一种轨道交通客流od分布实时推测方法
【专利摘要】本发明公开了一种轨道交通客流OD分布实时推测方法,首先设定时间间隔,然后统计历史客流OD分布矩阵,再计算客流OD概率分配矩阵,再基于历史客流OD分布矩阵按日分布特征进行分类,再对每一类特征日建立一个可更新的客流OD概率分配矩阵,再对于每一类特征日分别建立基于进站客流历史统计数据和实时上传的进站客流统计数据进站客流的时间序列预测模型,再结合时间序列预测模型建立下一个时间段内进站客流预测矩阵,最后根据客流OD概率分配矩阵和进站客流预测矩阵,建立轨道交通客流OD分布实时推测矩阵。本发明通过对实时上传的进站交易数据进行统计并建立时间序列预测矩阵,不仅提高客流OD预测时间长度,也保证了估计结果的可靠度。
【专利说明】一种轨道交通客流OD分布实时推测方法
【技术领域】
[0001]本发明涉及一种城市轨道交通客流OD分布实时推测方法。
【背景技术】
[0002]城市轨道交通自动售检票系统(Automatic Fare Collection System,简称AFC)完整记录了所辖线网内每一位乘客的进出站时间、站点、交易类型等车票交易信息,通过统计一段时间内的进出站交易信息,可以得到客流在路网上的OD(起讫点)分布。客流OD分布可以反映居民的出行特征,为城市轨道交通线网的规划布局、客流组织提供一定程度的参考。同时,客流OD分布也是断面客流估计的基础,而断面客流数据是了解线路运行状态,协调轨道交通运营管理,编制行车计划最重要的数据支撑。
[0003]轨道交通目前建设的AFC系统在断面客流数据分析方面相对薄弱,关键在于缺乏对客流OD分布实时估计。由于信息来源有限且准确性不足,运营单位不能对轨道交通线网运行状态进行实时动态的描述,遇到客流模式变化情况例如突发高峰拥挤时进行临时调度的难度较高。我国多个城市的轨道交通网络正在逐渐形成,与单线运营相比,网络化运营在客流组织与车流组织两个方面都更加复杂,配置协调的难度将大大增加,对路网运行状态的实时监控要求较高。显然,基于完整的进出站信息的传统OD统计方法无法满足客流分布描述对实时性的要 求,因此需要一种新方法来实现对轨道交通OD客流的实时估计。
【发明内容】
[0004]发明目的:为了克服现有技术中存在的不足,本发明提供一种城市轨道交通客流OD分布实时推测方法,该方法基于轨道交通AFC终端设备实时上传的进站交易数据和完整的历史交易数据实现推测。
[0005]技术方案:为实现上述目的,本发明采用的技术方案为:
[0006]一种轨道交通客流OD分布实时推测方法,包括如下步骤:
[0007](I)设定时间间隔Tg,按时间间隔1;对时间进行分段,统计历史数据(包括乘客完整的进出站交易信息)各站点在每个时间段内进站客流的OD分布量,得到全线网当天在第k个时间段内进站客流的OD分布矩阵Fk为:
【权利要求】
1.一种轨道交通客流OD分布实时推测方法,其特征在于:包括如下步骤: (1)设定时间间隔Tg,按时间间隔Tg对时间进行分段,统计历史数据各站点在每个时间段内进站客流的OD分布量,得到全线网当天在第k个时间段内进站客流的OD分布矩阵Fk为:
2.根据权利要求1所述的轨道交通客流OD分布实时推测方法,其特征在于:所述步骤(3)中,变化特征包括客流OD分布的单一 OD流量变化趋势、单一 OD流量变化的波动性、各单一 OD全日总量、客流高峰出现时间、客流高峰持续时间。
3.根据权利要求1所述的轨道交通客流OD分布实时推测方法,其特征在于:所述步骤(3)中,依照变化特征的类似性对日期进行分类,具体为:采用聚类分析方法,根据不同类型特征日之间客流OD变化特征“类间区别最大、类内区别最小”的原则进行分类。
4.根据权利要求1所述的轨道交通客流OD分布实时推测方法,其特征在于:所述步骤(4)中,可更新的客流OD概率分配矩阵Ak采用历史平滑的方法进行更新,平滑常数α的取值取决于同类特征日在一天中相同时间段客流OD分布的长期发展趋势和波动性。
【文档编号】G06Q50/30GK103984993SQ201410202139
【公开日】2014年8月13日 申请日期:2014年5月13日 优先权日:2014年5月13日
【发明者】张宁, 何铁军, 石庄彬 申请人:东南大学