CN108491979A - 基于等强度分配的高速铁路旅客出行时变需求预测方法 - Google Patents

Abstract

本发明公开了一种基于等强度分配的高速铁路旅客出行时变需求预测方法，包括：从铁路售票系统中统计高速铁路旅客出行相关数据；根据旅客出行相关数据，对应于购票时间阶段划分构建乘车方案子集，并确定乘车方案子集中各乘车方案的吸流区间；按照等强度客流分配的思想将各个乘车方案的客流量分配至各乘车方案的吸流区间中；由各个吸流区间分配的客流量进行叠加，获得旅客出行时变需求。本发明所需的旅客出行相关数据获取难度和获取成本低，预测得到的结果精度高，预测结果为高速铁路的运营组织优化工作提供了必要的基础数据支持。

Description

基于等强度分配的高速铁路旅客出行时变需求预测方法

技术领域

本发明涉及高速铁路旅客出行时变需求预测方法，具体涉及一种基于高速铁路旅客的乘车方案和客流量，将各个乘车方案的客流量等强度分配到吸流区间并进行叠加的旅客出行时变需求预测方法。

背景技术

旅客出行需求是高速铁路运营管理的一项基础性数据，也是组织旅客列车运行的重要依据。在旅客列车运行计划(包括列车开行方案和列车运行图)的传统编制方法中，仅仅注重于各O-D对间每天的出行总量。然而，高速铁路的运输能力比普速铁路高出很多，在需求总量上满足旅客出行的同时，还能较好地满足旅客计划出行时间的需求。对于任意给定O-D对间的出行旅客，在一天内不同时间的出行强度存在差异，一天内旅客计划出行强度分布称之为时变需求分布。随着铁路旅客运输能力的提升，满足旅客时变需求变得可能，铁路企业越来越重视对旅客计划出行时间的服务。基于时变需求优化旅客列车运行计划越来越受到铁路运营管理部门的重视。但如何获得高铁出行时变需求，却成了亟待解决的关键技术问题。

传统获得旅客出行需求的信息主要是采用调查的方式，该调查方法工作量大、持续时间长、成本高、调查数据生命期短、难于多次重复利用，并且精度不高。本发明所提出的方法能够较好的弥补上述缺陷，为高速铁路的运营组织优化工作提供基础的数据支持。

发明内容

为解决现有技术中存在的技术缺陷，本发明提供了一种基于等强度分配的高速铁路旅客出行时变需求预测方法，包括以下步骤：

S1：从铁路售票系统中采用统计分析方法，获取高速铁路旅客出行的指定起始车站至终到车站O-D对(r,s)间高铁的运营时段[T₀,T₁]、(r,s)间高铁出行的乘车方案集P，以及各乘车方案p^k∈P的上车时间t^k、乘车时间与换乘时间之和τ^k、客流量q^k、票价等旅客出行相关数据，由居民单位时间平均收入确定单位时间价值θ，乘车方案p^k的旅客出行费用c^k等于对应票价与旅客出行时间价值之和，其中旅客出行时间价值等于旅客出行时间与单位时间价值θ之积，而旅客出行时间包括两部分，其一为旅客出行时间偏差，即旅客的计划出行时间x∈[T₀,T₁]与上车时间t^k之差的绝对值|t^k-x|，其二为乘车时间与换乘时间之和τ^k。

高速铁路旅客出行的起始车站至终到车站构成一个O-D对，所谓O-D对即交通起止点对，“O”来源于英文ORIGIN，指出行的出发地点，“D”来源于英文DESTINATION，指出行的目的地。这些数据主要从铁路售票系统中统计获得，从O-D两个端点城市的统计年鉴可以获得居民当年每月平均收入，按照每月平均工作22天，每天工作8小时，换算得到居民的平均收入，以此作为旅客的单位时间价值。

S2：根据旅客出行相关数据，将整个购票过程划分为若干个购票阶段，同时构建各购票阶段的乘车方案子集L(m)∈P,m＝1,2,…,M。

S3：根据旅客出行相关数据，确定乘车方案子集L(m)中各个乘车方案p^k的吸流区间t_m(p^k),p^k∈L(m),m＝1,2,…,M。

S4：将旅客各个乘车方案p^k∈P的客流量q^k分配至各乘车方案对应的吸流区间t_m(p^k)，获得分配到x∈t_m(p^k)的客流量Q^k(m),p^k∈L(m),m＝1,2,…,M。

