[发明专利]一种基于轨道交通实时客流的预测方法及预测系统

说明书

本发明公开一种基于轨道交通实时客流的预测方法及预测系统，首先获取旬、周、日、小时的四个不同时段的历史客流数据；对四个不同时段的历史客流数据进行预处理，获得时间序列集；其次根据时间序列集建立旬时间模型、周时间模型、日时间模型、小时时间模型；分别采用旬时间模型、周时间模型、日时间模型、小时时间模型进行客流量预测，分别获得第一预测数据集、第二预测数据集、第三预测数据集和第四预测数据集；然后采用交互式多模型滤波算法，根据第一预测数据集、第二预测数据集、第三预测数据集和第四预测数据集确定客流量预测模型；最后根据客流量预测模型对轨道交通实时客流量进行预测，提高了基于轨道交通对客流量实时预测的准确性。

技术领域

本发明涉及轨道交通客流预测领域，特别涉及到一种基于轨道交通实时客流的预测方法及预测系统。

背景技术

随着城市化进程的快速发展，城市人口的出行需求与城市交通运载量之间的冲突愈发突出。城市轨道交通以其特有的高速、高容量以及环保等优势，从多种交通方式中脱颖而出，成为解决交通拥堵的主要交通工具。各城市纷纷投入建设，令城市轨道交通从单线运营向线网运营转型，其规模和复杂性提升的同时，也对轨道交通的网络化管理和发展提出挑战。而快速准确的客流预测既是科学制定行车计划的基础，也是实时调整运营计划的重要依据，它有助于交通运营管理更全面优质的发挥其作用。

现有的轨道交通实时客流预测方法包括Roos J提出一个动态贝叶斯网络方法用于预测巴黎铁路网络中的短期客流，该方法对系统故障造成的数据不全情况有较好的处理效果，因此存在预测准确率低的问题。还包括人工神经网络方法用于客流预测也取得了不错的效果，但也存在存在预测准确率低的问题，因此如何提高基于轨道交通实时客流的预测的准确率成为本领域急需解决的技术问题。

发明内容

本发明的目的是提供一种基于轨道交通实时客流的预测方法及预测系统，以实现提高实时客流量预测的准确率。

为实现上述目的，本发明提供了一种基于轨道交通实时客流的预测方法，所述预测方法包括：

从轨道交通历史数据库中获取旬、周、日、小时的四个不同时段的历史客流数据；

对所述四个不同时段的历史客流数据进行预处理，获得时间序列集；

根据所述时间序列集建立旬时间模型、周时间模型、日时间模型、小时时间模型；

分别采用所述旬时间模型、所述周时间模型、所述日时间模型、所述小时时间模型进行客流量预测，分别获得第一预测数据集、第二预测数据集、第三预测数据集和第四预测数据集；

采用交互式多模型滤波算法，根据所述第一预测数据集、所述第二预测数据集、所述第三预测数据集和所述第四预测数据集确定客流量预测模型；

根据所述客流量预测模型对轨道交通实时客流量进行预测。

可选的，所述对所述四个不同时段的历史客流数据进行预处理，获得时间序列集；具体包括：

对所述四个不同时段的历史客流数据进行归一化处理，获得归一化数据集；

对所述归一化数据进行时间聚合处理，获得时间序列集；所述时间序列集包括：旬时间序列、周时间序列、日时间序列和小时时间序列。

可选的，根据所述时间序列集建立旬时间模型、周时间模型、日时间模型、小时时间模型，具体包括：

根据所述旬时间序列建立旬时间模型；

根据所述周时间序列建立周时间模型；

根据所述日时间序列建立日时间模型；

根据所述小时时间序列建立小时时间模型。

可选的，所述根据所述旬时间序列建立旬时间模型，具体公式为：