[发明专利]一种突发事件下轨道交通客流疏散需求预测方法

说明书

本发明涉及一种突发事件下轨道交通客流疏散需求预测方法，包括以下步骤：1)根据轨道交通自动收费系统历史票卡数据获取常态短时交通需求样本集，并以常态短时交通需求样本集为基础，采用基于主成分分析的混合预测模型进行多步预测，获取常态下短时地铁出行需求预测结果；2)根据轨道交通网络拓扑关系建立轨道交通网络有向图；3)对轨道交通出行OD进行分配得到分配矩阵F；4)根据突发事件的特征及先验信息，结合预测结果，获得出事件影响期间全网各站点疏散需求的计算公式；5)采用仿真获取突发事件影响期间内疏散需求的时空演化，并获取高峰滞留值。与现有技术相比，本发明具有可操作性强、实用性强、可直接应用、方法完整等优点。

技术领域

本发明涉及公共交通突发事件应急管理领域，尤其是涉及一种突发事件下轨道交通客流疏散需求预测方法。

背景技术

近年来各类突发事件(包括生产事件、运营事故、极端天气、社会公共事件及恐怖袭击事件等)频繁发生，加之于脆弱的交通系统，会造成诸多不良影响，包括网络交通拥挤、完全中断，程度不一的财产损失甚至人员伤亡等。这在很大程度上严重降低了交通系统的运行可靠度和承载力，成为现阶段交通领域的严峻挑战。

短时交通需求预测是交通领域的研究热点之一，其预测结果可应用于主动交通控制、交通诱导等领域，为其措施实施及制定提供指导，因而是智能交通系统的关键构成因素。而在突发事件下，实时、准确的需求预测信息可支撑科学应急响应，显得更为关键。现有的短时交通需求预测方法大多都是在常态情况下利用历史数据进行预测，而非常态下的相关研究较少，其主要难点之一在于针对性的历史数据较少。整体来说，非常态尤其是突发事件导致交通中断等情况下，数据收集困难，样本稀疏，实时数据来源更是不能得到保障，若使用和常态下类似的研究方法，即依赖于针对性的历史数据作为样本集进行建模、求解并从中探究其规律较难实现。目前，还未检索到可解决上述问题的发明专利。

经过对现有文献及专利的检索，到目前为止，对与突发事件下的轨道交通客流疏散需求预测较为相关的内容主要概括、评述如下：

(1)Ricardo Silva等人在《Predicting traffic volumes and estimating theeffects of shocks in massive transportation systems》(Proceedings of theNational Academy of Sciences of the United States of America,2015,112(18):5643-8)中利用伦敦轨道交通事故数据库结合回归统计方法对中断情况下进行了预测。其方法在使用中主要受限于：需利用较为全面的历史记录对事故状态下的疏散需求进行预测。

(2)Yang Li等人在《Forecasting short-term subway passenger flow underspecial events scenarios using multiscale radial basis function networks》(Transportation Research Part C Emerging Technologies,2017,77:306-328)中利用北京轨道交通进站数据对突发事件下的出站流量预测，利用机器学习方法根据实时数据进行预测，重点提升算法对异常情况的适应性。其方法在使用中受限于：输出结果为突发事件下的出站客流量，不能直接对疏散工作进行指导，且需突发事件条件下的实时数据作为模型输入。

(3)中国专利申请号：201710285974.2，专利名称为：一种突发事件下城市轨道交通客流预测方法。其专利在实际使用过程中受限于：其专利输出结果为突发事件影响下的进站客流量，且需要根据突发事件下的相应数据，用于对突发事件下乘客选择行为进行详细效用评估。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种突发事件下轨道交通客流疏散需求预测方法。

本发明的目的可以通过以下技术方案来实现：