S5：将各个吸流区间t_m(p^k)中x∈t_m(p^k)处的客流量Q^k(m)，按照时间x∈[T₀,T₁]进行叠加，获得旅客出行时变需求Q(x),x∈[T₀,T₁]。

优选地，在S2中，乘车方案子集L(m)按照如下思想构建：

旅客乘车方案P可以按旅客购票阶段进行划分，一个乘车方案属于一个购票阶段需要具备2个条件，其一是存在时间x∈[T₀,T₁]，计划出行时间为x的旅客选择该乘车方案的出行费用达到最小；其二是该乘车方案在这个购票阶段仍然未饱和。一个乘车方案在一个购票阶段是否饱和具有不确定性，考虑到不同旅客选择的购票时间存在差异，我们认为旅客购票时间持续了足够长的时间，因此一个乘车方案属于一个购票阶段只需要验证前一个条件即可。

按照m＝1,2,…的顺序，循环求解购票阶段m的最小乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足

θ|t^k-t^h|+c^h≥θ|t^k-t^k|+c^k (1)

直至时循环终止。

式(1)表明，计划出行时间x＝t^k的旅客选择任何乘车方案都不会比选择乘车方案具有更低的出行费用。所以，乘车方案p^k在购票阶段m至少存在计划出行时间x＝t^k的旅客选择出行，所以乘车方案

将满足的最大m值记为M；对于任意乘车方案p^k∈P，存在唯一的使得

按照m＝M,M-1,…,1的顺序，循环求解购票阶段m的最大乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足

θ|t^h-t^h|+c^h≤θ|t^h-t^k|+c^k (2)

式(2)表明，对于任何乘车方案计划出行时间x＝t^h的旅客选择乘车方案p^h都不会比选择乘车方案具有更高的出行费用。所以，乘车方案p^k在购票阶段m只有计划出行时间x＝t^k的旅客选择出行，所以乘车方案

对于任意乘车方案p^k∈P，存在唯一的使得

综上所述，若乘车方案集P按照购票阶段划分为若干个乘车方案子集L(m)，则乘车方案p^k∈L(m)当且仅当即

优选地，在S3中，乘车方案子集L(m)中各个乘车方案的吸流区间的确定方法如下：

对于乘车方案集L(m)，将L(m)中全体乘车方案p^k按照其发车时刻t^k排序，将排序后的乘车方案序集记为乘车方案的发车时刻分别记为

对于L(m)中第i个乘车方案记的吸流区间为显然吸流区间与的分界点t_i满足并且计划出行时间x＝t_i的旅客选择乘车方案和的出行费用相等，即

由此可推出t_i的求解公式

并且t₀＝T₀,t_Im＝T₁。

优选地，在S4中，乘车方案的客流量按照以下方法分配至的相应吸流区间：

对于乘车方案p^k∈P，在购票阶段存在吸流区间t_m(p^k)，按照等强度的思想，在x∈t_m(p^k)分配的客流量是一个与x无关的常量Q^k(m)，即

其中，|t_m(p^k)|表示t_m(p^k)的时间长度。显然满足

即各个吸流区间分配流量之和等于乘车方案的客流总量q^k。

优选地，在S5中，各个吸流区间分配的客流量按照以下方法叠加获得旅客出行时变需求：

叠加运算需要对任意时间x∈[T₀,T₁]进行。对于任意购票阶段m＝1,2,…,M，总存在一个乘车方案p^k∈P，乘车方案p^k的吸流区间包含时间x，只要把这些吸流区间上各点的客流分配量Q^k(m)汇总起来，便可获得时变需求在x的总量。具体操作如下：

令Q(x)＝0,x∈[T₀,T₁]；

对于m＝1,2,…,M和x∈t_m(p^k),p^k∈P，循环执行Q(x)←Q(x)+Q^k(m)。

由此求得的Q(x),x∈[T₀,T₁]就是高铁O-D对间(r,s)的时变出行需求。

本发明具有以下有益效果：

1、本发明的基于等强度分配的高速铁路旅客出行时变需求预测方法操作性强，大大减少了高铁旅客出行时变需求估计的工作量。

2、本发明所需的基础数据获取难度和获取成本低，预测得到的结果精度高，为高速铁路的运营组织优化工作提供基础的数据支持。

下面通过具体的实施例并结合附图，对本发明作进一步详细的说明。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1是本发明优选实施例的基于等强度分配的高速铁路旅客出行时变需求预测方法流程图；

