CN116957121A - 地铁换乘客流的预测方法、装置及设备 - Google Patents

地铁换乘客流的预测方法、装置及设备 Download PDF

Info

Publication number
CN116957121A
CN116957121A CN202210330425.3A CN202210330425A CN116957121A CN 116957121 A CN116957121 A CN 116957121A CN 202210330425 A CN202210330425 A CN 202210330425A CN 116957121 A CN116957121 A CN 116957121A
Authority
CN
China
Prior art keywords
transfer
station
passenger flow
inbound
time period
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
Application number
CN202210330425.3A
Other languages
English (en)
Inventor
姚文杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Group Henan Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Henan Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Group Henan Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202210330425.3A priority Critical patent/CN116957121A/zh
Publication of CN116957121A publication Critical patent/CN116957121A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Analytical Chemistry (AREA)
  • Marketing (AREA)
  • Chemical & Material Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种地铁换乘客流的预测方法、装置及设备，该方法包括：根据地铁线路上换乘客流的预测时间段，基于预设的时间倒推规则确定地铁线路上非换乘站点对应的指定进站时间段；根据进站用户的终端信令数据，获取非换乘站点在指定进站时间段的进站客流；根据非换乘站点的序号、非换乘站点对应的指定时间段的进站客流，以及地铁线路上换乘站点的序号，基于预设的换乘客流差分规则，对换乘站点在预测时间段的换乘客流进行预测。

