[发明专利]轨道交通站点短时客流状态预测方法及装置

权利要求书

1.一种轨道交通站点短时客流状态预测方法，其特征在于，所述方法包括：

根据获取的轨道交通目标站点及所述目标站点上游和下游相邻站点的客流量和客流速度，生成客流和速度时间序列{S_it，i＝1,2,3}，其中，所述客流量和客流速度由通道内的视频数据获取；S_it＝(q_it，v_it)^T，i＝1、2、3，分别表示所述目标站点上游相邻站点、所述目标站点和所述目标站点的下游相邻站点，q_it为客流量，v_it为客流速度；

对所述客流和速度时间序列进行一阶差分运算，得到平稳时间序列S′_it＝(q′_it，v′_it)^T，其中，S′_it为第i个站点在时间间隔t内的一阶差分值；

采用所述平稳时间序列的历史样本数据构建向量自回归模型，所述向量自回归模型为：

其中，p，q为向量自回归过程的滞后阶数，△q_2t为目标站点客流量在时间间隔t内的一阶差分值，△v_2t为目标站点客流速度在时间间隔t内的一阶差分值，△q_1(t-m)、△q_3(t-m)为上游和下游相邻站点客流量在时间间隔(t-m)内一阶差分值，△v_1(t-m)、△v_3(t-m)为上游和下游相邻站点客流速度在时间间隔(t-m)内一阶差分值；α_xm、β_xm、γ_xm、δ_xm、ε_xm、∈_xm、α_ym、β_ym、γ_ym、δ_ym、ε_ym、∈_ym、c_x、c_y为所述向量自回归模型的待估参数；∈_xt、∈_yt为所述向量自回归模型的误差项；

根据相同时段的原始客流量、所述客流和速度时间序列的历史样本数据，检验所述客流和速度时间序列{S_it，i＝1,2,3}之间的协整关系，得到误差修正项λecm_t-1；

根据所述向量自回归模型以及所述误差修正项，建立目标站点客流量和客流速度的向量误差修正模型，所述向量误差修正模型为：

其中，λ₁、λ₂位对应的误差修正系数，λ₁ecm_t-1、λ₂ecm_t-1为误差修正项；

根据所述向量误差修正模型和视频数据计算时间间隔t内目标站点客流量和客流速度的预测值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述向量误差修正模型和视频数据计算时间间隔t内目标站点客流量和客流速度的预测值，包括：

从视频获取在时间间隔(t-1)，(t-2)，(t-3)……(t-p+1)的实际观测值；

根据所述实际观测值及所述向量误差修正模型计算在时间间隔t内目标站点客流量和客流速度一阶差分时间序列的预测值△q_2t、△v_2t；

根据所述站点客流量和客流速度一阶差分时间序列的预测值△q_2t、△v_2t，计算时间间隔t内目标站点客流量和客流速度的预测值。

3.根据权利要求1所述的方法，其特征在于，所述生成客流和速度时间序列之前，所述方法还包括：根据所述轨道交通车站通道内的视频检测器采集到的视频数据，获取所述客流量和所述客流速度。

4.根据权利要求1所述的方法，其特征在于，所述向量自回归模型中的滞后阶数p、q通过贝叶斯准则确定。