高峰乘车等候时间预估方法、装置、电子设备及存储介质

技术领域

本申请实施例涉及公共交通技术领域，尤其涉及一种高峰乘车等候时间预估方法、装置、电子设备及存储介质。

背景技术

随着城市轨道交通的发展，城市地铁线路四通八达，给人们的出行带来了极大的便利。

随着地铁行业的不断发展，各地区都在不断地加大对地铁的建设。随着地铁的不断建设发展，乘坐地铁的人也越来越多，特别是高峰期时段，由于各个站点会对应采取限流措施，从而导致乘车等候时间较长，影响乘客的出行计划，因而精确地预估高峰期的乘车等候时间对于乘客出行尤为重要。

现有的预估乘车等候时间的方式有利用仿真技术对单个地铁车站进行行人仿真，从而得到乘客进站刷卡到上车的整个仿真过程，统计仿真过程中的乘车等候时间。这种方式依据单次仿真获得乘车等候时间，没有结合乘客的OD信息进行计算，精确度低。

发明内容

本申请实施例提供一种高峰乘车等候时间预估方法、装置、电子设备及存储介质，能够解决乘车等候时间的预估精确度低的技术问题，提升高峰期乘车等候时间的预估精确度，提升乘客的乘坐体验。

在第一方面，本申请实施例提供了一种高峰乘车等候时间预估方法，包括：

根据第一数据和预设时间段信息，统计得到非高峰期乘客出站耗时，所述第一数据包括客流OD数据以及列车时刻表信息，所述预设时间段信息包括非高峰期时间段信息和高峰期时间段信息；

根据所述非高峰期乘客出站耗时，得到高峰期乘客出站耗时；

根据所述高峰期乘客出站耗时和所述第一数据获得乘客的高峰期上车时间和进站时间；

根据所述高峰期上车时间和进站时间确定对应的高峰期乘车等候时间；

根据所述高峰期乘车等候时间，统计各时间段内所有乘客的高峰期乘车等候时间的平均值，得到不同时间段对应的高峰期乘车等候预估时间，所述时间段包括节假日、周末和工作日。

进一步的，所述根据第一数据和预设时间段信息，统计非高峰期乘客出站耗时，包括：

获取第一数据，并对所述第一数据进行预处理，得到第二数据，所述第二数据包括目标乘客对应的客流OD数据和列车时刻表信息，所述目标乘客包括进出站点属于同一线路的乘客；

根据所述第二数据和预设时间段信息进行统计处理，得到非高峰期乘客出站耗时，所述非高峰期乘客出站耗时包括非高峰期乘客下车时间到出站时间的耗时。

进一步的，所述根据第一数据和预设时间段信息，统计得到非高峰期乘客出站耗时，包括：

根据第一数据确定非高峰期的乘客的上下行方向、出站点和出站时间；

根据确定的上下行方向和列车时刻表信息，获取对应方向的所有列车到达所述出站点的到站时间；

根据所有列车到达所述出站点的到站时间与乘客的出站时间比较，确定到站时间距离乘客的出站时间最近的一班列车为非高峰期乘客乘坐车次；

根据列车时刻表信息获取所述非高峰期乘客乘坐车次在所述出站点的到站时间和离站时间，根据所述到站时间和离站时间计算下车停留时间；

根据所述下车停留时间和所述到站时间计算乘客的非高峰期下车时间；

根据所述非高峰期下车时间和所述出站时间，计算得到非高峰期乘客出站耗时。

进一步的，所述根据所述下车停留时间和所述到站时间计算乘客的非高峰期下车时间，包括：

根据下述公式计算得到所述乘客的非高峰期下车时间，down_time＝metro_arrive_time+rand[1,rate*end_station_residence_time]，其中，down_time代表乘客的下车时间，metro_arrive_time代表列车的到站时间，end_station_residence_time代表下车停留时间，rate代表对应站点的下车时间所属时间段权重值。

进一步的，所述根据所述乘客的非高峰期下车时间和所述乘客的出站时间，计算得到非高峰期乘客出站耗时，包括：

根据所述出站点的每一乘客的非高峰期下车时间和出站时间，计算得到每一乘客的非高峰期出站耗时；

对所述出站点的所有乘客的非高峰期出站耗时进行计算处理，得到每位乘客在所述出站点的平均非高峰期出站耗时作为所述非高峰期乘客出站耗时。

进一步的，所述根据所述高峰期乘客出站耗时和所述第一数据获得乘客的高峰期上车时间和进站时间，包括：

根据所述高峰期乘客出站耗时和所述第一数据中的出站时间，获得高峰期的乘客在所述出站点的高峰期下车时间；

根据所述高峰期下车时间、第一数据中对应乘客的上下行方向以及列车时刻表信息，获取对应方向的所有列车到达所述出站点的到站时间；

根据所有列车到达所述出站点的到站时间与所述高峰期下车时间比较，确定到站时间距离所述高峰期下车时间最近的一班列车为高峰期乘客乘坐车次；

根据所述第一数据获取乘客的进站点和进站时间；

根据所述高峰期乘客乘坐车次、所述进站点和所述列车时刻表信息，获取所述高峰期乘客乘坐车次在所述进站点的到站时间和离站时间；

根据所述进站点的到站时间和离站时间计算得到上车停留时间；

根据所述上车停留时间和所述高峰期乘客乘坐车次在所述进站点的到站时间计算得到乘客的高峰期上车时间。

进一步的，所述根据所述上车停留时间和所述高峰期乘客乘坐车次在所述进站点的到站时间计算得到乘客的高峰期上车时间，包括：

根据下述公式计算得到所述乘客的高峰期上车时间，up_time＝

metro_leave_time+rand[1,(1-rate)*start_station_residence_time]，其中，up_time代表乘客的上车时间，metro_leave_time代表列车的到站时间，start_station_residence_time代表上车停留时间，rate代表对应站点的下车时间所属时间段权重值。