Description

地铁换乘客流的预测方法、装置及设备
技术领域
本发明涉及交通运输客流分析技术领域，尤其涉及一种地铁换乘客流的预测方法、装置及设备。
背景技术
目前，在进行换乘站客流预测时，大多需要在地铁站内建立复杂的客流监控系统来获取地铁线路的实时信息，如地铁线路各站点的线路客流量、进站客流量、出站客流量、断面客流量等，再根据获取到实时信息来进行换乘站客流预测，成本耗费大，并且大多需要多种数据结合使用，数据获取难度高。
发明内容
本发明实施例提供一种地铁换乘客流预测方法、装置及设备，以解决相关技术中因需要获取多种实时信息来进行换乘客流预测而导致的数据获取难度高、成本耗费大的问题。
为了解决上述技术问题，本发明是这样实现的：
第一方面，提供了地铁换乘客流的预测方法，所述方法包括：
根据地铁线路上换乘客流的预测时间段，基于预设的时间倒推规则确定所述地铁线路上非换乘站点对应的指定进站时间段；
根据进站用户的终端信令数据，获取所述非换乘站点在所述指定进站时间段的进站客流；
根据所述非换乘站点的序号、所述非换乘站点对应的所述指定时间段的进站客流，以及所述地铁线路上换乘站点的序号，基于预设的换乘客流差分规则，对所述换乘站点在所述预测时间段的换乘客流进行预测。
第二方面，提供了一种地铁换乘客流的预测装置，所述装置包括：
确定模块，被配置为根据地铁线路上换乘客流的预测时间段，基于预设的时间倒推规则确定所述地铁线路上非换乘站点对应的指定进站时间段；
获取模块，被配置为根据进站用户的终端信令数据，获取所述非换乘站点在所述指定进站时间段的进站客流；
预测模块，被配置为根据所述非换乘站点的序号、所述非换乘站点对应的所述指定时间段的进站客流，以及所述地铁线路上换乘站点的序号，基于预设的换乘客流差分规则，对所述换乘站点在所述预测时间段的换乘客流进行预测。
第三方面，提供了一种设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述第一方面所述的方法的步骤。
第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的方法的步骤。
本发明实施例提供的上述至少一个技术方案可以达到如下技术效果：
在本发明实施例中，可以先根据需要预测的换乘时间段来通过时间倒推规则确定非换乘站点对应的指定进站时间段，然后，根据用户的终端信令数据来确定非换乘站点在对应的指定进站时间段的进站客流，并通过非换乘站点的序号、进站客流以及换乘点站点的序号，借助换乘客流差分规则来实现对换乘客流的预测。
由于本实施例从时间维度出发，借助时间倒推规则来确定在预测的换乘时间段进行换乘时各非换乘站点对应的进站时间，以及结合换乘客流差分规则，来针对不同的非换乘站点进行有差别的预测，因此，在一定程度上确保了换乘客流预测的准确性，此外，由于本方案主要依靠用户的终端信令数据来进行换乘客流预测，无需部署客流监控系统，也无需获取多种不易获取的数据，因此，可以有效解决现有技术的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明一个实施例提供的地铁换乘客流的预测方法的流程示意图；
图2为本发明一个实施例提供的应用场景示意图；
图3为本发明一个实施例提供的地铁换乘客流的预测装置300的模块组成示意图；
图4为本发明一个实施例提供的地铁换乘客流的预测设备的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
以下结合附图，详细说明本发明各实施例提供的技术方案。
请参见图1，图1为本发明一个实施例提供的地铁换乘客流的预测方法的流程示意图，如图1所示，该方法包括以下步骤：
步骤102：根据地铁线路上换乘客流的预测时间段，基于预设的时间倒推规则确定地铁线路上非换乘站点对应的指定进站时间段。
步骤104：根据进站用户的终端信令数据，获取非换乘站点在指定进站时间段的进站客流。
步骤106：根据非换乘站点的序号、非换乘站点对应的指定时间段的进站客流，以及地铁线路上换乘站点的序号，基于预设的换乘客流差分规则，对换乘站点在预测时间段的换乘客流进行预测。
在本发明实施例中，可以根据地铁线路上换乘客流的预测时间段，来基于预设的时间倒推规则确定地铁线路上非换乘站点对应的指定进站时间段。其中，指定进站时间段可以为乘客从地铁线路的某个非换乘站点进站并在预测时间段内进行换乘的情况下，从该非换乘站点进站时对应的时间段。不同的非换乘站点对应的指定进站时间段可以相同，也可以不相同，本发明实施例对此不做限制。
请参见图2，为本发明实施例示出的一个应用场景示意图。其中，图2中，假设O点为路线A和路线B的换乘站，(i为地铁线路上站点的序号；j为地铁线路的标号)为路线上的站点，需要监测的换乘站O点Tk,k+1时段的换乘客流F。其中，换乘客流F可以包括两种客流：A号线下车换乘上B号线的换乘客流或B号线下车换乘上A号线的换乘客流。
