成站的线路及站名；交易金额以元为单位，主要体现城市轨道的消费金额，以及优惠信息包括列出运行方是否给予的优惠情况体现。数据格式见下表1所示。
表1
| 字段 | 含义 | 格式 |
| 卡号 | 卡号，9-10位有效数字 | Int，9-10位整数 |
| 日期 | 记录发生时的日期 | Date，YYYY/MM/DD |
| 时间 | 记录发生时的时间 | Time，HH/MM/SS |
| 刷卡所在站 | 记录发生时所在的车站名称 | Char，线路+站名 |
| 交易金额 | 进站记录金额为0，出行费用记录在出站记录中 | Numeric，范围在0-14 |
| 优惠情况 | 包括换乘优惠、特殊群体优惠等 | Char，优惠和非优惠两种 |
乘客实际出行行为中，一次完整的出行包括进站记录和出站记录，因此在刷卡数据中，刷卡记录都是成对出现，进站记录中的交易金额为0，出站记录中的交易金额为非0正数，表示本次出行所用费用。在所有数据记录中，有很大一部分一天内同一卡号会有四次记录，表示一天内有此乘客有两次出行记录。详细数据见下表2所示。
表2
卡号为3102664781的乘客，在2016/3/1日有两次出行行为，分别在时间为10:51:52从地铁11号线枫桥路进站，并于11:38:03时从3号线虹口足球场出站，此过程中轨道交通费为3元，有优惠。在时间为21:43:07从地铁3号线虹口足球场进站，于22:03:05时从地铁3号线曹杨路出站，此过程轨道交通费为4元，无优惠。
同理，卡号602141128的乘客，在2016/3/1日有两次出行行为，分别在时间为8:35:04从地铁1号线莘庄进站，并于9:29:05时从地铁4号线大连路出站，此过程中轨道交通费5元，无优惠。在时间为13:08:13时从地铁4号线大连路进站，于14:05:05从地铁2号线虹桥火车站出站，此过程轨道交通费用为5元，无优惠。
依次同理，其它卡号乘客的出行记录时间，按照表2所述形式进行采集记录，当然过程中包括乘客的站内换乘数据也可以进行采集记录，形成对应的数据表。
S4：根据乘客出行记录数据，识别乘客出行路径。
S5：根据乘客出行记录数据，确定乘客出行时间序列。
S6：获取车站设施建设数据。
S7：获取列车运行方案。
S8：根据S3-S7获取的数据建立大客流识别模型，即通过综合分析数据得到在何时、何站台、何列车的何站到何站会发生大客流事件。
其中，大客流识别模型具体为：
式中，i表示非换乘站号，s表示换乘站号，为1时，分别表示对应车站该段时间内有非换乘站进站大客流事件、非换乘站出站大客流事件、换乘站进站大客流事件、换乘站出站大客流事件、换乘站换乘大客流事件，为0表示没有发生该种类大客流事件，*代表非换乘站号i和换乘站号s，°＝1,2,3分别表示进站、出站、换乘事件，表示车站*前期该段时间内的客流量，表示车站*该段时间内车站内各部位的最大服务能力，βΔt表示大客流分时段不均衡系数指标，βmax表示大客流最大不均衡系数指标。
其中，对于非换乘站进站大客流事件，站内客流由进站客流和出站客流组成。当发生非换乘站进站大客流时，受影响比较明显的位置有进站闸机、进站单向通道/混行通道、进站单行楼梯/混行楼梯、自动扶梯、候车站台，通过判断每一个位置承载客流的状态与其服务能力的关系，来判断是否发生非换乘站进站大客流。所以判断非换乘站进站大客流事件的依据的具体计算公式为：
式中，表示非换乘站i每个进站闸机处进站客流分布率；ta、tb表示判断时间段首末时间点，时间段Δt取所处线路列车的行车间隔； 分别表示非换乘站i内进站闸机、进站单向通道、混行通道、进站单行楼梯、混行楼梯、进站自动扶梯、站台的数量；分别表示非换乘站i内进站单向通道、混行通道、进站单行楼梯、混行楼梯、自动扶梯的宽度；表示站台面积；分别表示非换乘站i内混行通道、混行楼梯的进站客流服务率；表示进站闸机、进站单向通道、混行通道、进站单行楼梯、混行楼梯、进站自动扶梯、站台在该时间段内的单位服务能力。
其中，当发生非换乘站出站大客流时，受影响比较明显的位置有出站闸机、出站单向通道/混行通道、出站单行楼梯/混行楼梯、自动扶梯、站台，同样通过判断每一个位置承载客流的状态与其服务能力的关系，来判断是否发生非换乘站出站大客流。所以判断非换乘站出站大客流事件的依据的具体计算公式为：
