[发明专利]一种基于AFC的地铁站内楼扶梯客流量预测方法

摘要

本发明涉及一种基于AFC的地铁站内楼扶梯客流量预测方法，属于轨道交通运营管理技术领域。其特征在于：根据客流特征划分预测时段，设定数据的采样时间间隔，对闸机进行分组编号，选定待预测的楼扶梯；利用AFC刷卡数据按采样时间间隔统计各组闸机的进出站客流量；利用视频按采样时间间隔采集待预测楼扶梯的分向断面客流量；对采集的闸机进出站和楼扶梯客流量数据进行相关性分析，确定待预测楼扶梯的关联闸机组；建立楼扶梯客流量预测模型，用采集的进出站客流量和楼扶梯分向断面客流量对预测模型进行训练；使用训练后的预测模型对楼扶梯断面客流量进行预测。本发明能够有效提高车站内楼扶梯客流量动态预测的准确性、时效性和运营的安全性。

主权项

1.一种基于AFC的地铁站内楼扶梯客流量预测方法，其特征在于：采用以下步骤：步骤S1：根据车站客流时间分布特征将客流数据划分多个预测时段，设定数据的采样时间间隔，对车站不同位置的闸机进行分组编号，选定待预测的楼扶梯；步骤S2：基于AFC刷卡数据统计获得预测时段内各采样时间间隔中不同编号闸机组的进出站客流量；设车站共有k组闸机，采集车站第m组闸机在预测时段内第t个采样时间间隔内的进站、出站客流量作为样本数据，其中m＝1、2…k，t＝1、2…n；步骤S3：利用车站楼扶梯视频，按照设定的采样时间间隔，采集待预测楼扶梯的进出站向断面客流量；共需采集样本数据n组，采集待预测楼扶梯在预测时段第t个采样时间间隔内的进站向断面客流量Yt进和出站向断面客流量Yt出作为样本数据；步骤S4：对和Y_t^进进行相关性分析，计算出Pearson相关系数确定该楼扶梯进站向客流量的关联进站闸机组，对和Y_t^出进行相关性分析，计算出Pearson相关系数确定该楼扶梯出站向客流量的关联出站闸机组；步骤S5：采用BP神经网络方法分别建立基于关联进站闸机组的进站客流量对楼扶梯进站向断面客流量Y_t^进的预测模型，以及基于关联出站闸机组的出站客流量对楼扶梯出站向断面客流量Y_t^出的预测模型；步骤S6：在步骤S5建立的预测模型中加入步骤S2和步骤S3中采集的样本数据，采用BP算法和traingdx学习规则，对样本进行学习训练，得到满足使用精度要求的的预测模型；步骤S7：利用经步骤S6训练后收敛的BP神经网络预测模型，输入预测日预测时段第(t‑1)个时间间隔各关联进站闸机组的进站客流量得到预测日预测时段第t个时间间隔的楼扶梯进站向客流量Y_t^进；输入预测日预测时段第(t‑1)个时间间隔各关联出站闸机组的出站客流量得到预测日预测时段第t个时间间隔的楼扶梯出站向客流量Y_t^出，进而计算得到预测日预测时段第t个时间间隔的楼扶梯总断面客流量Y_t＝Y_t^进+Y_t^出。