本发明实施例中，可以基于时间倒推原理，将依据线路A和线路B上有换乘乘客的各个站点到换乘站的车辆行驶时间(从站点/>到站点O的车辆行驶时间)，以及各个站点/>(由时间段(Tk,k+1)减去/>得到)时段，即指定进站时间段，的进站客流样本，监测Tk,k+1时段的换乘客流。
在本发明实施例中，时间倒推规则可以至少包括地铁线路上的站点对应的平均走动时间，以及地铁线路的列车发车间隔。其中，平均走动时间可以为乘客从指定基站到候车区的平均所需时间，而指定基站可以为乘客进入站点后连接的第一个室内基站，从而可以在一定程度上确保乘客已进站。
在本发明实施例中，地铁线路上各站点对应的平均走动时间可以相同，也可以不同，本发明实施例对此不做限制。
在本发明实施例中，地铁线路上的站点对应的平均走动时间，以及地铁线路的列车发车间隔可以预先确定。
在一个发明实施例中，时间倒推规则可以具体为：
其中，Tk,k+1可以为地铁线路上的换乘时间点tk与换乘时间点tk+1之间的时间段；可以为地铁线路上的站点；i可以为地铁线路上站点的序号；j可以为地铁线路的标号；和/>可以分别表示乘客从地铁线路的站点/>进站，并在换乘时间点为tk+1和tk时在换乘站点进行换乘的情况下对应的站点/>的进站时间点；t0可以为地铁线路上的站点对应的平均走动时间；ε可以为地铁线路的列车发车间隔。
由上述时间倒推规则可知，在预测地铁线路换乘客流，可以将时段间到确定为站点/>的指定进站时间段。
在确定了指定进站时间段后，可以根据进站用户的终端信令数据，来获取非换乘站点在指定进站时间段的进站客流。
在本发明实施例中，可以先确定进站用户，其中，在确定进站用户时，可以获取用户的终端信令数据，并根据终端信令数据获取用户的终端连接的基站的类型。基站的类型可以包括地铁室内基站以及地铁室外基站。
当根据获取的用户的终端信令数据，确定用户在断开了与地铁室外基站的连接后第一次连接的基站为地铁室内基站时，可以确定用户为进站用户，以及确定进站用户的进站站点。然后，对从非换乘站点在指定进站时间段进入的进站用户的数量进行统计，得到非换乘站点在指定进站时间段的进站客流。
在本发明的一个实施例中，在获取到用户的终端信令数据后，可以先对终端信令数据进行预处理，生成用户基站短序列。其中，用户基站短序列可以包括：加密的用户标识、连接发生时间、TAC(Tracking Area Code，跟踪区代码)、ECI(E-UTRAN Cell Identifier，E-UTRAN小区唯一标识)等。
在本发明实施例中，对终端信令数据的预处理可以包括：实时位置合并、实时轨迹清晰等。
在一个发明实施例中，在对终端信令户数进行实时位置合并时，可以根据终端信令数据判断进站用户的终端在时间上相邻连接或间隔连接的基站的位置是否相同，若进站用户的终端在时间上相邻连接或间隔连接的基站为位置相同的基站，则可以对终端信令数据中的基站进行合并，并对终端信令数据中的基站数据，如基站连接时间、结束时间等进行更新。
考虑到采集到的终端信令数据中基站数据较少，依据实时的、较少的基站连接数据去判断用户是否进站乘车，难度较大，因此考虑对用户数据进行合并处理，使得可以尽可能获得较多的不同基站数据去进行判断。合并处理主要分为以下步骤：AA式基站(即时间上相邻连接的基站)、ABA式基站(即时间上间隔连接的基站)合并。
合并规则如下：判断相邻或者相间的两个基站位置信息是否相同；如果相同，则认为属于AA或者ABA基站，并将AA或ABA基站信息合并为一个A基站信息；合并后的信令数据，开始时间为第一个A基站的开始时间、结束时间为第二个A基站的结束时间。
在本发明实施例中，当对终端信令数据进行预处理并得到短序列时，在确定用户是否为进站用户时，可以依据上述处理好的用户短序列将[上一次基站，当前基站]与地铁专用室内基站列表、地铁室外基站列表基于基站编号进行关联匹配。当关联结果是[地铁室外基站，地铁室内基站]，则认为该用户此时要入站乘车。随后基于距离最小原则，将关联出的[地铁室外基站，地铁室内基站]与地铁POI数据进行匹配，即可得到用户地铁进站站台名，此时，可以根据站台名确定站点序号，并将进站的站点序号与进站用户进行关联。
在一个实施例中，还可以预先对地铁站点的相关信息进行采集和预处理，以提升后续步骤的处理效率。其中，采集以及预处理的地铁站点的相关信息可以如下表所示：
表1
在本发明实施例中，上述对终端信令数据进行预处理并生成短序列的过程可以基于预先训练的模型来实现；上述对采集到的地铁站点的相关信息进行预处理的过程也可以基于预先训练的模型(如地铁轨道标准序列识别模型)来实现。由于这些模型基于现有技术创建，因此，本发明实施例在此不再赘述。