式中，表示非换乘站i每个出站闸机处出站客流分布率；ta、tb表示判断时间段首末时间点；分别表示非换乘站i内出站闸机、出站单向通道、混行通道、出站单行楼梯、混行楼梯、出站自动扶梯、站台的数量；分别表示非换乘站i内出站单向通道、混行通道、出站单行楼梯、混行楼梯、自动扶梯的宽度；表示非换乘站i站台面积，分别表示非换乘站i内混行通道、混行楼梯的出站客流服务率； 表示出站闸机、出站单向通道、混行通道、出站单行楼梯、混行楼梯、自动扶梯、站台在该时间段内的单位服务能力。
其中，对于换乘站，站内客流由进站客流、出站客流以及换乘客流组成。当发生换乘站进站大客流时，受影响比较明显的位置有进站闸机、进站单向通道/混行通道、进站单行楼梯/混行楼梯、自动扶梯、候车站台，通过判断每一个位置承载客流的状态与其服务能力的关系，来判断是否发生换乘站进站大客流。所以判断换乘站进站大客流事件的依据的具体计算公式为：
式中，表示换乘站s每个进站闸机处进站客流分布率；ta、tb表示判断时间段首末时间点；分别表示换乘站s内进站闸机、进站单向通道、混行通道、进站单行楼梯、混行楼梯、进站自动扶梯、站台的数量；分别表示换乘站s内进站单向通道、混行通道、进站单行楼梯、混行楼梯、自动扶梯的宽度；表示换乘站s站台面积；分别表示换乘站s内混行通道、混行楼梯的进站客流服务率；表示进站闸机、进站单向通道、混行通道、进站单行楼梯、混行楼梯、进站自动扶梯、站台在该时间段内的单位服务能力。
其中，当发生换乘站出站大客流时，受影响比较明显的位置有出站闸机、出站单向通道/混行通道、出站单行楼梯/混行楼梯、自动扶梯、站台，通过判断每一个位置承载客流的状态与其服务能力的关系，来判断是否发生换乘站出站大客流。所以判断换乘站出站大客流事件的依据的具体计算公式为：
式中，表示换乘站s内每个出站闸机处出站客流分布率；ta、tb表示判断时间段首末时间点；分别表示换乘站s内出站闸机、出站单向通道、混行通道、出站单行楼梯、混行楼梯、出站自动扶梯、站台的数量；分别表示换乘站s内出站单向通道、混行通道、出站单行楼梯、混行楼梯、自动扶梯的宽度；表示换乘站s内站台面积；分别表示换乘站s内混行通道、混行楼梯的出站客流服务率； 表示出站闸机、出站单向通道、混行通道、出站单行楼梯、混行楼梯、自动扶梯、站台在该时间段内的单位服务能力。
其中，当发生换乘站换乘大客流时，说明在该换乘站换乘客流占主要的客流，受影响比较明显的位置有换乘单向通道/混行通道、换乘单行楼梯/混行楼梯、自动扶梯、换乘后站台，通过判断每一个位置承载客流的状态与其服务能力的关系，来判断是否发生换乘站换乘大客流。所以，判断换乘站换乘大客流事件的依据的具体计算公式为：
式中，表示换乘站s内线路o换乘到线路j的换乘客流分布率；Δt表示判断时间段；分别表示换乘站s内换乘单向通道、混行通道、换乘单行楼梯、混行楼梯、换乘自动扶梯、换乘后站台的数量； 分别表示换乘站s内换乘单向通道、混行通道、换乘单行楼梯、混行楼梯、自动扶梯的宽度；表示换乘站s内站台面积；分别表示换乘站s内混行通道、混行楼梯的换乘客流服务率；表示出换乘单向通道、混行通道、换乘单行楼梯、混行楼梯、自动扶梯、站台在该时间段内的单位服务能力。
当所述大客流发生，通过大客流发生强度表示大客流发生过程中客流量变化，大客流变化强度评价指标包括大客流分时段不均衡系数指标和大客流最大不均衡系数指标。大客流分时段不均衡系数指标βΔt的计算公式为：
大客流最大不均衡系数指标βmax的计算公式为：
式中，pt表示大客流发生过程中某一时刻的客流量(人次)；p大客流临界值表示界定大客流的临界客流量(人次)，p最大分时段客流量表示大客流发生过程中最大分时段客流量(人次)。
S9：根据大客流识别模型识别大客流事件。
实施例2
本实施例提供了一种基于AFC数据的城市轨道大客流识别系统，如图3所示，包括：
AFC数据采集模块：用于采集AFC系统的数据；
AFC数据预处理模块：用于对AFC数据进行预处理得到规范化、离散化的分层数据；
乘客出行数据模块：用于根据预处理后的数据，获取乘客出行记录数据；
乘客出行路径识别模块：用于根据乘客出行记录数据，识别乘客出行路径；
乘客出行时间序列模块：用于根据乘客出行记录数据，确定乘客出行时间序列；
车站设施建设数据模块：用于获取车站设施建设数据；
列车运行模块：用于获取列车运行方案；
