[发明专利]一种城市轨道交通客流高峰持续时间预测方法

权利要求书

1.一种城市轨道交通客流高峰持续时间预测方法，其特征在于：包括如下步骤：

(1)客流统计：设定单位时间Δt，按单位时间Δt对时间进行分段；对历史客流数据，统计各个单位时间段内的全线进站流量，将统计数据分为两个集合，分别为训练集和测试集；

(2)高峰时间计算：对所有单位时间段内的全线进站流量的统计结果由低到高进行排序，取85％分位点的全线进站流量作为高峰阈值Q_t；当连续5个单位时间段的全线进站流量高于Q_t时，则确定首次全线进站流量高于Q_t的单位时间段开始时刻出现客流高峰；在出现客流高峰后，若连续5个单位时间段内有两个单位时间段的全线进站流量低于Q_t时，则确定第二次全线进站流量低于Q_t的单位时间段开始时刻退出客流高峰；客流高峰持续时间T_d为出现客流高峰和退出客流高峰的差值，对所有训练集和测试集计算客流高峰持续时间；

(3)建立客流高峰事件属性集：根据数据库信息，对客流高峰事件建立对应的属性集；

(4)训练数据处理：对训练集数据进行清洗，剔除明显的孤立点；设定最小的客流高峰持续时间为T_dMIN，最大的客流高峰持续时间为T_dMAX，按一定的间隔宽度将[T_dMIN,T_dMAX]划分为连续的区间[T_dMIN,γ₁)、[γ₁,γ₂)、…[γ_c-1,γ_c)，γ_c-1<T_dMAX≤γ_c，按时间长度由短至长，对区间进行依次编号为1,2,…,c；将所有训练集数据中客流高峰持续时间落在同一区间内的客流高峰事件归为一类；

(5)确定属性分类界限：对每一类客流高峰事件分析属性集的概率分布，建立客流高峰事件的损失函数，使用贝叶斯分类器方法确定属性分类界限；

(6)建立时间序列预测模型：对训练集客流高峰事件按照步骤(5)所得的属性分类界限进行重新分类；重新分类后，同一类客流高峰事件按发生的时间依次排序，对于每一类客流高峰事件建立时间序列预测模型；

(7)预测方法检验：使用测试集数据对步骤(6)得到的时间序列预测模型进行检验：若未能通过检验，则回到步骤(4)重新设置区间的时间长度；若通过检验，则确定所建立的时间序列预测模型是有效的。

2.根据权利要求1所述的城市轨道交通客流高峰持续时间预测方法，其特征在于：所述步骤(3)中的属性集，其元素以向量形式表示，每个客流高峰事件对应一个多维属性向量，各属性以数值形式表示，属性包括平均线路全日进站客流量、线路站点数量、季节、是否工作日、是否节假日、天气、是否施工、有无大型活动、是否发生事故。

3.根据权利要求1所述的城市轨道交通客流高峰持续时间预测方法，其特征在于：所述步骤(5)中，贝叶斯分类器采用基于最小风险的贝叶斯决策方法，根据各城市不同的要求确定损失函数的参数，从而平衡企业资源的浪费和服务质量的下降。

4.根据权利要求3所述的城市轨道交通客流高峰持续时间预测方法，其特征在于：所述步骤(5)中，对于某一客流高峰事件，设对其做决策所属的区间编号为i，其实际所属的区间编号为j，i,j＝1,2,…,c，损失函数分为两段：当i≥j时，损失主要来源于多余运能、管理、人员调度的造成的直接浪费，呈线性关系；当i<j时，站台拥挤度增加，损失主要来源与服务质量的下降，呈指数增加。