图2是本发明优选实施例的各旅客购票阶段各乘车方案的费用分布与吸流区间划分图；

图3是本发明优选实施例的各个购票阶段等强度客流分配结果分布图；

图4是本发明优选实施例的等强度客流分配结果汇总分布图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

为实现上述目的，本发明提供了一种基于等强度分配的高速铁路旅客出行时变需求预测方法，包括以下步骤：

S1：统计获取旅客出行相关数据

从铁路售票系统中采用统计分析方法，获取高速铁路旅客出行的指定起始车站至终到车站O-D对(r,s)间高铁的运营时段[T₀,T₁]、(r,s)间高铁出行的乘车方案集P，以及各乘车方案p^k∈P的上车时间t^k、乘车时间与换乘时间之和τ^k、客流量q^k、票价等旅客出行相关数据，由居民单位时间平均收入确定单位时间价值θ，乘车方案p^k的旅客出行费用c^k等于对应票价与旅客出行时间价值之和，其中旅客出行时间价值等于旅客出行时间与单位时间价值θ之积，而旅客出行时间包括两部分，其一为旅客出行时间偏差，即旅客的计划出行时间x∈[T₀,T₁]与上车时间t^k之差的绝对值|t^k-x|，其二为乘车时间与换乘时间之和τ^k；

S2：构建各个购票阶段的乘车方案子集L(m)

按照m＝1,2,…的顺序，循环求解最小购票阶段m的乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足θ|t^k-t^h|+c^h≥θ|t^k-t^k|+c^k，直至时循环终止；将满足的最大m值记为M；对于任意乘车方案p^k∈P，存在唯一的使得

按照m＝M,M-1,…,1的顺序，循环求解最大购票阶段m的乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足θ|t^h-t^h|+c^h≤θ|t^h-t^k|+c^k；对于任意乘车方案p^k∈P，存在唯一的使得

对于m＝1,2,…,M，求解购票阶段m的乘车方案集

S3：确定乘车方案子集L(m)中各个乘车方案的吸流区间

对于乘车方案集L(m)，将L(m)中全体乘车方案p^k按照其发车时刻t^k排序，将排序后的乘车方案序集记为乘车方案的发车时刻分别记为

对于L(m)中第i个乘车方案记的吸流区间为区间端点t_i由以下公式求解：

S4：将乘车方案的客流量分配至的相应吸流区间

对于乘车方案p^k∈P，以及乘车方案p^k对应的各个吸流区间 在x∈t_m(p^k)处分配客流量

其中，|t_m(p^k)|表示t_m(p^k)的时间长度；

S5：叠加各个吸流区间分配的客流量获得旅客出行时变需求

令Q(x)＝0,x∈[T₀,T₁]；

对于和x∈t_m(p^k),p^k∈P，循环执行Q(x)←Q(x)+Q^k(m)；

输出高铁O-D对间(r,s)的时变出行需求Q(x),x∈[T₀,T₁]。

实施例

以京沪高铁2015年12月1日的运营情况为例，北京至上海当天共有34个乘车方案，任意乘车方案的发车时刻费用和客流量见如下表1。记该O-D的有效运营时段[T₀,T₁]＝[6:00,20:00]；根据北京市统计年鉴和上海市统计年鉴，北京和上海2015年月平均收入分别为7086元和6504元，按照每月工作22天，每天工作8小时，换算得到北京和上海居民的平均收入分别为0.67元/min和0.62元/min，取两者的平均值作为该O-D对间旅客提前或者推迟出行的单位时间费率，即θ＝0.65元/min。

表1：京沪高速铁路北京至上海O-D对间34个乘车方案的相关基础数据表

对于表1的34个乘车方案，求得3个最小购票阶段的乘车方案集如表2所示，求得3个最大购票阶段的乘车方案集如表3所示。根据表2和表3，求得3个购票阶段的乘车方案集L(1),L(2),L(3)(已按照发车时刻排序)，如表4所示。

表2：最小购票阶段的乘车方案集

表3：最大购票阶段的乘车方案集

表4：购票阶段的乘车方案集

在表4的3个购票阶段中，各乘车方案的费用分布与吸流区间划分图见图2，图2中的竖直实线高度表示乘车方案的费用，相邻两条竖直实线顶端的斜虚线的交叉点为吸流区间分界点，吸流区间分界点处的竖直虚线的高度为旅客出行费用，相邻两个吸流区间分界点组成吸流区间。

