基于afc数据的城市轨道交通实时客流预测方法及系统的制作方法
【技术领域】
[0001] 本发明设及智能交通技术领域，特别是指一种基于AFC数据的城市轨道交通实时 客流预测方法及系统。
【背景技术】
[0002] 近年来，随着我国城市化进程的逐步加快，城市人口的急剧增加，交通供给与交通 需求之间的矛盾愈发突出，城市交通系统已越来越不堪重负，城市轨道交通（W下简称轨 道交通）作为城市交通的骨干运输方式，城市轨道交通的供给与交通需求之间的矛盾尤为 突出。随着我国城市轨道交通路网的复杂化，轨道交通客流迅猛增长，W北京为例，轨道交 通由2000年的2条线路、运营里程54虹1、日均客运量不足100万人次发展到2015年初的 18条线路、运营里程527km、日均客运量1020万人次，形成了网络化运营的格局。随着轨道 交通路网运营格局的形成，实时地对轨道交通客流进行预测和分析，对把握轨道交通路网 中客流的动态趋势、提高轨道交通运营服务水平和确保安全运营具有重要意义。
[0003] 轨道交通实时客流预测是一项非常基础而重要的工作，而AFC获得的实时客流数 据又是实时客流预测的基础，因此AFC获得实时客流数据质量的好坏显的尤为重要。现有 技术中，由于AFC厂商的多样性W及AFC实时客流数据传输机制不够完善等原因，导致目前 轨道交通AFC实时客流数据的准确性和实时性较差。在运样的背景下，为了能够准确预测 轨道交通的实时客流需要对AFC实时客流数据进行处理，将处理后的实时客流数据用于轨 道交通的实时客流预测，现有技术中，也还未有轨道交通实时客流预测的方法及相关的系 统建设。
【发明内容】
[0004] 本发明要解决的技术问题是提供一种基于AFC数据的城市轨道交通实时客流预 测方法及系统，W解决现有技术所存在的AFC厂商的多样性W及AFC实时客流数据传输机 制不够完善导致AFC实时客流数据的准确性和实时性差，W及现有技术中还未存在城市轨 道交通实时客流预测技术的问题。
[0005] 为解决上述技术问题，本发明实施例提供一种基于AFC数据的城市轨道交通实时 客流预测方法，包括：
[0006] 对AFC实时客流数据传输流程及数据质量进行分析，建立AFC实时客流数据异常 判断及校正机制；
[0007] 获取各站点的AFC实时客流数据，并根据建立的AFC实时客流数据异常判断及校 正机制判断所述AFC实时客流数据是否异常，若是，则对所述AFC实时客流数据进行校正； [000引根据校正后的一定运营时段内的AFC实时客流数据及各站点对应的历史同期、同 运营时段的进站量，预测未来一定运营时段内各站点的进站量。
[0009] 优选地，所述根据建立的AFC实时客流数据异常判断及校正机制判断所述AFC实 时客流数据是否异常，若是，则对所述AFC实时客流数据进行校正包括：
[0010] 对获取到的AFC实时客流数据进行阔值判断，当所述AFC实时客流数据在设定的 阔值范围之内，则判断所述AFC实时客流数据正常； W11] 当所述AFC实时客流数据不在设定的阔值范围之内且在一定的特殊情况下时，贝U 判定所述AFC实时客流数据正常，所述特殊情况包括：大型活动或者突发事件；
[0012] 当所述AFC实时客流数据不在设定的阔值范围之内且无特殊情况下时，则判定所 述AFC实时客流数据异常，并调用修正过的所述异常AFC实时客流数据对应的站点的历史 同期、同运营时段的进站量替换该异常AFC实时客流数据。
[0013] 优选地，所述设定的阔值范围包括：对各个站点、不同时期、不同运营时段分别设 定AFC实时客流数据的阔值范围，所述不同时期包括：工作日、双休日、节日及大型活动日；
[0014] 所述设定AFC实时客流数据的阔值范围包括：
[0015] 第一步：选取客流月之前的一定月数内的同站点、同时期、同运营时段的进站客流 样本数据，确定样本均值xW及样本标准差S;
[0016] 第二步：确定样本标准差与样本均值的比值*/;，将所述比值与设定的临界值 方程f(X)比较，当fu>时认为阔值范围过大，则进入第S步；否则设定阔值上限为： * + 3气，阔值下限为心，完成阔值设定；
