[发明专利]基于线路客运量的动态高峰期预测的方法

说明书

本发明公开了一种基于线路客运量的动态高峰期预测的方法，包括如下步骤：采集历史客运量数据并训练LSTM客流预测模型；预测未来一天的时间‑客运量数据；利用最小二乘法多项式拟合未来一天的时间‑客运量数据，得到拟合函数；画出拟合函数的曲线，计算拟合函数的一阶导数和二阶导数，得到曲线的各个波峰点；以客运量均值为基准计算高峰期。本发明具有预测所得的高峰期更加具有实际参考价值，高峰期客运量统计更具实际参考价值的特点。

技术领域

本发明涉及轨道交通客流高峰期动态预测技术领域，尤其是涉及一种基于历史数据可预测出未来某一天线路高峰期时段出现的次数以及每个高峰时段的开始时间与结束时间的基于线路客运量的动态高峰期预测的方法。

背景技术

动态高峰期：动态高峰期是指每天动态变化的出现客流高峰的时间段。

线路客运量：统计周期内，线路运送的乘客数量。

最小二乘法：按偏差平方和最小的原则选取拟合曲线并采取二项式方程为拟合曲线的方法。

LSTM：LSTM是长短时记忆网络的简写，是一种时间循环神经网络，是为了解决一般的循环神经网络存在的长期依赖问题而专门设计出来的。

一阶导数：一个函数在某一点的一阶导数描述了这个函数在这一点附近的变化率。

二阶导数：二阶导数是原函数导数的导数，将原函数进行二次求导。

在轨道交通运营中，列车排班优化、资源配置等工作与高峰时段息息相关，高峰时段需要通过增加列车的发车次数与缩短列车发车间隔，增加管理人员，设置车站隔离带等措施来保障轨道交通运营的有序高效进行。此外，线路高峰时段总客运量指标一定程度上体现了线路的繁忙程度和运输能力，是衡量线路运营状况的重要参考指标。该指标的计算依赖于具体的高峰时段的开始时间、结束时间。因此对各线路每日客流高峰期的界定十分重要。

传统的做法是将本市所有线路的客流高峰期固定为一个或多个时间段，如将07:00～09:00和17:00～19:00设置为高峰期(不同城市有所区别)，但实际上每天客运高峰期受线路特点、日期等因素的影响是动态变化的。

发明内容

本发明的发明目的是为了克服现有技术中的客运高峰期固定为一个或多个时间段的不足，提供了一种基于历史数据可预测出未来某一天线路高峰期时段出现的次数以及每个高峰时段的开始时间与结束时间的基于线路客运量的动态高峰期预测的方法。

为了实现上述目的，本发明采用以下技术方案：

一种基于线路客运量的动态高峰期预测的方法，包括如下步骤：

(1-1)采集历史客运量数据并训练LSTM客流预测模型；

(1-2)预测未来一天的时间-客运量数据；

(1-3)利用最小二乘法多项式拟合未来一天的时间-客运量数据，得到拟合函数；

(1-4)画出拟合函数的曲线，计算拟合函数的一阶导数和二阶导数，得到曲线的各个波峰点；

(1-5)以客运量均值为基准，计算高峰期。

本发明主要是解决轨道交通动态客流高峰期的预测问题。整体流程如图1所示，采集历史各线路客运量、气温、日期类型(工作日/节假日/双休日)、时间等数据；基于LSTM长短时记忆神经网络算法建立预测模型并预测未来一天的时间-线路客运量数据集；利用最小二乘法拟合算法拟合未来一天的时间-客运量分布曲线；通过对曲线求一阶导数及二阶导数获得曲线所有的波峰；计算曲线的均值，并以均值为基准线，客运量大于基准线的点为有效的客流高峰。计算客运量等于基准线的时间点，将分布在客运高峰两侧的时间点作为为客流高峰的开始时间与结束时间，由此可以得到一天中所有的客流高峰期。