【技术实现步骤摘要】
本申请涉及客流量预测领域，特别涉及一种地铁站客流量预测的方法。
技术介绍
1、随着全球人口的快速城市化，城市轨道交通客流量呈现高速增长的态势。以地铁为例，其具有运量大、速度快、准点率高等优势，被广泛应用于城市公共交通体系中。地铁系统的运输能力大小，直接制约城市区域的人员流动效率，而其运力调配与管理，则依赖于准确预测客流分布。因此，地铁站客流量预测技术对地铁线路客流控制与管理具有重要支撑作用。
2、目前，地铁站客流量预测常采用神经网络模型、支持向量机模型等智能算法技术。其中，随机森林算法具有高预测精度、对异常值鲁棒的优势，但对样本集场景的适应性差，难以满足地铁站复杂场景的客流预测需求。人工神经网络模型，虽具有简洁性、通用性、适应性强等优点，却预测精度不高。
3、在相关技术中，比如中国专利文献cn116401941a中提供了一种地铁站闸机疏散能力的预测方法，包括以下步骤：构建闸机场景的三维仿真模型；构建预测模型、预测模型的训练集和测试集；使用沙猫群算法对预测模型进行优化，利用步骤二中得到的训练集对优化后的预测模型进行训练，得到训练完成的模型；向步骤三中得到的训练完成的模型中输入测试集中闸机数量、闸机间可通行宽度、个体期望速度与半径和人群数量，得到对应人群通过闸机的疏散时间的预测值，得到可用于预测闸机疏散能力的时间预测模型，通过采用基于社会力模型的仿真软件得到模型的训练集和测试集，可模拟多种闸机布置场景，在短时间内得到各场景下大量的训练集和测试集数据。但是该方案沙猫群算法优化可能会陷入局部最优解，未能找到全局最
技术实现思路
1、1.要解决的技术问题
2、针对现有技术中存在的地铁站客流量预测精度低的问题，本申请提供了一种地铁站客流量预测的方法，用于地铁站付费区内进站乘客对不同设施选择的预测，通过构建仿真环境获得样本数据，建立基于随机森林算法的预测模型，并使用aoa算法对模型进行优化提高了地铁站客流预测精度。
3、2.技术方案
4、本申请的目的通过以下技术方案实现。
5、本说明书实施例提供一种地铁站客流量预测的方法，用于地铁站付费区内进站乘客对不同设施选择的预测，包括：采用基于社会力模型的仿真软件，建立地铁站实际场景的三维仿真环境，设置三维仿真环境中的进站区域，并在进站区域中设置付费区，付费区内设置不同设施；社会力模型（social force model）是描述人群行为的微观仿真方法，将人群模拟成由许多具有自主行为的个体微粒组成的粒子系统，每个个体受到社会学力的驱动而运动。其中，社会学力可以分为异性个体间的斥力、同类个体间的引力以及个体与环境边界的作用力。基于社会力模型的仿真软件可以建立包含个体微粒的三维虚拟场景，模拟个体在场景中受力移动的轨迹，实现对复杂人群行为的仿真。在本申请中，采用基于社会力模型的仿真软件，通过设置地铁站三维场景中的环境边界、不同设施的吸引力或斥力场实现对乘客选择行为的模拟，获取不同情况下的仿真样本数据，用于建立预测模型。
6、具体地，社会力模型，在本申请中，可以采用牛顿力学模型，这个模型将人群当作质点，它遵循牛顿第二定律，认为行人运动受外力作用而产生加速度。主要的社会力来源是行人之间的相互作用力。磁场力模型，这个模型借鉴了电磁理论，将人群比作带电粒子，在虚拟“社会磁场力”的作用下移动。个体间没有直接接触，但会相互影响。粒子－弹簧模型，这个模型将每个个体视为一个粒子，个体之间用弹簧连接。在弹簧张力和个体意愿的共同作用下，模拟个体运动。连续力学模型，这个模型不再将人群视为离散个体，而是采用连续力学建模，将人群看作连续均质流体，由navier stokes方程描述运动。
7、地铁站实际场景是指地铁站点实际的物理环境及运行情况，包括站点结构、内部设施、运营模式、客流规律等方面。站点结构：指地铁站的运营区域范围，包含出入口、售票区、检票区、乘车区、站台区等功能分区。内部设施：指地铁站内各功能分区的服从设施，包括自动售检票机、安检通道、验票闸机、楼梯、扶梯、直梯等。运营模式，指地铁站的开放时间、运营线路方案等运营参数设置。客流规律，指不同时段及情景下，地铁站运营区域内的客流分布状态、客流大小、高峰等特征。在本申请中，需要考虑地铁站的全貌情况，构建反映实际场景的三维仿真环境，用于迭代优化预测模型，提高对复杂场景的适应性。
