[发明专利]一种城市轨道交通站点客流不确定性分析方法

说明书

技术领域

本发明涉及城市轨道交通智能化技术，尤其涉及一种城市轨道交通站点客流不确定性分析方法。

背景技术

有效的城市轨道交通运营与管理是城市轨道交通系统发挥其预期功能的重要保障，而轨道交通客流的预测和分析是轨道交通运营管理的基础，准确、可靠的轨道交通客流预测对于轨道交通运营管理就显得至关重要。城市轨道交通站点客流受多种自然因素和社会因素的影响，具有非线性和不确定性的显著特点，而我国城市轨道交通事业发展处于初期，轨道交通客流预测研究才刚刚起步，目前城市轨道交通大部分的城市轨道交通客流预测技术仅仅从点预测的层面评估预测的准确性，并没有基于统计分析手段来科学评估预测的可靠性，即对客流不确定性研究还很欠缺。

目前，国内外在交通流的不确定研究方面已经有了初步的成果，这些研究方法有：状态空间-神经网络模型方法，似不相关回归模型方法，Boot-Strap方法等。状态空间-神经网络模型是通过添加一个储存之前神经元状态的状态层作为短期记忆，调节各神经元权重来高效地学习真实的复杂时空状态；似不相关回归模型是一种以各分模型方程间的误差相关性为前提的特殊联立方程组，它在模型参数的估计过程中根据方程间的误差调整各方程的回归系数，从而使模型的整体误差趋于最小；Boot-Strap方法是一种再抽样统计方法，用原样本自身的数据抽样得出新样本及统计量，它是根据给定的样本复制观测信息，不需要进行分布假设或增加新的样本信息，可对总体的分布特征进行统计推断。但是这些现有的成果的研究对象主要是针对道路交通流的不确定性，在城市轨道交通客流方面尚未有相关研究。

我国城市轨道交通已进入了高速发展时期，准确把握客流规律，基于客流规律安排运营计划，使轨道交通系统的运营管理具有科学性和准确性。因此，为了提高城市轨道交通站点客流预测的可靠性，迫切需要一种城市轨道交通站点客流不确定性分析方法。

发明内容

发明目的：本发明提供一种城市轨道交通站点客流不确定性分析方法，它使用GARCH模型对均值方程的残差序列分析，克服了现有轨道交通站点客流预测技术对预测可信度(可靠性)分析的不足，且提高了城市轨道交通站点客流预测的可靠性。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种城市轨道交通客流高峰持续时间预测方法，包括如下步骤：

一种城市轨道交通站点客流不确定性分析方法，包括如下步骤：

步骤一、数据处理：获取站点客流的历史交易数据，对原始数据进行处理，设定时间间隔△T(比如15min)，按时间间隔△T对时间进行分段，统计各时间段内的站点客流，得到一个以△T为时间间隔的原始客流序列(包括训练数据集和测试数据集)；

步骤二、SARIMA模型的建立：

(21)客流序列平稳性检验：对原始客流序列进行平稳性分析；若原始客流序列是平稳的客流序列，则直接进入步骤(22)；若原始客流序列是非平稳的客流序列，则首先用差分方式对原始客流序列进行平稳化处理，得到平稳的客流序列，再进入步骤(22)，所述差分方式包括d阶一般差分和D阶季节差分；

(22)SARIMA模型的识别：用ARMA模型对平稳的客流序列进行拟合，确定ARMA模型的阶数，即确定(p,q)以及(P,Q)的值；再综合步骤(21)中的d阶一般差分和D阶季节差分，得到原客流序列拟合的乘积季节模型的完整结构如下：

φ_p(B)Φ_P(B^S)(1-B)(1-B^S)^Dy_t＝θ_q(B)Θ_Q(B^S)ε_t