一种轨道交通客流OD分布实时推测方法

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。

主权项

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T_g，按时间间隔T_g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F_k为：$F_k=\left\{\begin{array}{cccc}{q}_{11}^k& q_{12}^k& ...& q_{1n}^k\\ q_{21}^k& q_{22}^k& ...& ...\\ ...& ...& ...& ...\\ q_{n1}^k& ...& ...& q_{nn}^k\end{array}\right\}$其中，n为站点的总数；矩阵元素下标i和j为站点编号，表示在第k个时间段内由站点i进站的客流最终从站点j出站的乘客数量，当i＝j时，(2)基于F_k获得第k个时间段内进站客流的OD概率分布矩阵C_k为：$C_k=\left\{\begin{array}{cccc}{p}_{11}^k& p_{12}^k& ...& p_{1n}^k\\ p_{21}^k& p_{22}^k& ...& ...\\ ...& ...& ...& ...\\ p_{n1}^k& ...& ...& p_{nn}^k\end{array}\right\}$其中，矩阵元素表示在第k个时间段内由站点i进站的客流最终从站点j出站的概率，(3)基于由历史交易数据得到的客流OD分布矩阵，分析轨道交通客流OD分布日变化规律，依照变化特征的类似性对日期进行分类；(4)对于每一类特征日分别建立一个可更新的客流OD概率分配矩阵A_k为：A_k＝(1‑α)A_k′+αC_k其中，A_k′为该类特征日未更新前的客流OD概率分配矩阵，α为平滑常数，其取值范围为[0,1]；(5)通过轨道交通终端设备上传的进站交易数据，统计得到车站在各时段内的进站客流量，对于每一类特征日分别建立进站客流时间序列预测模型为：$l_i^k=b_0+b_1{l}_i^{k-1}+b_2{l}_i^{\prime k}+b_3{l}_i^{\prime k-1}$其中，i为站点编号，b₀、b₁、b₂和b₃为常量参数，为站点i在当天时间段k内的进站客流量预测值，为站点i在当天时间段k‑1内的进站客流量统计值，为站点i在前一个同类特征日时间段k内的进站客流量统计值，为站点i在前一个同类特征日时间段k‑1内的进站客流量统计值；(6)根据实时上传的进站交易数据统计当前时间段k内各站点的进站客流量，结合步骤(5)中的进站客流时间序列预测模型建立下一时间段k+1内各站点的进站客流预测矩阵E_k+1为：$E_{k+1}=\left\{\begin{array}{cccc}{l}_1^{k+1}& 0& ...& 0\\ 0& l_2^{k+1}& ...& ...\\ ...& ...& ...& ...\\ 0& ...& ...& l_n^{k+1}\end{array}\right\}$其中，矩阵元素下标i为站点编号，表示站点i在下一时间段k+1内的进站客流量预测值，矩阵非对角线元素值均为0；(7)结合步骤(4)中的可更新的客流OD概率分配矩阵A_k和步骤(6)中的进站客流预测矩阵E_k+1，建立轨道交通客流OD分布实时推测矩阵S_k+1为：S_k+1＝E_k+1A_k其中，S_k+1为下一时间段k+1内进站客流的OD分布预测矩阵，矩阵中的第i行第j列的元素表示下一时间段k+1内由站点i进站的客流最终从站点j出站的乘客数量的预测值。