[发明专利]一种城市轨道交通节假日客流预测系统有效

专利信息
申请号: 202110819401.X 申请日: 2021-07-20
公开(公告)号: CN113762590B 公开(公告)日: 2023-08-01
发明(设计)人: 郭建媛;杜佳敏;贾利民;秦勇;王艳辉;李宇杰;李思野;寇淋淋;王雅观;孙璇;唐雨昕;张辉 申请(专利权)人: 北京交通大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/30;G06F16/9537
代理公司: 北京市商泰律师事务所 11255 代理人: 黄晓军
地址: 100044 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 城市 轨道交通 节假日 客流 预测 系统
【说明书】:

发明提供了一种城市轨道交通节假日客流预测系统。包括:节假日客流预测服务器、基础模型服务器、数据管理服务器和数据获取服务器,数据获取服务器爬取城市轨道交通内部路网客流数据和长途交通数据、城市POI数据和事件数据,向数据管理服务器发送数据;基础模型服务器提供重力模型、OD分类模型、出行意愿分级模型和数据驱动模型;节假日客流预测服务器基于数据管理服务器中的数据调用OD分类模型、重力模型和出行意愿分级模型进行节假日短时客流预测;在短时客流预测的基础上,调用基础模型服务器中的基于高维特征编码的数据驱动模型进行实时节假日OD客流预测。本发明为节假日客运组织提供出行OD需求预测,提高客运组织的科学合理性。

技术领域

本发明涉及城市轨道交通运营组织技术领域,尤其涉及一种城市轨道交通节假日客流预测系统。

背景技术

城市轨道交通发展迅速,吸引了大量的城市交通出行客流。节假日客流呈现出和日常通勤显著的不同,对城市轨道交通运力配置、车站客流组织、人员配置都提出了挑战。准确地预测客流可以为城市轨道交通运营组织提供科学决策。

目前,现有技术中的城市轨道交通节假日客流预测方法,在数据角度,以系统内部交通、历史节假日客流以及车站周边土地利用为主要依据开展研究;在模型角度,包括:以重力模型为代表的可解释模型,以及以深度学习为代表的数据驱动模型。

上述现有技术中的城市轨道交通节假日客流预测方法的缺点为:缺少对道路交通、长途接驳交通信息的综合利用,也缺少对天气、重大活动等外部事件信息的综合利用,还缺少对可解释模型与数据驱动模型的综合利用。

发明内容

本发明的实施例提供了一种城市轨道交通节假日客流预测系统,以实现对城市轨道交通节假日的客流进行有效预测。

为了实现上述目的,本发明采取了如下技术方案。

一种城市轨道交通节假日客流预测系统,包括:节假日客流预测服务器、基础模型服务器、数据管理服务器和数据获取服务器,所述的节假日客流预测服务器分别与基础模型服务器、数据管理服务器和数据获取服务器连接,所述数据获取服务器与所述数据管理服务器连接;

所述数据获取服务器,用于爬取、过滤并统计不同城市之间的长途交通数据、城市兴趣点POI数据和事件数据,向数据管理服务器发送所有的数据;

所述数据管理服务器,用于存储并管理数据获取服务器发送过来的外部交通数据与事件特征数据,城市轨道交通其他运营系统接入的内部数据,以及节假日预测服务器产生的预测数据;

所述基础模型服务器,用于提供重力模型、起点到终点OD分类模型和出行意愿分级模型和数据驱动模型;

所述节假日客流预测服务器,用于基于数据管理服务器中存储的数据调用基础模型服务器中的OD分类模型、重力模型和出行意愿分级模型进行节假日短时客流预测;在短时客流预测的基础上,调用基础模型服务器中的基于高维特征编码的数据驱动模型进行实时节假日OD客流预测。

优选地,所述的数据获取服务器包括数据爬取单元、数据过滤单元和数据统计单元;

所述的数据爬取单元,用于爬取铁路开行列车和售票信息、飞机开行航班和售票信息,以及道路交通路况信息和外部事件信息;

所述的数据过滤单元,用于对数据爬取单元爬取到的数据进行数据一致性检查,以及无效数据、缺失值、重复数据处理;

所述的数据统计单元,用于对数据过滤单元过滤后的数据进行分时间、分空间的统计,获得节假日期间分时的长途出发和到达需求信息,分时城市交通路况信息、天气、活动信息,获得出行意愿强度,将获取的信息发送给数据管理服务器。

优选地,所述的数据管理服务器包括外部交通数据存储单元、城市轨道交通数据存储单元、城市POI数据存储单元、事件特征存储单元、预测数据存储单元和数据管理单元;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京交通大学,未经北京交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110819401.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top