大客流识别模型模块：用于根据获取的数据建立大客流识别模型，即通过综合分析数据得到在何时、何站台、何列车的何站到何站会发生大客流事件；
大客流识别模块：用于根据大客流识别模型识别大客流事件。
其中，所述AFC数据预处理模块包括：
数据清理单元：用于填补确实数据、光滑噪声数据、识别或删除离群数据点；
数据集成单元：用于将多种数据通过关联的属性集成在一起，清理掉冗余部分；
数据规约单元：用于将原始数据简化或者压缩表示；
数据变换单元：用于数据规范化、离散化和数据分层。
其中，如图4所示，所述乘客出行数据模块包括：
卡号信息单元：用于根据预处理后的数据，获取乘客的卡号信息；
时间日期信息单元：用于获取该卡号乘坐城市轨道的时间日期信息；
位置信息单元：用于获取该卡号乘坐城市轨道的位置信息；
交易金额单元：用于获取该卡号乘坐城市轨道的交易金额信息。
交易金额优惠单元：用于获取该卡号乘坐城市轨道的交易金额优惠信息。
所述位置信息包括乘客的入站位置信息、换乘站信息和出站位置信息。
本实施例的系统与实施例1的方法一一对应，其他部分不再赘述。
以上所揭露的仅为本发明的较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种基于AFC数据的城市轨道大客流识别方法，其特征在于包括以下步骤：
S1：采集AFC系统的数据；
S2：对AFC数据进行预处理得到规范化、离散化的分层数据；
S3：根据预处理后的数据，获取乘客出行记录数据；
S4：根据乘客出行记录数据，识别乘客出行路径；
S5：根据乘客出行记录数据，确定乘客出行时间序列；
S6：获取车站设施建设数据；
S7：获取列车运行方案；
S8：根据S3-S7获取的数据建立大客流识别模型，即通过综合分析数据得到在何时、何站台、何列车的何站到何站会发生大客流事件；
S9：根据大客流识别模型识别大客流事件。
2.根据权利要求1所述的基于AFC数据的城市轨道大客流识别方法，其特征在于：所述步骤S2包括以下步骤：
S21：数据清理，包括填补确实数据、光滑噪声数据、识别或删除离群数据点；
S22：数据集成，将多种数据通过关联的属性集成在一起，清理掉冗余部分；
S23：数据规约，将原始数据简化或者压缩表示；
S24：数据变换，包括数据规范化、离散化和数据分层。
3.根据权利要求1所述的基于AFC数据的城市轨道大客流识别方法，其特征在于：所述步骤S3包括以下步骤：
S31：根据预处理后的数据，获取乘客的卡号信息；
S32：获取该卡号乘坐城市轨道的时间日期信息；
S33：获取该卡号乘坐城市轨道的位置信息；
S34：获取该卡号乘坐城市轨道的交易金额信息。
4.根据权利要求3所述的基于AFC数据的城市轨道大客流识别方法，其特征在于：所述步骤S3还包括以下步骤：
S35：获取该卡号乘坐城市轨道的交易金额优惠信息。
5.根据权利要求3所述的基于AFC数据的城市轨道大客流识别方法，其特征在于：所述步骤S3中所述的位置信息包括乘客的入站位置信息、换乘站信息和出站位置信息。
6.一种基于AFC数据的城市轨道大客流识别系统，其特征在于包括：
AFC数据采集模块：用于采集AFC系统的数据；
AFC数据预处理模块：用于对AFC数据进行预处理得到规范化、离散化的分层数据；
乘客出行数据模块：用于根据预处理后的数据，获取乘客出行记录数据；
乘客出行路径识别模块：用于根据乘客出行记录数据，识别乘客出行路径；
乘客出行时间序列模块：用于根据乘客出行记录数据，确定乘客出行时间序列；
车站设施建设数据模块：用于获取车站设施建设数据；
列车运行模块：用于获取列车运行方案；
大客流识别模型模块：用于根据获取的数据建立大客流识别模型，即通过综合分析数据得到在何时、何站台、何列车的何站到何站会发生大客流事件；
大客流识别模块：用于根据大客流识别模型识别大客流事件。
7.根据权利要求6所述的基于AFC数据的城市轨道大客流识别系统，其特征在于：所述AFC数据预处理模块包括：
数据清理单元：用于填补确实数据、光滑噪声数据、识别或删除离群数据点；
数据集成单元：用于将多种数据通过关联的属性集成在一起，清理掉冗余部分；
数据规约单元：用于将原始数据简化或者压缩表示；
数据变换单元：用于数据规范化、离散化和数据分层。
8.根据权利要求6所述的基于AFC数据的城市轨道大客流识别系统，其特征在于：所述乘客出行数据模块包括：
卡号信息单元：用于根据预处理后的数据，获取乘客的卡号信息；
