一种基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统技术方案

本发明专利技术属于轨道交通技术领域，涉及一种基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统。现有线网客流分布预测技术在为交通运营管理提供全方位支持上仍存在限制，尤其针对基于当前时间未进站客流分布状况的预测。本发明专利技术提供了一种基于数字孪生模型的城市轨道交通线网客流分布预测方法，分析单个乘客在城轨交通系统中的时空特征规律；实时监测线网客流分布状态，以数字孪生技术为指引，实现线网客流分布仿真。本发明专利技术提供的基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统通过获取的客流相关数据及数字孪生模型将预测后的分布状态直观显示，便于运维人员清晰掌握交通系统中客流分布状况，为行车调度和城客流管控提供参考。和城客流管控提供参考。和城客流管控提供参考。

【技术实现步骤摘要】
一种基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统


[0001]本专利技术涉及城市轨道交通领域，尤其涉及一种基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统。

技术介绍

[0002]随着国民经济和城镇化进程的快速发展，我国城市轨道交通线路总里程逐年增长，城市轨道交通客运总量逐年增长。面对越来越复杂的网线，越来越频繁的发车频次，越来越大的客流量，准确预测车站的客流需求及线网客流分布对城市地铁系统的运营管理至关重要。由于城市轨道交通在城市公共交通系统中的地位越来越重要，其运营管理手段的效率和质量也亟需提高，以便于为居民出行提供更好的服务。
[0003]客流是城市轨道交通建设与运营的基础，管理者需要通过把握客流的特征及其变化趋势，对列车时刻表和站内客流导向做出合理的安排。准确的客流预测可以帮助管理者制定合理的运营计划，进行合理的车辆调度有效的提高地铁运营效率，同时还可以为未来地铁建设提供参考信息。
[0004]轨道交通线网客流分布预测是预测乘客进站后前往各目的地及进站客流数量的预测。对乘客进行目的地预测是准确获取在一定时间后的乘客分布状态的重要手段。主要是基于乘客的AFC数据集分析乘客前往不同站点的规律，并依据数字孪生技术对乘客个体行为进行建模，分析乘客在站内的动向分布，为线网客流分布状态预测提供精准的预测结果。
[0005]目前的客流预测模型单一，并且现有的所有预测模型都是基于AFC刷卡数据来获取乘客的相关特征来得到线网客流分布状态。以往对客流的研究，大多从数学模型及经验的角度去分析。在进行客流时空分布研究以及进行客流预测时，也大多集中在对整体客流的分析。然而，出行目的地预测是微观个体层面的预测，与个体出行习惯有关，这对于个体行为研究提出了要求。
[0006]在城市轨道交通运营管理中，如果发生突发事件，按照以往的逐层上报机制，由于消息上传的延迟性，可能影响运营人员采取合理的措施处理突发状况。另外，城市轨道交通还缺少对突发事件下的路网客流分布状态的变化情况的预测，由于没有突发事件下客流分布特征，运营人员难以有效地根据客流情况做出尽可能满足乘客出行需求的列车运行调整方案，这为突发状况下的轨道交通运营管理带来了困难。
[0007]目前对于线网客流分布预测只停留在基于AFC数据的预测，这需要乘客通过闸机获取其ID的情况下才能做出处理。针对于一段时间后，尤其是基于当前时间没有进站的客流，目前的所有预测模型均未涉及此类乘客的线网分布状态预测。另外，目前的预测方法只是将基于AFC数据对乘客出行规律进行总结，从而获取其线网分布状态，并没有结合数字孪生技术的优势，利用先进的数字孪生技术对乘客的站内状态做出相关的仿真来获取客流的线网分布状态。
[0008]乘客在站内的活动轨迹对于线网客流的分布有着至关重要的作用，如何利用数字孪生的技术对个体行为建模、模拟仿真乘客个体在站内活动轨迹，从而获取线网客流的分布在状态，是研究线网客流分布状态的重要支撑。

