轨道交通车站混合交织客流实时解析方法和系统

技术领域

本发明涉及轨道交通技术领域，尤其涉及轨道交通车站混合交织客流实时解析方法和系统。

背景技术

目前，我国大城市轨道交通路网规模逐渐扩大，客流量激增，智能化运输组织成为各城市轨道交通的发展趋势，而及时、准确地感知线网内各个不同方向客流量的分布状况是基本的支撑条件。但由于网络拓扑、站内设施布局与客流流线日渐复杂，不同来源与去向的若干客流在线网多个地点进行分流、混合与交叉，利用布设于车站某些空间点位的各类客流监测设备仅能够感知得到交叉分合之后的客流信息，而难以对其中各个方向的客流进行直接观测。因此，如何及时、准确地感知各个分向客流量是有待解决的难题。

而目前针对分方向客流的相关研究主要分成两大类。其中一类主要运用移动通讯定位、行人外貌特征视频识别等乘客定位技术对乘客个体轨迹进行监测，从而统计得到车站各流向上的分方向客流量，但在地铁实际应用场景下，由于涉及乘客隐私保护与数据获取权限等问题，乘客个体轨迹监测技术在地铁的实际大规模应用受到限制。另一类研究则基于客流分配或推演的思想建立模型，基于客流规律将网络OD客流量分配到出行路径上，从而计算得到路网及车站的各分向客流量。但在实际运营过程中，路网实时OD(ORIGIN-DESTINATION，交通出行信息)信息获取具有滞后性，且实际运营中存在着突发随机状况，使得客流的实际分布状况与一般分配规模存在偏差，因此，基于配流的方法在实时性和准确性方面难以满足实际运营要求。

因此，针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明至少一个方面和优点将在下面的描述中部分地被阐述，或者可以从描述中显而易见，或者可以通过实践本公开的主题来获取。

本发明提出了轨道交通车站混合交织客流实时解析方法，能够综合利用车站多个点位的客流实时监测数据，从中估计得到各个分向的实时客流量。

根据本发明的第一个方面，轨道交通车站混合交织客流实时解析方法，包括：

基于包含车站进站客流量和接入区间客流监测量的实时客流数据及车站空间布局，初始化双向传播的交通流网络；

以实际监测量和交通流网络的预测值的差异为目标函数，对交通流网络进行优化；

基于优化后的交通流网络确定当前时段预测的分向客流估计值；

交通流网络的输入为实时客流数据，输出为监测点及车站整体客流层预测的客流值。

根据本发明的一个实施例，交通流网络的包括输入层、中间层和输出层；

输入层接收输入的到站客流信息；

中间层包括第一中间层、第二中间层和第三中间层，中间层接收输入层的输入，并分别确定分方向客流层、总分方向客流层和路径客流层的信息；

输出层和第3中间层全连接，用于输出监测点和车站整体的客流信息。

根据本发明的一个实施例，第一中间层接收实时客流数据，并按照客流分向比例确定分布客流流向；

第二中间层基于分布客流流向和上一时段未出站客流确定总分方向客流；

第三中间层根据总分方向客流以及路径选择概率将分方向客流按照路径选择概率分散至站内路径。

根据本发明的一个实施例，输出层根据站内路径对应的客流和走行到达概率确定客流是否达到监测点、客流消失处，以及确定站内路径对应的客流按照未出站概率是否出站。

根据本发明的一个实施例，交通流网络的更新方法包括：

基于输入层、中间层和输出层的各节点确定次梯度；

以及基于目标函数关于交通流网络各层节点间权重的一阶偏导数；

基于一阶偏导数确定更新方向；

以各层节点间权重更新量最小为目标函数对交通流网络进行更新。

根据本发明的一个实施例，交通流网络优化的停止条件为连续两次优化后的目标函数值的相对差值不低于充分小整数。

根据本发明的一个实施例，目标函数为实际监测客流量和多层次交通流网络的预测值客流量的均方误差、均方根误差或平均绝对百分比误差。

根据本发明的第二个方面，轨道交通车站混合交织客流实时解析系统，包括：

网络初始化单元，基于车站空间布局和包含车站进站客流量和接入区间客流监测量的实时客流数据，初始化双向传播的交通流网络；交通流网络的输入为实时客流数据，输出为监测点及车站整体客流层预测的客流值；

