[发明专利]一种基于IC卡的交通短时客流预测方法和相关装置

权利要求书

1.一种基于IC卡的交通短时客流预测方法，其特征在于，包括步骤：

获取客流数据，并根据所述客流数据统计出各个站点不同时段的乘客上下车的客流情况，所述客流数据包括当天客流数据和历史客流数据；

根据所述客流情况和预设的相关度函数，得到客流估计值。

2.根据权利要求1所述的一种基于IC卡的交通短时客流预测方法，其特征在于，还包括步骤：

利用扩展卡尔曼滤波对所述客流估计值进行纠偏，获得最终的精确客流预测值。

3.根据权利要求1所述的一种基于IC卡的交通短时客流预测方法，其特征在于，所述步骤根据预设的相关度函数，得到客流估计值，具体为：

根据预设的相关度函数，得到与当天的目标站点的客流数据最接近的历史客流数据，所述最接近指与目标站点的客流数据相关度最高的历史客流数据；

进行粗略估计得到当天目标站点的预测时段n的下一时段的客流估计值；

所述客流估计值为最接近的历史客流数据中对应预测时段n的下一时段n+1的客流数据。

4.根据权利要求1所述的一种基于IC卡的交通短时客流预测方法，其特征在于，所述预设的相关度函数表示为：

其中S表示矩阵N′和N的相似度，N′表示当天实时计算出来的客流数据，N表示历史客流数据中相应时段的站点客流量值。

5.根据权利要求2所述的一种基于IC卡的交通短时客流预测方法，其特征在于，所述最终的客流预测值表示为：

其中，表示预测值，即最终的客流预测值，K_n+1表示卡尔曼增益，h_k表示观测函数，x_n表示第n个时段的状态值,z_n+1表示对应的n+1时段的最接近的历史客流数据，f_k表示状态转移函数。

6.根据权利要求5所述的一种基于IC卡的交通短时客流预测方法，其特征在于，所述状态转移函数f_k具体为：

其中，有n个时段的客流数据，x_k表示第k时段的状态值，x_n表示第n个时段的状态值,z_n表示对应x_n的最接近的历史客流数据，z_n+1表示对应的n+1时段的最接近的历史客流数据。

7.根据权利要求6所述的一种基于IC卡的交通短时客流预测方法，其特征在于，所述扩展卡尔曼滤波的模型中观测值表示为：

z_k＝h_k(x_k)+v_k

x_k＝f_k(x_k-1)+ω_k

其中，z_k表示对应x_k的最接近的历史客流数据，即所述客流估计值，x_k表示第k时段的状态值，即纠偏后的最终的客流预测值，h_k表示观测函数，f_k表示状态转移函数，ω_k表示k时刻的过程激励噪声，v_k表示观测噪声。

8.一种基于IC卡的交通短时客流预测装置，其特征在于，包括：

获取客流数据模块，用于获取客流数据，并根据所述客流数据统计出各个站点不同时段的乘客上下车历史客流情况，所述客流数据包括当天客流数据和历史客流数据；

粗略估计模块，用于根据所述客流情况和预设的相关度函数，得到客流估计值；

扩展卡尔曼滤波纠偏模块，用于利用扩展卡尔曼滤波对所述客流估计值进行纠偏，获得最终的客流预测值。