本申请公开了一种基于稳态客流的铁路客流预测方法，包括：稳定客流筛选步骤：对获取的历史发送量数据进行客流的标记识别并筛选出稳态客流，按照全客流图谱筛选不同分组的数据，获取同一标记和分组下的稳态客流发送量数据；数据分解步骤：采用STL数据分解方法对稳态客流发送量数据进行加法分解，分解成多个不同的稳态客流序列项，分别针对不同的客流序列项选择不同的预测方法预测并验证，分别输出预测结果；复合预测模型建立步骤：合并预测结果，针对预测结果进行误差评价并调整各个预测方法中的参数，生成复合预测模型，以实现铁路客流发送量的预测。本申请还公开了一种基于稳态客流的铁路客流预测系统。流的铁路客流预测系统。流的铁路客流预测系统。
【技术实现步骤摘要】
基于稳态客流的铁路客流预测方法、系统及设备和介质
[0001]本申请涉及铁路客流数据处理
，特别是涉及一种铁路客流发送量预测方法及系统。
技术介绍
[0002]当前，铁路客运发送量是指乘客购买车票乘坐铁路的人次，发送量的预测对编制列车开行计划和优化票额管理有着重要意义。铁路发送量预测需要综合考虑疫情管控、极端天气、重大活动等多重外部因素与车底、线路、乘务等诸多内部因素的影响。同时，铁路客运管理部门按照站线局分别进行票额管理，实时更新余票状态，针对不同方向的车次有着不同的管理策略。因此客运发送量预测具有层级多、时间紧、难度大等特点。当前铁路客运部门的客流发送量预测方法主要有比例系数法、同环比增长法、需求估计法等，这些方法对铁路客流较长范围内的预测存在预测偏差大、对异常值敏感、适用范围受限等问题。
[0003]对铁路客流发送量的时间序列数据而言，铁路客流本身具有一定的周期性，如自然周周期、节假日周期和年周期。铁路客流发送量在非节假日和非春运时间范围内，呈现出周周期波动，周一至周五客流呈现窄V型，周六和周日高位运行；在相同的节假日，客流发送量有着相似的发送量趋势；此外，铁路整体客流按年呈现逐步增长的趋势。
[0004]铁路客流发送量在非疫情情况下，呈现出相似的年周期。铁路客流发送量在春运过后，会随着月份的增加呈现出先平稳及逐步上升后又下降至平稳的态势，具体表现为3
‑
6月份整体平稳，暑运7、8月份高位运行，9月份略下降后10
‑
12月平稳的发送量曲线。这些特性有助于铁路发送量的时间序列数据按照STL分解后预测。铁路发送量按照STL(基于loess的季节和趋势分解算法(Seasonal and Trend decomposition using Loess))分解后计算相比系数法、比值法和评估法等铁路传统发送量计算方法的优点在于该方法对发送量异常值比较健壮，发送量的季节成分可随时间变化且变化率可控制，同时可对发送量的趋势周期平滑度控制。
[0005]因此，亟需提出一种新型的适用于稳态客流发送量历史数据，采用数据分解思想进行预测的方法及其系统，与现有技术中直接预测方法相比，明显的提升了预测精度且操作方便、便于推广，特别解决了稳态客流条件下的铁路客流发送量预测问题。
技术实现思路
[0006]本申请实施例提供了一种新型的适用于基于稳态客流发送量历史数据，采用STL数据分解的思想进行分别预测的方法及其系统，解决了基于稳态客流的铁路客流发送量预测问题。
[0007]第一方面，本申请实施例提供了一种基于稳态客流的铁路客流预测方法，包括：
[0008]稳定客流筛选步骤：对获取的历史发送量数据进行客流的标记识别并筛选出稳态客流，按照全客流图谱筛选不同分组的数据，获取同一标记和分组下的稳态客流发送量数据；
[0009]STL数据分解步骤：采用STL数据分解方法对稳态客流发送量数据进行加法分解，分解成多个不同的稳态客流序列项，分别针对不同的客流序列项选择不同的预测方法预测并验证，分别输出预测结果；
[0010]复合预测模型建立步骤：合并预测结果，针对预测结果进行误差评价并调整各个预测方法中的参数，生成复合预测模型，以实现铁路客流发送量的预测。
[0011]本专利技术一些实施例中，上述稳定客流筛选步骤包括：
[0012]数据预处理步骤：从不同数据库获取铁路区域历史发送量数据，并对历史数据进行数据预处理操作；
[0013]客流标记识别步骤：对获取的历史发送量数据进行客流标记，分别根据日期标记和疫情标记筛选稳态客流日期，然后按照全客流图谱筛选周分组和季节分组的数据，得到同一标记和分组下的稳态客流发送量；
[0014]平稳性检验步骤：利用ADF检验方法检验稳态客流发送量的时间序列数据的平稳性，若满足平稳性检验则进行下一步，否则采用差分方法进行稳态客流发送量的时间序列数据平稳。
[0015]本专利技术一些实施例中，上述STL数据分解步骤包括：
[0016]加权回归步骤：稳态客流发送量时间序列数据满足平稳性检验后，采用季节趋势分解的方法进行数据处理，对平稳的时序数据进行局部加权回归平滑峰谷值，获得平滑稳态客流数据；
[0017]加法分解步骤：针对平滑后的稳态客流数据采用STL方法进行加法分解，分解成发送量趋势项序列数据，发送量剩余项序列数据和发送量季节项序列数据。
[0018]本专利技术一些实施例中，上述复合预测模型建立步骤还包括：