技术实现思路

[0009]1.要解决的技术问题
[0010]基于目前相关的客流分布预测技术只针对已获取乘客进站信息的预测，当乘客的进站信息缺失的情况下，无法获取一定时间后的客流分布状态，即目前的客流分布研究不涉及基于当前时间未进站的乘客如何获取相关数据特征来预测特定时间后的线网客流分布预测，同时对于乘客个体在站内的活动没有清晰的研究，这对于客流线网分布分析存在一定的限制。针对以上未解决的问题，本专利技术提供了一种基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统。
[0011]2.技术方案
[0012]为了解决以上所提到的问题，达到未进站乘客线网客流分布预测及站内个体行为仿真的目的，本专利技术提供了一种基于数字孪生模型的城市轨道交通线网客流分布状态预测方法及系统。所述方法包括如下步骤：步骤S1：建立城市轨道交通系统与本专利技术系统的数据传输接口，获取实时、历史客流AFC相关数据；步骤S2：分析乘客个体在城市轨道交通系统中的出行特征规律；步骤S3：获取城市轨道交通系统中的乘客历史AFC数据，统计分析历史客流数据，对进站短时客流预测，对已进站和未进站乘客判断；步骤S31：对已进站乘客的目的地预测；步骤S32：对未进站乘客的目的地预测；步骤S4：获取城市轨道交通系统数字孪生模型；步骤S5：以客流数据、站点线路数字孪生模型及个体行为模型为基础，仿真站内及线路客流分布状态，集成不同模型中的数据，并直观反映于城市轨道交通数字孪生系统。
[0013]本专利技术提供的另一种实施方式为：所述出行特征规律是基于物理城市轨道交通系统中AFC数据获得。
[0014]本专利技术提供的另一种实施方式为：所述步骤S2乘客个体特征行为分析包括对乘客历史AFC数据处理，分析乘客个体出行地ID、出行时间、目的地ID、到达时间、出行频率等参数，统计乘客个体出行规律，并实现特征数据的聚类处理。
[0015]本专利技术提供的另一种实施方式为：所述步骤S3包括利用确定车站的AFC数据，对客流状况进行分析，采用随机森林算法预测该站点的进站客流数据。
[0016]本专利技术提供的另一种实施方式为：述所步骤S31包括利用出行特征数据匹配乘客目的地，确定乘客本次出行的目的地；基于乘客进入该站点的时间获取乘客的出行特征规律矩阵，在特征唯一、不唯一、无匹配情况下，选择不同目的地地预测算法获取乘客个体本次出行目的地。
[0017]本专利技术提供的另一种实施方式为：述所步骤S32包括基于短时客流预测数据，获取乘客进站时间间隔分布函数即负指数分布函数，预测乘客个体进站具体时间；基于乘客个体进站时间，结合出行特征数据集，刻画乘客个体行为特征。
[0018]本专利技术提供的另一种实施方式为：所述步骤S4包括利用客流预测站点参数匹配不同站点、线路数字孪生模型，并利用不同站点的客流行为习惯规则参数，建立或修正不同站点数字孪生模型中的客流个体行为模型；
[0019]本专利技术提供的另一种实施方式为：所述步骤S5包括利用站点客流预测参数、个体行为模型、站点数字孪生模型，模拟仿真不同站点及线路所对应的个体客流分布状态；
[0020]本专利技术提供的另一种实施方式为：所述步骤S5包括利用行为模型、站点数字孪生模型，获取不同站台、站点车厢人流密度等数据，能够实时为车辆调度和客流引导提供有效支持；
[0021]本专利技术提供的另一种实施方式为：所述步骤S5包括集成不同站点、线路数字孪生模型中的客流个体分布状态于城市轨道交通数字孪生系统，用于直观全局显示给城市轨道交通管理人员。
[0022]3.有益效果
[0023]与现有技术相比，本专利技术技术方案的有益效果是：
[0024]本专利技术根据目前所有客流分布状态的预测方法无法获取基于当前时间未进站的乘客分布状态预测，通过连接城市轨道交通系统数字孪生模型，构建或修正数字孪生模型中的客流行为模型，通过分析个体行为对客流分布状态的影响，获取客流个体出行特征规律；基于站点及线路数字孪生模型和乘客个体行为分析，刻画乘客个体在站内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统其特征在于，所述如下步骤：步骤S1：建立物理城市轨道交通系统与本发明系统的数据传输接口，获取实时、历史AFC数据、线网参数、站点参数相关数据；步骤S2：依据所获取的AFC数据，分析乘客个体出行地ID、出行时间、目的地ID、到达时间、出行频率等参数，分析得到乘客个体在城市轨道交通系统中的出行特征规律；步骤S3：利用城市轨道交通系统中的乘客历史AFC数据，统计分析历史客流量数据，对进站短时客流预测，对已进站和未进站乘客判断，并对已进站和未进站乘客预测目的地；步骤S4：设计本发明系统与城市轨道交通系统数字孪生模型参数接口以实现本系统与城市轨道交通系统数字孪生模型参数传递；步骤S5：依据乘客个体行为分析特征，构建或修正客流个体行为模型，并将此模型连接到城市轨道交通数字孪生模型中；步骤S6：以客流数据与客流个体行为模型为基础，在城市轨道交通系统数字孪生模型中仿真客流分布状态。2.如权利要求1所述的方法，其特征在于：所述步骤S2乘客个体特征行为分析包括对乘客历史数据处理，统计乘客个体出行规律，实现个体出行的时间、空间特征信息提取，并对提取的特征信息聚类处理，获取得到乘客个体历史是时空特征数据集。3.如权利要求1所述的方法，其特征在于：所述步骤S3包括利用确定车站的AFC数据，对客流状况进行分析，采用随机森林算法预测该站点的短时进站客流数据。4.如权利要求3所述的方法，其特征在于：所述步骤S3包括利用出行特征数据匹配乘客目的地，确定乘客本次出行的目的地；基于乘客进入该站点的时间获取乘客的出行特征规律矩阵，在特征唯一、不唯一、无匹配情况下，选择不同目的地的预测算法获取乘客个体出行目的地。5.如权利要求3所述的方法，其特征在于：所述步骤S3包括基于短时客流预测数据，获取乘客进站时间分布函数，预测乘客个体进站具体时间；基于乘客个体进站时间，刻画乘客个体站内行为特征。6.如权利要求1所述的方法，其特征在于：所述步骤S4包括连接城市轨道交通系统数字孪生模型，依据客流预测站点参数匹配不同站点、线路数字孪生模型。7.如权利要...

【专利技术属性】
技术研发人员：朱晓敏，马千霞，苑帅，张润彤，孙泽宇，赵苗苗，潘显钟，张勋，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：