网络优化单元，对交通流网络进行优化，进行优化时，所选择的目标函数为实际监测量和交通流网络的预测值的差异；

解析单元，用于基于优化后的交通流网络确定当前时段预测的分向客流估计值。

本发明利用车站若干客流监测点的混合交织客流观测值作为乘客出行过程中的已知客流信息，基于乘客在站内的出行过程中的已知客流和分方向客流之间的关联关系，将实时客流信息与客流关联特性及路径选择一般规律结合起来，实现分方向客流估计，能够满足实时性和准确性要求。

附图说明

图1为本发明一个实施例中轨道交通车站混合交织客流实时解析方法示意图；

图2为本发明一个实施例中轨道交通车站混合交织客流实时解析过程示意图；

图3为本发明一个实施例中对客流解析系统示意图。

具体实施方式

现在将参照若干示例性实施例来论述本公开的内容。应当理解，论述了这些实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本公开的内容，而不是暗示对本公开的范围的任何限制。

图1为本发明一个实施例中轨道交通车站混合交织客流实时解析方法示意图，图2为本发明一个实施例中轨道交通车站混合交织客流实时解析过程示意图，根据本发明的一个实施例，轨道交通车站混合交织客流实时解析方法，包括：

基于包含车站进站客流量和接入区间客流监测量的实时客流数据及车站空间布局，初始化双向传播的交通流网络；

以实际监测量和交通流网络的预测值的差异为目标函数，对交通流网络进行优化；

基于优化后的交通流网络确定当前时段预测的分向客流估计值；

交通流网络的输入为实时客流数据，输出为监测点及车站整体客流层预测的客流值。

在本发明的一个实施例内，首先，依据车站站型及车站的空间布局、监测设备配置与客流流线构建车站客流分层网络，基于客流时空关联关系与出行选择规律设置初始客流估计参数；然后，利用来源于自动售检票(Automatic Fare Collection，AFC)系统、智能视频分析系统、列车称重系统的客流监测数据，运用计算图结构及正向传播方法计算并得到车站分方向客流量、站内关键点位与离站客流量的初步估计；进一步，利用客流估计值与监测数据计算实际观测量与估计值量的偏差量，并依据偏差量运用反向传播方法对客流估计值及客流估计参数进行修正；再次进行估计与修正的不断循环，最终估计得到与客流监测状况及客流特性符合度最高的各分向客流。

更为具体的，可以依据车站站型、监测设备配置与客流流线构建车站多层次交通流网络，按设定间隔对运营开始至结束的时间进行时段划分，对任一时段，基于该车站的客流时空关联特性与出行选择规律，预设当前时段到站客流分向比例、各路径选择概率、各路径上各关键空间点位的客流分布概率的初始值。

通过此方式能够综合利用车站多个点位的客流实时监测数据，从中估计得到各个分向的实时客流量。

更进一步的，由于轨道车站对应的时段的数据具有一定的可参考性，因此可以对应于固定时段，使用固定的参数初始化交通流网络；更进一步的，可以进一步细分工作日和节假日，并配置不同的初始化参数。

