CN112862196A - 一种基于模糊逻辑理论的地铁站台乘客分布预测系统 - Google Patents

Abstract

本发明提供一种基于模糊逻辑理论的地铁站台乘客分布预测系统：S1、采集不同位置处进入地铁站台的客流历史数据，采集列车到达站台时各候车区的乘客分布历史数据；S2、输入进入地铁站台客流历史数据，基于模糊逻辑理论构建地铁站台乘客的候车区选择模型，计算乘客选择各候车区概率值；S3、基于元胞自动机模型建立乘客在站台的运动模型，模拟得到站台乘客分布，基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数，得到乘客分布预测模型；S4、将实时采集的进入站台客流数据输入乘客分布预测模型，模拟得到乘客分布预测结果，并将预测结果传输至乘客信息系统；S5、电子屏幕实时发布各候车区乘客密度预测信息，标识出建议候车区。

Description

一种基于模糊逻辑理论的地铁站台乘客分布预测系统

技术领域

本发明属于城市轨道交通运行技术领域，特别是一种基于模糊逻辑理论的地铁站台乘客分布预测系统。

背景技术

相较于传统地面交通方式，地铁具有运量大、效率高、能耗低的优势，在提高出行效率的同时也可缓解地面交通压力。然而，在工作日早晚高峰时段，地铁系统往往需要面临巨大的集散压力，地铁站内乘客的运动规律非常复杂。站台作为地铁系统的重要组成部分，研究站台乘客的运动规律对于提高乘客的出行效率和缓解交通拥堵具有重要的意义。

地铁站台是乘客排队候车的重要场所。在高峰时段站台部分候车区乘客过度聚集现象频频发生，候车乘客在站台的分布极不均衡。这种不均衡现象可导致站台空间利用不充分，同时可影响乘客的上下车效率，进而增加列车停站时间，并易造成列车延误。同时，站台候车乘客分布不均衡现象也容易造成部分列车车厢内乘客较少、满载率低、运力浪费。因此，分析候车乘客在站台的分布特性，挖掘影响候车乘客分布的关键因素对提高候车乘客分布均衡度意义重大。

通常，根据经验指导乘客的候车区选择需花费大量的人力且效果一般。随着现代信息科技的进步，计算机仿真技术可实现乘客复杂运动行为的模拟，在降低成本的同时也可提高预测效率和精度。

因此，需要提供一种基于模糊逻辑理论的地铁站台乘客分布预测方法及其系统，以满足实际客流分布预测的要求。

发明内容

本发明的目的是针对现有的技术存在上述问题，提出了一种基于模糊逻辑理论的地铁站台乘客分布预测系统。充分利用模糊逻辑理论的优点，将鲁棒性与基于生理的感知行为、乘客的经验知识和对周围环境的感知信息有效地结合到决策过程中来解决乘客候车区的选择问题，进而基于元胞自动机模型驱动乘客运动模拟乘客找寻候车区的过程。

本发明的目的可通过下列技术方案来实现：一种基于模糊逻辑理论的地铁站台乘客分布预测系统，包括以下步骤：

S1、在楼/扶梯口和升降梯口采集不同位置处进入地铁站台的客流数据，采集列车到达站台时各候车区的乘客分布数据，处理并存储为历史数据；

S2、输入进入地铁站台客流历史数据，基于模糊逻辑理论构建地铁站台乘客的候车区选择模型，计算得到乘客选择各候车区的概率值；

S3、基于元胞自动机模型建立乘客在站台的运动模型，模拟得到站台乘客的分布，基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数，得到完整的地铁站台乘客分布预测模型；

S4、将实时采集的进入站台客流数据输入所构建的地铁站台乘客分布预测模型，模拟得到地铁站台乘客的分布预测结果，并将预测结果传输至乘客信息系统；

S5、站台乘客信息系统电子屏幕实时发布各候车区乘客密度预测信息，标识出建议候车区，为正确引导乘客选择合适的候车区提供参考，实现客流的监管调整。

一般来说，由于环境的异质性和人类思维的主观性，距离的“长”与“短”、密度的“大”与“小”没有明确的界限。本发明充分利用模糊逻辑理论的优点，将鲁棒性与基于生理的感知行为、乘客的经验知识和对周围环境的感知信息有效地结合到决策过程中来解决乘客候车区的选择问题，进而基于元胞自动机模型驱动乘客运动模拟乘客的找寻候车区的过程，能够更为准确地预测站台候车乘客的分布，为正确引导乘客选择合适的候车区提供参考，提高乘客的出行效率，对缓解高峰时段站台候车区乘客过度拥挤具有指导意义。

