[发明专利]基于AFC大数据的城市轨道大客流模型构建方法

权利要求书

1.一种基于AFC大数据的城市轨道大客流模型构建方法，其特征在于该方法包括：

S1：获取一段时间内车站内各部位的最大服务能力；

S2：通过AFC数据获取前期该车站该段时间内的客流量；

S3：根据步骤S1和S2获取的数据建立大客流模型

式中，i表示非换乘站号，s表示换乘站号，为1时，分别表示对应车站该段时间内有非换乘站进站大客流事件、非换乘站出站大客流事件、换乘站进站大客流事件、换乘站出站大客流事件、换乘站换乘大客流事件，为0表示没有发生该种类大客流事件，*代表非换乘站号i和换乘站号s，分别表示进站、出站、换乘事件，表示车站*前期该段时间内的客流量，表示车站*该段时间内车站内各部位的最大服务能力，β_Δt表示大客流分时段不均衡系数指标，β_max表示大客流最大不均衡系数指标；

其中，判断非换乘站进站大客流事件的依据的具体计算公式为：

式中，表示非换乘站i每个进站闸机处进站客流分布率；t_a、t_b表示判断时间段首末时间点，时间段Δt取所处线路列车的行车间隔；分别表示非换乘站i内进站闸机、进站单向通道、混行通道、进站单行楼梯、混行楼梯、进站自动扶梯、站台的数量；分别表示非换乘站i内进站单向通道、混行通道、进站单行楼梯、混行楼梯、自动扶梯的宽度；表示站台面积；分别表示非换乘站i内混行通道、混行楼梯的进站客流服务率；表示进站闸机、进站单向通道、混行通道、进站单行楼梯、混行楼梯、进站自动扶梯、站台在该时间段内的单位服务能力。

2.根据权利要求1所述的基于AFC大数据的城市轨道大客流模型构建方法,其特征在于：步骤S1中所述车站内各部位的最大服务能力采用该部位的乘客密度表示。

3.根据权利要求1所述的基于AFC大数据的城市轨道大客流模型构建方法,其特征在于：步骤S1中所述的车站内各部位包括：车站内的闸机、通道、楼梯和站台。

4.根据权利要求1所述的一种基于AFC大数据城市轨道大客流模型构建方法，其特征在于：步骤S2具体包括：

S21：采集AFC数据，包括采集乘客的卡号信息、该卡号乘坐城市轨道的时间日期信息、该卡号乘坐城市轨道的位置信息和该卡号乘坐城市轨道的交易金额信息；

S22：通过综合分析采集的AFC数据计算出所需时间段内该车站的客流量。

5.根据权利要求1所述的一种基于AFC大数据城市轨道大客流模型构建方法，其特征在于：步骤S3中判断非换乘站出站大客流事件的依据的具体计算公式为：

式中，表示非换乘站i每个出站闸机处出站客流分布率；t_a、t_b表示判断时间段首末时间点；分别表示非换乘站i内出站闸机、出站单向通道、混行通道、出站单行楼梯、混行楼梯、出站自动扶梯、站台的数量；分别表示非换乘站i内出站单向通道、混行通道、出站单行楼梯、混行楼梯、自动扶梯的宽度；表示非换乘站i站台面积，分别表示非换乘站i内混行通道、混行楼梯的出站客流服务率；表示出站闸机、出站单向通道、混行通道、出站单行楼梯、混行楼梯、自动扶梯、站台在该时间段内的单位服务能力。

6.根据权利要求1所述的一种基于AFC大数据城市轨道大客流模型构建方法，其特征在于：步骤S3中判断换乘站进站大客流事件的依据的具体计算公式为：

式中，表示换乘站s每个进站闸机处进站客流分布率；t_a、t_b表示判断时间段首末时间点；分别表示换乘站s内进站闸机、进站单向通道、混行通道、进站单行楼梯、混行楼梯、进站自动扶梯、站台的数量；分别表示换乘站s内进站单向通道、混行通道、进站单行楼梯、混行楼梯、自动扶梯的宽度；表示换乘站s站台面积；分别表示换乘站s内混行通道、混行楼梯的进站客流服务率；表示进站闸机、进站单向通道、混行通道、进站单行楼梯、混行楼梯、进站自动扶梯、站台在该时间段内的单位服务能力。