[0019]数据划分步骤：对分解后的稳态客流数据，划分为训练集数据和验证集数据；
[0020]预测步骤：对训练集数据中的发送量趋势项序列数据采用ARIMA方法进行预测,对发送量的剩余项序列数据采用GP方法进行预测，对发送量季节项序列数据采用移动替代法进行预测，并分别输出预测结果。
[0021]误差评价步骤：合并预测结果，基于验证集数据，采用RMSE指标评价预测结果与验证集数据之间的误差；
[0022]动态调整步骤：基于误差动态调整各个预测方法中的参数；
[0023]模型确定步骤：当参数调整到最优时，生成最终的包含ARIMA方法、GP方法及移动替代方法的复合预测模型。
[0024]本专利技术一些实施例中，上述数据预处理步骤包括：
[0025]切片处理步骤：对获取的历史铁路客流发送量数据进行切片和处理，按照全路、路局、省份、城市多个不同层级和小时、天、周多个不同时间尺度对稳态客流发送量数据进行切片；
[0026]替换处理步骤：对切片的发送量数据中的缺失值和负值采用同类型周次均值替换，对出现异常值的一段时间内的均值采用替换处理；
[0027]波动平稳处理步骤：采用对数变换对历史发送量时间序列数据进行波动平稳处理，消除异方差。
[0028]本专利技术一些实施例中，上述客流标记识别步骤还包括：
[0029]筛选具有相同的周周期和相同的季节分组标记的历史发送量数据，并采用阈值法识别稳态客流。
[0030]第二方面，本申请实施例提供了一种基于稳态客流的铁路客流预测系统，采用如上基于稳态客流的铁路客流预测方法，包括：
[0031]稳定客流筛选模块：对获取的历史发送量数据进行客流的标记识别并筛选出稳态客流，按照全客流图谱筛选不同分组的数据，获取同一标记和分组下的稳态客流发送量数据；
[0032]STL数据分解模块：采用STL数据分解方法对稳态客流发送量数据进行加法分解，分解成多个不同的稳态客流序列项，分别针对不同的客流序列项选择不同的预测方法预测并验证，分别输出预测结果；
[0033]复合预测模型建立模块：合并预测结果，针对预测结果进行误差评价并调整各个预测方法中的参数，生成复合预测模型，以实现铁路客流发送量的预测。
[0034]第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于稳态客流的铁路客流预测方法，其特征在于，包括：稳定客流筛选步骤：对获取的历史发送量数据进行客流的标记识别并筛选出稳态客流，按照全客流图谱筛选不同分组的数据，获取同一标记和分组下的稳态客流发送量数据；STL数据分解步骤：采用STL数据分解方法对所述稳态客流发送量数据进行加法分解，分解成多个不同的稳态客流序列项，分别针对所述不同的稳态客流序列项选择不同的预测方法预测并验证，分别输出预测结果；复合预测模型建立步骤：合并所述预测结果，针对所述预测结果进行误差评价并调整各个所述预测方法中的参数，生成复合预测模型，以实现铁路客流发送量的预测。2.根据权要求1所述基于稳态客流的铁路客流预测方法，其特征在于，所述稳定客流筛选步骤包括：数据预处理步骤：从不同数据库获取铁路区域历史发送量数据，并对所述历史发送量数据进行数据预处理操作；客流标记识别步骤：对获取的所述历史发送量数据进行客流标记，分别根据日期标记和疫情标记筛选稳态客流日期，然后按照全客流图谱筛选周分组和季节分组的数据，得到同一标记和分组下的稳态客流发送量；平稳性检验步骤：利用ADF检验方法检验所述稳态客流发送量的时间序列数据的平稳性，若满足平稳性检验则进行下一步，否则采用差分方法进行所述稳态客流发送量的时间序列数据平稳。3.根据权要求1所述基于稳态客流的铁路客流预测方法，其特征在于，所述STL数据分解步骤包括：加权回归步骤：所述稳态客流发送量时间序列数据满足平稳性检验后，采用季节趋势分解的方法进行数据处理，对平稳的时序数据进行局部加权回归平滑峰谷值，获得平滑稳态客流数据；加法分解步骤：针对平滑后的所述稳态客流数据采用STL方法进行加法分解，分解成发送量趋势项序列数据，发送量剩余项序列数据和发送量季节项序列数据。4.根据权要求1所述基于稳态客流的铁路客流预测方法，其特征在于，所述复合预测模型建立步骤还包括：划分步骤：对分解后的所述稳态客流数据，划分为训练集数据和验证集数据；预测步骤：对所述训练集数据中的所述发送量趋势项序列数据采用ARIMA方法进行预测,对所述发送量的剩余项序列数据采用GP方法进行预测，对所述发送量季节项序列数据采用移动替代法进行预测，并分别输出预测结果。5.根据权要求1所述基于稳态客流的铁路客流预测方法，其特征在于，所述复合预测模型建立步骤...
【专利技术属性】
技术研发人员：卫铮铮，单杏花，朱建生，王洪业，吕晓艳，王庆，王煜，李仕旺，王梓，李永，郝晓培，尹伊伊，赵翔，郭根材，孟歌，韩慧婷，潘跃，田秘，李福星，
申请(专利权)人：中国铁道科学研究院集团有限公司电子计算技术研究所中国国家铁路集团有限公司北京经纬信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。