[发明专利]一种企业用车客流模拟与预测系统

权利要求书

1.一种企业用车客流模拟与预测系统，其特征在于：包括

时间流生成模块：生成单次需要用车单个乘客需要坐车的时间，分成两个模式，上下班高峰时间使用泊松分布客流生成，非上下班高峰时间使用均匀分布客流生成，用于客流模拟；

所述时间流生成模块需要提供数据包括：规定作为上班高峰期间的时间段，这段时间内到达机关部门的人数设置为N₁；规定作为非高峰期间的时间段，这段时间内到达机关部门的人数设置为N₂，上下班高峰期间的用车需求发出过程看成泊松分布：

f为时间段T内有用车需求的概率，其中T∈(T₁，T₂)，n为乘客数，λ为每秒用车需求数的平均数即到达速率；

非上下班高峰期间的用车需求发出过程看成均匀分布，

f'为时间段T内有用车需求的概率，T₂为结束时间点，T₁为开始时间点，λ为每秒用车需求数的平均数即到达速率；

首先生成时间流，假设属于上下班高峰期间，呼叫用车发生次数满足泊松分布，由原来的概率公式推导出：

t₀表示初始为0，t_i表示在仿真时间内第i个人到达的时间；r属于[0,1]区间均匀分布的随机数；设置模拟结束的时间为t_i，通过调整到达速率λ，得到i的最大值等于这段时间内到达机关部门的人数N₁结束；

假设属于非上下高峰期间，呼叫用车发生次数满足均匀分布，已知这段时间内到达机关部门的人数N₂，计算出分配到模拟结束时间的人数为N₂/k，k表示倍数；假设仿真时间为[T1,T2]，则在这个区间中生成N₂/k个随机数，表示每个人到达的时间；时间单位都表示区间中的第几秒，都要转化为正常的时间格式；

行驶模式选择模块：输入正向、逆向、站间运行比例，根据比例确定时间流生成模块的每一时间点的每一乘客确定行驶方向；设置从其他站点到单位部门站点为正向，从单位部门站点到其他站点为逆向，出发点和到达点都没有单位部门站点为站间运行模式；

出发站选择模块：根据运行模式选择不同出发站点和目的站点，如果是正向模式或者站间模式则出发站点为其他普通站点，如果是逆向模式出发站点固定为单位部门站点；

目的站选择模块：根据运行模式选择不同目的站点，如果是正向模式目的站点固定为单位部门站点，如果是逆向模式和站间模式目的站点为其他普通站点；

各站点当前人数存储模块：记录每个时间段后，每个站点的容纳人数，提现站点人数的变化，初始值为每个普通站点附近的居住人数；

所述出发站选择模块和目的站选择模块需要提供数据包括：假设所有企业用车涵盖路线划分为N个站点，统计单位部门中在各个站点附近居住的人数P_i，得到P₁,P₂...P_i...P_N，分为正行模式、逆行模式和层间模式三种运行模式；在逆行模式固定单位部门站点作为出发站点；

在正行模式情况下，根据蒙特卡洛法构造轮盘，总共有N个站点，所以将圆盘分成N个区间分别和N个站点对应，每个区间的宽度和该站点的起始密度成正比，对于每个乘客，随机转动一次轮盘，当轮盘停止时，指针指向的区间所对应的站点即为该乘客的起始站点，操作步骤如下:

①计算站点起始密度之和：

②计算每个站点的选择概率：

③计算每个站点的累积概率：

④对于每个乘客，在[0,1]区间产生1个随机数r,如果该随机数小于第1个站点的累积概率，则第一个楼层作为起始站点，如果q_i≥r≥q_i-1，则第i站点作为所选站点；

在站间模式情况下，步骤①的P_i为各站点当前人数存储模块中每个站点当前容纳人数P_i′；

特征选取模块：采用滑窗滚动的方式进行训练，最后将所有滚动滑窗的标签以及特征进行拼接形成最终的训练集，从客流数据中提取特征，用于预测模型训练；

模型训练模块：规定输出格式，将提取的特征送入，训练预测模型，得到输出结果；得到样本以及打上标签后，将其使用Xgboost和LightGBM模型分开训练，保存两个模型；叶子的数量为16，学习率为0.01，最大深度为4，评价标准为MAE；

模型融合模块：将使用不同方法训练得到的预测模型进行融合，得到未来某时间段客流预测输出结果，根据这个预测结果分析，更新调度方案；使用时序stacking方法进行模型融合，用XGBoost作为基础模型Model1，5折交叉验证先拿出四折作为训练集，另外一折作为测试集，再在训练集中划分，拿出四折作为训练集，另外一折作为验证集。