在第二方面，本申请实施例提供了一种高峰乘车等候时间预估装置，包括：

第一出站耗时计算单元，用于根据第一数据和预设时间段信息，统计得到非高峰期乘客出站耗时，所述第一数据包括客流OD数据以及列车时刻表信息，所述预设时间段信息包括非高峰期时间段信息和高峰期时间段信息；

第二出站耗时计算单元，用于根据所述非高峰期乘客出站耗时，得到高峰期乘客出站耗时；

上车时间计算单元，用于根据所述高峰期乘客出站耗时和所述第一数据获得乘客的高峰期上车时间和进站时间；

乘车等候时间计算单元，用于根据所述高峰期上车时间和进站时间确定对应的高峰期乘车等候时间；

乘客等候预估单元，用于根据所述高峰期乘车等候时间，统计各时间段内所有乘客的高峰期乘车等候时间的平均值，得到不同时间段对应的高峰期乘车等候预估时间，所述时间段包括节假日、周末和工作日。

进一步的，所述第一出站耗时计算单元，还用于获取第一数据，并对所述第一数据进行预处理，得到第二数据，所述第二数据包括目标乘客对应的客流OD数据和列车时刻表信息，所述目标乘客包括进出站点属于同一线路的乘客；

根据所述第二数据和预设时间段信息进行统计处理，得到非高峰期乘客出站耗时，所述非高峰期乘客出站耗时包括非高峰期乘客下车时间到出站时间的耗时。

进一步的，所述第一出站耗时计算单元，还用于根据第一数据确定非高峰期的乘客的上下行方向、出站点和出站时间；

根据确定的上下行方向和列车时刻表信息，获取对应方向的所有列车到达所述出站点的到站时间；

根据所有列车到达所述出站点的到站时间与乘客的出站时间比较，确定到站时间距离乘客的出站时间最近的一班列车为非高峰期乘客乘坐车次；

根据列车时刻表信息获取所述非高峰期乘客乘坐车次在所述出站点的到站时间和离站时间，根据所述到站时间和离站时间计算下车停留时间；

根据所述下车停留时间和所述到站时间计算乘客的非高峰期下车时间；

根据所述非高峰期下车时间和所述出站时间，计算得到非高峰期乘客出站耗时。

进一步的，所述第一出站耗时计算单元，还用于根据下述公式计算得到所述乘客的非高峰期下车时间，down_time＝metro_arrive_time+rand[1,rate*end_station_residence_time]，其中，down_time代表乘客的下车时间，metro_arrive_time代表列车的到站时间，end_station_residence_time代表下车停留时间，rate代表对应站点的下车时间所属时间段权重值。

进一步的，所述第一出站耗时计算单元，还用于根据所述出站点的每一乘客的非高峰期下车时间和出站时间，计算得到每一乘客的非高峰期出站耗时；

对所述出站点的所有乘客的非高峰期出站耗时进行计算处理，得到每位乘客在所述出站点的平均非高峰期出站耗时作为所述非高峰期乘客出站耗时。

进一步的，所述上车时间计算单元，还用于根据所述高峰期乘客出站耗时和所述第一数据中的出站时间，获得高峰期的乘客在所述出站点的高峰期下车时间；

根据所述高峰期下车时间、第一数据中对应乘客的上下行方向以及列车时刻表信息，获取对应方向的所有列车到达所述出站点的到站时间；

根据所有列车到达所述出站点的到站时间与所述高峰期下车时间比较，确定到站时间距离所述高峰期下车时间最近的一班列车为高峰期乘客乘坐车次；

根据所述第一数据获取乘客的进站点和进站时间；

根据所述高峰期乘客乘坐车次、所述进站点和所述列车时刻表信息，获取所述高峰期乘客乘坐车次在所述进站点的到站时间和离站时间；

根据所述进站点的到站时间和离站时间计算得到上车停留时间；

根据所述上车停留时间和所述高峰期乘客乘坐车次在所述进站点的到站时间计算得到乘客的高峰期上车时间。

进一步的，所述上车时间计算单元，还用于根据下述公式计算得到所述乘客的高峰期上车时间，up_time＝metro_leave_time+rand[1,(1-rate)*start_station_residence_time]，其中，up_time代表乘客的上车时间，metro_leave_time代表列车的到站时间，start_station_residence_time代表上车停留时间，rate代表对应站点的下车时间所属时间段权重值。

在第三方面，本申请实施例提供了一种高峰乘车等候时间预估设备，包括：

存储器以及一个或多个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的高峰乘车等候时间预估方法。

在第四方面，本申请实施例提供了一种存储计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的高峰乘车等候时间预估方法。

本申请实施例根据第一数据和预设时间段信息统计得到非高峰期乘客出站耗时，根据非高峰乘客出站耗时得到高峰期乘客出站耗时，根据高峰期乘客出站耗时和第一数据获得乘客的高峰期上车时间和进站时间，根据高峰期上车时间和进站时间确定对应的高峰期乘车等候时间，根据高峰期乘车等候时间统计各时间段内所有乘客的高峰期乘车等候时间的平均值，得到不同时间段对应的高峰期乘车等候预估时间。采用上述技术手段，可以根据统计得到的非高峰期乘客出站耗时，得到高峰期乘客出站耗时，并根据高峰期乘客出站耗时和第一数据得到乘客的上车时间和高峰期乘车等候时间，以此可避免乘车等候时间的预估精度低的问题，提升高峰期乘车等候时间的预估精度。此外，通过统计各时间段内的所有乘客的高峰期乘车等候时间的平均值得到不同时间段对应的高峰期乘车等候预估时间，起到给乘客参考和提醒的作用，提升乘客的乘坐体验。

