[发明专利]基于AFC数据的城市轨道交通实时客流预测方法及系统

说明书

技术领域

本发明涉及智能交通技术领域，特别是指一种基于AFC数据的城市轨道交通实时客流预测方法及系统。

背景技术

近年来，随着我国城市化进程的逐步加快，城市人口的急剧增加，交通供给与交通需求之间的矛盾愈发突出，城市交通系统已越来越不堪重负，城市轨道交通(以下简称轨道交通)作为城市交通的骨干运输方式，城市轨道交通的供给与交通需求之间的矛盾尤为突出。随着我国城市轨道交通路网的复杂化，轨道交通客流迅猛增长，以北京为例，轨道交通由2000年的2条线路、运营里程54km、日均客运量不足100万人次发展到2015年初的18条线路、运营里程527km、日均客运量1020万人次，形成了网络化运营的格局。随着轨道交通路网运营格局的形成，实时地对轨道交通客流进行预测和分析，对把握轨道交通路网中客流的动态趋势、提高轨道交通运营服务水平和确保安全运营具有重要意义。

轨道交通实时客流预测是一项非常基础而重要的工作，而AFC获得的实时客流数据又是实时客流预测的基础，因此AFC获得实时客流数据质量的好坏显的尤为重要。现有技术中，由于AFC厂商的多样性以及AFC实时客流数据传输机制不够完善等原因，导致目前轨道交通AFC实时客流数据的准确性和实时性较差。在这样的背景下，为了能够准确预测轨道交通的实时客流需要对AFC实时客流数据进行处理，将处理后的实时客流数据用于轨道交通的实时客流预测，现有技术中，也还未有轨道交通实时客流预测的方法及相关的系统建设。

发明内容

本发明要解决的技术问题是提供一种基于AFC数据的城市轨道交通实时客流预测方法及系统，以解决现有技术所存在的AFC厂商的多样性以及AFC实时客流数据传输机制不够完善导致AFC实时客流数据的准确性和实时性差，以及现有技术中还未存在城市轨道交通实时客流预测技术的问题。

为解决上述技术问题，本发明实施例提供一种基于AFC数据的城市轨道交通实时客流预测方法，包括：

对AFC实时客流数据传输流程及数据质量进行分析，建立AFC实时客流数据异常判断及校正机制；

获取各站点的AFC实时客流数据，并根据建立的AFC实时客流数据异常判断及校正机制判断所述AFC实时客流数据是否异常，若是，则对所述AFC实时客流数据进行校正；

根据校正后的一定运营时段内的AFC实时客流数据及各站点对应的历史同期、同运营时段的进站量，预测未来一定运营时段内各站点的进站量。

优选地，所述根据建立的AFC实时客流数据异常判断及校正机制判断所述AFC实时客流数据是否异常，若是，则对所述AFC实时客流数据进行校正包括：

对获取到的AFC实时客流数据进行阈值判断，当所述AFC实时客流数据在设定的阈值范围之内，则判断所述AFC实时客流数据正常；

当所述AFC实时客流数据不在设定的阈值范围之内且在一定的特殊情况下时，则判定所述AFC实时客流数据正常，所述特殊情况包括：大型活动或者突发事件；

当所述AFC实时客流数据不在设定的阈值范围之内且无特殊情况下时，则判定所述AFC实时客流数据异常，并调用修正过的所述异常AFC实时客流数据对应的站点的历史同期、同运营时段的进站量替换该异常AFC实时客流数据。

优选地，所述设定的阈值范围包括：对各个站点、不同时期、不同运营时段分别设定AFC实时客流数据的阈值范围，所述不同时期包括：工作日、双休日、节日及大型活动日；

所述设定AFC实时客流数据的阈值范围包括：

第一步：选取客流月之前的一定月数内的同站点、同时期、同运营时段的进站客流样本数据，确定样本均值以及样本标准差s；

第二步：确定样本标准差与样本均值的比值将所述比值与设定的临界值方程f(x)比较，当时认为阈值范围过大，则进入第三步；否则设定阈值上限为：阈值下限为：完成阈值设定；

第三步：对第二步判断的阈值过大的样本进行样本坏值判断，剔除相应的坏值，坏值剔除后重新确定比值当重新确定的比值时认为阈值范围依然过大，进入第四步，否则设定阈值上限为：阈值下限为：其中，所述为剔除坏值后的样本均值所述s为剔除坏值后的样本标准差s，完成阈值设定；

第四步：对于第三步判断的阈值范围依然过大的站点，采用剔除坏值后的样本中最大进站量x_max和最小进站量x_min来确定阈值范围，阈值上下限分别设定为1.1x_max和0.9x_min；