基于异构图卷积轨道交通短时OD流量城轨控制系统及方法

文档序号:37670305发布日期:2024-04-18 20:43阅读:9来源:国知局
基于异构图卷积轨道交通短时OD流量城轨控制系统及方法

本发明涉及城轨控制,具体而言,涉及基于异构图卷积轨道交通短时od流量城轨控制系统及方法。


背景技术:

1、在城市化快速发展的背景下,城轨交通系统的角色愈发凸显,成为现代城市基础设施的重要组成部分。随着城市人口规模的不断膨胀和出行需求的日益增长,城轨交通系统不仅需要应对规模庞大的乘客运输,还需面对复杂多变的城市交通环境。

2、目前,城市化带来的人口增加和城市扩张导致了交通流量的快速增长,使得传统的交通管理手段面临挑战。城轨交通系统需要更为智能、灵活的监测和控制机制,以适应日益复杂的出行模式和交通流动性。特别是在短时间内发生的大规模人流变动,如上下班高峰期、特殊事件等,对城轨系统提出了更高的运行要求。

3、因此,急需发明一种城轨的控制方法,用于解决当前技术中城轨系统中因监测和控制的智能化及灵活性较差,无法使用短时间内的大规模人流变动的问题。


技术实现思路

1、鉴于此,本发明提出了一种基于异构图卷积轨道交通短时od流量城轨控制系统及方法,旨在解决当前技术中城轨系统中因监测和控制的智能化及灵活性较差,无法使用短时间内的大规模人流变动的问题。

2、本发明提出了一种基于异构图卷积轨道交通短时od流量城轨控制方法,包括:

3、获取城市轨道交通系统的历史客流量数据,基于所述历史客流量数据分别构建近期od矩阵、每日od矩阵、每周od矩阵;

4、构建时空融合网络,分别将近期od矩阵、每日od矩阵、每周od矩阵输入所述时空融合网络,获取未来时段的客流量评分;

5、根据所述客流量评分与途经列车数量建立停留评分,根据停留评分与预设的停留评分之间的关系,确定所述城市轨道交通系统中各站点的停留等级;

6、根据所述站点的停留等级与预设的停留等级之间的关系,选定相应的列车停留时间进行停留,其中:

7、若所述站点的等级为第一停留等级时,则选定第三停留时长控制所述列车进行停留;

8、若所述站点的等级为第二停留等级时,则选定第二停留时长控制所述列车进行停留;

9、若所述站点的等级为第三停留等级时,则选定第一停留时长控制所述列车进行停留;

10、且,第一停留等级>第二停留等级>第三停留等级,第一停留时长<第二停留时长<第三停留时长。

11、进一步的,构建时空融合网络,分别将近期od矩阵、每日od矩阵、每周od矩阵输入所述时空融合网络,获取未来时段的客流量评分时,包括:

12、建立多图特征融合模型、od补全模型、图卷积网络模型、长短时记忆网络模型;

13、所述多图特征融合模型构建城市轨道交通系统内站点的多特征图,并对所述多特征图分配权重,构建站点之间的融合相关性,其中,所述多特征图包括物理拓扑图和异构关系图,所述异构关系图包括静态进出站客流相似图、动态客流分布相似图、动态空间相关性图;

14、所述od补全模型对所述近期od矩阵进行补全,获取完整近期od矩阵;

15、所述图卷积网络模型基于所述融合相关性获取所有站点的时空相关性和拓扑信息,构建异构相关性矩阵;

16、所述长短时记忆网络模型基于所述异构相关性矩阵获取高级目的地分布序列,并采用加权融合方法,基于所述高级目的地分布序列构建时间依赖关系,基于所述时间依赖关系,结合完整近期od矩阵、每日od矩阵、每周od矩阵获取所述预测od矩阵,基于预测od矩阵计算未来时段的客流量。

17、进一步的,所述多图特征融合模型构建城市轨道交通系统内站点的多特征图,并对所述多特征图分配权重,构建站点之间的融合相关性时,包括:

18、根据所述轨道交通网络建立拓扑图,并根据所述拓扑图获取两所述站点的连接关系式

19、获取拓扑图中未相连接两所述站点的进站流量和出站流量建立相对熵的静态相似图,并提取所述相对熵的静态相似图中未相连接两所述站点的函数相似性分数

20、根据预设历史时段的各所述站点的进站流量和出站流量建立基于皮尔逊系数的动态客流分布相似图,并提取皮尔逊系数相似距离两所述站点的相似距离

21、获取各所述站点的发生异常事件时乘客流动变化数据,并根据transformer模型获取建立注意力矩阵,并获取所述注意力矩阵归一化后的两所述站点动态分数

22、根据所述连接关系式相似性分数相似距离和动态分数基于公式ⅰ获取所述站点之间的融合相关分数,所述公式ⅰ如下所示:

23、

24、其中,为所述站点之间的融合相关分数,wphy、wrea、wpea和watt为权重系数,且wphy、wrea、wpea与watt之和为1;

25、根据获取所述站点之间的融合相关分数基于公式ⅱ进行归一化处理,并获得处理后的结果所述公式ⅱ如下所示:

26、

27、进一步的,获取两所述站点的连接关系式函数相似性分数相似距离及动态分数时,包括:

28、根据所述拓扑图的站点的节点集v,站点连接的边集e以及两所站点vi和vj之间的边,并基于公式ⅲ获取两所述站点的连接关系式所述公式ⅲ如下所示:

29、

30、其中,1为两所站点vi和vj之间的连接有边,0为两所站点vi和vj之间的连接无边;

31、获取所述站点vi和vj之间的连接无边的两所述站点历史客流量,所述历史客流量为所述站点的进站流量和出站流量之和,并根据预设的客流量获取两所述站点的概率分布pi,其中基于公式ⅳ获取两所述站点之间的相似性,所述公式ⅳ如下所示:

32、

33、其中,d(pi||pj)是相对熵,siij是站点i和站点j之间客流模式的相似性分数,且两所述站点的流入模式越相似,siij越大;

34、根据所述站点i和站点j之间客流模式的相似性分数siij并基于公式ⅴ获取两所述站点的函数相似性分数所述公式ⅴ如下所示:

35、

36、其中,是站点i和站点j之间的函数相似性分数,越大,两个站点分享的功能越相似,w∈r是用于衡量流入模式对函数相似性的贡献的系数;

37、根据预设历史预设时段的所述站点i和站点j的客流量,基于公式ⅵ建立所述站点i和站点j在历史预设时段的相似性距离,所述公式ⅵ如下所示:

38、

39、其中,pi,j,t为所述站点i和站点j在历史预设时段的相似性距离,t为历史预设时段,是历史相邻时段r个时隙的平均值,pi,j,t∈[-1,1],相似性揭示了站点之间隐藏的相似变化模式数值越大,时间序列之间的相似性越大;

40、根据所述站点i和站点j在历史预设时段的相似性距离pi,j,t基于公式ⅶ获取所述站点i和站点j相似距离所述公式ⅶ如下所示:

41、

42、其中,ε为相似性阈值;

43、根据所述站点i和站点j的发生异常事件时乘客流动变化数据,并基于公式ⅸ获取所述站点i和站点j的动态分数所述公式ⅸ如下所示:

44、

45、其中,为最终的动态分数,为乘客在历史预设时段t进入站点,补全行程后两个站点之间的实时乘客目的地分布相似性,为乘客在历史预设时段t或之前进入站点,并在历史预设时段t时隙离开,两个站点之间的实时乘客目的地分布相似性,w和为权重系数,且w与之和为1。

46、进一步的,所述od补全模型对所述近期od矩阵进行补全的过程包括:

47、基于所述近期od矩阵获取某时隙已完成行程的od矩阵,结合该时隙的历史延迟od概率矩阵并使用行归一化,获取估计延迟od概率矩阵;

48、基于该时隙的流入与已完成流入计算延时流入;

49、基于所述估计延迟od概率矩阵与所述延时流入计算补全od矩阵;

50、基于所述补全od矩阵与已完成行程的od矩阵获取完整近期od矩阵。

51、进一步的,所述异构相关性矩阵如下所示:

52、gt=gcn(ht,mt);