在上述的基于模糊逻辑理论的地铁站台乘客分布预测系统中，所述步骤S1中进入地铁站台的客流数据包括乘客的数量、进入位置及速度。

在上述的基于模糊逻辑理论的地铁站台乘客分布预测系统中，所述步骤S1中列车到达站台时各候车区的乘客分布数据包括候车区内乘客数量、队列数量。

在上述的基于模糊逻辑理论的地铁站台乘客分布预测系统中，所述步骤S2包括：

S21、输入不同位置处进入地铁站台的乘客历史位置、速度、流量数据，输入仿真模拟过程中乘客的基本属性；

S22、将影响乘客对候车区选择的量d、s、ρ进行模糊化，作为模糊逻辑系统的输入量，建立模糊集{S_d,M_d,L_d}、{S_s,M_s,L_s}、{S_ρ,M_ρ,L_ρ}；其中，d表示候车区与乘客之间的距离，S_d、M_d、L_d分别表示候车区与乘客之间的距离为短、中、长，s表示可用候车区的面积，S_s、M_s、L_s分别表示可用候车区的面积为小、中、大，ρ表示候车区乘客的密度，S_ρ、M_ρ、L_ρ分别表示候车区乘客的密度为小、中、大；

将乘客选择候车区的概率p作为模糊逻辑的输出变量，并建立模糊集{S_p,M_p,L_p}；其中S_p、M_p、L_p分别表示选择某个候车区的概率为低、中、高；

S23、基于高斯型隶属度函数设定模糊输入变量d、s、ρ和输出变量p的隶属度μ(d)、μ(s)、μ(ρ)、μ(p)，其中d、s的变化范围是根据地铁站台的实际物理尺寸确定，ρ的取值范围根据车站拥挤度分类表确定；

S24、设置站台乘客选择候车区的模糊规则库；

根据隶属度函数、模糊规则库，采用质心法去模糊化，得到乘客对各候车区的选择概率p^*，确定乘客的目标候车区；

其中，X是输出变量p的模糊集合，μ(x)为p的隶属度函数。

在上述的基于模糊逻辑理论的地铁站台乘客分布预测系统中，所述步骤S3包括：

S31、采用摩尔型元胞自动机模型描述站台乘客的运动，其中摩尔型元胞自动机模型的地板场由静态场和动态场共同构成；

S32、所述静态场模型为

其中(i,j)表示乘客下一步运动到的元胞的位置坐标，(p,q)表示候车区的位置坐标；

设置初始状态下各元胞的动态场值D(i,j)＝0；引入从众效应，所述动态场模型为

S33、基于建立的静态场模型和动态场模型，计算乘客下一步的移动概率P_ij为：

P_ij＝Nexp(K_SS(i,j))exp(K_DD(i,j))(1-η_ij)α_ij，

N＝{Σexp(K_sS(i,j))exp(K_DD(i,j))(1-η_ij)α_ij}^-1；

其中K_s和K_d分别为静态场和动态场的权重值，η_ij表示元胞是否被障碍物占据，

α_ij表示元胞是否被乘客占据，

S34、根据乘客下一步的移动概率P_ij，确定乘客下一步的移动位置；

S35、重复步骤S2和步骤S32-S34直到列车到达站台止，模拟得到候车乘客的分布；

S36、基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数，得到完整的地铁站台乘客分布预测模型。

与现有技术相比，本基于模糊逻辑理论的地铁站台乘客分布预测系统具有以下有益效果：

本发明在大量实地客流分布调研统计数据基础上，充分利用模糊逻辑理论处理模糊信息的能力，将模糊逻辑方法与乘客候车区选择的决策模糊性相结合，指导乘客的候车区选择，将元胞自动机模型动态场中引入从众效应，能够更为准确地预测站台候车乘客的分布，为正确引导乘客选择合适的候车区提供参考，实现客流的监管调整，为站台乘客分布的调整和基础设施布局的优化提供依据，提高乘客的出行效率，尤其对缓解高峰时段站台候车区乘客过度拥挤具有指导意义。

