可持续修正的地铁客流路径分摊系统及分摊方法

本发明涉及地铁客流估计领域，尤其涉及可持续修正的地铁客流路径分摊系统、分摊方法及存储介质。

背景技术：

1、

2、在现有技术中，获得od站间客流路径分摊数据最准确的方法是利用手机信令进行乘客路径路径追踪，例如“一种利用手机信令验证和优化清分清分模型的方法(202111487464.6)”，但是这类方法由于涉及乘客私人出行信息，一旦泄露会产生巨大舆论压力和涉及数据隐私法律问题，以及衍生出一系列繁杂行政和民事事务，地铁运营公司对此唯恐避之不及。另一种方法是使用rfid对持有实物票卡的乘客群体进行识别追踪，例如“轨道交通网络客流追踪系统(201611048475.3)”，但这类方法忽略了其他进站方式的乘客，与实际换乘数据有很大偏差。此外，还有一种获取数据的方法是通过乘客调查，但由于大规模复杂地铁网络存在众多线路和换乘节点，因此客流调查很难覆盖线网中的每个多路径od。

技术实现思路

1、本发明所要解决的技术问题是提供一种可持续修正的地铁客流路径分摊估计方法及设备，解决客流在od站间多条有效换乘路径之间的分摊比例问题，促进轨道交通的互通互联，提高资源利用效率，促进“谁投入，谁受益”的资源分配和激励原则，维护各运营线路利益和积极性。

2、技术方案

3、可持续修正的地铁客流路径分摊系统，其特征在于：包括有效路径识别模块、地铁乘客数据库模块、地铁客流路径分摊模型库模块、地铁客流路径分摊适配模块、地铁客流路径分摊模型决策支持模块，其中，

4、所述有效路径识别模块用于从地铁线网拓扑结构中识别出从始发站到目的站间的多路径中的有效路径；

5、所述地铁乘客数据库模块用于记录或导入乘客的乘坐数据；

6、所述地铁客流路径分摊模型库模块包括地铁运营公司曾经使用过或者能够使用的模型；

7、所述地铁客流路径分摊适配模块能够根据地铁乘客数据库模块的乘客数据来源范围和数据时间范围及有效路径识别模块识别出的具有多路径的有效路径，从所述地铁客流路径分摊模型库模块中匹配不同风险等级的最小误差的多路径分摊模型和各自的参数推荐，并根据数据变化迭代匹配模型的结果；

8、所述地铁客流路径分摊模型决策支持模块能够依据所述地铁客流路径分摊适配模块匹配的各风险等级的最小误差模型表，筛选出现频率最高的地铁客流路径分摊模型，以及对应该模型的平均误差值和平均参数值，按照风险等级生成最优模型列表，将最优模型列表中的模型的误差进行比较后，根据比较结果和模型风险等级给出模型推荐提示，支持最终的分摊决策。

9、进一步，所述有效路径识别模块根据预设频率定向爬取地铁线网图网页，自动获取地铁线网拓扑结构，通过图像识别技术识别各个车站点位，形成网络拓扑，然后获得所有从始发站到目的站间的可达路径；然后筛选出两站间可达路径数量大于1的两站，从多路径可达的两站中，根据路径阻抗阈值，筛选出两站间筛选出两站间有效路径数量大于1的两站及两站间的有效路径；所述路径阻抗是指乘客从出发点到目的点的困难程度，所述路径阻抗阈值不小于1.5或根据需求设定。

10、进一步，所述地铁客流路径分摊模型库模块包括多种风险模型库，具体为低风险模型库、中风险模型库、高风险模型库。

11、所述低风险模型库为本地区地铁运营公司曾经使用过的客流路径分摊模型，所述中风险模型库为其他地区地铁运营公司曾经使用过的客流路径分摊模型；所述高风险模型库为未经任何地铁运营公司使用过的客流路径分摊模型。