53、其中,gt表示异构相关性矩阵,t为历史预设时段,ht表示历史预设时段t上整个网络的融合矩阵,mt是历史预设时段t的od矩阵,表示所有站点的乘客目的地分布。

54、进一步的,所述长短时记忆网络模型包括近期lstm、每日lstm、每周lstm,分别用于获取与预测时段同一天内、之前天、之前周的相同时段的先前时间段的时间依赖关系;所述预测od矩阵包括近期预测od矩阵、每日预测od矩阵、每周预测od矩阵。

55、进一步的,未来时段的客流评分的计算方法如下所示:

56、

57、其中,为未来时段的客流评分,[wr,wd,ww]是可训练参数,分别表示近期lstm、每日lstm、每周lstm的输出结果。

58、进一步的,根据所述客流量评分与途经列车数量建立停留评分,根据停留评分与预设的停留评分之间的关系,确定各所述站点的停留等级时,包括:

59、获取各所述站点的途径列车数量,并根据各所述站点的客流量评分与所述途径列车数量基于公式ⅹ获取各所述站点的停留评分,所述公式ⅹ如下所示:

60、

61、其中,q为所述站点的停留评分,k为所述站点的途经列车数量,a1和a2为权重系数,且a1与a2之和为1;

62、预先建立第一预设停留评分t1和第二预设停留评分t2,预先设定第一停留等级,第二停留等级和第三停留等级,且t1<t2;

63、根据所述站点的停留评分q与各预设停留评分之间进行比对,并根据比对结果选定确定所述站点的停留等级;

64、当q≤t1时,则选定所述第一停留等级作为所述站点的停留等级;

65、当t1<q≤t2时,则选定所述第二停留等级作为所述站点的停留等级;

66、当q>t2时,则选定所述第三停留等级作为所述站点的停留等级。

67、与现有技术相比,本发明的有益效果在于:通过综合利用城市轨道交通系统的历史客流量数据,创新性地构建了近期od矩阵、每日od矩阵和每周od矩阵,从而形成全面而精准的时空信息。引入时空融合网络,系统能够高效处理这些矩阵,为未来时段的客流量提供准确的评分。其次,在停留评分的建立中,该方法充分考虑了客流量评分与途经列车数量的关系,通过精心设计的停留等级体系,为不同站点确定了相应的停留等级。进一步,根据站点的停留等级与预设的停留等级之间的关系,智能地选定了合适的列车停留时间,以最大程度地优化交通系统的效能。最后,通过差异化的停留等级与时长设定,实现了对不同站点的个性化调控,使得城轨交通系统更为灵活、高效地应对复杂的运输需求。此举有望显著提升城市轨道交通的运行效率,减缓拥堵状况,为乘客提供更为便捷和可靠的出行体验。

68、另一方面,本技术还提供了一种基于异构图卷积轨道交通短时od流量城轨控制系统,包括:

69、获取模块,用于获取城市轨道交通系统的历史客流量数据;

70、评分模块,与所述获取模块电连接,所述评分模块用于基于所述历史客流量数据分别构建近期od矩阵、每日od矩阵、每周od矩阵,所述评分模块还用于构建时空融合网络,并将所述近期od矩阵、每日od矩阵、每周od矩阵输入所述时空融合网络,获取未来时段的客流量评分,所述评分模块还用于根据所述客流量评分与途经列车数量建立停留评分;

71、中控模块,与所述评分模块电连接,所述中控模块用于根据停留评分与预设的停留评分之间的关系,确定所述城市轨道交通系统中各站点的停留等级,所述中控模块还用于根据所述站点的停留等级与预设的停留等级之间的关系,选定相应的列车停留时间进行停留,其中:

72、若所述站点的等级为第一停留等级时,所述中控模块则选定第三停留时长控制所述列车进行停留;

73、若所述站点的等级为第二停留等级时,所述中控模块则选定第二停留时长控制所述列车进行停留;

74、若所述站点的等级为第三停留等级时,所述中控模块则选定第一停留时长控制所述列车进行停留;

75、且,第一停留等级>第二停留等级>第三停留等级,第一停留时长<第二停留时长<第三停留时长。

76、可以理解的是,本发明基于异构图卷积轨道交通短时od流量城轨控制系统及方法具备相同的有益效果,不再赘述。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1