一種地鐵乘客實時分布和地鐵實時密度預測方法及系統的製作方法
2023-06-01 06:42:21
一種地鐵乘客實時分布和地鐵實時密度預測方法及系統的製作方法
【專利摘要】本發明公開了一種地鐵乘客實時分布和地鐵實時密度預測方法及系統,所述方法包括:S1、獲取數據源,所述數據源包括歷史數據和實時數據;S2、根據歷史數據分別建立個體乘客時空出行模型、各上車站點乘客線路選擇模型、和各線路乘客在各站點下車以及換乘模型;S3、根據個體乘客時空出行模型、各上車站點乘客線路選擇模型、和各線路乘客在各站點下車以及換乘模型對實時數據進行分析,獲取地鐵乘客實時分布和所有運行地鐵乘客的實時密度。本發明通過對乘客刷卡記錄以及地鐵到站時間記錄能夠實時分析計算乘客實時分布和預測地鐵實時密度,預測精確度較高。
【專利說明】一種地鐵乘客實時分布和地鐵實時密度預測方法及系統
【技術領域】
[0001] 本發明涉及時空數據挖掘及交通【技術領域】,尤其涉及一種地鐵乘客實時分布和地 鐵實時密度預測方法及系統。
【背景技術】
[0002] 針對地鐵系統,預測每個站點乘客的實時分布以及地鐵的實時密度具有非常重要 的意義,包括:
[0003] (1)對於地鐵公司,通過了解這些信息,可以更好地做到災難應急處理,乘客驅散; 更好地規劃地鐵基礎設施的建設,更好地制定地鐵調度策略等;
[0004] (2)對於乘客,通過了解這些信息,可以提高乘客的自身體驗,合理安排出行時間 等。
[0005] 智慧卡作為一種付費手段已經廣泛應用於公交、地鐵等城市內公共運輸領域,通 過智慧卡可以收集到大量的乘客出行相關信息,通過對這些數據深入挖掘可以得到很多有 用的信息,例如乘客的乘車特徵、乘客的實時分布、地鐵的實時密度等。
[0006] 因此,針對上述技術問題,有必要提供一種地鐵乘客實時分布和地鐵實時密度預 測方法及系統。
【發明內容】
[0007] 有鑑於此,本發明的目的在於提供一種地鐵乘客實時分布和地鐵實時密度預測方 法及系統,首先通過對乘客歷史刷卡記錄的分析建立個體乘客出行規律模型、各站點進站 乘客對線路選擇模型、各線路乘客在各站點下車以及換乘模型,並在此基礎上,通過對乘客 刷卡記錄以及地鐵到站時間記錄實時分析計算乘客實時分布和預測地鐵實時密度。
[0008] 為了達到上述目的,本發明實施例提供的技術方案如下:
[0009] -種地鐵乘客實時分布和地鐵實時密度預測方法,所述方法包括:
[0010] S1、獲取數據源,所述數據源包括歷史數據和實時數據;
[0011] S2、根據歷史數據分別建立個體乘客時空出行模型、各上車站點乘客線路選擇模 型、和各線路乘客在各站點下車以及換乘模型;
[0012] S3、根據個體乘客時空出行模型、各上車站點乘客線路選擇模型、和各線路乘客在 各站點下車以及換乘模型對實時數據進行分析,獲取地鐵乘客實時分布和所有運行地鐵乘 客的實時密度。
[0013] 作為本發明的進一步改進,所述步驟Sl中歷史數據包括智慧卡交易數據,實時數 據包括智慧卡交易數據和實時的地鐵運營信息。
[0014] 作為本發明的進一步改進,所述智慧卡交易數據包括智慧卡編號、地鐵站的編號、 交易時間、交易類型;實時的地鐵運營信息包括地鐵線路名稱、地鐵車次、到達的站點名稱、 到達時間。
[0015] 作為本發明的進一步改進,所述個體乘客時空出行模型的建立方法具體為:
[0016] 對智慧卡數據進行預處理,包括:智慧卡交易數據的出錯處理;對於乘坐地鐵的 乘客,按卡號和時間將乘客的進站和出站記錄相匹配,按卡號匯總所有的乘車記錄,並計算 活躍天數;
[0017] 過濾出行天數小於預設經驗值的乘客;
[0018] 獲取乘客的集中出行時間以及出行空間。
[0019] 作為本發明的進一步改進,所述各上車站點乘客線路選擇模型的建立方法具體 為:
[0020] 分時段統計與站點、線路關係為上車狀態的乘客人數,然後分析每一條出行記 錄t,用bestPath(t. 〇, t. d)獲取乘車路徑為pi - . . · - pn,則pi. 1為乘客從t. 〇進 站後選擇的線路,通過t. otime,t. 〇, pi. 1計算每個時間段每條線路從各站點進站上 車的人數,用pssbrdnum(t, l,s)函數獲取在t時間段在s站上車乘坐1線路的人數 pssbrdnum(t, li, s);
[0021] 則經過S站的線路有:11,…,In,在t時間段在S站進站的乘客選擇乘坐線路Ii 的概率為: η
[0022] pssbrdprop (i, li, s) = pssbrdnum (t, li, s) ^ pssbrdnum (i, lk, s) 〇
[0023] 作為本發明的進一步改進,所述各線路乘客在各站點下車以及換乘模型的建立方 法具體為:
[0024] 分時段統計與站點、線路關係為下車出站、換乘和經過三類狀態的乘客人數, 用dprPssNum(t,l,s)函數獲取乘客乘坐1線路在t時間段在s站下車的人數,用 trnsfPassNum(t, 11,s, 12)函數獲取乘客乘坐11地鐵在t時間段在s站換乘12線路的乘 客人數,η為可換乘線路的條數,用psthPassNum(t, I, s)函數得到乘坐1地鐵的乘客在t時 間段在s站經過的人數;
[0025] 則乘客乘坐Ii線路的地鐵在t時間段在s站下車出站的概率為 dprPssProp(t, li, s)為:
【權利要求】
1. 一種地鐵乘客實時分布和地鐵實時密度預測方法,其特徵在於,所述方法包括: 51、 獲取數據源,所述數據源包括歷史數據和實時數據; 52、 根據歷史數據分別建立個體乘客時空出行模型、各上車站點乘客線路選擇模型、和 各線路乘客在各站點下車以及換乘模型; 53、 根據個體乘客時空出行模型、各上車站點乘客線路選擇模型、和各線路乘客在各站 點下車以及換乘模型對實時數據進行分析,獲取地鐵乘客實時分布和所有運行地鐵乘客的 實時密度。
2. 根據權利要求1所述的方法,其特徵在於,所述步驟Sl中歷史數據包括智慧卡交易 數據,實時數據包括智慧卡交易數據和實時的地鐵運營信息。
3. 根據權利要求2所述的方法,其特徵在於,所述智慧卡交易數據包括智慧卡編號、地 鐵站的編號、交易時間、交易類型;實時的地鐵運營信息包括地鐵線路名稱、地鐵車次、到達 的站點名稱、到達時間。
4. 根據權利要求1所述的方法,其特徵在於,所述個體乘客時空出行模型的建立方法 具體為: 對智慧卡數據進行預處理,包括:智慧卡交易數據的出錯處理;對於乘坐地鐵的乘客, 按卡號和時間將乘客的進站和出站記錄相匹配,按卡號匯總所有的乘車記錄,並計算活躍 天數; 過濾出行天數小於預設經驗值的乘客; 獲取乘客的集中出行時間以及出行空間。
5. 根據權利要求1所述的方法,其特徵在於,所述各上車站點乘客線路選擇模型的建 立方法具體為: 分時段統計與站點、線路關係為上車狀態的乘客人數,然後分析每一條出行記錄t,用bestPath(t. 〇,t.d)獲取乘車路徑為pi- . . · -pn,則pi. 1為乘客從t. 〇進 站後選擇的線路,通過t.otime,t. 〇,pi. 1計算每個時間段每條線路從各站點進站上 車的人數,用pssbrdnum(t,l,s)函數獲取在t時間段在s站上車乘坐1線路的人數 pssbrdnum(t,li,s); 則經過s站的線路有:11,…,In,在t時間段在s站進站的乘客選擇乘坐線路Ii的概 率為: η pssbrdprop (t, li, s)=pssbrdnum(t, li, s)-r ^pssbrdnum (t, Ik, s)〇 k=0
