CN103208034B - 一种轨道交通客流分布预测模型建立及预测方法 - Google Patents

Abstract

本发明公开了一种轨道交通客流分布预测模型建立及预测方法，该模型建立方法包括以下步骤：引入描述站点性质和规模的离散变量，结合轨道站点发生吸引量、网络的拓扑结构以及相关运营参数，构建客流分布预测模型的效用函数；运用代表个人法将属于集计数据的站点发生吸引量转化为非集计数据；运用极大似然估计标定客流分布预测模型。本发明还公开了一种轨道交通客流分布预测方法。本发明具有数据获取难度低、实用性高、预测准确等特点。

Description

一种轨道交通客流分布预测模型建立及预测方法

技术领域

本发明涉及轨道交通技术领域，尤其涉及一种轨道交通客流分布预测模型建立及预测方法。

背景技术

近年来，轨道交通网络的不断扩大，线路间的相互影响逐渐增大。同时，随着轨道交通新线接入既有路网并投入使用，网络拓扑结构和站点周边土地利用等将发生改变，客流时空分布也将重新布局，为了评估新线接入对既有线网客流分布的影响，以及为城市轨道交通运营管理部门合理规划列车开行方案以及制定客流诱导策略提供数据支持，新线接入条件下的客流分布预测必不可少。但是，由于没有新线接入网络条件下的客流历史数据，不能沿袭传统的基于历史数据统计规律来预测客流分布变化趋势，特别是在城市轨道交通线路网络化运营条件下，也不能通过简单地分析单一线路的客流分布变化情况来评价新线接入对既有线网的影响。因此，构建一种针对成网条件下城市轨道交通新线接入客流分布预测方法，对实施新线接入对既有线网的影响评价、把握新形势下的客流变化规律、规划列车开行方案以及制定客流诱导策略等运营管理环节提供全面而精确的数据支持具有重要的意义。

目前，已有的出行轨道交通客流分布预测方法大多数为统计模型，是在假定未来各站点客流的分布形式和现在已有的分布形式相同的基础上进行客流分布预测，如增长系数法、重力模型等。显然，上述方法难以用于未来站点周边土地利用类型和强度的改变、各站点间对于客流吸引的相互影响以及新线接入条件下路网发生变化等情况下的客流分布预测。

发明内容

为了克服现有技术结构的不足,本发明提供一种轨道交通客流分布预测模型建立及预测方法。

本发明实施例公开了一种轨道交通客流分布预测模型建立方法，包括以下步骤：

1.1、引入描述站点性质和规模的离散变量，结合轨道站点发生吸引量、网络的拓扑结构以及相关运营参数，构建客流分布预测模型的效用函数；

1.2、运用代表个人法将属于集计数据的站点发生吸引量转化为非集计数据；

1.3、运用极大似然估计标定客流分布预测模型。

进一步，作为优选，在所述步骤1.1中进一步包括引入OD（始发和目的地）可达性指标，来表征网络拓扑结构和交通便利性对于轨道交通客流分布的影响。

进一步，作为优选，所述步骤1.1中构建客流分布预测模型的效用函数具体为：V_ij＝f(C_ij,D_j,AOD^ij,XZ,GM,k)

其中，V_ij为起点为i站选择终点为j站的效用函数；C_ij为从i站到j站所需的票价；D_j为j站的吸引量；AOD_ij为站点i到j间的OD可达性指标；XZ为表征站点性质的0-1变量，与i站与j站的站点性质有关；GM为表征站点规模的0-1变量，与i站与j站的规模有关；k为0-1变量，当i站或者j站同属于新线，常数项为1，否则为0。

本发明还公开了一种轨道交通客流分布预测方法，包括以下步骤：

4.1、根据预先获得的未来轨道站点发生吸引量、站点的类别、网络的拓扑结构以及相关运营参数，提取得到相应的预测模型基础数据；

4.2、结合预测模型基础数据，代入权利要求1至3任意一项所述的客流分布预测模型；

4.3、计算得到相应时间段的客流分布数据。

进一步，作为优选，所述步骤4.1中进一步包括预先获得的OD可达性指标。

本发明考虑轨道站点属性、网络的拓扑结构以及相关运营参数等指标与客流分布之间的关系，以及不同OD对之间的相互影响，选取描述站点性质和规模的离散变量等作为模型的影响因素，降低了数据的获取难度，增强了模型的实用性；引入OD可达性指标，更为准确的描述了路网结构对于客流分布的影响；基于非集计模型建立轨道交通网络客流分布预测影响模型，不仅提高了模型的预测精度，也增强了模型的适用性；同时，提出了一种客流分布预测方法，能够准确预测成网条件下的客流分布。