时间日期信息单元：用于获取该卡号乘坐城市轨道的时间日期信息；
位置信息单元：用于获取该卡号乘坐城市轨道的位置信息；
交易金额单元：用于获取该卡号乘坐城市轨道的交易金额信息。
9.根据权利要求8所述的基于AFC数据的城市轨道大客流识别系统，其特征在于：所述乘客出行数据模块还包括：
交易金额优惠单元：用于获取该卡号乘坐城市轨道的交易金额优惠信息。
10.根据权利要求8所述的基于AFC数据的城市轨道大客流识别系统，其特征在于：所述位置信息包括乘客的入站位置信息、换乘站信息和出站位置信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710933279.2A CN107730105A (zh) | 2017-10-10 | 2017-10-10 | 基于afc数据的城市轨道大客流识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710933279.2A CN107730105A (zh) | 2017-10-10 | 2017-10-10 | 基于afc数据的城市轨道大客流识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107730105A true CN107730105A (zh) | 2018-02-23 |
Family
ID=61208684
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710933279.2A Pending CN107730105A (zh) | 2017-10-10 | 2017-10-10 | 基于afc数据的城市轨道大客流识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107730105A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112298293A (zh) * | 2020-10-30 | 2021-02-02 | 上海市信产通信服务有限公司 | 基于5g获取车站乘客行为轨迹参数的系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376624A (zh) * | 2014-07-22 | 2015-02-25 | 西南交通大学 | 一种基于afc客票数据的城市轨道交通客流分析方法 |
| CN104700159A (zh) * | 2015-02-12 | 2015-06-10 | 广州市地下铁道总公司 | 一种轨道交通客流监测预警系统 |
| CN105488751A (zh) * | 2015-06-12 | 2016-04-13 | 青岛智能产业技术研究院 | 一种地铁站客流微观统计与调度方法 |
| EP3158550A1 (en) * | 2014-06-20 | 2017-04-26 | Sensormatic Electronics LLC | Mobile access control system with geo-tagging |
-
2017
- 2017-10-10 CN CN201710933279.2A patent/CN107730105A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3158550A1 (en) * | 2014-06-20 | 2017-04-26 | Sensormatic Electronics LLC | Mobile access control system with geo-tagging |
| CN104376624A (zh) * | 2014-07-22 | 2015-02-25 | 西南交通大学 | 一种基于afc客票数据的城市轨道交通客流分析方法 |
| CN104700159A (zh) * | 2015-02-12 | 2015-06-10 | 广州市地下铁道总公司 | 一种轨道交通客流监测预警系统 |
