本发明涉及轨道交通封站预测,尤其涉及一种基于历史封站客流挖掘的双维度封站客流预测方法。
背景技术:
1、在轨道交通网络化运营阶段,客流预测对城市轨道交通的规划、建设、运营有着重要意义,可以指导轨道的规划设计、列车运行计划制定、突发状况下的客流组织等。目前常态客流预测已取得显著进展,而对于封站等非常态场景大多仍采取人工调整等费时费力的方式,同时封站场景下客流od的预测与应用的研究仍处于空白阶段。相近的研究主要集中在运营中断情形下乘客出行行为选择。2013年,bouman等研究区间中断条件下乘客的实时路径决策问题,运用了博弈论的原理进行分析;2015年,王旭、吴建军基于累积前景理论,分析了突发事件下,城市轨道交通乘客出行行为受到的影响;同年,李伟等在分析突发事件对客流产生的影响的基础上,建立了列车agent模型和乘客agent及系统要素间的交互机制,采用多智能体方法仿真模拟了乘客的出行行为。这类方案多采用的广义费用与出行偏好统计等方法。广义费用多采用路径通行时间、等待时间及换乘时间等对乘客出行方式进行建模,认为乘客为绝对理性者或较理性者,从而选择总体旅行时间较小的方式,从而对乘客行为进行正向推演。
2、然而,现有技术中,乘客出行偏好多选用问卷调查方式进行统计,由于问卷调查的固有缺陷,包括调查人群偏差、自我认知错误、欺骗性答案等将对此类建模方式产生影响,以及实际通勤出行行为中,在运营中断情况下,大多数乘客无法获取轨道中不同出行路径所消耗的准确时间,加之非理性选择,使得乘客出行行为与广义费用理论不符,无法在封站场景下取得良好的预测效果。
技术实现思路
1、为解决上述现有技术中存在的技术问题,本发明的目的在于提供一种基于历史封站客流挖掘的双维度封站客流预测方法,预测客流精细度高,支持多站封停客流预测,避免了以被封站为目标时需要考虑不同被封站对受影响车站的多重影响,降低了od调整的复杂性。
2、为实现上述发明目的,本发明提供一种基于历史封站客流挖掘的双维度封站客流预测方法,包括以下步骤:
3、步骤s1、基于历史封站场景受影响车站的客流信息提取特征及标签,分别得到常规日客流特征和封站场景下客流标签;
4、步骤s2、构建关于常规日客流特征与封站损失客流、常规日客流特征与封站转移客流两个维度之间的关联模型;
5、步骤s3、基于计划封站所影响的受影响车站常规日客流特征,得到预测损失客流和预测转移客流;
6、步骤s4、根据预测损失客流和预测转移客流进行od调整,得到封站场景下的全路网预测od。
7、根据本发明的一个技术方案,所述步骤s1中,包括:
8、选取历史封站日客流数据及历史封站日同期客流数据,包括时间、进站量、出站量、换乘量、od量,作为关联构建的基础数据;
9、根据基础数据进行历史封站日同期客流特征及客流标签计算;
10、所述特征包括车站id、日期、时段、受影响车站距被封站距离、受影响站常规进/出站量、被封站常规进/出站量、被封站换乘量,所述标签包括封站日进/出站损失、封站日进/出站转移。
11、根据本发明的一个技术方案,在所述步骤s2中,具体包括:
12、根据历史封站日客流数据及历史封站日同期客流数据进行标签计算,设被封车站为x,周边受影响车站为a,i为平日由a进站,经x换乘后的od中d点的集合,a到x封站日同期od量为封站日od量为qa,x,a进站损失量为:
13、
14、设所有车站集合为k,a进站转移量为:
15、
16、若j为平日经x换乘后由a出站的od中o点的集合,a出站损失量为:
17、
18、a出站转移量为:
19、
20、计算得到客流特征及客流标签后可构建关联模型,模型结构如下:
21、
22、其中,h代表经归一化处理的客流特征,w为客流转移及损失的共享参数,w1至w4分别对应进站损失、进站转移、出站损失、出站转移预测的独立参数,w为共享参数,σ代表非线性激活函数。
23、根据本发明的一个技术方案,所述步骤s2中,在模型构建完成后,对模型进行训练,初始化模型参数,将客流特征经归一化处理后输入模型,计算模型各层输入及输出值,若输出层数值与标签误差大于设定阈值,则更新模型参数并重新计算模型输出,直到误差小于等于设定阈值,则模型训练完毕,将模型参数进行存储以供预测时使用。
24、根据本发明的一个技术方案,所述步骤s3中,具体包括:
25、选取计划封站的预测日同期客流数据,包括时间、进站量、出站量、换乘量,作为预测基础数据;
26、根据预测基础数据进行预测日同期客流特征计算;
27、将预测日同期客流特征输入本地存储的关联模型,得到预测日客流损失量及预测日客流转移量。
28、根据本发明的一个技术方案,所述步骤s4中,
29、在预测日客流损失量及预测日客流转移量预测完毕后,对于封站时周边受影响车站的od调整分为增加和减少两个维度,分别应对预测进站转移量及预测进站损失量。
30、根据本发明的一个技术方案,设车站a的预测进站转移量为则进站转移od调整方案:
31、对于受影响车站a,寻找受影响车站a的临近被封站xi(i=1,2,3,…),从所有自临近被封站xi进站且途径临近被封站至受影响车站所在线路的od集合中随机筛选个od,将其o点转为a并删除其余od。
32、根据本发明的一个技术方案,设车站a的预测进站损失量为进站损失od调整方案为:
33、对于受影响车站a,寻找受影响车站a的临近被封站xi(i=1,2,3,…),从所有自受影响车站a进站且途径临近被封站或由临近被封站出站的od集合中随机筛选个od,将其删除。
34、根据本发明的一个方面,提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行如上述技术方案中任一项所述的一种基于历史封站客流挖掘的双维度封站客流预测方法。
35、根据本发明的一个方面,提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,实现如上述技术方案中任一项所述一种基于历史封站客流挖掘的双维度封站客流预测方法。
36、本发明与现有技术相比,具有以下有益效果:
37、本发明提出了一种基于历史封站客流挖掘的双维度封站客流预测方法,预测的客流损失及客流转移对应客流减少和增多两个变化维度,从历史数据中挖掘了乘客在封站场景下的出站偏好,而非传统的只进行客流转移的预测(即增多维度),提高了预测客流精细度。
38、通过历史封站客流数据进行模型构建,融合了乘客的主观出行偏好,使得预测方案更符合客观规律。
39、使用单一预测模型同时预测进出站损失及转移客流,模型参数更少、运算速度更快且易于并行扩展,降低预测系统负荷。
40、以受影响车站为目标,按受影响车站预测损失值及转移值反向对途径周边被封站od进行统一调整,支持多站封停场景下的客流预测,功能更全面。
41、本发明的预测方案不受时间粒度需求的限制,只需更改客流特征统计粒度而不需要对预测过程做修改即可对各时间粒度下的客流进行灵活预测,具有普适性。