[0017] 第S步：对第二步判断的阔值过大的样本进行样本坏值判断，剔除相应的坏值，坏 值剔除后重新确定比值当重新确定的比值w 时认为阔值范围依然过大，进 入第四步，否则设定阔值上限为：V+3.V，阔值下限为：王-3*，其中，所述去为剔除坏值后 的样本均值完，所述S为剔除坏值后的样本标准差3，完成阔值设定；
[0018] 第四步：对于第=步判断的阔值范围依然过大的站点，采用剔除坏值后的样本 中最大进站量Xm。、和最小进站量Xmi。来确定阔值范围，阔值上下限分别设定为1.IXm。、和 0. 9Xm";
[0019] 第五步：对阔值的下限进行判断，将小于0的阔值下限均修改为0。
[0020] 优选地，所述根据校正后的一定运营时段内的AFC实时客流数据及各站点对应的 历史同期、同运营时段的进站量，预测未来一定运营时段内各站点的进站量之后包括：
[0021] 根据预测到的未来一定运营时段内的各站点的进站总量和该运营时段中每个时 间粒度的0D比例进行0D分布预测，所述时间粒度包括：lmin、5min、15min和60min。
[0022] 优选地，根据预测到的未来一定运营时段内的各站点的进站总量和该运营时段中 每个时间粒度的0D比例进行0D分布预测包括：
[0023] 根据各站点进站量分布规律，通过轮盘赌的方法预测运营时段中每Imin时间粒 度下的0D分布量。
[0024] 优选地，所述根据各站点进站量分布规律，通过轮盘赌的方法预测运营时段中每 Imin时间粒度下的0D分布量之后包括：
[00巧]基于预测的每Imin时间粒度下的0D分布量、客流分配模型及客流分配算法进行 客流分配；
[00%] 所述基于预测的每Imin时间粒度下的0D分布量、客流分配模型及客流分配算法 进行客流分配包括：
[0027] 基于预测的每Imin时间粒度下的OD分布量、路径集数据及上个运营时段的轨道 交通路网客流分布状态，按照logit模型确定每条路径能分配到的客流比例，将所述0D分 布量按照所述客流比例分配至各条路径上。
[0028] 优选地，所述基于预测的每Imin时间粒度下的0D分布量、客流分配模型及客流分 配算法进行客流分配之后包括：
[0029] 根据客流分配的结果、列车运行图、车站客运组织方式及乘客走行时间参数，建立 城市轨道交通客流实时状态预报和确报系统，对客流出行过程进行推演和实时仿真，并将 实时仿真结果通过图表的形式对外发布；
[0030] 其中，所述车站客运组织方式包括：封站和限流；
[0031] 所述预报用于预测未来一定运营时段内轨道交通路网的客流信息，确报晚于预报 生成，用于实时监测、分析当前轨道交通路网的客流信息。
[0032] 优选地，所述图表用于统计轨道交通路网客流状态信息，所述轨道交通路网客流 状态信息包括：轨道交通路网中不同级别拥挤度的区间数量、封站和限流信息，所述图表还 用于将轨道交通路网各区间的满载率划分为不同级别用于反映轨道交通路网各区间的拥 挤度信息，并根据所述拥挤度信息在图表中将不同拥挤度等级分别用不同的颜色显示；
[0033] 其中，所述满载率级别包括：小于70%、大于等于70%且小于90%、大于等于90% 且小于110%和大于等于110%，所述不同的颜色包括：绿色、黄色、红色和黑色，所述拥挤 度等级包括：舒适、较拥挤、拥挤和极拥挤。
[0034] 优选地，所述建立城市轨道交通客流实时状态预报和确报系统，对客流出行过程 进行推演和实时仿真之后包括：
[0035] 根据实时仿真结果，构建基于B/S架构的城市轨道交通实时客流分析与决策系 统，包括面向政府层面的实时监测与决策支持功能、面向企业层面的运营管理与统计分析 功能和面向公众层面的实时路况功能，为不同的需求群体提供相应的信息服务。
[0036] 本发明实施例还提供一种基于AFC数据的城市轨道交通实时客流预测与分析系 统，包括：
[0037] 判断校正机制建立单元：用于