[发明专利]一种地铁上下行客流预测方法及处理终端

说明书

本发明公开了一种地铁上下行客流预测方法及处理终端，所述方法包括，根据OD数据分别统计出乘客个体集合乘客的各个乘车路径的乘车概率，并先将乘客群体集合乘客转换为乘客个体，进而计算出乘客群体集合乘客的各个乘车路径的乘车概率，从而根据各个乘车路径的乘车概率确定出当前站点的上下行人数，完成客流预测。本发明相比于常规地铁客流预测方法，能够基于上下行的客流预测，预测每一个当前站点作为进站站点到达其他任意一个作为出站站点的客流强度，适应于换乘站点，减少了偶然行为，提高了上下行客流预测的准确性。

技术领域

本发明涉及地铁客流预测技术领域，具体涉及一种地铁上下行客流预测方法及处理终端。

背景技术

地铁已经日益成为人们出行的一种重要交通方式，地铁在为社会带来巨大经济利益的同时，地铁的安全性也成为日常管理运营的重要一环。为了规避交通堵塞、站台拥挤、提前部署安保等地铁工作人员，就需要对地铁的客流能够做到提前预测，特别是能够做到实时预测，以便于随时更改部署，适应不同客流的地铁管理需求。

但现有地铁客流预测技术主要是以地铁站作为颗粒度来预测地铁客流，也即是预测一个地铁站的进出站客流强度情况。但是这样的客流预测由于颗粒度较为粗糙，存在较多的不足和缺陷，包括无法了解乘客从哪一个方向的进站和出站，进而无法预测哪个方向的列车客流较多、哪个方向的列车客流相对较少。例如，同一条线路，其上行方向和下行方向在同一个时间段(例如上下班高峰期)的客流强度是不同的，这样现有的地铁客流预测对于这样的上下行方向客流的管理几乎起不到帮助作用。还包括对于换乘站而言，其进站客流强度可能较弱，但站内却往往很拥堵，原因在于换乘客流强度太大，若基于以地铁站为颗粒度来预测的进出站客流是无法预测到这种情况的。此外，现有地铁客流预测往往不区分乘客个体行为和乘客群体行为，进而会导致地铁客流预测与真实的客流存在较大偏差，预测结果的真实性还有待提高。

发明内容

针对现有技术的不足，本发明的目的之一提供一种地铁上下行客流预测方法，其能够解决背景技术所提到的问题；

本发明的目的之二提供一种处理终端，其能够解决背景技术所提到的问题。

实现本发明的目的之一的技术方案为：一种地铁上下行客流预测方法，包括以下步骤：

步骤1：获取目标地铁线网在单位时间段内的历史乘客乘车记录，历史乘客乘车记录包括OD数据，将具有唯一乘客身份标识的乘客组成乘客个体集合，将剩余的乘客组成乘客群体集合；

步骤2：根据OD数据计算出乘客个体集合中每一个乘客选择任意一条真实乘车路径的乘车概率，真实乘车路径标准为乘客真实的乘车路径的可靠性；

步骤3：根据OD数据将乘客群体集合中的乘客转化为乘客个体，从而视为步骤2中乘客个体集合中乘客，从而计算出乘客群体集合中的乘客选择任意一条真实乘车路径的乘车概率；

步骤4：确定出以当前站点作为进站站点到其他站点作为出站站点的所有可能路径，将进入当前站点的乘客根据是否具有唯一身份标识分为当前乘客个体集合和当前乘客群体集合，

将当前乘客个体集合的乘客按照步骤2得到的乘车概率，计算得到进站时间的上下行人数，将各个进站时间的上行人数的平均值和下行人数的平均值作为与当前时间相同的当前站点的第一部分上下行人数，

将当前乘客群体集合的乘客按照步骤3得到的乘车概率，实时计算得到各个进站时间的第二部分的上下行人数，

将相同进站时间的第一部分的上行人数和第二部分的上行人数的总和作为当前站点的当前时间所预测的上行人数，将相同进站时间的第一部分的下行人数和第二部分的下行人数的总和作为当前站点的当前时间所预测的下行人数，从而完成对地铁客流上下行人数的预测。