在本发明实施例中，在确定了进站用户，以及进站用户的进站站点后，可以对非换乘站点在指定进站时间段进入的进站用户的数量进行统计，得到非换乘站点在指定进站时间段的进站客流。
在获取到非换乘站点在指定进站时间段的进站客流后，可以根据非换乘站点的序号、非换乘站点对应的指定时间段的进站客流，以及地铁线路上换乘站点的序号，基于预设的换乘客流差分规则，对换乘站点在预测时间段的换乘客流进行预测。
在一个发明实施例中，预设的换乘客流差分规则可以至少包括地铁线路的换乘站点基准客流量、地铁线路的首个站点的客流量最小阈值，以及地铁线路的不同站点之间的客流量差值；
其中，换乘站点基准客流量、首个站点的客流量最小阈值，以及不同站点之间的客流量差值可以是根据样本数据以及预设的学习模型训练得到；样本数据可以为地铁线路的历史换乘时间段的换乘客流量、历史换乘时间段对应的历史指定进站时间段内非换乘站点的历史进站客流、非换乘站点的序号以及换乘站点的序号；历史换乘时间段，与历史换乘时间段对应的历史指定进站时间段满足预设的时间倒推规则。样本数据可以为离线数据。
在一个发明实施例中，预设的换乘客流差分规则可以具体为：
其中，Q为所述地铁线路上换乘客流量；q为所述换乘站点基准客流量；i为所述地铁线路上站点的序号；si为所述地铁线路上第i站的进站客流量；mi为第i站的进站客流量的最小阈值；n为所述地铁线路上换乘站点的序号；
mi＝m1+(i-1)d
m1为所述首个站点的客流量最小阈值；d为所述不同站点之间的客流量差值。
在本发明实施例中，在对地铁换乘站客流进行实时预测时，考虑到换乘客流与各站点进站客流及换乘站出站客流、各站点到换乘站换乘的时间有着必然的联系。因此先选择使用离线数据建立预测参数模型，并通过预测参数模型来确定相关的预测参数(即换乘客流差分规则中的m1、d和q)，后续可直接根据实时获取的数据(即si、i以及n)来通过上述换乘客流差分规则对换乘站换乘客流进行预测。
在本发明实施例中，在根据上述换乘客流差分规则进行换乘客流预测时，可以以20分钟作为一个预测切片，采集的除换乘站之外的其他站台的时间在换乘站的上一个切片时间内的进站客流，作为模型输入，即可实现对换乘站客流量的实时监测。
在本发明实施例中，可以先根据需要预测的换乘时间段来通过时间倒推规则确定非换乘站点对应的指定进站时间段，然后，根据用户的终端信令数据来确定非换乘站点在对应的指定进站时间段的进站客流，并通过非换乘站点的序号、进站客流以及换乘点站点的序号，借助换乘客流差分规则来实现对换乘客流的预测。
由于本实施例从时间维度出发，借助时间倒推规则来确定在预测的换乘时间段进行换乘时各非换乘站点对应的进站时间，以及结合换乘客流差分规则，来针对不同的非换乘站点进行有差别的预测，因此，在一定程度上确保了换乘客流预测的准确性，此外，由于本方案主要依靠用户的终端信令数据来进行换乘客流预测，无需部署客流监控系统，也无需获取多种不易获取的数据，因此，可以有效解决现有技术的技术问题。
对应上述地铁换乘客流的预测方法，本发明实施例还提供了一种地铁换乘客流的预测装置，图3为本发明实施例提供的地铁换乘客流的预测装置300的模块组成示意图，如图3所示，该地铁换乘客流的预测装置300包括：
确定模块301，用于为根据地铁线路上换乘客流的预测时间段，基于预设的时间倒推规则确定所述地铁线路上非换乘站点对应的指定进站时间段；
获取模块302，用于为根据进站用户的终端信令数据，获取所述非换乘站点在所述指定进站时间段的进站客流；
预测模块303，用于为根据所述非换乘站点的序号、所述非换乘站点对应的所述指定时间段的进站客流，以及所述地铁线路上换乘站点的序号，基于预设的换乘客流差分规则，对所述换乘站点在所述预测时间段的换乘客流进行预测。
可选的，所述预设的换乘客流差分规则至少包括所述地铁线路的换乘站点基准客流量、所述地铁线路的首个站点的客流量最小阈值，以及所述地铁线路的不同站点之间的客流量差值；
其中，所述换乘站点基准客流量、所述首个站点的客流量最小阈值，以及所述不同站点之间的客流量差值是根据样本数据以及预设的学习模型训练得到；其中，所述样本数据为所述地铁线路的历史换乘时间段的换乘客流量、所述历史换乘时间段对应的历史指定进站时间段内所述非换乘站点的历史进站客流、所述非换乘站点的序号以及所述换乘站点的序号；所述历史换乘时间段，与所述历史换乘时间段对应的历史指定进站时间段满足所述预设的时间倒推规则。
可选的，所述所述预设的换乘客流差分规则为：
其中，Q为所述地铁线路上换乘客流量；q为所述换乘站点基准客流量；i为所述地铁线路上站点的序号；si为所述地铁线路上第i站的进站客流量；mi为第i站的进站客流量的最小阈值；n为所述地铁线路上换乘站点的序号；
mi＝m1+(i-1)d
m1为所述首个站点的客流量最小阈值；d为所述不同站点之间的客流量差值。