附图说明

图1是本申请实施例提供的一种高峰乘车等候时间预估方法的流程图；

图2是本申请实施例提供的一种获取非高峰期出站耗时的流程图；

图3是本申请实施例提供的一种获取高峰期乘车等候时间的流程图；

图4是本申请实施例提供的一种高峰乘车等候时间预估装置的结构示意图；

图5是本申请实施例提供的一种高峰乘车等候时间预估设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

地铁作为人们一种重要的交通出行方式，随着科学技术的快速发展，给我们带来了巨大的便利，也给国家和地区的经济带来了很大的发展和促进作用。随着国家对地铁行业的大力支持，各地都在不断地加大对地铁的建设，乘坐地铁的人也越来越多，特别是高峰期时段，由于各个站点会采取限流措施，会出现列车来了但是乘客上不去车的情况，到站乘车从刷卡进站到真正上车的等待时间很长，并且乘客无法预知具体的等待时长，影响乘客的乘车体验。因而，非常有必要对高峰期时段预估每个站点乘客从刷卡进站到真正上车需要等待的时间，这样对于提高乘客的乘坐体验、客流管控以及乘客由于等待时间过程改变乘车路线进而缓解地铁的拥挤程度有着非常重要的参考价值。

目前，对于乘客的上车等待时间(从刷卡进站到真正上车的时间)的研究主要集中在以下两方面，第一方面是利用仿真技术对单个车站进行行人仿真，从而得到乘客进站刷卡到上车的整个过程的仿真数据，这种方式没有重复考虑到乘客的整个行为过程，没有结合乘客的OD信息进行计算，精确度不高，同时也没法进行效果验证。另一方面是选择没有换乘的乘客，基于同一组起讫点列车的行驶时间是恒定的，乘客走行时间(包括进站走行时间和下车出站的走行时间)差异很小甚至是忽略不计等假设，计算乘客达到站台到上车这段时间为乘客的等待时间。而实际上这些假设在实际的运行过程中，每个乘客的走行时间是不一样的，同时列车的行驶时间也不是完全100％达到列车计划表的时刻，同时，对于乘客而言，其等待时间应该是从刷卡进站之后到上车的这段时间都属于乘车等候时间，这种只估算站台到上车的时间为乘车等候时间的方式考虑过于片面。同时，这种方式也没有区分高峰期与非高峰期，因为非高峰期的特征和高峰期的特征完全不一样，因此预估得到的乘车等候时间并不能完全反映出高峰期乘客从刷卡进站到真正上车的乘车等候时间，从而导致得到的高峰期的乘车等候时间预估精确度较低，乘客的乘坐体验较差。

本申请提供的高峰乘车等候时间预估方法、装置、电子设备及存储介质，旨在高峰期乘车等候时间预估时，通过根据非高峰期乘客出站耗时确定高峰期乘客出站耗时，以得到高峰期乘车等候时间，以提升高峰期乘车时间的预估精度。并且，通过统计各时间段内的所有乘客的高峰期乘车等候时间的平均值得到不同时间段对应的高峰期乘车等候预估时间，起到给乘客参考和提醒的作用，以提升乘客的乘坐体验。相对于传统的乘车等候时间预估方式，其通常通过仿真技术对单个地铁站进行行人仿真得到乘客进站刷卡到上车的整个仿真过程，统计仿真过程中的乘车等候时间。这种方式依据单次仿真获得乘车等候时间，没有结合乘客的OD信息进行计算，精确度低。基于此，提供本申请实施例的高峰乘车等候时间预估方法，以解决现有乘车等候时间的预估精确度低的技术问题。

图1给出了本申请实施例提供的一种高峰乘车等候时间预估方法的流程图，本实施例中提供的高峰乘车等候时间预估方法可以由高峰乘车等候时间预估设备执行，该高峰乘车等候时间预估设备可以通过软件和/或硬件的方式实现，该高峰乘车等候时间预估设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而言，该高峰乘车等候时间预估设备可以是终端设备，如计算机设备等。

下述以计算机设备为执行高峰乘车等候时间预估方法的主体为例，进行描述。参照图1，该高峰乘车等候时间预估方法具体包括：

S11、根据第一数据和预设时间段信息，统计得到非高峰期乘客出站耗时，所述第一数据包括客流OD数据以及列车时刻表信息，所述预设时间段信息包括非高峰期时间段信息和高峰期时间段信息。

高峰期可以理解为某件事发展程度达到最激烈的状态或程度，比如交通高峰期，就是车流量达到最高的时候。在这一时期，需求继续增加，但增加的势头逐渐减弱，并在此阶段的后期，需求开始出现减少的势头。常见的如车流，人流，人口等。而在地铁中的高峰期可以理解为人流量达到最高的时候。一般高峰期为上午的07:30:00-09:00:00和下午的17:30:00-19:00:00，其他时间段为非高峰期。此外，也可以根据实际情况自行定义高峰期，并可以根据具体情况进行修改。上午时段的高峰期称为早高峰，下午时段的高峰期称为晚高峰。非高峰期也可以称为平峰期。根据实际情况预设时间段信息，即根据时间情况划分非高峰期时间段和高峰期时间段，得到预设的非高峰期时间段信息和高峰期时间段信息，例如划分高峰期时间段为上午的07:30:00-09:00:00和下午的17:30:00-19:00:00，其他时间段为非高峰期时间段。

客流OD数据可以理解地铁出发站和目的站的客流数据，包括地铁乘客的历史刷卡信息，包括交通卡ID、身份ID、手机号码、交通类型、进站ID、进站时间、出站ID和出站时间等。获取客流OD数据以及地铁的列车时刻表信息，列车时刻表信息包括线路名称、上/下行标识(例如1表示上行，2表示下行)、车次号、车站名称和到站时间，例如车站名称1与到站时间1以及离站时间1，车站名称2与到站时间2以及离站时间2……此外，还需要获取其他数据信息，包括节假日数据信息、线路中英文数据信息以及线路与站点对应关系数据信息等。客流OD数据、列车时刻表信息以及其他数据信息构成第一数据。