12、进一步，所述地铁客流路径分摊适配模块通过数据训练，获得多路径分摊模型的最小误差模型表，具体步骤如下：

13、s51、根据所述地铁乘客数据库模块，设置地铁乘客数据来源范围、数据时间范围、训练集和测试集比例、采样循环次数；

14、s52、根据所述地铁乘客数据来源范围和数据时间范围的设置，对所述地铁乘客数据库数据进行筛选，获得目标数据；

15、s53、根据所述训练集和测试集比例，将所述目标数据中的各条数据记录随机归入训练集和测试集；这里所述比例采用训练集：测试集＝8:2；所述比值也可根据使用者需求改动；

16、s54、用所述训练集拟合出各模型的训练集最小误差参数，其中，所述训练集最小误差参数为当该模型参数数值应用在对应客流路径分摊模型中，能使估计的训练集客流路径分摊比例与训练集本身就有的客流路径分摊比例之差的绝对值最小；

17、s55、用所述训练集最小误差参数数值应用在对应客流路径分摊模型中，估计出测试集客流路径分摊比例，并与测试集本身就有的客流路径分摊比例相比较，获取测试集误差；

18、s56、在所述地铁客流路径分摊模型库的各个风险等级中，选出测试集误差最小的模型和对应参数值，生成最小误差数据表，数据结构包含：模型风险等级、模型名称、误差值、对应参数值；

19、s57、再次根据所述训练集和测试集比例，将所述目标数据中的各条数据记录随机归入训练集和测试集，循环执行s53至s56，直到s51所述采样循环次数达到；

20、s58、将循环过程中s56生成的所有最小误差数据表合并，去除重复记录，生成最小误差数据总表，数据结构包含：模型风险等级、模型名称、误差值、对应参数值。

21、所述地铁客流路径分摊适配模块能够根据所述地铁乘客数据库模块的数据变化进行周期性或设定性迭代。

22、一种应用如权利要求1所述的可持续修正的地铁客流路径分摊系统的分摊方法，其特征在于，包括如下步骤：

23、步骤一，获取地铁乘客数据来源范围、数据时间范围、训练集和测试集比例、采样循环次数，根据所述地铁乘客数据来源范围和数据时间范围的设置，获取针对该时间范围的多种客流路径分摊模型和各自的参数推荐；

24、步骤二，将选取的有效路径数量大于1的多路径客流数据分为训练集和测试集，并通过多次循环训练和交叉验证，选出多路径的不同风险等级的误差最小的模型和对应参数值，生成最小误差数据表；

25、步骤三，筛选各风险等级出现频率最高的地铁客流路径分摊模型，以及对应该模型的平均误差值和平均参数值，生成最优模型列表，并进一步比较误差后根据比较结果和模型风险等级给出模型推荐提示；

26、步骤四，分摊系统选取推荐的相应模型，进行对应的多路径客流的路径分摊。

27、进一步，所述模型推荐中如果推荐的模型来自低风险模型库，则优先推荐或常规推荐，如果推荐的模型来自中风险模型库，则谨慎推荐，如果推荐的模型来自高风险模型库，则警惕推荐，并建议扩充数据进行复核后运行。

28、一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时实现上述任一项所述方法

29、有益效果

30、本发明采用包括有效路径识别模块、地铁乘客数据库模块，地铁客流路径分摊模型库模块、地铁客流路径分摊适配模块、地铁客流路径分摊模型决策支持模块的整体分摊系统，通过有效路径识别模块识别多路径的od，地铁客流路径分摊模型库模块将所有可用模型进行分类和迭代，然后根据可持续扩充的地铁乘客数据库模块的数据，在确定数据选择范围后，对所有分摊模型库的可用模型进行训练，并和实际分摊比例进行比较，找到不同风险类别的最优分摊模型，然后再将筛选出的模型进行比较，并按照风险类别进行推荐。采用本发明的分摊系统和分摊方法能够实现针对地铁线路的变化以及模型迭代，以及需要针对特别时间段或特殊客流的情况，能够提供实时、持续修正以及特殊要求的客流分摊需求，使客流分摊工作更准确、更清晰、更有效率。