可选的，所述时间倒推规则至少包括所述地铁线路上的站点对应的平均走动时间，以及所述地铁线路的列车发车间隔；其中，所述平均走动时间为乘客从指定基站到候车区的平均所需时间；所述指定基站为乘客进入站点后连接的第一个室内基站。
可选的，所述所述时间倒推规则为：
其中，Tk,k+1为所述地铁线路上的换乘时间点tk与换乘时间点tk+1之间的时间段；为所述地铁线路上的站点；i为所述地铁线路上站点的序号；j为所述地铁线路的标号；和/>分别表示乘客从所述地铁线路的站点/>进站，并在换乘时间点为tk+1和tk时在换乘站点进行换乘的情况下对应的所述站点/>的进站时间点；t0为所述地铁线路上的站点对应的平均走动时间；ε为所述地铁线路的列车发车间隔。
可选的，所述获取模块302用于：
当根据获取到的用户的终端信令数据，确定用户在断开了与地铁室外基站的连接后第一次连接的基站为地铁室内基站时，确定用户为进站用户，以及确定所述进站用户的进站站点；
对从所述非换乘站点在所述指定进站时间段进入的进站用户的数量进行统计，得到所述非换乘站点在所述指定进站时间段的进站客流。
可选的，所述获取模块302用于：
获取进站用户的终端信令数据；
当根据所述终端信令数据确定所述进站用户的终端在时间上相邻连接或间隔连接的基站为位置相同的基站时，对所述终端信令数据中的基站进行合并，得到新的终端信令数据；
根据所述新的终端信令数据，获取所述非换乘站点在所述指定进站时间段的进站客流。
在本发明实施例中，可以先根据需要预测的换乘时间段来通过时间倒推规则确定非换乘站点对应的指定进站时间段，然后，根据用户的终端信令数据来确定非换乘站点在对应的指定进站时间段的进站客流，并通过非换乘站点的序号、进站客流以及换乘点站点的序号，借助换乘客流差分规则来实现对换乘客流的预测。
由于本实施例从时间维度出发，借助时间倒推规则来确定在预测的换乘时间段进行换乘时各非换乘站点对应的进站时间，以及结合换乘客流差分规则，来针对不同的非换乘站点进行有差别的预测，因此，在一定程度上确保了换乘客流预测的准确性，此外，由于本方案主要依靠用户的终端信令数据来进行换乘客流预测，无需部署客流监控系统，也无需获取多种不易获取的数据，因此，可以有效解决现有技术的技术问题。
对应上述地铁换乘客流的预测方法，本发明实施例还提供了一种地铁换乘客流的预测设备，图4为本发明一个实施例提供的地铁换乘客流的预测设备的硬件结构示意图。
该地铁换乘客流的预测设备可以为上述实施例提供的用于预测地铁换乘客流的终端设备或服务器等。
地铁换乘客流的预测设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器401和存储器402，存储器402中可以存储有一个或一个以上存储应用程序或数据。其中，存储器402可以是短暂存储或持久存储。存储在存储器402的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对地铁换乘客流的预测设备中的一系列计算机可执行指令。更进一步地，处理器401可以设置为与存储器402通信，在地铁换乘客流的预测设备上执行存储器402中的一系列计算机可执行指令。地铁换乘客流的预测设备还可以包括一个或一个以上电源403，一个或一个以上有线或无线网络接口404，一个或一个以上输入输出接口405，一个或一个以上键盘406。
具体在本实施例中，地铁换乘客流的预测设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对地铁换乘客流的预测设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行上述实施例。
在本发明实施例中，可以先根据需要预测的换乘时间段来通过时间倒推规则确定非换乘站点对应的指定进站时间段，然后，根据用户的终端信令数据来确定非换乘站点在对应的指定进站时间段的进站客流，并通过非换乘站点的序号、进站客流以及换乘点站点的序号，借助换乘客流差分规则来实现对换乘客流的预测。
由于本实施例从时间维度出发，借助时间倒推规则来确定在预测的换乘时间段进行换乘时各非换乘站点对应的进站时间，以及结合换乘客流差分规则，来针对不同的非换乘站点进行有差别的预测，因此，在一定程度上确保了换乘客流预测的准确性，此外，由于本方案主要依靠用户的终端信令数据来进行换乘客流预测，无需部署客流监控系统，也无需获取多种不易获取的数据，因此，可以有效解决现有技术的技术问题。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理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权利要求范围之内。

