[发明专利]一种地铁大客流预测方法、系统及电子设备

权利要求书

1.一种地铁大客流预测方法，其特征在于，包括以下步骤：

步骤a：根据历史乘客出行数据提取地铁静态特征及动态特征；

步骤b：基于地铁实时在线客流与历史平均客流的偏移量计算各站点的客流聚集指数，并结合各站点的客流聚集指数、静态特征以及动态特征判断未来时段地铁网络是否会发生大客流事件，以及会发生大客流事件的具体站点；

步骤c：根据所述会发生大客流事件的具体站点对应的静态特征及动态特征预测该站点在未来时段的精确客流量。

2.根据权利要求1所述的地铁大客流预测方法，其特征在于，在所述步骤a中，所述静态特征包括在线客流A_i,k,c、站点累计客流Ac_j,c、各时段历史平均客流、历史发生大客流事件的次数F_j、站点平均花费时间Cd_j；其中，各时段历史平均客流包括在线历史平均客流量、累计客流量，分别使用表示A_i,k,c,Ac_j,k对应的历史平均值；所述动态特征包括两站之间花费时间cst_i,j、客流平均贡献率

3.根据权利要求2所述的地铁大客流预测方法，其特征在于，在所述步骤b中，所述基于实时在线客流与历史平均客流的偏移量实时估算各站点的客流聚集指数具体为：假设在过去时段T_k从站点s_i进站的乘客，在时间段T_c之后仍然在线的乘客数量相比历史平均值的偏移量大，则表示R_i,k,c这部分乘客会在未来时段T_c+m向别的站点聚集；如果地铁全网很多站点的客流都有在T_c+m时段向站点s_j聚集的趋势，则认为在未来时段T_c+m的s_j站会出现大客流事件；R_i,k,c可能去往的站点以及所影响的时段与两站之间花费时间有关系；偏移量R_i,k,c服从泊松分布R_i,k,c～P(λ)，使用置信区间检验偏移量R_i,k,c0是否异常，如果R_i,k,c异常，则将R_i,k,c0称为关键客流；如果R_i,k,c是关键客流，假设R_i,k,c去往站点s_j，那么R_i,k,c在未来时段T_c+m到达站点s_j的客流量，或R_i,k,c对在未来时段T_c+m在s_j站点的发生大客流事件的贡献率计算为：

未来时段T_c+m在s_j站的客流聚集指数GS_c,j,m定义为：在T_c+m-M～T_c时段范围从其它站点进站的关键客流对在未来时段T_c+m在站点s_j的大客流贡献率之和，计算为：