附图说明

图1是本发明的流程图。

图2是本发明实例中经处理后的乘客速度数据统计结果示意图。

图3是本发明实例中站台候车乘客分布仿真结果与实际数据对比示意图。

具体实施方式

下面结合附图和具体实施例对本发明的具体实施方式做进一步说明：

如图1所示，本基于模糊逻辑理论的地铁站台乘客分布预测系统，包括以下步骤：

S1、在楼/扶梯口和升降梯口采集不同位置处进入地铁站台的客流数据，采集列车到达站台时各候车区的乘客分布数据，处理并存储为历史数据；

步骤S1中进入地铁站台的客流数据包括乘客的数量、进入位置及速度。

步骤S1中列车到达站台时各候车区的乘客分布数据包括候车区内乘客数量、队列数量。

S2、输入进入地铁站台客流历史数据，基于模糊逻辑理论构建地铁站台乘客的候车区选择模型，计算得到乘客选择各候车区的概率值；

S21、输入不同位置处进入地铁站台的乘客历史位置、速度、流量数据，输入仿真模拟过程中乘客的基本属性；

S22、将影响乘客对候车区选择的量d、s、ρ进行模糊化，作为模糊逻辑系统的输入量，建立模糊集{S_d,M_d,L_d}、{S_s,M_s,L_s}、{S_ρ,M_ρ,L_ρ}；其中，d表示候车区与乘客之间的距离，S_d、M_d、L_d分别表示候车区与乘客之间的距离为短、中、长，s表示可用候车区的面积，S_s、M_s、L_s分别表示可用候车区的面积为小、中、大，ρ表示候车区乘客的密度，S_ρ、M_ρ、L_ρ分别表示候车区乘客的密度为小、中、大；

将乘客选择候车区的概率p作为模糊逻辑的输出变量，并建立模糊集{S_p,M_p,L_p}；其中S_p、M_p、L_p分别表示选择某个候车区的概率为低、中、高；

S23、基于高斯型隶属度函数设定模糊输入变量d、s、ρ和输出变量p的隶属度μ(d)、μ(s)、μ(ρ)、μ(p)，其中d、s的变化范围是根据地铁站台的实际物理尺寸确定，ρ的取值范围根据车站拥挤度分类表确定；

S24、设置站台乘客选择候车区的模糊规则库；

根据隶属度函数、模糊规则库，采用质心法去模糊化，得到乘客对各候车区的选择概率p^*，确定乘客的目标候车区；

其中，X是输出变量p的模糊集合，μ(x)为p的隶属度函数。

S3、基于元胞自动机模型建立乘客在站台的运动模型，模拟得到站台乘客的分布，基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数，得到完整的地铁站台乘客分布预测模型；