Claims (10)

1.一种地铁换乘客流的预测方法，其特征在于，所述方法包括：
根据地铁线路上换乘客流的预测时间段，基于预设的时间倒推规则确定所述地铁线路上非换乘站点对应的指定进站时间段；
根据进站用户的终端信令数据，获取所述非换乘站点在所述指定进站时间段的进站客流；
根据所述非换乘站点的序号、所述非换乘站点对应的所述指定时间段的进站客流，以及所述地铁线路上换乘站点的序号，基于预设的换乘客流差分规则，对所述换乘站点在所述预测时间段的换乘客流进行预测。
2.根据权利要求1所述的方法，其特征在于，所述预设的换乘客流差分规则至少包括所述地铁线路的换乘站点基准客流量、所述地铁线路的首个站点的客流量最小阈值，以及所述地铁线路的不同站点之间的客流量差值；
其中，所述换乘站点基准客流量、所述首个站点的客流量最小阈值，以及所述不同站点之间的客流量差值是根据样本数据以及预设的学习模型训练得到；其中，所述样本数据为所述地铁线路的历史换乘时间段的换乘客流量、所述历史换乘时间段对应的历史指定进站时间段内所述非换乘站点的历史进站客流、所述非换乘站点的序号以及所述换乘站点的序号；所述历史换乘时间段，与所述历史换乘时间段对应的历史指定进站时间段满足所述预设的时间倒推规则。
3.根据权利要求2所述的方法，其特征在于，所述预设的换乘客流差分规则为：
其中，Q为所述地铁线路上换乘客流量；q为所述换乘站点基准客流量；i为所述地铁线路上站点的序号；si为所述地铁线路上第i站的进站客流量；mi为第i站的进站客流量的最小阈值；n为所述地铁线路上换乘站点的序号；
mi＝m1+(i-1)d
m1为所述首个站点的客流量最小阈值；d为所述不同站点之间的客流量差值。
4.根据权利要求1所述的方法，其特征在于，所述时间倒推规则至少包括所述地铁线路上的站点对应的平均走动时间，以及所述地铁线路的列车发车间隔；其中，所述平均走动时间为乘客从指定基站到候车区的平均所需时间；所述指定基站为乘客进入站点后连接的第一个室内基站。
5.根据权利要求4所述的方法，其特征在于，所述时间倒推规则为：
其中，Tk，k+1为所述地铁线路上的换乘时间点tk与换乘时间点tk+1之间的时间段；为所述地铁线路上的站点；i为所述地铁线路上站点的序号；j为所述地铁线路的标号；/>知/>分别表示乘客从所述地铁线路的站点/>进站，并在换乘时间点为tk+1和tk时在换乘站点进行换乘的情况下对应的所述站点/>的进站时间点；t0为所述地铁线路上的站点对应的平均走动时间；ε为所述地铁线路的列车发车间隔。
6.根据权利要求1所述的方法，其特征在于，所述根据进站用户的终端信令数据，获取所述非换乘站点在所述指定进站时间段的进站客流，包括：
当根据获取到的用户的终端信令数据，确定用户在断开了与地铁室外基站的连接后第一次连接的基站为地铁室内基站时，确定用户为进站用户，以及确定所述进站用户的进站站点；
对从所述非换乘站点在所述指定进站时间段进入的进站用户的数量进行统计，得到所述非换乘站点在所述指定进站时间段的进站客流。
7.根据权利要求1所述的方法，其特征在于，在所述根据进站用户的终端信令数据，获取所述非换乘站点在所述指定进站时间段的进站客流，包括：
获取进站用户的终端信令数据；
当根据所述终端信令数据确定所述进站用户的终端在时间上相邻连接或间隔连接的基站为位置相同的基站时，对所述终端信令数据中的基站进行合并，得到新的终端信令数据；
根据所述新的终端信令数据，获取所述非换乘站点在所述指定进站时间段的进站客流。
8.一种地铁换乘客流的预测装置，其特征在于，所述装置包括：
确定模块，用于为根据地铁线路上换乘客流的预测时间段，基于预设的时间倒推规则确定所述地铁线路上非换乘站点对应的指定进站时间段；
获取模块，用于为根据进站用户的终端信令数据，获取所述非换乘站点在所述指定进站时间段的进站客流；
预测模块，用于为根据所述非换乘站点的序号、所述非换乘站点对应的所述指定时间段的进站客流，以及所述地铁线路上换乘站点的序号，基于预设的换乘客流差分规则，对所述换乘站点在所述预测时间段的换乘客流进行预测。
9.一种地铁换乘客流的预测设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
CN202210330425.3A 2022-03-31 2022-03-31 地铁换乘客流的预测方法、装置及设备 Pending CN116957121A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210330425.3A CN116957121A (zh) 2022-03-31 2022-03-31 地铁换乘客流的预测方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210330425.3A CN116957121A (zh) 2022-03-31 2022-03-31 地铁换乘客流的预测方法、装置及设备