获取第一数据，对第一数据进行预处理，得到第二数据。第二数据包括目标乘客对应的客流OD数据和列车时刻表信息，目标乘客包括进出站点属于同一线路的乘客。根据列车时刻表，可以获知每个站点各辆列车的到站信息，到站信息包括车站名称、上下行方向、列车号(车次号)、到站时间和离站时间。同时，可以根据上述各辆列车的到站信息获得当前车次距离上一车次的到站时间间隔t。由于换乘乘客的中间换乘过程未知，因此需要筛选出没有换乘行为的乘客作为目标乘客，后续进行乘车等候时间预估时，针对目标乘客的对应的数据进行统计分析。没有换乘行为可以理解为进站站点和出站站点都是属于同一条线路的乘客。获取目标乘客对应的第二数据，根据第二数据和预设时间段信息进行统计处理，得到非高峰期乘客出站耗时，非高峰期乘客出站耗时包括非高峰期乘客下车时间到出站时间的耗时。

根据第一数据或第二数据中的客流OD数据中的乘客进站ID信息和出站ID信息以及列车时刻表信息中的上下行方向信息，确定对应乘客的上下行方向。从第一数据中筛选得到第二数据，根据第二数据筛选出处于非高峰期的客流OD数据，根据筛选得到的客流OD数据确定非高峰期的乘客的上下行方向、出站点和出站时间。根据确定的上下行方向和列车时刻表信息，获取对应方向的所有列车到达出站点的到站时间。根据所有列车到达出站点的到站时间与乘客的出站时间比较，确定到站时间距离乘客的出站时间最近的一班列车为非高峰期乘客乘坐车次。根据列车时刻表信息获取所述非高峰期乘客乘坐车次在出站点的到站时间和离站时间，根据到站时间和离站时间计算下车停留时间。根据下车停留时间和到站时间计算乘客的非高峰期下车时间。根据非高峰期下车时间和出站时间，计算得到非高峰期乘客出站耗时。

在一实施例中，假设统计的出站点为A，根据客流OD数据和列车时刻表信息确定对应的乘客的上下行的方向，假设统计的进站点是B，则从B-A是属于上行方向，则从出站点A刷卡出站的所有乘客的客流OD数据中，筛选属于上行方向乘客客流OA数据。根据预设时间段信息确定对应的非高峰期时间段，并从上述筛选得到的属于上行方向乘客客流OA数据中筛选出对应的非高峰期于上行方向乘客客流OA数据。并且，根据列车时刻信息表确定属于上行方向的列车车次，并确定这些车次基于站点A的到站时间和离站时间。根据这些车次的到站时间和乘客的刷卡出站时间，确定到站时间与乘客的刷卡出站时间距离最近的列车为对应乘客乘坐车次。距离而言，乘客a出站时间为9点10分，对应的上行方向的列车中到站有车次1到达站点A的到站时间为9点07分，车次2到达站点A的到站时间为8点57分，车次2到达站点A的到站时间为9点17分……则筛选得到到站时间与乘客的刷卡出站时间距离最近的列车为车次1，则确定车次1为乘客a乘坐车次。同理，可以得到非高峰期内所有乘客乘坐车次。获得乘客a乘坐车次为车次1之后，根据列车时刻表信息获取车次1在站点A(出站点)的到站时间(9点07分)和离站时间(假设为9点12分)，根据到站时间和离站时间计算下车停留时间(5分钟)。

需要说明的是，基于非高峰期车次到站时间间隔较长，因此可以确定到站时间距离乘客的出站时间最近的一班列车为非高峰期乘客乘坐车次。而在高峰期车次到站时间间隔短时，则不适用将到站时间距离乘客的出站时间最近的一班列车确定为乘客乘坐车次。

在一实施例中，在获得非高峰期乘客乘坐的车次和对应的下车停留时间后，根据下车停留时间和到站时间计算乘客的非高峰期下车时间。根据下述公式计算得到所述乘客的非高峰期下车时间，down_time＝metro_arrive_time+rand[1,rate*end_station_residence_time]，其中，down_time代表乘客的下车时间，metro_arrive_time代表列车的到站时间，可以根据列车时刻信息表获得，end_station_residence_time代表下车停留时间，基于确定乘客乘坐车次，则可以根据列车时刻信息表获得对应乘客乘坐车次的到站时间和离站时间，根据到站时间和离站时间获得对应的下车停留时间，该下车停留时间为列车在该站点停留的时间，rate代表对应站点的下车时间所属时间段权重值。其中，rate*end_station_residence_time的数值必须大于1，这里的1表示为1秒，同理，rate*end_station_residence_time计算得到的数值的单位也为秒，rand[1,rate*end_station_residence_time]表示从1～rate*end_station_residence_time中随机一个数值。根据非高峰期下车时间和出站时间，计算得到非高峰期乘客出站耗时。假设计算得到下车时间为9点07分30秒，乘客a刷卡出站时间为9点10分，则得到该非高峰期内乘客a的出站耗时为2分30秒。

在一实施例中，rate代表对应站点的下车时间所属时间段权重值，rate的确定可以通过以下方式计算得到，首先，选取线网历史一段时间的客流OD数据，然后按照每隔15分钟的时间粒度统计出各个站点的进站客流entry_flow和出站客流exit_flow和进出站总客流total_entry_exit_flow，同时统计线网每个站点的平均进出站客流avg_entry_exit_flow。然后，判断站点的进出站总客流total_entry_exit_flow与线网每个站点的平均进出站客流avg_entry_exit_flow的比值total_entry_exit_rate，以及出站客流exit_flow与进出站总客流total_entry_exit_flow的比值entry_exit_rate，即：

