[发明专利]一种轨道交通数据处理方法、装置、设备及存储介质

权利要求书

1.一种轨道交通数据处理方法，其特征在于，包括：

选择至少一个目标站点，并确定所述目标站点对应的多个运行区间，其中，所述运行区间的起始站为所述目标站点，终点站为所述目标站点单一路径上无换乘的任一站点；

针对任意一个运行区间，遍历所述运行区间在预设时段的轨道交通数据，获取乘客在所述运行区间的非乘车时长集合；

通过所述运行区间对应的无监督学习的方式对所述非乘车时长集合进行数据聚类，得到所述运行区间的聚类结果，根据所述聚类结果识别所述轨道交通数据中在所述目标站点有反向乘车行为的异常数据；

基于所述异常数据的识别结果，对客流进行清分。

2.根据权利要求1所述的方法，其特征在于，所述选择至少一个目标站点，包括：

针对轨道交通车辆任一行驶方向，确定获取所述预设时段内所述行驶方向上每个目标站点区间，其中所述目标站点区间为所述行驶方向上所有站点区间中，满载率大于预设满载率阈值的站点区间；

将所述目标站点区间中的所述轨道交通车辆先行通过的站点作为所述目标站点。

3.根据权利要求1所述的方法，其特征在于，所述遍历所述运行区间在预设时段的轨道交通数据，获取乘客在所述运行区间的非乘车时长集合，包括：

遍历所述运行区间内多个子区间的轨道交通数据，所述子区间的起始站为所述目标站点，终点站为所述运行区间内除所述目标站点之外的任一站点；

每遍历一条所述轨道交通数据，执行下列过程：

根据所述轨道交通数据确定乘客在所述子区间的出行时长，其中，所述出行时长为乘客从进站时刻到出站时刻之间的时长；

将所述乘客在所述子区间的出行时长与所述子区间的最短轨道运行时长之差，作为乘客在所述运行区间的非乘车时长。

4.根据权利要求1所述的方法，其特征在于，所述通过所述运行区间对应的无监督学习的方式对所述非乘车时长集合进行数据聚类，得到所述运行区间的聚类结果，包括：

对所述非乘车时长集合进行混合高斯聚类，确定包含K类数组的聚类结果，其中目标数组的聚类结果表征乘客在所述运行区间乘坐目标车次的乘客比例、乘客在所述目标站点等待目标车次的平均候车时间、及所述候车时间的标准偏差，所述目标数组为所述K类数组中的任一数组。

5.根据权利要求4所述的方法，其特征在于，根据所述聚类结果识别所述轨道交通数据中在所述目标站点有反向乘车行为的异常数据，包括：

根据所述K类数组中最后两类数组的均差值，识别所述轨道交通数据中在所述目标站点有反向乘车行为的异常数据。

6.根据权利要求4所述的方法，其特征在于，所述对所述非乘车时长集合进行混合高斯聚类，确定包含K类数组的聚类结果，包括：

利用K-means算法对所述非乘车时长集合进行数据聚类，确定包含K类初始数组的初始聚类结果；

将所述初始聚类结果输入至混合高斯模型中，利用最大期望算法，对所述初始聚类结果以预设次数及预设精度进行迭代收敛，确定包含K类数组的聚类结果。

7.根据权利要求5所述的方法，其特征在于，所述根据所述K类数组中最后两类数组的均差值，识别所述轨道交通数据中在所述目标站点有反向乘车行为的异常数据，包括：

判断将所述K类数组中最后两类数组的均差值是否大于标准差值，若是，则确定所述轨道交通数据中存在在所述目标站点有反向乘车行为的异常数据，其中，所述标准差值为轨道交通车辆在所述目标站点的发车间隔时长与停站时长之和；

将所述K类数组中的最后一类数据，识别为所述轨道交通数据中在所述目标站点有反向乘车行为的异常数据。

8.根据权利要求1-7任一所述的方法，其特征在于，所述基于异常数据的识别结果，对客流进行清分，包括：

从所述轨道交通数据中提取所述异常数据，并将所述异常数据输入至第一客流清分模型中进行客流清分；

将剔除所述异常数据后的轨道交通数据，输入至第二客流清分模型中进行客流清分。