欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024117645055
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种轨道交通站台客流预测方法,其特征在于,包括:

基于完全有向网络从自动售检票系统的进出站记录中提取有向OD对;

确定非换乘与一次换乘的旅途时间;其中,旅途时间包括乘客行走到站台的时间、非换乘平均等待时间、列车在站台停留时间、换乘平均行走时间、换乘平均等待时间以及从站台走到出站闸机的时间;

根据有向OD对和旅途时间,确定乘客的实时位置;

根据乘客的实时位置,确定目标时间段内各站台的客流量;

获取并处理天气因素;其中,天气因素包括风速、温度和降水量;

构建CNN-BiLSTM-Attention客流预测模型;

将目标时间段内各站台的客流量和天气因素作为输入变量,利用CNN-BiLSTM-Attention客流预测模型对每个站台客流量进行预测;

其中所述确定非换乘与一次换乘的旅途时间,包括:

根据以下公式计算非换乘的旅途时间:

;

其中,为非换乘情况下时间槽(t,d)期间乘客k刷卡从线路上站点s中站台p出站的时间;为非换乘情况下时间槽(t,d)期间乘客k刷卡进入线路上站点s中站台p的时间;为乘客k从线路的站点s闸机步行至站台p的时间或乘客k从线路的站台p走到出站点s闸机的时间;为非换乘情况下乘客k在线路的站点s中的站台p等待列车的最短时间;为列车从站点s运行至站点s+的时间;为列车在站点s的停留时间;为列车经过的站点个数;s为乘客k在线路上经过站点的索引;

根据以下公式计算换乘的旅途时间:

;

其中,t为一天中时间槽的数量;d为一周中天的索引;为换乘情况下时间槽(t,d)期间乘客k刷卡从线路上站点s中站台p出站的时间;为换乘情况下时间槽(t,d)期间乘客k刷卡进入线路上站点s中站台p的时间;为换乘情况下乘客k在线路的站点s中的站台p等待列车的最短时间;为乘客的换乘次数;为换乘过程花费的平均时间;为乘客k经过的线路总数;i为乘客k经过所有线路的索引。

2.根据权利要求1所述的轨道交通站台客流预测方法,其特征在于,所述基于完全有向网络从自动售检票系统的进出站记录中提取有向OD对,包括:将自动售检票系统收集的单条刷卡记录转换为无向OD对,按ID号分组乘客记录,组内按时序和进出站状态排序,先入站后出站,将整个列表上移一行与原列表进行拼接,删除ID号不同或出入境状态不匹配的记录,以提取一天内基于站点的OD对;其中,每个OD对都包含乘客的出发站点编号和目的站点编号;

基于完全有向网络对站台进行重新编号,格式为“线路+站台编号”;

根据换乘和非换乘的记录构建完全有向地铁网络拓扑结构;其中,OD对所在的线路相同为非换乘,OD对所在的线路不同为换乘;

获取非换乘记录经过的站点数和站台编号并根据完全有向地铁网络拓扑结构确定OD对之间的最短路径,得到第一最短路径;

获取换乘记录经过的站点数和站台编号并根据完全有向地铁网络拓扑结构,以最小化换乘次数为目标,确定OD对之间的最短路径,得到第二最短路径;

对换乘记录经过的站点进行切片,线路相同的站点属于一个非换乘子记录,以将一个换乘的OD对划分为多个非换乘OD对;

将非换乘的OD对和换乘的多个非换乘OD对校正为有向OD对,将地铁线路站点按照地铁运行方向构造成一个向量,用终点站台编号在向量中的序号减去出发站台编号在向量中的序号,如果差值为正,则终点站台编号和出发站点编号均不变;如果差值为负,则终点站台编号和出发站点编号均变为各自的相反数,得到有向OD对。

3.根据权利要求1所述的轨道交通站台客流预测方法,其特征在于,所述将目标时间段内各站台的客流量和天气因素作为输入变量,利用CNN-BiLSTM-Attention客流预测模型对每个站台客流量进行预测,包括:获取目标时间段内换乘站台的客流量;为线路上站点s的站台p在第n个观察时间窗的客流量;n为时间序列总长度;

对风速、温度和降水量进行插值,使风速、温度和降水量分别与对应观察时间段内客流保持相同的时间序列长度;其中,风速为,温度为,降水量为;为第n个观察时间窗的风速;为第n个观察时间窗的温度;为第n个观察时间窗的降水量;

将、、和输入至CNN-BiLSTM-Attention客流预测模型,以对每个站台客流量进行预测。

4.一种轨道交通站台客流预测系统,其特征在于,包括:

提取模块,用于基于完全有向网络从自动售检票系统的进出站记录中提取有向OD对;

