[发明专利]一种城市轨道交通客流二阶波动性计算方法

说明书

技术领域

本发明涉及一种城市轨道交通客流检测方法，尤其是一种城市轨道交通客流二阶波动性计算方法。

背景技术

随着我国城市化进程的迅猛发展，城市机动车保有量迅猛增加，城市交通系统拥堵日渐加重。在此背景下，以大容量、准点高效为主要特征的城市轨道交通系统逐渐得到了各界的认可，成为解决城市地面交通系统拥堵问题的有效举措之一。

乘客是城市轨道交通的服务对象，客流量和行为特性是决定轨道交通系统设计与运营的重要因素。对设计而言，客流是贯穿整个过程的最重要的参数，直接决定了系统的规模、设施设备配置等。对运营而言，对客流特征实时、准确把握有助于城市轨道交通运营管理部门根据客流的变化而采取适当的措施，合理的进行车站行人交通组织和列车运营调度等，提升系统服务水平。

发明内容

本发明要解决的技术问题是现有的城市轨道交通实际客流始终处于变化之中，可能高于或低于平均流率，呈离散现象，为客流监控带来了难度。

为了解决上述技术问题，本发明提供了一种城市轨道交通客流二阶波动性计算方法，包括如下步骤：

步骤1，对原始客流数据进行处理获取一定时间汇集度下的城市轨道交通客流序列；

步骤2，根据城市轨道交通客流序列绘制客流时序图，识别出客流变化的周期；

步骤3，使用历史客流平均水平周期性差分和历史客流离散水平递推的方法，分别对研究时间段内的客流平均水平和客流离散水平进行建模和预测；

步骤4，根据客流平均水平和客流离散水平的预测结果，计算一定置信水平下的客流波动区间；

步骤5，将客流波动区间的宽度与对应的客流真实值之比定义为宽度流量比，使用宽度流量比指标来评价客流二阶波动性的强弱，宽度流量比越大，则表明客流的二阶波动性越强，宽度流量比越小，则表明客流的二阶波动性越弱。

作为本发明的进一步限定方案，步骤1中，对原始客流数据进行处理获取一定时间汇集度下的城市轨道交通客流序列的具体步骤为：

步骤1.1，确定时间汇集度T、研究时间段、研究站点以及客流类型，根据时间汇集度T获取原始客流数据，原始客流数据为每一位乘客的进出站的站点和时间；

步骤1.2，按照客流序列计算表达式对原始客流数据进行筛选处理，客流序列计算表达式为：

式中，Flow_n为时间汇集度为T的客流序列中的第n个客流值；Station为乘客进出站的站点，Time为乘客进出站时间，T_n为研究时间段内的第n个汇集间隔所包含的时间段，即nT至(n+1)T之间的时间段。

作为本发明的进一步限定方案，步骤2中，根据客流时序图中客流序列的变化特征识别客流变化的周期为S。

作为本发明的进一步限定方案，步骤3中，使用历史客流平均水平周期性差分的方法对客流平均水平进行建模和预测，建模的模型表达式为：

式中，Flow_n、Flow_n-S、Flow_n-1和Flow_n-S-1分别对应时间编号为n、n-S、n-1和n-S-1时的客流值，S为客流变化的周期，ε_n为随机干扰项，ε_n符合均值为0、方差为的正态分布，θ₁和Θ₁为模型的常数项；

获取客流序列，并利用客流序列{Flow₁，Flow₂，Flow₃，…}对模型参数θ₁和Θ₁进行计算，再使用确定参数后的客流平均水平模型对研究时间段内的客流平均水平进行预测，得到客流预测值序列

作为本发明的进一步限定方案，步骤3中，使用历史客流离散水平递推的方法对客流离散水平进行建模和预测，建模的模型表达式为：

e_n～IN(0，1)

式中，FlowVar_n和FlowVar_n-1分别为时间编号为n和n-1时的客流方差值，e_n为随机干扰项，e_n符合均值为0、方差为1的正态分布，α₀、α₁和β₁为模型的常数项；