附图说明

当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，其中：

图1为本实施例提供的构建轨道交通客流分布预测模型的流程图。

图2为本实施例提供的轨道交通客流分布预测方法的流程图。

具体实施方式

参照图1-2对本发明的实施例进行说明。

为使上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，一种轨道交通客流分布预测模型建立方法，包括以下步骤：

S1、从轨道站点发生吸引量、站点的类别、网络的拓扑结构以及相关运营参数等指标中选择相应的影响因素。

S2、构建模型的效用函数，结构如下式所示：

V_ij＝f(C_ij,D_j,AOD^ij,XZ,GM,k)

其中，V_ij为起点为i站选择终点为j站的效用函数；C_ij为从i站到j站所需的票价；D_j为_j站的吸引量；XZ为表征站点性质的0-1变量。本发明中站点类别的划分如下：居住类为1；办公类为2；其他类为3；居住办公（居住占优）为4；居住办公（办公占优）为5；枢纽或商业中心为6。相应的XZ的取值情况如下表所示：

GM为表征站点规模的0-1变量，若出发站的全天发生量大于30000人，则标记为1，否则为0；同样的，终到站的吸引量大于30000人时记为1，否则为0。当出发站和终到站的标记均为1时，规模变量为1，否则为0。k为0-1变量，当i站或者j站同属于新线，常数项为1，否则为0；OD可达性指标可通过下式计算得到。

${\mathrm{AOD}}^{\mathrm{rs}}=\ln \underset{k=1}{\overset{m}{\mathrm{\Σ}}}\exp \left(E_k^{\mathrm{rs}}\right)$

$E_k^{\mathrm{rs}}=-0.19\mathrm{IO}{t}_k^{\mathrm{rs}}-2.9\mathrm{lIV}{t}_k^{\mathrm{rs}}-0.1W{t}_k^{\mathrm{rs}}-7.5{\mathrm{VP}}_k^{\mathrm{rs}}-0.52T{\mathrm{rt}}_k^{\mathrm{rs}}-3.9T{\mathrm{rs}}_k^{\mathrm{rs}}-3.03{\mathrm{AC}}_k^{\mathrm{rs}}$

式中，AOD_rs为从r到s的OD对间的OD可达性指标；E_k ^rs为从r到s的OD对间的第k条路径选择效用；m为从r到s的OD对间的有效路径条数。IOt_k ^rs表示第k条路径的进出站时间；IVt_k ^rs表示第k条路径的乘车时间；Wt_k ^rs表示第k条路径的站台等车时间；VP_k ^rs表示第k条路径的车厢满载率；Trt_k ^rs表示第k条路径的换乘走行时间；Trs_k ^rs表示第k条路径的换乘次数；AC_k ^rs表示第k条路径的角度费用。

S3、运用代表个人法将属于集计数据的站点发生吸引量转化为非集计数据，具体方法如下所示：

首先，本发明通过引入权重ω_ij，将集计数据转化为非集计数据，相应的计算公式如下式所示。

$w_{\mathrm{ij}}=\frac{Q_{\mathrm{ij}}}{H_{\mathrm{ij}}}={\mathrm{rows}}_{\mathrm{ij}}\·\frac{{\mathrm{trip}}_{\mathrm{ij}}}{{\mathrm{trips}}_i}$

$P_{\mathrm{ij}}=\frac{\exp \left(V_{\mathrm{ij}}\right)}{\underset{j\∈C_j}{\mathrm{\Σ}}\exp \left(V_{\mathrm{ij}}\right)}$

$L\left(\mathrm{\θ}\right)=\underset{j}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}\ln P_{\mathrm{ij}}$

其中，P_ij为起点为i站的客流选择j站作为终点的概率；C_j为起点为i站的客流可选择的终点站的集合；θ代表效用函数V_ij中的所有待定参数；L(θ)为待定参数极大似然值；Q_ij为起点为i站的客流选择终点为j站的比例；H_ij=1/rows_ij，rows_ij为从起点为i站终点为j站的客流中选取的代表数量；trip_ij为起点为i站终点为j站的客流量；trips_i为起点为i站的客流总量。