8、三维仿真环境指使用三维计算机图形技术，构建包含环境实体及个体代理的虚拟场景，用于重现和模拟现实世界的工作过程和物理行为。构建包含地铁站实际场景结构、设施、乘客个体等的三维仿真环境。在此环境中模拟多种情景下乘客选择路径和设施的运动学过程，用以收集训练预测模型的行为数据样本。
9、设置输入数据集，并将输入数据集输入建立的三维仿真环境中，运行仿真过程获取输出数据集，根据输出数据集构建训练集、验证集和测试集；设置输入数据集：根据影响乘客选择行为的关键因素，如乘客属性、设施距离、设施吞吐量、进站客流量等，构建描述这些影响因素的多维输入数据。将输入数据集加载到构建的包含实际场景细节的三维仿真环境中，驱动场景中代理乘客个体的运动，通过多次模拟获取不同情况下的仿真结果。记录仿真过程中个体乘客的运动轨迹、聚集分布、设施选择等多维输出数据，构成输出数据集。根据多轮模拟获得包含输入条件和输出结果的多组数据，构建训练样本集、验证集、测试集。通过利用三维仿真场景多情景采样获得丰富多样性的行为数据，可以提高预测模型对复杂实际情况的适应性，增强模型的泛化能力，从而提高复杂场景下的预测精度。
10、构建基于随机森林算法的预测模型，设置预测模型的节点分裂条件和叶子节点数目，采用aoa算法优化预测模型，并利用训练集训练优化后的预测模型；建立包含多棵决策树的随机森林回归模型，设置树节点的分裂条件和叶子节点数目，作为客流量预测的初始模型。引入适应度离散优化算法，通过迭代搜索找到随机森林模型的参数组合，获得对目标客流量预测问题的全局最优解，以提高预测的鲁棒性。使用三维仿真场景采集的包含复杂场景特征的训样集，对aoa算法优化后的随机森林模型进行监督学习训练，获得对复杂场景具有更强适应性的预测模型。经aoa算法优化后，在复杂样本集上的训练，进一步提升了随机森林模型对应复杂实际场景的预测精度与可靠性。
11、其中，节点分裂条件指构建决策树过程中，控制节点是否继续生成子节点的规则。常见分裂条件有基尼指数、信息增益率、信息增益等。选择不同的分裂条件可以影响决策树的生成结果。叶子节点数目：指决策树从根节点分裂到终端节点的分裂次数。叶子节点数目反映了决策树的复杂程度。适当控制叶子节点数目，可以获得决策树的最佳划分，防止过拟合。在本申请中，需要预先设置随机森林算法中决策树的节点分裂条件和叶子节点数目。这些参数的选择会影响随机森林的性能。通过aoa优化算法可以搜索出其最优配置，以提高随机森林模型的预测精度。
12、其中，aoa算法即自适应的离散优化算法（adapt本文档来自技高网...
【技术保护点】
1.一种地铁站客流量预测的方法，用于地铁站付费区内进站乘客对不同设施选择的预测，其特征在于：
2.根据权利要求1所述的地铁站客流量预测的方法，其特征在于：
3.根据权利要求2所述的地铁站客流量预测的方法，其特征在于：
4.根据权利要求3所述的地铁站客流量预测的方法，其特征在于：
5.根据权利要求4所述的地铁站客流量预测的方法，其特征在于：
6.根据权利要求2所述的地铁站客流量预测的方法，其特征在于：
7.根据权利要求6所述的地铁站客流量预测的方法，其特征在于：
8.根据权利要求7所述的地铁站客流量预测的方法，其特征在于：
9.根据权利要求1所述的地铁站客流量预测的方法，其特征在于：
10.根据权利要求1所述的地铁站客流量预测的方法，其特征在于：
【技术特征摘要】
1.一种地铁站客流量预测的方法，用于地铁站付费区内进站乘客对不同设施选择的预测，其特征在于：
2.根据权利要求1所述的地铁站客流量预测的方法，其特征在于：
3.根据权利要求2所述的地铁站客流量预测的方法，其特征在于：
4.根据权利要求3所述的地铁站客流量预测的方法，其特征在于：
5.根据权利要求4所述的地铁站客流量预测的方法，其特...
【专利技术属性】
技术研发人员：杨晓霞，崔春月，董海荣，魏金丽，马浩，韩超，杨磊，周敏，康元磊，张永亮，曲大义，朱兆文，
申请(专利权)人：青岛理工大学，
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。