[发明专利]基于机器学习的轨道交通实时动态清分方法

权利要求书

1.一种基于机器学习的轨道交通实时动态清分方法，其特征是，包括如下步骤：

(1-1)采集输入数据集：在统计周期内，从地铁AFC刷卡处采集到从i站到j站的各个乘客进站和出站的时刻，计算每个乘客进站和出站时刻的时间差；

设OD＝{O_iD_j|i≠j，i∈N，j∈N}，其中，N表示地铁线网中的所有车站的集合，OD表示地铁线网中任意一个车站i到任意另一个车站j的集合，

(1-2)计算路径平均所需时间：利用地铁公司发布的列车时刻表，计算出从i站到j站的每条路径的平均所需时间；

(1-3)将相似路径合并为一条路径，得到从i站到j站的合并后路径，合并后路径的数量为A；

(1-4)利用k-means进行分类；将A作为k-means模型的模型类别数量，将合并后每条路径的平均所需时间作为k-means模型的与所述路径对应的初始化中心；

将每个乘客进站和出站时刻的时间差输入到k-means模型中，k-means模型根据每个乘客进站和出站时刻的时间差，对各个乘客所走的路径进行分类，得到经过分类后的路径和分类后的中心点；

(1-5)若分类后某个乘客的路径不是合并后的路径，则将路径信息与该路径乘客选择概率保存到结果集；

若该路径是合并后的路径，则将合并前的各路径信息保存到预测集中；

(1-6)遍历0D集合中的各个元素，得到最终的结果集和预测集，将最终的结果集输入LSTM神经网络模型进行训练，将LSTM神经网络模型训练好；

(1-7)将最终的预测集输入LSTM神经网络模型中进行预测，预测每条路径的乘客路径选择概率，预测后将乘客路径选择概率保存到所述路径的结果集中；

(1-8)根据结果集中得到的乘客路径选择概率，实现动态清分。

2.根据权利要求1所述的基于机器学习的轨道交通实时动态清分方法，其特征是，(1-3)包括如下步骤：

若两条路径的路径平均所需时间分别为B1和B2，B1＞B2，若((B1-B2)/B2)＜10％，当作出两条路径是相似路径的判断，设合并后的路径的平均所需时间为两条路径时间的平均值。

3.根据权利要求1所述的基于机器学习的轨道交通实时动态清分方法，其特征是，(1-5)包括如下步骤：

设地铁线网中共有m条线路，分别为1，2，3，…，m；W₁，W₂，W₃，…，W_m分别表示各条线路的拥挤度，则：

结果集包括如下元素：路径编号，分类后的中心点，路径平均所需时间，W₁，W₂，W₃，…，W_m，路径换乘距离，路径换乘次数，路径经过站数，乘客路径选择概率；

预测集包括如下元素：路径编号，分类后的中心点，路径平均所需时间，W₁，W₂，W₃，…，W_m，路径换乘距离，路径换乘次数，路径经过站数。

4.根据权利要求1所述的基于机器学习的轨道交通实时动态清分方法，其特征是，(1-8)包括如下步骤：

从AFC刷卡机处得到某一O_iD_j中所有乘客人数；

计算出O_iD_j的收入金额：S＝O_iD_j票价×O_iD_j人数

O_iD_j中的路径集合为Y，对于每一条路径t，t∈Y，乘客路径选择概率为W_t，计算每一条路径中各线路所占路程比例：Z_t，k，k表示线路序号；

根据路径票价，算出各线路运营公司所得金额：

O_iD_j中线路k所得金额＝∑_t∈YS×W_t×Z_t，k

对OD集中所有O_iD_j元素进行计算，得到各线路所得总金额。

5.根据权利要求1或2或3或4所述的基于机器学习的轨道交通实时动态清分方法，其特征是，

路径平均所需时间表示正常情况下，乘客选择该路径时，至少需要花费的时间与至多需要花费时间的平均值，通过地铁公司发布的列车时刻表计算而得。