[发明专利]一种城市轨道交通线网客流OD动态估计方法

摘要

本发明公开了一种城市轨道交通线网客流OD动态估计方法，包括以下步骤：首先基于历史客流数据，通过设定时间间隔，采用移动平均法对客流时空分布稳定性较差的单程票客流OD矩阵进行改进，生成改进后的客流OD分布矩阵，在此基础上计算客流分流率矩阵，结合OD流的行程时间分布规律，构建OD流与进出站客流间的动态流量关系，再根据动态流量关系以及实时上传的进出站客流量信息建立OD动态估计状态空间模型，用卡尔曼滤波方法对模型进行求解，并采用标准化法对OD估计结果进行修正，得出最优估计值，并对方法的有效性进行检验。本发明通过实时上传的进出站交易数据和历史客流数据进行统计，建立了基于卡尔曼滤波的状态空间模型，可用来估计实时的客流需求分布结构信息，为轨道交通企业的客流动态化管理提供数据支持。

主权项

一种城市轨道交通线网客流OD动态估计方法，其特征在于：包括如下步骤：(1‑1)设定时间间隔Δt，按时间间隔Δt对每天的历史客流数据进行分段；统计每天各时间段内的储值票客流数据和单程票客流数据；(1‑2)采用移动平均法对单程票客流数据进行改进，得到改进后的单程票客流数据为：q0ij(t)=Σa=0Rq0ij*(t-a)R---(1.1)]]>式中，i≠j；q0ij(t)表示改进后的第t个时段内由站点i进站的乘客中最终从站点j出站的单程票乘客数量；表示由历史客流数据统计获取的第t‑a个时段内由站点i进站的乘客中最终从站点j出站的单程票乘客数量；R表示移动平均的时段个数，且R＜t；(1‑3)计算式中，表示由历史客流出行数据统计获取的第t个时段内由站点i进站的乘客中最终从站点j出站的储值票乘客数量，qij(t)表示在第t个时段内由站点i进站的客流去往站点j出站的总乘客数量；根据qij(t)构建全线网在第t个时间段内进站客流的OD分布矩阵A(t)和第t个时间段内的客流分流率矩阵B(t)：A(t)=0q12(t)...q1n(t)q21(t)0..................qn1(t)......0---(1.2)]]>B(t)=0b12(t)...b1n(t)b21(t)0..................bn1(t)......0---(1.3)]]>其中，n为站点的总数；bij(t)为客流分流率，表示时段t内由i站进站的乘客中去往j站的客流占i站总进站客流的比例，且将客流分流率矩阵B(t)转化成列向量的形式：B(t)＝[b12(t)，b13(t)，…，b1n(t)，…，b21(t)，…，b2n(t)，…，bn(n‑1)(t)]T       (1.4)(1‑4)构建客流出站到达系数为：δijt-m(t)=∫0Δt∫(m-1)Δt+ymΔt+yfij(x)Δtdxdy=1Δt∫0Δt∫(m-1)Δt+ymΔt+y12πδe-[x-uij(t-m)]22zij2(t)dxdy---(1.5)]]>其中，为客流出站到达系数，表示在第t‑m个时段内从站点i出发且以车站j为目的地的OD客流中在时段t内到达目的车站j的比例，t≥m；uij(t)表示第t个时间段内由i站出发去往j站的乘客平均行程时间，表示第t个时间段内由i站出发去往j站的乘客平均行程时间的标准方差；fij(x)为概率密度函数，表示由i站出发去往j站的客流在时刻x到达j站的概率；(1‑5)基于实时客流数据建立OD客流分配比例和进出站流量间的约束方程：Ii(t-m)=Σj=1,j≠inqij(t-m)---(1.6)]]>qij(t‑m)＝Ii(t‑m)·bij(t‑m)                      (1.7)Oj(t)=Σm=0MΣi=1,i≠jnIi(t-m)·bij(t-m)·δijt-m(t)+Vij(t)---(1.8)]]>式中，Ii(t‑m)为i站在第t‑m个时段内的总进站乘客数量；qij(t‑m)表示第t‑m个时段内由站点i进站的客流去往站点j总乘客数量；Oj(t)表示车站j在第t个时段内的出站乘客数量；M为线网内任意两个时间段间乘客行程时间最大跨越时段数；Vij(t)为建立流量约束方程时产生的出站量误差；(1‑6)以客流分流率作为状态变量，构建客流OD动态估计状态空间模型，包括状态转移方程1.9与观测方程1.10：B(t)=F(t)B(t-1)+G1(t)B1+G2(t)B2(t)+...Gp(t)Bp(t)+W(t)=F(t)B(t-1)+Σk=1pGk(t)Bk(t)+W(t)B(t)=[bij(t)]Rod×1,Bk(t)=[bijk(t)]Rod×1F(t)=(1-γ1-γ2-...-γk)IRod×Rod,Gk(t)=γkIRod×RodW(t)=[wij]Rod×1---(1.9)]]>O(t)=H(t)B‾(t)+V(t)O(t)=[Oj(t)]n×1H(t)=[hij]n×Rod,hij=Σm=0MΣi=1,i≠jnIi(t-m)·δijt-m(t)B‾(t)=[b‾ij(t)]Rod×1,b‾ij(t)=Σm=0Mbij(t-m)/(M+1)V(t)=[vij(t)]n×1---(1.10)]]>式(1.9)中，B(t)为实际客流分流率bij(t)组成的Rod×1维矩阵，Rod表示OD对的总数，Rod＝n×(n‑1)；Bk(t)为由相同客流特征日条件下的前向第k周历史客流分流率组成的Rod×1维矩阵；F(t)与Gk(t)均为状态转移矩阵，表征系统的状态演变特征，是由权重系数γk得到的Rod×Rod维常量矩阵；W(t)为建立系统状态转移方程所产生的误差wij(t)组成的白噪声矩阵；式(1.10)中，Oj(t)与Ii(t‑m)为实时进出站客流数据；O(t)为n×1维出站客流量矩阵；H(t)为客流出站到达矩阵，其随着时段动态变化，表征状态变量B(t)与观测变量O(t)间的相互关系，为n×Rod维矩阵；是由构建的Rod×1维矩阵，为包含当前时段以及前向M个连续时间段的客流分流率均值；V(t)为建立系统观测方程所产生的误差vij(t)组成的白噪声矩阵；(1‑7)采用卡尔曼滤波方法对客流OD动态估计状态空间模型进行求解，并采用标准化法对OD估计结果进行修正；根据修正后的OD估计结果建立指标，并用该指标检验构建的客流OD动态估计状态空间模型是否正确；若检验结果正确，则判定客流OD动态估计状态空间模型正确，输出客流OD动态估计状态空间模型的估计结果；若检验结果不正确，则重新设置客流OD动态估计状态空间模型的参数值，返回步骤(1‑6)；重新设置的参数包括：移动平均的时段数R和权重系数γk。