根据本发明的一个实施例，交通流网络的包括输入层、中间层和输出层；

输入层接收输入的到站客流信息；

中间层的数目为3，包括第一中间层、第二中间层和第三中间层，中间层接收输入层的输入，并分别确定分方向客流层、总分方向客流层和路径客流层的信息；

输出层和第3中间层全连接，用于输出监测点和车站整体的客流信息。

在进行优化达到目标后，最末一层的权重即对应于混合交织客流的路径客流信息。

根据本发明的一个实施例，交通流网络G

本发明提供的交通流网络可以有效的获取客流、总分分向客流信息以及路径客流信息，并通过设置内部分布比例和路径行走比例，从而提供了确定站内客流的分析方法。

根据本发明的一个实施例，第一中间层接收实时客流数据，并按照客流分向比例确定分布客流流向；

第二中间层基于分布客流流向和上一时段未出站客流确定总分方向客流；

第三中间层根据总分方向客流以及路径选择概率将分方向客流按照路径选择概率分散至站内路径。

本发明的实施例考虑了出行过程中的已知客流和分方向客流之间的关联关系，提供了对分方向客流的估计。

根据本发明的一个实施例，基于交通流网络进行客流信息分析的步骤包括：

获取进站客流量、各方向接入区间客流监测量，设置输入层节点客流量

到站客流按照当前设置的客流分向比例分布至相应客流流向，具体形式为

式中：s(s＝1,2,3...)为客流产生点索引；d(d＝1,2,3,...)为客流流向索引；D为客流流向d的集合；

总的分方向客流一部分来源于当前时段的到站客流，另一部分来源于上一时段的未完成出站客流，具体形式为

式中：

分方向客流按照当前的路径选择概率分布至各条站内路径上，具体形式为

式中：p(p＝1，2，3，...)为站内路径索引；P为站内路径p的集合；

根据本发明的一个实施例，输出层根据站内路径对应的客流和走行到达概率确定客流是否达到监测点、客流消失处，以及确定站内路径对应的客流按照未出站概率是否出站。

本实施例通过对客流按照行走达到概率以及未出站概率，确定了客流在站内以及监测点的分布。

根据本发明的一个实施例，获取客流分布信息过程阐述如下：

由于站内路径长度较短，影响乘客路径选择主要因素在短时间内差异较小，使得一个时段内路径选择概率值变化很小，为了在不影响准确性前提下适当简化模型以此提高模型运行效率，可将路径选择概率作为分时段的预设参数进行处理。其取值依据车站实地客流调查确定。

