[发明专利]一种基于多源数据融合输入的客流预测风险预警方法

权利要求书

1.一种基于多源数据融合输入的客流预测风险预警方法，其特征在于，包括：

101，获取样本数据；

102，对样本数据进行分类及预处理；

103，对各类样本数据设置对应的客流预警阈值，具体包括：

依次计算样本数据的平均值标准差σ、偏离系数s；其中偏离系数s表示车站客流不均衡系数；

设样本数据为A＝{a₁，a₂，a₃，...，a_x}，其中，x为样本个数，

则平均值：

方差：

标准差：

偏离系数：

其中，

根据车站客流不均衡系数获取客流预警阈值，如果车站客流不均衡系数是正偏离，即偏离系数s0，则客流预警阈值：如果车站客流不均衡系数是负偏离，即偏离系数s＜0，则客流预警阈值：其中，m是可配置参数；

104，将实时客流预测数据与上述客流预警阈值比较，根据比较结果发出相应的预警指示。

2.根据权利要求1所述的基于多源数据融合输入的客流预测风险预警方法，其特征在于，将客流预警阈值设置为三级预警阈值，包括：

红色预警：设备设计最大能力作为红色预警阈值A_红色阈值，为可配置参数；

橙色预警：通过配置m值，且1.5＜m≤2，但须满足A_橙色阈值＜A_红色^阈值；

黄色预警：通过配置m值，且1＜m≤1.5，但须满足A_黄色阈值＜A_橙色阈值。

3.根据权利要求1所述的基于多源数据融合输入的客流预测风险预警方法，其特征在于，步骤104中的实时客流预测数据，具体包括：闸机组客流预测数据、出入口客流预测数据、安检区域客流预测数据、楼扶梯口客流预测数据、换乘通道客流预测数据、站台客流预测数据。

4.根据权利要求1所述的基于多源数据融合输入的客流预测风险预警方法，其特征在于，样本数据包括：连续一年的交易明细数据；实时刷卡进站数据；设备设施位置、设备设施数量、设备设施建的距离、设备类型、设备的长宽高等车站基础数据；通道内乘客走行速度、楼扶梯上行人走行速度、安检速度、进出站速度数据。

5.根据权利要求1所述的基于多源数据融合输入的客流预测风险预警方法，其特征在于，步骤102中，对样本数据进行分类具体为：根据工作日早高峰、工作日平峰、工作日晚高峰、周末早高峰、周末平峰、周末晚高峰、节假日早高峰、节假日平峰、节假日晚高峰等条件对样本数据进行分类，对每类样本数据独立计算阈值。

6.根据权利要求1所述的基于多源数据融合输入的客流预测风险预警方法，其特征在于，步骤102中，对样本数据进行预处理具体为：对各类内样本数据中的极值、离散值、空值等用最近十个相同或相似的日期的数据均值进行替换处理。