S31、采用摩尔型元胞自动机模型描述站台乘客的运动，其中摩尔型元胞自动机模型的地板场由静态场和动态场共同构成；

S32、静态场模型为

其中(i,j)表示乘客下一步运动到的元胞的位置坐标，(p,q)表示候车区的位置坐标；

设置初始状态下各元胞的动态场值D(i,j)＝0；引入从众效应，动态场模型为

S33、基于建立的静态场模型和动态场模型，计算乘客下一步的移动概率P_ij为：

P_ij＝Nexp(K_SS(i,j))exp(K_DD(i,j))(1-η_ij)α_ij，

N＝{Σexp(K_sS(i,j))exp(K_DD(i,j))(1-η_ij)α_ij}^-1；

其中K_s和K_d分别为静态场和动态场的权重值，η_ij表示元胞是否被障碍物占据，

α_ij表示元胞是否被乘客占据，

S34、根据乘客下一步的移动概率P_ij，确定乘客下一步的移动位置；

S35、重复步骤S2和步骤S32-S34直到列车到达站台止，模拟得到候车乘客的分布；

S36、基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数，得到完整的地铁站台乘客分布预测模型。

S4、将实时采集的进入站台客流数据输入所构建的地铁站台乘客分布预测模型，模拟得到地铁站台乘客的分布预测结果，并将预测结果传输至乘客信息系统；

S5、站台乘客信息系统电子屏幕实时发布各候车区乘客密度预测信息，标识出建议候车区，为正确引导乘客选择合适的候车区提供参考，实现客流的监管调整。

一般来说，由于环境的异质性和人类思维的主观性，距离的“长”与“短”、密度的“大”与“小”没有明确的界限。本发明充分利用模糊逻辑理论的优点，将鲁棒性与基于生理的感知行为、乘客的经验知识和对周围环境的感知信息有效地结合到决策过程中来解决乘客候车区的选择问题，进而基于元胞自动机模型驱动乘客运动模拟乘客的找寻候车区的过程，能够更为准确地预测站台候车乘客的分布，为正确引导乘客选择合适的候车区提供参考。

与现有技术相比，本基于模糊逻辑理论的地铁站台乘客分布预测系统具有以下有益效果：

本发明在大量实地客流分布调研统计数据基础上，充分利用模糊逻辑理论处理模糊信息的能力，将模糊逻辑方法与乘客候车区选择的决策模糊性相结合，指导乘客的候车区选择，将元胞自动机模型动态场中引入从众效应，能够更为准确地预测站台候车乘客的分布，为正确引导乘客选择合适的候车区提供参考，实现客流的监管调整，为站台乘客分布的调整和基础设施布局的优化提供依据，提高乘客的出行效率，尤其对缓解高峰时段站台候车区乘客过度拥挤具有指导意义。

以下通过一个具体实施例来对本发明作进一步的说明，针对某地点地铁站站台乘客分布预测进行仿真说明。首先，采集站台客流数据，包括进入站台的乘客数量、进入位置、速度以及候车区内乘客数量、队列数量。分析、清洗、转换、分类存储所需的数据，图2所示为100名乘客的经处理后的速度数据统计结果。之后将客流属性数据导入由乘客候车区选择模型和元胞自动机模型共同构建的站台乘客分布预测模型中，仿真模拟得到站台乘客分布结果。将其与实际客流分布数据对比，如图3所示。利用t检验法进一步校验模型的参数，在置信水平为95％的前提下，P值0.624>0.05，检验结果证明了仿真数据与实际数据并不存在显著差异。因此，可得到有效的站台乘客分布预测模型。

其中，根据某地铁站站台实际物理结构、车站拥挤度分类表、客流属性确定的模糊逻辑系统输入变量的隶属度函数为：

在验证了本发明所建立模型的有效性后，将站台乘客分布预测结果传输至乘客信息系统，并通过站台乘客信息系统电子屏幕实时发布各候车区乘客密度预测信息，标识出建议候车区，为正确引导乘客选择合适的候车区提供参考，实现客流的监管调整。

综上所述，本发明充分利用模糊逻辑理论处理模糊信息的能力，将鲁棒性、基于生理的感知行为、乘客的经验知识和对周围环境的感知信息有效地结合到决策行为中，用以解决站台乘客候车区的选择问题。将乘客的从众效应引入摩尔型元胞自动机模型中，用以模拟站台乘客的运动过程。本发明所构建的地铁站台乘客分布预测模型能够更为准确地预测站台候车乘客的分布，可为乘客候车区的选择提供辅助信息，提高乘客的出行效率，对缓解高峰时段站台候车区乘客过度拥挤具有指导意义。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (5)

1.一种基于模糊逻辑理论的地铁站台乘客分布预测系统，其特征在于，包括以下步骤：

S1、在楼/扶梯口和升降梯口采集不同位置处进入地铁站台的客流数据，采集列车到达站台时各候车区的乘客分布数据，处理并存储为历史数据；

S2、输入进入地铁站台客流历史数据，基于模糊逻辑理论构建地铁站台乘客的候车区选择模型，计算得到乘客选择各候车区的概率值；

S3、基于元胞自动机模型建立乘客在站台的运动模型，模拟得到站台乘客的分布，基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数，得到完整的地铁站台乘客分布预测模型；