Publications (1)

Publication Number Publication Date
CN116957121A true CN116957121A (zh) 2023-10-27

Family

ID=88453350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210330425.3A Pending CN116957121A (zh) 2022-03-31 2022-03-31 地铁换乘客流的预测方法、装置及设备

Country Status (1)

Country Link
CN (1) CN116957121A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117973640A (zh) * 2024-03-29 2024-05-03 煤炭科学研究总院有限公司 换乘地铁站换乘人流量预测方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117973640A (zh) * 2024-03-29 2024-05-03 煤炭科学研究总院有限公司 换乘地铁站换乘人流量预测方法及装置

Similar Documents

Publication Publication Date Title
CN109670671B (zh) 公交线网评价方法及装置
US8868223B1 (en) Positioning using audio recognition
KR20180008388A (ko) 주문들을 푸싱하기 위한 방법들 및 시스템들
CN105096639B (zh) 用于预测公交到站时间的方法、装置和系统
CN114866608B (zh) 智慧水务数据处理平台
CN113079252B (zh) 地铁乘坐提醒方法及装置
CN105608919B (zh) 车站位置的确定方法及装置
CN116957121A (zh) 地铁换乘客流的预测方法、装置及设备
CN110009124B (zh) 一种确定公交站点的数据处理方法、服务器和系统
CN113408587B (zh) 一种公交车乘客od匹配方法、装置和电子设备
CN117093862A (zh) 一种模型训练的方法、装置、电子设备及存储介质
CN110672086B (zh) 场景识别方法、装置、设备及计算机可读介质
CN102737630B (zh) 一种用于处理关于待行驶的路段的语音信号的方法和装置
CN116017395A (zh) 资源转移处理的方法及装置
CN111754770B (zh) 一种交通控制方法、装置及电子设备
CN113192315B (zh) 一种交通流量分布预测方法、预测装置及终端设备
CN114862491A (zh) 车辆位置确定方法、派单方法、装置、服务器及存储介质
CN118116224A (zh) 查找交通事件影响车辆的方法、装置、存储介质和设备
CN114530044B (zh) 车辆行驶调度处理方法及装置
CN117351946B (zh) 一种语音识别方法、装置、存储介质及电子设备
CN117351117B (zh) 一种道路结构的更新方法、装置、存储介质、设备
CN113079487B (zh) 切换点位置的确定方法、装置和电子设备
CN116612640B (zh) 一种车辆调度方法、装置、存储介质及电子设备
CN117130029A (zh) 特种车辆定位终端的定位方法及定位终端
CN116029298A (zh) 一种模型训练的方法、装置、设备及存储介质

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