路径客流会按照当前的走行到达概率分布至相应监测点、客流消失点处，具体形式为

式中：P

路径客流会按照当前的未出站概率停留在站内，具体形式为

式中：

路径客流量中未完成出站客流一定未经过客流消失点

式中：M

根据本发明的一个实施例，交通流网络的更新方法包括：

基于输入层、中间层和输出层的各节点确定次梯度；

以及基于目标函数关于交通流网络各层节点间权重的一阶偏导数；

基于一阶偏导数确定更新方向；

以各层节点间权重更新量最小为目标函数对交通流网络进行更新。

根据本发明的一个实施例，对交通流网络进行更新的步骤包括：

首先计算各层节点的次梯度，计算目标函数

计算目标函数

更新权重，首先确定权重

式中，

为/>

选择合适的迭代步长，使得当前第n次迭代下，目标函数

式中：τ

本实施例通过反向传播对权重进行更改，提供了准确预测权重的需求。

根据本发明的一个实施例，交通流网络优化的停止条件为连续两次优化后的目标函数值的相对差值不低于充分小整数。

根据本发明的一个实施例，设置t次迭代时的目标函数值未

式中：m(m＝1，2，3，...)为监测点索引；M为监测点m的集合；

判断连续两次迭代目标函数值的相对差值不超过给定的充分小正数τ，充分小正数τ具体形式为

本实施例通过设置停止优化条件，在连续达到目标函数差值时，停止优化，得到的输出即为客流分布值。

根据本发明的一个实施例，目标函数为实际监测客流量和多层次交通流网络的预测值客流量的均方误差、均方根误差或平均绝对百分比误差。

本实施例提供了针对多个监测点以及车站整体聚集客流的均方误差，其可以用于车站具体客流量的分析。

根据本发明的一个实施例，本发明可以按照时间段定时执行或者实时执行，具体包括：

依据车站站型、监测设备配置与客流流线构建车站多层次交通流网络，按设定间隔对运营开始至结束的时间进行时段划分，对任一时段，基于该车站的客流时空关联特性与出行选择规律，预设当前时段到站客流分向比例、各路径选择概率、各路径上各关键空间点位的客流分布概率的初始值；在每个时段，利用自动售检票(Automatic FareCollection，AFC)系统获取进、出站客流量，利用站内智能视频获取站内关键空间点位的客流量，利用列车称重系统获取车站各方向接入及离去区间的断面客流量。以车站进站客流量、各方向接入区间客流监测量作为输入，按照到站客流分向比例、各路径选择概率、各路径上各关键空间点位的客流分布概率的当前值，采用客流量正向传播方法，依次推算得到当前时段各分方向客流、各路径客流、各空间点位客流、各出站点客流、各离去区间客流以及车站整体聚集客流的初步估计量；计算当前时段各空间点位、各出站点、各离去区间客流的估计量与实际监测量之间的偏差；基于偏差构建目标函数进行综合判断，若目标函数足够小，则说明当前的各分方向客流量的估计估计结果既考虑了车站客流时空关联与站内客流一般规律，又能最大程度与现场实际监测情况相符合，反之，根据计算得到的偏差值，基于逆向传播方法对当前步所设置的到站客流分向比例、各路径选择概率、各路径上各关键空间点位的客流分布概率进行一定程度的“修正”。

根据本发明的一个实施例，以G市某换乘站为例，该站是A号线(A#)、B号线(B#)、C号线(C#)三线换乘站，也是A号线及C号线终点站，建筑结构分为地面站厅层、地下站厅层(只与C号线站台层互通)、地下C号线站台层、地下A号线和B号线站台层共四层，其中地下A号线和B号线站台层为双岛式站台层，双岛外侧为B号线，内侧为A号线，A号线和B号线可进行同站台换乘，也可通过地面站厅层南端实现跨站台换乘，并与C号线在地面站厅层北端换乘，以15分钟为时间粒度划分时段，选取该站某工作日从开始运营时刻6:00～24:00内共72个时段依次作为研究时段，输入研究时段内进出闸机组客流量、列车来向及去向区间断面客流量、步行设施通行客流量(步行设施被设置为监测点时)、车站整体聚集客流等已知客流监测信息。

构建多层次交通流网络，网络中各时段的分层网络包括，到站客流层(13个节点)、分方向客流层(73个节点)、总分方向客流层(73个节点)、路径客流层(337个节点)、监测点及车站整体客流层(36个节点)，则整个网络到站客流层(13×72个节点)、分向客流层(73×72个节点)、路径客流层(337×72个节点)、监测点及车站整体客流层(36×72个节点)。

通过构建关于监测点以及车站整体聚集客流的均方误差MSE、均方根误差RMSE以及平均绝对百分比误差MAPE这3个误差指标来间接验证模型关于分方向客流的估计效果，指标计算方式为，

式中：M

6:00～24:00各时段下监测点及车站整体聚集客流量的平均相对误差指标值为0.41％，相对误差最大为10.24％。

图3为本发明一个实施例中对客流解析系统示意图，根据本发明的一个实施例，多源客流监测数据的轨道交通车站混合交织客流实时解析系统，包括：

实时客流数据获取单元，用于获取包含车站进站客流量和接入区间客流监测量的实时客流数据；

网络初始化单元，基于车站类型和实时数据的获取时间，初始化双向传播的交通流网络；交通流网络的输入为实时客流数据，输出为监测点及车站整体客流层预测的客流值；

网络优化单元，对交通流网络进行优化，进行优化时，所选择的目标函数为实际监测量和交通流网络的预测值的差异；

解析单元，用于基于优化后的交通流网络确定当前时段预测的分向客流估计值。

本发明的有益效果在于：本发明利用车站若干客流监测点的混合交织客流观测值作为乘客出行过程中的已知客流信息，基于乘客在站内的出行过程中的已知客流和分方向客流之间的关联关系，将实时客流信息与客流关联特性及路径选择一般规律结合起来，实现分方向客流估计，能够满足实时性和准确性要求。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。

另外，在本发明实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

应理解，本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。出于示例和描述的目的，已经给出了本公开实施的前述说明。前述说明并非是穷举性的也并非要将本公开限制到所公开的确切形式，根据上述教导还可能存在各种变形和修改，或者是可能从本公开的实践中得到各种变形和修改。选择和描述这些实施例是为了说明本公开的原理及其实际应用，以使得本领域的技术人员能够以适合于构思的特定用途来以各种实施方式和各种修改而利用本公开。