[发明专利]城市轨道交通客流密集度指数计算与发布系统

摘要

本发明提供了一种城市轨道交通客流密集度指数计算与发布系统，包括密集度指数发布单元，数据分析与密集度指数计算单元，多源数据输入单元。其中，多源数据输入单元可接入自动客流监测数据、AFC数据、列车实时载客数据及人工调查数据等多种数据；数据分析与密集度指数计算单元包括多时间粒度客流分析与预测模块、车站级客流密集度指数计算模块、线路级客流密集度指数计算模块、网络级客流密集度指数计算模块；指数发布单元包括指数显示模块、报表生成模块及面向用户的发布模块。

主权项

一种城市轨道交通客流密集度指数计算与发布系统，其特征是包括：a、多源数据输入单元：获取自动客流监测设备、AFC设备和列车实时监控设备的实时和历史客流数据，及人工调查数据；b、数据分析与密集度指数计算单元：包括多时间粒度客流分析与预测模块、车站级客流密集度指数计算模块、线路级客流密集度指数计算模块、网络级客流密集度指数计算模块；c、密集度指数发布单元：包括指数显示模块、报表生成模块和面向用户的发布模块；所述数据分析与密集度指数计算单元与多源数据输入单元连接；所述多时间粒度客流分析与预测模块对从多源数据输入单元获取的实时和历史客流数据，进行多种时间粒度的统计分析和预测；数据分析与密集度指数计算单元的输出包括车站级客流密集度指数、线路级客流密集度指数、网络级客流密集度指数以及历史、实时及预测客流及其汇总结果；所述密集度指数发布单元与数据分析与密集度指数计算单元通过数据接口连接；指数显示模块以数据分析与密集度指数计算单元输出的车站级客流密集度指数、线路级客流密集度指数、网络级客流密集度指数数据作为输入，以图形界面进行显示；在数据分析与密集度指数计算单元中：以最近某时间粒度实时监测数据为实时输入，通过历史样本数据拟合和深入挖掘，标定预测模型参数的初始值，并通过实际监测数据，对预测模型参数的值进行定期更新；如果所述最近某时间粒度实时监测数据缺失时，则采用历史同期数据的均值为实时输入；经过获得观测序列值、平稳性检验、白噪声检验、计算自相关系数和偏相关系数、模型定阶、未知参数估计、模型检验、模型优化和预测序列未来值和分析结果过程，得出预测结果；历史、实时及预测客流数据及多种时间粒度统计结果为数据输入，由车站级客流密集度指数计算模块计算出车站级客流密集度指数；历史、实时及预测客流数据及多种时间粒度统计结果为数据输入，结合车站级客流密集度指数，由线路级客流密集度指数计算模块计算线路区间客流密集度指数和线路级客流密集度指数；历史、实时及预测客流数据及多种时间粒度统计结果为数据输入，结合线路级客流密集度指数，由网络级客流密集度指数计算模块计算出网络级客流密集度指数；车站级客流密集度指数、线路级客流密集度指数、网络级客流密集度指数分级进行量化计算，并根据实际拥挤程度划分成相应拥挤状态；所述多时间粒度客流分析与预测模块根据从多源数据输入单元获取的实时和历史客流数据，求得预测客流数据的步骤包括：(1)先对实时和历史客流数据进行平稳性检验；若实时和历史客流数据的序列的值是平稳的，则无需进行差分运算，若非平稳，则对实时和历史客流数据的序列进行d阶差分运算，直至使其成为平稳序列；然后对平稳序列的数据进行随机性检验；若序列的值彼此之间无相关性，则结束预测；若非纯随机序列，则进行下一步验证；(2)计算平稳序列的自相关系数ACF和偏自相关系数PACF；由ACF和PACF的收尾特性，确定ARIMA预测模型的阶数；对ARIMA预测模型中自回归系数多项式和移动平滑系数多项式中的未知参数和方差，采用历史数据对ARIMA预测模型进行参数估计，得到参数值；(3)对残差进行白噪声检验，以辨别ARIMA预测模型的显著有效性；若残差序列为非白噪声序列，则证明观测序列值信息的提取还不完全，需对模型进行重新定阶；然后对步骤(2)中估计的参数进行显著性检验，以确定参数的显著有效性，剔除不显著参数；(4)利用序列已观测到的样本值对序列在未来某个时刻的取值进行估计；采用线性最小方差预测方法，根据实测的客流量及历史客流量序列预测序列未来值，得到预测客流数据。