最后，根据比值total_entry_exit_rate和比值entry_exit_rate，以及下表1得到对应的rate的值。

/>

表1

需要说明的是，上述表格中的市区和郊区的划分，可以根据对应地区的实际区域划分情况确定。

在一实施例中，图2是本申请实施例提供的一种获取非高峰期出站耗时的流程图，参照图2，该获取非高峰期出站耗时的流程具体为：S111、获取每个车站各班列车的到站时间和离站时间。根据列车时刻信息表获取车站到站信息，到站信息包括车站名称、上下行方向、车次号、到站时间和离站时间。S112、循环步骤S113-S117得到每个乘客非高峰期乘客出站耗时。通过循环步骤S113-S117可以得到非高峰期所有乘客的下车到出站的时间分布，即所有乘客的非高峰期乘客出站耗时分布。S113、获取乘客的OD信息。S114、获取乘客的上下行方向。根据乘客的进站ID、出站ID以及线路上下行车站列表信息确定乘客的上下行方向。S115、确定乘客乘坐的具体车次信息和下车时间。S116、回推乘客的上车时间。S117、计算乘客下车到出站的时间分布。通过上述方式统计得到非高峰期下车到出站的时间分布，即得到非高峰期乘客出站耗时。

其中对于步骤S117，基于每一乘客的出站耗时不相同，单纯依靠单一乘客的出站耗时作为非高峰期乘客出站耗时可能存在误差。因而，可以根据上述方法统计得到对应的出站点每一乘客的非高峰期下车时间和出站时间，计算得到每一乘客的非高峰期出站耗时，之后对该出站点所有乘客的高峰期出站耗时进行计算处理，得到每位乘客在该出站点的平均非高峰期出站耗时作为该站点的非高峰期乘客出站耗时。

示例性的，参照图2，S1171、获得乘客完整的乘车路径及对应时间。根据上述步骤可以获得乘客的完整乘车路径及对应的时间，主要包括进站ID、进站时间、乘坐的具体车次、上车时间、下车时间、出站ID和出站时间。S1172、筛选出乘坐车次跟上一班车次的间隔时间大于等于预设阈值的乘客列表。预设阈值为预设置的一个发车间隔时间阈值departure_time_interval_threshold。S1173、将乘客下车到出站划分时间从短到长排序，即对非高峰期乘客出站耗时进行从短到长排序。S1174、计算乘客下车到出站的平均时间。计算出所有乘客的下车到出站划分的时间off_exit_time。基于全部乘客的off_exit_time，计算出全部乘客的下车到出站的平均时间avg_off_exit_time。为了保证选择的乘客是乘坐最近的车次，预设阈值departure_time_interval_threshold至少大于avg_off_exit_time。可以根据实际情况调整预设阈值，优先设置预设阈值的取值大些。S1175、按照正态分布图概率计算。假设乘客下车到出站是符合正态分布，则按照正态分布概率计算，计算出均值和方差后，取正负3个标准差的乘客平均值作为最后的平均出站时间，即为最终得到的该出站点的非高峰期乘客出站耗时。S1176、按照前TOP比例进行计算。比如取前60％的乘客的出站耗时，对60％的乘客的出站耗时进行求均值得到最终的该出站点的非高峰期乘客出站耗时。上述，通过按照正态分布图概率计算或按照前TOP比例进行计算得到该出站点的非高峰期乘客出站耗时，使得计算得到的非高峰期乘客出站耗时与高峰出站耗时情况相接近，从而降低了高峰期基于人流拥挤导致的出站耗时比非高峰期长的影响，进而可以直接使用非高峰期乘客出站耗时作为高峰出站耗时。

基于非高峰期车次到站时间间隔较长，通过将到站时间距离乘客的出站时间最近的一班列车确定为非高峰期乘客乘坐车次，从而可以根据非高峰期乘客乘坐车次的列车到站时间，结合乘客刷车出站的时间计算得到对应的非高峰期乘客出站耗时，实现了对乘客出站耗时的有效统计，为后续对高峰期的乘客出站耗时提供参数数据。

S12、根据所述非高峰期乘客出站耗时，得到高峰期乘客出站耗时。

由于在高峰期时段，列车的发车时间间隔比较短，若高峰期也按照非高峰期那样，使用距离乘车出站时间最近的车次定位乘客的乘坐车次，则会导致估算得到高峰期乘客乘坐车次会有很大的误差，从而导致得到的乘客的完整路径对应的时间也会有很大的误差，从而得到的乘车等候时间也存在很大的误差。因而，本实施例通过上述步骤S1171-S1174，筛选出非高峰期数据，因为这段时间的发车时间比较大，加上预设置了一个发车间隔时间阈值，保证了筛选的这部分乘客精准定位乘客乘坐的具体车次，从而得到非高峰期乘客下车到出站时间分布，即非高峰期乘客的出站耗时分布。基于非高峰期乘客下车到出站时间分布，按照下车到出站时间从短到长进行排列，利用正态分布图概率计算和按照前top比例进行计算，得到对应出站点的非高峰期乘客出站耗时。通过按照正态分布图概率计算或按照前TOP比例进行计算得到该出站点的非高峰期乘客出站耗时，使得计算得到的非高峰期乘客出站耗时与高峰出站耗时情况相接近，从而降低了高峰期基于人流拥挤导致的出站耗时比非高峰期长的影响，进而可以直接使用非高峰期乘客出站耗时作为高峰出站耗时。

在一实施例中，基于高峰期基于人流拥挤导致的出站耗时比非高峰期长，因而，可以根据实践经验设置修正参数，以修正非高峰乘客出站耗时得到对应的高峰期乘客出站耗时。将上述实施例计算得到的非高峰期乘客出站耗时乘以修正参数等于高峰期乘客出站耗时。需要说明的是，设置的修正参数可以根据不同站点的特性进行设置，例如可以根据该站点乘客高峰期乘客出站耗时和非高峰期乘客出站耗时的历史数据计算得到。