第一确定模块,用于确定非换乘与一次换乘的旅途时间;其中,旅途时间包括乘客行走到站台的时间、非换乘平均等待时间、列车在站台停留时间、换乘平均行走时间、换乘平均等待时间以及从站台走到出站闸机的时间;

第二确定模块,用于根据有向OD对和旅途时间,确定乘客的实时位置;

第三确定模块,用于根据乘客的实时位置,确定目标时间段内各站台的客流量;

获取模块,用于获取并处理天气因素;其中,天气因素包括风速、温度和降水量;

构建模块,用于构建CNN-BiLSTM-Attention客流预测模型;

预测模块,用于将目标时间段内各站台的客流量和天气因素作为输入变量,利用CNN-BiLSTM-Attention客流预测模型对每个站台客流量进行预测;

所述第一确定模块包括:

第一计算单元,用于根据以下公式计算非换乘的旅途时间:

;

其中,为非换乘情况下时间槽(t,d)期间乘客k刷卡从线路上站点s中站台p出站的时间;为非换乘情况下时间槽(t,d)期间乘客k刷卡进入线路上站点s中站台p的时间;为乘客k从线路的站点s闸机步行至站台p的时间或乘客k从线路的站台p走到出站点s闸机的时间;为非换乘情况下乘客k在线路的站点s中的站台p等待列车的最短时间;为列车从站点s运行至站点s+的时间;为列车在站点s的停留时间;为列车经过的站点个数;s为乘客k在线路上经过站点的索引;

第二计算单元,用于根据以下公式计算换乘的旅途时间:

;

其中,t为一天中时间槽的数量;d为一周中天的索引;为换乘情况下时间槽(t,d)期间乘客k刷卡从线路上站点s中站台p出站的时间;为换乘情况下时间槽(t,d)期间乘客k刷卡进入线路上站点s中站台p的时间;为换乘情况下乘客k在线路的站点s中的站台p等待列车的最短时间;为乘客的换乘次数;为换乘过程花费的平均时间;为乘客k经过的线路总数;i为乘客k经过所有线路的索引。

5.根据权利要求4所述的轨道交通站台客流预测系统,其特征在于,所述提取模块包括:转换单元,用于将自动售检票系统收集的单条刷卡记录转换为无向OD对,按ID号分组乘客记录,组内按时序和进出站状态排序,先入站后出站,将整个列表上移一行与原列表进行拼接,删除ID号不同或出入境状态不匹配的记录,以提取一天内基于站点的OD对;其中,每个OD对都包含乘客的出发站点编号和目的站点编号;

编号单元,用于基于完全有向网络对站台进行重新编号,格式为“线路+站台编号”;

构建单元,用于根据换乘和非换乘的记录构建完全有向地铁网络拓扑结构;其中,OD对所在的线路相同为非换乘,OD对所在的线路不同为换乘;

第一获取单元,用于获取非换乘记录经过的站点数和站台编号并根据完全有向地铁网络拓扑结构确定OD对之间的最短路径,得到第一最短路径;

第二获取单元,用于获取换乘记录经过的站点数和站台编号并根据完全有向地铁网络拓扑结构,以最小化换乘次数为目标,确定OD对之间的最短路径,得到第二最短路径;

站点切片单元,用于对换乘记录经过的站点进行切片,线路相同的站点属于一个非换乘子记录,以将一个换乘的OD对划分为多个非换乘OD对;

提取单元,用于将非换乘的OD对和换乘的多个非换乘OD对校正为有向OD对,将地铁线路站点按照地铁运行方向构造成一个向量,用终点站台编号在向量中的序号减去出发站台编号在向量中的序号,如果差值为正,则终点站台编号和出发站点编号均不变;如果差值为负,则终点站台编号和出发站点编号均变为各自的相反数,得到有向OD对。

6.根据权利要求4所述的轨道交通站台客流预测系统,其特征在于,所述预测模块包括:第三获取单元,用于获取目标时间段内换乘站台的客流量;为线路上站点s的站台p在第n个观察时间窗的客流量;n为时间序列总长度;

插值单元,用于对风速、温度和降水量进行插值,使风速、温度和降水量分别与对应观察时间段内客流保持相同的时间序列长度;其中,风速为,温度为,降水量为;为第n个观察时间窗的风速;为第n个观察时间窗的温度;为第n个观察时间窗的降水量;

预测单元,用于将、、和输入至CNN-BiLSTM-Attention客流预测模型,以对每个站台客流量进行预测。

7.一种计算机设备,其特征在于,包括处理器和存储器;其中,处理器执行存储器中保存的计算机程序时实现权利要求1-3任一项所述的轨道交通站台客流预测方法的步骤。

8.一种计算机可读存储介质,其特征在于,用于存储计算机程序;计算机程序被处理器执行时实现权利要求1-3任一项所述的轨道交通站台客流预测方法的步骤。