6. 根據權利要求I所述的方法,其特徵在於,所述各線路乘客在各站點下車以及換乘 模型的建立方法具體為: 分時段統計與站點、線路關係為下車出站、換乘和經過三類狀態的乘客人數, 用dprPssNum(t,l,s)函數獲取乘客乘坐1線路在t時間段在s站下車的人數,用 trnsfPassNum(t, 11,s, 12)函數獲取乘客乘坐11地鐵在t時間段在s站換乘12線路的乘 客人數,η為可換乘線路的條數,用psthPassNum(t,I,s)函數得到乘坐1地鐵的乘客在t時 間段在s站經過的人數; 則乘客乘坐Ii線路的地鐵在t時間段在s站下車出站的概率為dprPssProp(t,li,s) 為:
乘客乘坐Ii線路的地鐵在t時間段在S站換乘到Ij線路的地鐵的概率trnsfPassProp(t,li,lj,s)%:
7. 根據權利要求1所述的方法,其特徵在於,所述步驟S3具體為: 數據接收單元實時接收乘客進站刷卡記錄和地鐵實時到站時間,並通過個體乘客時空 出行模型判斷乘客的下車站點是否可推算; 若下車站點可推算,將乘客進站刷卡記錄添加出站信息後發送至第一處理單元,第一 處理單元實時預測下車站點可推算的乘客的實時分布和地鐵上的乘客人數; 若下車站點不可推算,將乘客進站刷卡記錄發送至第二處理單元,第二處理單元實時 預測下車站點不可推算的乘客的實時分布和地鐵上的乘客人數。
8. 根據權利要求7所述的方法,其特徵在於,所述第一處理單元的預測方法為: 建立四種隊列: (1) 針對每條線路的每個站點創建隊列bardwaitquu,此隊列存放進站和等待狀態的 乘客; (2) 針對每個換乘站的任意兩條線路11、12,創建從11換乘到12的乘客隊列 trnsfquu; (3) 針對每條線路的每個站點創建當前處於出站狀態的乘客dprtquu; (4) 針對每一趟地鐵,倉ij建隊列ontrainquu,存放當前乘坐此地鐵的所有乘客。 接受數據接收單元發送的乘客的乘客進站刷卡記錄和地鐵實時到站時間,實時更新以 上四個隊列的值,並將實時信息寫入資料庫中。
9. 根據權利要求7所述的方法,其特徵在於,所述第二處理單元的預測方法為: 估算乘客上車的線路、以及在途徑站點下車或換乘的概率; 建立四種隊列: (1) 針對每條線路的每個站點創建隊列bardwaitquu2,此隊列存放進站和等待狀態的 乘客; (2) 針對每個換乘站s的任意兩條線路可換乘線路11,12,創建從11換乘到12的乘客 隊列trnsfquu2 ; (3) 針對每條線路的每個站點創建當前處於出站狀態的乘客dprtquu2 ; (4) 針對每一趟列車,倉ij建隊列ontrainpssnum,存放當前乘坐此列車的乘客的人數; 接受數據接收單元發送的乘客的乘客進站刷卡記錄和地鐵實時到站時間,實時更新以 上四個隊列的值,並將實時信息寫入資料庫中。
10. -種如權利要求1所述的地鐵乘客實時分布和地鐵實時密度預測系統,其特徵在 於,所述系統包括:硬體模塊、雲平臺模塊、數據分析模塊、及應用模塊,其中: 所述雲平臺模塊用於獲取數據源,所述數據源包括歷史數據和實時數據; 所述數據分析模塊用於根據歷史數據分別建立個體乘客時空出行模型、各上車站點乘 客線路選擇模型、和各線路乘客在各站點下車以及換乘模型;並根據個體乘客時空出行模 型、各上車站點乘客線路選擇模型、和各線路乘客在各站點下車以及換乘模型對實時數據 進行分析,獲取地鐵乘客實時分布和所有運行地鐵乘客的實時密度。
【文檔編號】G06Q50/30GK104463364SQ201410734612
【公開日】2015年3月25日 申請日期:2014年12月4日 優先權日:2014年12月4日
【發明者】趙娟娟, 張帆, 須成忠, 田臣 申請人:中國科學院深圳先進技術研究院