上述，根据所述非高峰期乘客出站耗时，得到高峰期乘客出站耗时，通过利用对应出站点的非高峰期乘客出站耗时，可以精准定位乘客在高峰期乘坐的具体车次，为精准计算最终的车站等待时间提供数据支撑。

S13、根据所述高峰期乘客出站耗时和所述第一数据获得乘客的高峰期上车时间和进站时间。

通过上述获得高峰期乘客出站耗时后，可以精准定位乘客高峰期乘坐的具体车次。根据高峰期乘客出站耗时和第一数据中客流OD数据获得的乘客的出站时间进行计算，得到高峰期的乘客在对应出站点的高峰期下车时间。通过以下公式计算得到:down_time＝exit_time-avg_off_exit_time，down_time代表乘客的下车时间，该下车时间为乘客下车的时刻，exit_time代表乘客的出站时间，这个出站时间可以根据客流OD数据中的乘客刷卡出站时间获得，avg_off_exit_time代表高峰期乘客出站耗时，这数据由非高峰期乘客出站耗时获得，rate代表对应站点的下车时间所属时间段权重值。rate的具体取值由上述表1获得。基于高峰期乘客出站耗时avg_off_exit_time和乘客的出站时间exit_time的差值可以获得预计的乘客的高峰期下车时间down_time，根据乘客的高峰期下车时间down_time与所有列车到达对应出站点的到站时间进行比较，确定列车到达对应出站点的到站时间与乘客的高峰期下车时间down_time最接近的一班列车为高峰期乘客乘坐车次。上述，通过计算得到高峰期内乘客的高峰期下车时间(即高峰期下车时刻)，从而确定列车的到站时间距离高峰期下车时间最近的一班列车为高峰期乘客乘坐列车，避免了在高峰期直接根据乘客出站时间确定距离出站时间最近的一班列车为高峰期乘客乘坐列车而产生的误差，提升了确定高峰期乘客乘坐列车的准确性，从而提高后续预估乘车等候时间的准确性。

基于确定了高峰期乘客乘坐车次后以及下车时间后，则可以根据第一数据中的乘客的客流OD数据，确定对应乘客的OD信息，则可以获知乘客的上车车站和下车车站，并对照对应的高峰期乘客乘坐车次，根据对应的列车时刻信息表，则可以获得对应高峰期乘客乘坐车次的上车车站的到站时间和离站时间。根据高峰期乘客乘坐车次在对应的上车车站的到站时间和离站时间，可以得到上车车站的上车停留时间start_station_residence_time，通过以下公式可以计算得到对应的高峰期上车时间，该上车时间为乘客上车的时刻，公式为up_time＝

metro_leave_time+rand[1,(1-rate)*start_station_residence_time]，其中，up_time代表乘客的上车时间，即在此处up_time为高峰期上车时间，metro_leave_time代表列车的到站时间，可以根据列车时刻信息表获得，start_station_residence_time代表上车停留时间，rate代表对应站点的下车时间所属时间段权重值。rate的具体取值由上述表1获得。rand[1,(1-rate)*start_station_residence_time]代表1～(1-rate)*start_station_residence_time中的数值中随机取任一数值。rand[1,(1-rate)*start_station_residence_time]代表针对列车到站和离站时乘客的下车花费时间。这里的1表示为1秒，同理(1-rate)*start_station_residence_time的单位也为秒。

S14、根据所述高峰期上车时间和进站时间确定对应的高峰期乘车等候时间。

通过上述步骤S11-S13可以获得对应乘客的高峰期和非高峰期对应的乘客乘坐车次、下车时间和回推得到的上车时间之后，并且可以根据第一数据中的客流OD数据获得对应乘客的进站刷卡时间，即为进站时间，从而可以得到对应的乘客进站到上车的等待时间，即为乘客的乘车等候时间。可以通过以下公式计算得到waiting_time＝up_time-entry_time，其中waiting_time代表乘车等候时间，即为乘客从刷卡进站到上车的等待时间，up_time表示乘客的上车时间，entry_time表示乘客进站刷卡时间。对于高峰期，则可以根据对应的乘客的高峰期上车时间与进站时间的差值，确定对应的高峰期乘车等候时间。

图3是本申请实施例提供的一种获取高峰期乘车等候时间的流程图，参照图3，该获取高峰期乘车等候时间的流程具体为：S141、获取每个站点各班列车的到站时间和离站时间。每个站点各班列车的到站时间和离站时间可以根据列车时刻信息表获取。列车时刻信息表中包括车站到站信息，包括车站名称、上下行方向、车次号、到站时间和离站时间。S142、循环步骤S143-S149得到每位乘客的进站到上车等候时间。S143、获取乘客的OD信息。通过第一数据中的客流OD数据获得对应乘客的OD信息。S144、获取乘客的上下行方向。根据乘客的进站ID和出站ID以及线路上下行车站列表信息获得对应乘客的上下行方向。S145、获取对应站点对应非高峰期乘客出站耗时。通过直接读取上述步骤S11获得的乘客非高峰期下车到出站的时间分布得到对应站点对应非高峰期乘客出站耗时。S146、确定高峰期乘客乘坐车次和高峰期下车时间。S147、回推乘客的高峰期上车时间。S148、计算乘客的高峰期乘车等候时间。计算乘客高峰期进站到上车的等待时间为高峰期乘车等候时间。

S15、根据所述高峰期乘车等候时间，统计各时间段内所有乘客的高峰期乘车等候时间的平均值，得到不同时间段对应的高峰期乘车等候预估时间，所述时间段包括节假日、周末和工作日。