S4、将实时采集的进入站台客流数据输入所构建的地铁站台乘客分布预测模型，模拟得到地铁站台乘客的分布预测结果，并将预测结果传输至乘客信息系统；

S5、站台乘客信息系统电子屏幕实时发布各候车区乘客密度预测信息，标识出建议候车区，为正确引导乘客选择合适的候车区提供参考，实现客流的监管调整。

2.如权利要求1所述的基于模糊逻辑理论的地铁站台乘客分布预测系统，其特征在于，所述步骤S1中进入地铁站台的客流数据包括乘客的数量、进入位置及速度。

3.如权利要求1所述的基于模糊逻辑理论的地铁站台乘客分布预测系统，其特征在于，所述步骤S1中列车到达站台时各候车区的乘客分布数据包括候车区内乘客数量、队列数量。

4.如权利要求1所述的基于模糊逻辑理论的地铁站台乘客分布预测系统，其特征在于，所述步骤S2包括：

S21、输入不同位置处进入地铁站台的乘客历史位置、速度、流量数据，输入仿真模拟过程中乘客的基本属性；

S22、将影响乘客对候车区选择的量d、s、ρ进行模糊化，作为模糊逻辑系统的输入量，建立模糊集{S_d,M_d,L_d}、{S_s,M_s,L_s}、{S_ρ,M_ρ,L_ρ}；其中，d表示候车区与乘客之间的距离，S_d、M_d、L_d分别表示候车区与乘客之间的距离为短、中、长，s表示可用候车区的面积，S_s、M_s、L_s分别表示可用候车区的面积为小、中、大，ρ表示候车区乘客的密度，S_ρ、M_ρ、L_ρ分别表示候车区乘客的密度为小、中、大；

将乘客选择候车区的概率p作为模糊逻辑的输出变量，并建立模糊集{S_p,M_p,L_p}；其中S_p、M_p、L_p分别表示选择某个候车区的概率为低、中、高；

S23、基于高斯型隶属度函数设定模糊输入变量d、s、ρ和输出变量p的隶属度μ(d)、μ(s)、μ(ρ)、μ(p)，其中d、s的变化范围是根据地铁站台的实际物理尺寸确定，ρ的取值范围根据车站拥挤度分类表确定；

S24、设置站台乘客选择候车区的模糊规则库；

根据隶属度函数、模糊规则库，采用质心法去模糊化，得到乘客对各候车区的选择概率p^*，确定乘客的目标候车区；

其中，X是输出变量p的模糊集合，μ(x)为p的隶属度函数。

5.如权利要求1所述的基于模糊逻辑理论的地铁站台乘客分布预测系统，其特征在于，所述步骤S3包括：

S31、采用摩尔型元胞自动机模型描述站台乘客的运动，其中摩尔型元胞自动机模型的地板场由静态场和动态场共同构成；

S32、所述静态场模型为

其中(i,j)表示乘客下一步运动到的元胞的位置坐标，(p,q)表示候车区的位置坐标；

设置初始状态下各元胞的动态场值D(i,j)＝0；引入从众效应，所述动态场模型为

S33、基于建立的静态场模型和动态场模型，计算乘客下一步的移动概率P_ij为：

P_ij＝Nexp(K_SS(i,j))exp(K_DD(i,j))(1-η_ij)α_ij，

N＝{Σexp(K_sS(i,j))exp(K_DD(i,j))(1-η_ij)α_ij}^-1；

其中K_s和K_d分别为静态场和动态场的权重值，η_ij表示元胞是否被障碍物占据，

α_ij表示元胞是否被乘客占据，

S34、根据乘客下一步的移动概率P_ij，确定乘客下一步的移动位置；

S35、重复步骤S2和步骤S32-S34直到列车到达站台止，模拟得到候车乘客的分布；

S36、基于历史存储的列车到达站台时各候车区的乘客分布数据校验模型参数，得到完整的地铁站台乘客分布预测模型。

Images