| CN105488751A (zh) * | 2015-06-12 | 2016-04-13 | 青岛智能产业技术研究院 | 一种地铁站客流微观统计与调度方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112298293A (zh) * | 2020-10-30 | 2021-02-02 | 上海市信产通信服务有限公司 | 基于5g获取车站乘客行为轨迹参数的系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP4030365A1 (en) | Multi-mode multi-service rail transit analog simulation method and system | |
| CN105719022B (zh) | 一种轨道交通客流实时预测及乘客引导系统 | |
| CN105279572B (zh) | 城市轨道交通客流密集度指数计算与发布系统 | |
| CN107358357A (zh) | 城市轨道交通换乘车站评价方法 | |
| CN107145985A (zh) | 一种城市轨道交通客流区域联动预警方法 | |
| CN107766969B (zh) | 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法 | |
| CN104217367A (zh) | 一种轨道交通线路动态安全风险评价方法 | |
| CN104331964B (zh) | 基于智能卡数据计算地铁进站时间和换乘时间的方法及系统 | |
| CN107358045A (zh) | 一种评价地铁与常规公交换乘效率的流程与方法 | |
| CN112819316B (zh) | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 | |
| CN103679399B (zh) | 一种车站客流联动管控方法 | |
| CN101236642A (zh) | 基于票务数据的分级客流监控系统及其方法 | |
| CN103678924A (zh) | 轨道交通车辆关键部件故障模式风险优先数的确定方法 | |
| CN107808235A (zh) | 基于afc大数据的城市轨道大客流模型构建方法 | |
| JP2022063211A (ja) | マルチモーダル旅客輸送ハブ内での待ち列の長さのアナウンスシステム及び方法 | |
| CN107730105A (zh) | 基于afc数据的城市轨道大客流识别方法及系统 | |
| CN102324111A (zh) | 基于公交ic卡数据的车辆运行方向判断方法 | |
| Yoo | Transfer penalty estimation with transit trips from smartcard data in Seoul, Korea | |
| CN115374579A (zh) | 基于瓶颈识别的轨道交通差异化安检通道布局方法 | |
| Bilde et al. | Social distance modeling on the Copenhagen, Denmark, Metro | |
| Zhi-yan et al. | Impact model of COVID-19 and built environment on bus passenger flow | |
| CN108492570B (zh) | 城市公共交通网络客流拥塞状态表征方法 | |
| CN108492571B (zh) | 基于乘客主观感知的城市公共交通客流拥塞指数计算方法 | |
| Enaleev et al. | Expertise technology for project of international transport corridor development | |
| Vuchic | Skip-stop operation: High speed with good area coverage |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |
|
| RJ01 | Rejection of invention patent application after publication |