计算完高峰期对应站点的所有乘客的高峰期乘车等候时间之后，统计各时间段内所有乘客的高峰期乘车等候时间的平均值，得到不同时间段对应的高峰期乘车等候预估时间。为了进一步提高乘客乘坐体验，可以针对时间段内不同时间粒度进行统计，得到不同时间粒度对应的高峰期乘车等候时间。举例而言，以车站+15分钟的时间粒度，取对应时间粒度内的所有乘客的高峰期乘车等候时间的均值作为该站点对应时间粒度乘车等候预估时间。示例性的，可以对时间段分成日期和时段，例如节假日高峰期乘车等待预估时间、周末高峰期乘车等待预估时间、工作日-周一高峰期乘车等待预估时间、工作日-周二高峰期乘车等待预估时间、工作日-周三高峰期乘车等待预估时间、工作日-周四高峰期乘车等待预估时间、工作日-周五高峰期乘车等待预估时间。

由于不同的站点在不同的时段的客流量是不一样的，到站列车在每个车站(站点)固定的停站时间内，乘客上下车的时间比例是不一样的，上述实施方式结合站点类型、列车前进方向是市区还是郊区、当前时间段分类(早高峰期、晚高峰期和平峰期)、车站进出客流和全网平均客流的比例和车站出站客流站车站进出客流总和的比例等多个维度确定了车站上下乘客花费的时间权值，从而更精准地计算出乘客的上下车时间，降低了最后计算出来的车站从进站到上车花费的等待时间(乘车等候时间)的误差。

得到不同时间段对应的高峰期乘车等候预估时间，包括节假日高峰期乘车等待预估时间、周末高峰期乘车等待预估时间、工作日-周一高峰期乘车等待预估时间、工作日-周二高峰期乘车等待预估时间、工作日-周三高峰期乘车等待预估时间、工作日-周四高峰期乘车等待预估时间、工作日-周五高峰期乘车等待预估时间，之后，可以将得到的不同时间段对应的高峰期乘车等候预估时间在对应的站点的显示屏进行显示，以提醒正在进站的乘客注意乘车等候预估时间，以提高乘客的乘坐体验。或者，可以将对应不同时间段对应的非高峰期乘车等候预估时间和高峰期乘车等候预估时间在对应的软件显示，例如在地铁APP中显示各个站点不同时间段对应的乘车等候预估时间，以提醒乘客注意合理安排出行时间，进而提升乘客的乘坐体验。

基于考虑到换乘乘客中间的过程是位置的，因而本申请实施例例筛选出没有换乘行为的乘客，即进站站点和出站站点都是属于同一条线路的乘客。基于非换乘乘客，结合其OD信息和列车时刻信息表数据，精准回溯了乘客的完整路径，得到了乘客从刷卡进站到出站的完整时间，对于提高乘客的乘坐体验、客流管控以及乘客由于等待时间过长改变乘车路线进而缓解地铁的拥挤程度有着非常重要的参考价值。

上述，根据第一数据和预设时间段信息统计得到非高峰期乘客出站耗时，根据非高峰乘客出站耗时得到高峰期乘客出站耗时，根据高峰期乘客出站耗时和第一数据获得乘客的高峰期上车时间和进站时间，根据高峰期上车时间和进站时间确定对应的高峰期乘车等候时间，根据高峰期乘车等候时间统计各时间段内所有乘客的高峰期乘车等候时间的平均值，得到不同时间段对应的高峰期乘车等候预估时间。采用上述技术手段，可以根据统计得到的非高峰期乘客出站耗时，得到高峰期乘客出站耗时，并根据高峰期乘客出站耗时和第一数据得到乘客的上车时间和高峰期乘车等候时间，以此可避免乘车等候时间的预估精度低的问题，提升高峰期乘车等候时间的预估精度。此外，通过统计各时间段内的所有乘客的高峰期乘车等候时间的平均值得到不同时间段对应的高峰期乘车等候预估时间，起到给乘客参考和提醒的作用，提升乘客的乘坐体验。

在上述实施例的基础上，图4为本申请实施例提供的一种高峰乘车等候时间预估装置的结构示意图。参考图4，本实施例提供的高峰乘车等候时间预估装置具体包括：第一出站耗时计算单元21、第二出站耗时计算单元22、上车时间计算单元23、乘车等候时间计算单元24和乘客等候预估单元25。

其中，第一出站耗时计算单元21，用于根据第一数据和预设时间段信息，统计得到非高峰期乘客出站耗时，所述第一数据包括客流OD数据以及列车时刻表信息，所述预设时间段信息包括非高峰期时间段信息和高峰期时间段信息；

第二出站耗时计算单元22，用于根据所述非高峰期乘客出站耗时，得到高峰期乘客出站耗时；

上车时间计算单元23，用于根据所述高峰期乘客出站耗时和所述第一数据获得乘客的高峰期上车时间和进站时间；

乘车等候时间计算单元24，用于根据所述高峰期上车时间和进站时间确定对应的高峰期乘车等候时间；

乘客等候预估单元25，用于根据所述高峰期乘车等候时间，统计各时间段内所有乘客的高峰期乘车等候时间的平均值，得到不同时间段对应的高峰期乘车等候预估时间，所述时间段包括节假日、周末和工作日。

进一步的，所述第一出站耗时计算单元21，还用于获取第一数据，并对所述第一数据进行预处理，得到第二数据，所述第二数据包括目标乘客对应的客流OD数据和列车时刻表信息，所述目标乘客包括进出站点属于同一线路的乘客；

根据所述第二数据和预设时间段信息进行统计处理，得到非高峰期乘客出站耗时，所述非高峰期乘客出站耗时包括非高峰期乘客下车时间到出站时间的耗时。

进一步的，所述第一出站耗时计算单元21，还用于根据第一数据确定非高峰期的乘客的上下行方向、出站点和出站时间；

根据确定的上下行方向和列车时刻表信息，获取对应方向的所有列车到达所述出站点的到站时间；

根据所有列车到达所述出站点的到站时间与乘客的出站时间比较，确定到站时间距离乘客的出站时间最近的一班列车为非高峰期乘客乘坐车次；

根据列车时刻表信息获取所述非高峰期乘客乘坐车次在所述出站点的到站时间和离站时间，根据所述到站时间和离站时间计算下车停留时间；

根据所述下车停留时间和所述到站时间计算乘客的非高峰期下车时间；

根据所述非高峰期下车时间和所述出站时间，计算得到非高峰期乘客出站耗时。

进一步的，所述第一出站耗时计算单元21，还用于根据下述公式计算得到所述乘客的非高峰期下车时间，down_time＝metro_arrive_time+rand[1,rate*end_station_residence_time]，其中，down_time代表乘客的下车时间，metro_arrive_time代表列车的到站时间，end_station_residence_time代表下车停留时间，rate代表对应站点的下车时间所属时间段权重值。

