一种城市轨道交通站台乘客的分布预测方法与流程

技术特征：

1.一种城市轨道交通站台乘客的分布预测方法，其特征在于，所述方法包括：

S1：统计城市轨道交通站台各候车区域内乘客分布的历史数据；

S2：构建乘客选择各候车区域的总预期花费模型，基于总花费最小原则和所述历史数据，对所述总预期花费模型进行校验得到乘客候车区域选择模型；

S3：采用所述乘客候车区域选择模型预测各候车区域内乘客的分布。

2.根据权利要求1所述的预测方法，其特征在于，所述历史数据包括乘客属性、下车乘客的数量、通知列车到达前乘客的数量、列车打开车门前增加的乘客数量和未上车的乘客数量。

3.根据权利要求2所述的预测方法，其特征在于，所述乘客属性包括乘客年龄、各年龄段乘客人数占总乘客人数的比例和各年龄段乘客人数的体重、身体半径、期望行走速度和反应时间。

4.根据权利要求1所述的预测方法，其特征在于，所述S2包括：

S21：计算乘客选择各候车区域分别产生的总预期花费模型；

S22：根据总花费最小原则，得到最佳候车区域；

S23：根据所述历史数据校验所述最佳候车区域的总预期花费模型中的敏感参数，得到乘客候车区域选择模型。

5.根据权利要求4所述的预测方法，其特征在于，所述最佳候车区域为w^*＝argmin C^iw,w＝1,2,3,...,n-1,n

其中，argmin()为取最小值函数，C^iw为乘客到候车区域i的总预期花费模型，n为候车区域的总数。

6.根据权利要求1所述的预测方法，其特征在于，所述总预期花费模型为乘客到各候车区域所产生的预期花费模型、各候车区域内的乘客数量所产生的预期花费模型、乘客与各候车区域构成的三角区内的乘客密度所产生的预期花费模型和影响乘客候车区域选择的不确定因素带来的预期花费之和。

7.根据权利要求6所述的预测方法，其特征在于，所述乘客到各候车区域所产生的预期花费模型为

$C_1^{iw}(t,x,y)=\exp \left(\frac{\mathrm{\μ}(t,x,y)\·d^{iw}(t,x,y)}{{\mathrm{\β}}_1}+{\mathrm{\α}}_1\right)$

其中，d^iw(t,x,y)为t时刻乘客i从当前位置(x，y)到候车区域w的距离，β₁为敏感正系数，α₁为惯性正参数，μ(t,x,y)为乘客选择到候车区域w过程中受到周围乘客密度影响的程度；

所述α₁为

${\mathrm{\α}}_1=\left\{\begin{array}{ccc}{\mathrm{\α}}_1^1& dwell\left(t\right)=1& luggage\left(t\right)=1\\ {\mathrm{\α}}_1^2& dwell\left(t\right)=0& luggage\left(t\right)=0\end{array}\right.$

其中，dwell(t)＝1表示列车此时停在站内，dwell(t)＝0表示列车此时未停在站内，luggage(t)＝1表示乘客携带大件行李，luggage(t)＝0表示乘客未携带大件行李，和是正参数；

所述μ(t,x,y)为

$\mathrm{\μ}(t,x,y)=\left\{\begin{array}{cc}1& \mathrm{\ρ}(t,x,y)\<{\mathrm{\ρ}}_0\\ \mathrm{\χ}\·\frac{{\mathrm{\ρ}}_0}{\mathrm{\ρ}(t,x,y)}& \mathrm{\ρ}(t,x,y)\>{\mathrm{\ρ}}_0\end{array}\right.$

其中，ρ(t,x,y)代表周围乘客的密度，ρ₀为临界密度，χ为正参数。

8.根据权利要求6所述的预测方法，其特征在于，所述各候车区域内的乘客数量所产生的预期花费模型为

$C_2^{iw}(t,x,y)=\left\{\begin{array}{cc}{\mathrm{\β}}_2{L}_{after}^w\left(t\right)+{\mathrm{\α}}_2\frac{1}{L^w-L_{after}^w\left(t\right)}& dwell\left(t\right)=1\\ {\mathrm{\β}}_2{L}_{before}^w\left(t\right)+{\mathrm{\α}}_2\frac{1}{L^w-L_{before}^w\left(t\right)}& dwell\left(t\right)=0\end{array}\right.$

其中，L^w为候车区域w的物理长度，β₂为敏感正系数，α₂为惯性正参数，和分别代表在列车停站阶段和未停站阶段候车区域w被乘客占用长度，dwell(t)＝1表示列车此时停在站内，dwell(t)＝0表示列车此时未停在站内。

9.根据权利要求6所述的预测方法，其特征在于，所述乘客与各候车区域构成的三角区内的乘客密度所产生的预期花费模型为

$C_3^{iw}(t,x,y)=\exp \left(\frac{{\mathrm{\ρ}}^{iw}(t,x,y)}{{\mathrm{\β}}_3}+{\mathrm{\α}}_3\right)$

其中，ρ^iw(t,x,y)为乘客到各候车区域所构成的三角区内乘客密度，β₃为敏感正系数，α₃为惯性正参数。

10.根据权利要求1所述的预测方法，其特征在于，所述S3中根据所述乘客候车区域选择模型，基于社会力模型预测未来各候车区域内乘客的分布，所述社会力模型为

$m_i\frac{d{\stackrel{\→}{v}}_i}{dt}={\stackrel{\→}{f}}_i^0+\underset{j(\≠i)}{\Σ}{\stackrel{\→}{f}}_{ij}+\underset{w}{\Σ}{\stackrel{\→}{f}}_{iw}$

其中，m_i为乘客i的质量，为乘客i的运动速度，为乘客i的自身驱动力，为乘客i与周围乘客j间的作用力，f_iw为乘客i与障碍物w间的作用力。