各购票阶段乘车方案吸流区间的等强度客流分配分布图如图3所示，将每个阶段的等强度客流分配结果累计叠加获得旅客出行时变需求分布图如图4所示。图4所示的旅客出行时变需求表示一个阶梯函数，阶梯函数的数值形式见表5。

表5：京沪高速铁路北京至上海O-D对间时变需求分布阶梯函数表

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于等强度分配的高速铁路旅客出行时变需求预测方法，其特征在于包括以下步骤：

S1：从铁路售票系统中采用统计分析方法，获取高速铁路旅客出行的指定起始车站至终到车站O-D对(r,s)间高铁的运营时段[T₀,T₁]、(r,s)间高铁出行的乘车方案集P，以及各乘车方案p^k∈P的上车时间t^k、乘车时间与换乘时间之和τ^k、客流量q^k、票价等旅客出行相关数据，由居民单位时间平均收入确定单位时间价值θ，乘车方案p^k的旅客出行费用c^k等于对应票价与旅客出行时间价值之和，其中旅客出行时间价值等于旅客出行时间与单位时间价值θ之积，而旅客出行时间包括两部分，其一为旅客出行时间偏差，即旅客的计划出行时间x∈[T₀,T₁]与上车时间t^k之差的绝对值|t^k-x|，其二为乘车时间与换乘时间之和τ^k；

S2：根据旅客出行相关数据，将整个购票过程划分为若干个购票阶段，同时构建各购票阶段的乘车方案子集L(m)∈P,m＝1,2,…,M；

S3：根据旅客出行相关数据，确定乘车方案子集L(m)中各个乘车方案p^k的吸流区间t_m(p^k),p^k∈L(m),m＝1,2,…,M；

S4：将旅客各个乘车方案p^k∈P的客流量q^k分配至各乘车方案对应的吸流区间t_m(p^k)，获得分配到x∈t_m(p^k)的客流量Q^k(m),p^k∈L(m),m＝1,2,…,M；

S5：将各个吸流区间t_m(p^k)中x∈t_m(p^k)处的客流量Q^k(m)，按照时间x∈[T₀,T₁]进行叠加，获得旅客出行时变需求Q(x),x∈[T₀,T₁]。

2.根据权利要求1所述的基于等强度分配的高速铁路旅客出行时变需求预测方法，其特征在于所述S2中，乘车方案子集L(m)按照以下方法构建：

按照m＝1,2,…的顺序，循环求解最小购票阶段m的乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足θ|t^k-t^h|+c^h≥θ|t^k-t^k|+c^k，直至时循环终止；将满足的最大m值记为M；对于任意乘车方案p^k∈P，存在唯一的使得

按照m＝M,M-1,…,1的顺序，循环求解最大购票阶段m的乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足θ|t^h-t^h|+c^h≤θ|t^h-t^k|+c^k；对于任意乘车方案p^k∈P，存在唯一的使得

对于m＝1,2,…,M，求解购票阶段m的乘车方案集

3.根据权利要求1所述的基于等强度分配的高速铁路旅客出行时变需求预测方法，其特征在于所述S3中，乘车方案子集L(m)中每一个乘车方案的吸流区间按照以下方法确定：

对于乘车方案集L(m)，将L(m)中全体乘车方案p^k按照其发车时刻t^k排序，将排序后的乘车方案序集记为乘车方案的发车时刻分别记为

对于L(m)中第i个乘车方案记的吸流区间为区间端点t_i由以下公式求解：

4.根据权利要求1所述的基于等强度分配的高速铁路旅客出行时变需求预测方法，其特征在于所述S4中，乘车方案的客流量按照以下方法分配至相应的吸流区间：

对于乘车方案p^k∈P，以及p^k对应的各个吸流区间在x∈t_m(p^k)处分配的客流量

其中，|t_m(p^k)|表示t_m(p^k)的时间长度。

5.根据权利要求1所述的基于等强度分配的高速铁路旅客出行时变需求预测方法，其特征在于所述S5中，各个吸流区间分配的客流量叠加产生旅客出行时变需求的方法如下：

令Q(x)＝0,x∈[T₀,T₁]；

对于和x∈t_m(p^k),p^k∈P，循环执行Q(x)←Q(x)+Q^k(m)；

输出高铁O-D对间(r,s)的时变出行需求Q(x),x∈[T₀,T₁]。