[发明专利]一种城市轨道交通客流高峰持续时间预测方法

摘要

本发明公开了一种城市轨道交通客流高峰持续时间预测方法，包括以下步骤首先选择足够样本量的历史客流数据，然后对原始数据进行处理，处理过程包括流量统计、高峰时间计算、数据清洗、数据区间分类，接着建立关联客流高峰事件属性集，接着计算每一个区间的客流高峰事件的概率分布，再使用贝叶斯分类的方法确定属性分类界限，最后对每一类客流高峰事件建立时间序列模型，并对方法的有效性进行检验。本发明可用于预测城市轨道交通常发和突发的客流高峰事件的持续时间，为轨道交通企业的客流高峰管理提供数据支持，能缓解通行能力浪费和服务水平降低的矛盾，跟随轨道交通客流的变化。

主权项

一种城市轨道交通客流高峰持续时间预测方法，其特征在于：包括如下步骤：(1)客流统计：设定单位时间Δt，按单位时间Δt对时间进行分段；对历史客流数据，统计各个单位时间段内的全线进站流量，将统计数据分为两个集合，分别为训练集和测试集；(2)高峰时间计算：对所有单位时间段内的全线进站流量的统计结果由低到高进行排序，取85％分位点的全线进站流量作为高峰阈值Qt；当连续5个单位时间段的全线进站流量高于Qt时，则确定首次全线进站流量高于Qt的单位时间段开始时刻出现客流高峰；在出现客流高峰后，若连续5个单位时间段内有两个单位时间段的全线进站流量低于Qt时，则确定第二次全线进站流量低于Qt的单位时间段开始时刻退出客流高峰；客流高峰持续时间Td为出现客流高峰和退出客流高峰的差值，对所有训练集和测试集计算客流高峰持续时间；(3)建立客流高峰事件属性集：根据数据库信息，对客流高峰事件建立对应的属性集；(4)训练数据处理：对训练集数据进行清洗，剔除明显的孤立点；设定最小的客流高峰持续时间为TdMIN，最大的客流高峰持续时间为TdMAX，按一定的间隔宽度将[TdMIN,TdMAX]划分为连续的区间[TdMIN,γ1)、[γ1,γ2)、…[γc‑1,γc]，γc‑1＜TdMAX≤γc，按时间长度由短至长，对区间进行依次编号为1,2,…,c；将所有训练集数据中客流高峰持续时间落在同一区间内的客流高峰事件归为一类；(5)确定属性分类界限：对每一类客流高峰事件分析属性集的概率分布，建立客流高峰事件的损失函数，使用贝叶斯分类器方法确定属性分类界限；(6)建立时间序列预测模型：对训练集客流高峰事件按照步骤(5)所得的属性分类界限进行重新分类；重新分类后，同一类客流高峰事件按发生的时间依次排序，对于每一类客流高峰事件建立时间序列预测模型；(7)预测方法检验：使用测试集数据对步骤(6)得到的时间序列预测模型进行检验：若未能通过检验，则回到步骤(4)重新设置区间的时间长度；若通过检验，则确定所建立的时间序列预测模型是有效的。