[发明专利]基于客流分级的地铁自适应调度方法和电子设备

说明书

本发明提供一种基于客流分级的地铁自适应调度方法和电子设备，其特征在于，包括：根据地铁地面运维系统数据，得到数据集；训练所述数据集得到客流分级系统，并输出客流分级结果；根据所述客流分级结果，利用风险评估方法，建立地铁自适应调度模型；根据实时地铁地面运维系统数据、所述客流分级系统和所述地铁自适应调度模型，得到发车间隔时间；依据所述发车间隔时间进行地铁车辆调度。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于客流分级的地铁自适应调度方法和电子设备。

背景技术

现行地铁发车间隔是根据每日客流高峰时刻和普通时刻进行固定间隔发车，缺乏灵活性，客流高峰时形成客流拥堵，客流低谷时形成运力浪费。

发明内容

有鉴于此，本发明的目的在于提出一种合理安排运力，疏导客流的地铁自适应调度方法和电子设备。

基于上述目的，本发明提供了一种基于客流分级的地铁自适应调度方法，其特征在于，包括：

根据地铁地面运维系统数据，得到数据集；

训练所述数据集得到客流分级系统，并输出客流分级结果；

根据所述客流分级结果，利用风险评估方法，建立地铁自适应调度模型；

根据实时地铁地面运维系统数据、所述客流分级系统和所述地铁自适应调度模型，得到发车间隔时间；

依据所述发车间隔时间进行地铁车辆调度。

在一些实施方式中，所述风险评估方法为贝叶斯风险评估方法。

在一些实施方式中，所述地铁地面运维系统数据包括：

地铁列车的载荷L、所述地铁列车所在的站台区间i。

在一些实施方式中，所述处理地铁地面运维系统数据包括：

对所述载荷L进行归一化处理：其中，w₀和w₁为消除采集误差的常数，L_max为所述地铁列车的最大载荷。

在一些实施方式中，所述w₀和所述w₁在[0.01，0.99]中取值。

在一些实施方式中，所述数据集包括：

X＝[L_norm-1 L_norm-2 … L_norm-n t]，其中，X表示所述地铁列车的状态的特征集，n表示n个站台区间，t表示发车间隔时间。

在一些实施方式中，所述训练所述数据集包括：

使用Kmeans++算法对所述数据集进行训练，得到m个聚类中心。

在一些实施方式中，所述使用所述客流分级系统进行客流分级包括：

获取过去T时段的客流特征；

将所述客流特征与所述聚类中心进行距离比较，得到比较结果；

依据所述比较结果进行客流分级。

在一些实施方式中，所述T时段的选择根据线路客流的波动强度进行设定。

另一方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至9任意一项所述的方法。