S4、运用极大似然估计标定L(θ)中的待定参数得到预测模型，结果如下式所示。

V_ij＝0.1984·D_j/10⁴+0.1066·AOD^ij+0.0809·XZ+0.2346·GM-0.1165·k

S5、建立轨道交通客流分布预测模型。

如图2所示，一种轨道交通客流分布预测方法，包括以下步骤：

S6、根据预先获得的未来轨道站点发生吸引量、站点的类别、OD可达性指标、网络的拓扑结构以及相关运营参数等指标，S7、提取站点吸引量、运行时间、站点规模、站点性质、OD站点可达性等指标构建基础数据库；

其中，未来轨道站点发生吸引量可通过增长系数法、模糊匹配法等方法得到；未来网络的拓扑结构和相关运营参数则可根据轨道交通运营部门提出的未来规划得到。站点类别可通过分析全天进出站量的变化规律获得，从而能够确定站点性质变量。

S8、参见图1方法，获得已标定的轨道客流分布预测模型。

S9、结合基础数据，，代入客流分布预测模型；计算得到相应时间段的客流分布数据。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和***的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (5)

1.一种轨道交通客流分布预测模型建立方法，其特征在于，包括以下步骤：

1.1、引入描述站点性质和规模的离散变量，结合轨道站点发生吸引量、网络的拓扑结构以及相关运营参数，构建客流分布预测模型的效用函数；

1.2、运用代表个人法将属于集计数据的站点发生吸引量转化为非集计数据；

通过引入权重ω_ij，将集计数据转化为非集计数据，相应的计算公式如下式所示:

$w_{ij}=\frac{Q_{ij}}{H_{ij}}={\mathrm{rows}}_{ij}\·\frac{{\mathrm{trip}}_{ij}}{{\mathrm{trips}}_i}$

$P_{ij}=\frac{\exp \left(V_{ij}\right)}{\underset{j\∈C_j}{\Σ}\exp \left(V_{ij}\right)}$

$L\left(\mathrm{\θ}\right)=\underset{j}{\Σ}\underset{i}{\Σ}{w}_{ij}{\mathrm{lnP}}_{ij}$

其中，P_ij为起点为i站的客流选择j站作为终点的概率；C_j为起点为i站的客流可选择的终点站的集合；θ代表效用函数V_ij中的所有待定参数；L(θ)为待定参数极大似然值；Q_ij为起点为i站的客流选择终点为j站的比例；H_ij＝1/rows_ij，rows_ij为从起点为i站终点为j站的客流中选取的代表数量；trip_ij为起点为i站终点为j站的客流量；trips_i为起点为i站的客流总量；

1.3、运用极大似然估计标定L(θ)中的待定参数得到预测模型，结果如下式所示:

V_ij＝0.1984·D_j/10⁴+0.1066·AOD^ij+0.0809·XZ+0.2346·GM-0.1165·k

式中，D_j为_j站的吸引量，AOD^ij为从i到j的OD对间的OD可达性指标，XZ为表征站点性质的0-1变量，GM为表征站点规模的0-1变量，k为0-1变量。

2.根据权利要求1所述轨道交通客流分布预测模型建立方法，其特征在于，在所述步骤1.1中进一步包括引入OD可达性指标，来表征网络拓扑结构和交通便利性对于轨道交通客流分布的影响。

3.根据权利要求1所述轨道交通客流分布预测模型建立方法，其特征在于，所述步骤1.1中构建客流分布预测模型的效用函数具体为：V_ij＝f(C_ij,D_j,AOD^ij,XZ,GM,k)

其中，V_ij为起点为i站选择终点为j站的效用函数；C_ij为从i站到j站所需的票价；D_j为j站的吸引量；XZ为表征站点性质的0-1变量，与i站与j站的站点性质有关；GM为表征站点规模的0-1变量，与i站与j站的规模有关；k为0-1变量，当i站或者j站同属于新线，常数项为1，否则为0。

4.一种轨道交通客流分布预测方法，其特征在于，包括以下步骤：

4.1、根据预先获得的未来轨道站点发生吸引量、站点的类别、网络的拓扑结构以及相关运营参数，提取得到相应的预测模型基础数据；

4.2、结合预测模型基础数据，代入权利要求1至3任意一项所述的方法所建立的客流分布预测模型；

4.3、计算得到相应时间段的客流分布数据。

5.根据权利要求4所述轨道交通客流分布预测方法，其特征在于，所述步骤4.1中进一步包括预先获得的OD可达性指标。