进一步的，所述第一出站耗时计算单元21，还用于根据所述出站点的每一乘客的非高峰期下车时间和出站时间，计算得到每一乘客的非高峰期出站耗时；

对所述出站点的所有乘客的非高峰期出站耗时进行计算处理，得到每位乘客在所述出站点的平均非高峰期出站耗时作为所述非高峰期乘客出站耗时。

进一步的，所述上车时间计算单元23，还用于根据所述高峰期乘客出站耗时和所述第一数据中的出站时间，获得高峰期的乘客在所述出站点的高峰期下车时间；

根据所述高峰期下车时间、第一数据中对应乘客的上下行方向以及列车时刻表信息，获取对应方向的所有列车到达所述出站点的到站时间；

根据所有列车到达所述出站点的到站时间与所述高峰期下车时间比较，确定到站时间距离所述高峰期下车时间最近的一班列车为高峰期乘客乘坐车次；

根据所述第一数据获取乘客的进站点和进站时间；

根据所述高峰期乘客乘坐车次、所述进站点和所述列车时刻表信息，获取所述高峰期乘客乘坐车次在所述进站点的到站时间和离站时间；

根据所述进站点的到站时间和离站时间计算得到上车停留时间；

根据所述上车停留时间和所述高峰期乘客乘坐车次在所述进站点的到站时间计算得到乘客的高峰期上车时间。

进一步的，所述上车时间计算单元23，还用于根据下述公式计算得到所述乘客的高峰期上车时间，up_time＝metro_leave_time+rand[1,(1-rate)*start_station_residence_time]，其中，up_time代表乘客的上车时间，metro_leave_time代表列车的到站时间，start_station_residence_time代表上车停留时间，rate代表对应站点的下车时间所属时间段权重值。

上述，根据第一数据和预设时间段信息统计得到非高峰期乘客出站耗时，根据非高峰乘客出站耗时得到高峰期乘客出站耗时，根据高峰期乘客出站耗时和第一数据获得乘客的高峰期上车时间和进站时间，根据高峰期上车时间和进站时间确定对应的高峰期乘车等候时间，根据高峰期乘车等候时间统计各时间段内所有乘客的高峰期乘车等候时间的平均值，得到不同时间段对应的高峰期乘车等候预估时间。采用上述技术手段，可以根据统计得到的非高峰期乘客出站耗时，得到高峰期乘客出站耗时，并根据高峰期乘客出站耗时和第一数据得到乘客的上车时间和高峰期乘车等候时间，以此可避免乘车等候时间的预估精度低的问题，提升高峰期乘车等候时间的预估精度。此外，通过统计各时间段内的所有乘客的高峰期乘车等候时间的平均值得到不同时间段对应的高峰期乘车等候预估时间，起到给乘客参考和提醒的作用，提升乘客的乘坐体验。

本申请实施例提供的高峰乘车等候时间预估装置可以用于执行上述实施例提供的高峰乘车等候时间预估方法，具备相应的功能和有益效果。

本申请实施例提供了一种高峰乘车等候时间预估设备，参照图5，该高峰乘车等候时间预估设备包括：处理器31、存储器32、通信模块33、输入装置34及输出装置35。该高峰乘车等候时间预估设备中处理器的数量可以是一个或者多个，该高峰乘车等候时间预估设备中的存储器的数量可以是一个或者多个。该高峰乘车等候时间预估设备的处理器、存储器、通信模块、输入装置及输出装置可以通过总线或者其他方式连接。

存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的高峰乘车等候时间预估方法对应的程序指令/模块(例如，高峰乘车等候时间预估装置中的第一出站耗时计算单元、第二出站耗时计算单元、上车时间计算单元、乘车等候时间计算单元和乘客等候预估单元)。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

通信模块33用于进行数据传输。

处理器31通过运行存储在存储器中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的高峰乘车等候时间预估方法。

输入装置34可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。

上述提供的高峰乘车等候时间预估设备可用于执行上述实施例提供的高峰乘车等候时间预估方法，具备相应的功能和有益效果。

本申请实施例还提供一种存储计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种高峰乘车等候时间预估方法，该高峰乘车等候时间预估方法包括：根据第一数据和预设时间段信息，统计得到非高峰期乘客出站耗时，所述第一数据包括客流OD数据以及列车时刻表信息，所述预设时间段信息包括非高峰期时间段信息和高峰期时间段信息；根据所述非高峰期乘客出站耗时，得到高峰期乘客出站耗时；根据所述高峰期乘客出站耗时和所述第一数据获得乘客的高峰期上车时间和进站时间；根据所述高峰期上车时间和进站时间确定对应的高峰期乘车等候时间；根据所述高峰期乘车等候时间，统计各时间段内所有乘客的高峰期乘车等候时间的平均值，得到不同时间段对应的高峰期乘车等候预估时间，所述时间段包括节假日、周末和工作日。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种存储计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的高峰乘车等候时间预估方法，还可以执行本申请任意实施例所提供的高峰乘车等候时间预估方法中的相关操作。

上述实施例中提供的高峰乘车等候时间预估装置、存储介质及高峰乘车等候时间预估设备可执行本申请任意实施例所提供的高峰乘车等候时间预估方法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的高峰乘车等候时间预估方法。

上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。