基于大数据的轨道站点客流预测模型研究.docxVIP

?

?

基于大数据的轨道站点客流预测模型研究

?

?

任望刘文斌

摘?要：随着大数据、云计算的不断进步以及中国公共交通的逐步发展，大众迫切需要智能公共交通。通过分析和研究大量的公共交通数据，在数据中挖掘重要信息可以帮助交通管理部门及时调整工作，并帮助乘客选择正确的旅行时间和路线。在促进智慧城市的发展和建设中发挥着重要作用。当前在交通运输部门对数据挖掘的研究主要集中在传统技术的应用上，缺乏提高数据挖掘效率的研究。本文基于轨道交通客流的特征，提出了针对轨道交通站点的数据研究框架，并建立了预测基本数据的一般过程，创建轨道交通旅客运输流量直接预测模型。

关键词：大数据;轨道交通;客流预测;预测模型

：TP39?：A??：1671-2064（2020）03-0000-00

在互联网+城市轨道交通蓬勃发展的背景下，城市轨道交通进入了智能时代。得益于智能售票系统，自动轨道车辆控制系统和基于智能的视频收集系统的进一步发展，轨道交通信息可以得到更准确，更全面的记录。轨道交通数据已成为有效城市轨道交通运营状况和特征的重要资源，是轨道交通管理部门决策的关键依据。尤其是对客运量的短期预测对轨道交通的合理发展和动态监测具有重要意义，这是协调管理轨道交通运输能力的重要基准。对客流的准确预测可以有效减少并避免由于短时间内客流增加而导致的车站事故。本文根据城市轨道交通站点客流特征对车站的类型进行了分类。在此基础上提出了针对轨道交通站点的数据研究框架，并建立了预测基本数据的一般过程，创建轨道交通旅客运输流量直接预测模型，旨在有效应对轨道交通站点客运量变化并避免突发性安全事件[1]。

1轨道交通站点客流数据研究思路

这项研究包括两部分数据需求：（1）统计数据：对轨道交通站点交通卡刷卡数据进行统计生成的数据，用于收集站点现有客流的统计信息，以获取预测站点客运量模型中的基本数据。（2）收集性数据：针对土地利用，运输路线、换乘着三个方面使用开放数据源获取重要的数据属性，以确保轨道站流量预测模型中的基本数据来源。将统计数据导入数据库进行数据预处理，并根据时间序列的生成进行统计分析。根据选择轨道站的客流的时间特性分析客流画像。基于对客流特征指标的鉴别分析对站点类型进行逐级识别，将所获得的站点客流指标引入训练集中，以进行后续轨道站的客流数据回归分析以及客流预测模型。为了收集和处理收集的数据，根据数据的维度特性和研究需求选择关键指标，并使用数据爬取技术获得关键指标，进行预处理。将用于回归分析训练的关键指标放置在回归分析训练集中，并将客流预测关键指标输入回归分析预测集中以收集和处理收集的数据。

2基于大数据的轨道交通站点客流预测模型

传统上，轨道交通站点客流预测通常从城市轨道交通线网出发，在客流初始预测中应采用“四步法”。但“四步法”需要大量的人力物力进行研究和基础数据的收集，从初步调查到预测客运量的结果需要相当长的时间、经济和时间成本较高。而且客运量预测主要用于轨道交通站点的初步评价和管理。对于部分开通的线路，无法预测新线开通后全网客运量的变化。本文以轨道交通站点（至少一年）为研究对象，从数据挖掘的角度出发，針对投资新建线路（车站）后的整个线路网的直接客流预测模型进行研究。

由于客流进出站位置和时间涉及不同部门之间的利益，因此可以准确、详细地统计运输中的客流数据。网络信息平台、数据爬取技术的发展提供了大量开放数据，此外，由于需要对客流进行及时、快速的预测，通过数据挖掘建立了中尺度的客流预测模型，成为交通运输业客运量预测发展的新方向。

在轨道交通运输方面，新线路的开通运营对整个站点客流的影响包括以下两个方面：

（1）新开通的线路站增加客流量：新开通的线路站增加了客流，站点服务覆盖范围也会增加，总客流也就不可避免地增加了。由于轨道交通的出现，新车站附近的人将从原来的交通方式转移到轨道交通。同时，新车站周围的公共服务也将吸引线网上的其他乘客。

（2）来自原有车站的客流：新车站连接到现有的交通网络，因此使用原有线路完成旅行的人将拥有更多不同的旅行线路选择。由于新开放的车站周围的公共服务具有吸引力，一些人可能会放弃原来的旅行目的地车站，而转而使用新的车站来实现旅行的目的。例如，新车站开放后，车站建造了一个更大，更完善的商业购物中心，人们就会选择新站点完成购物过程，导致原有车站客流转移。此外，车站数量的增加会在多个车站的影响下导致客流腹地的增加，交通换乘条件对人们的出行选择产生更大的影响。

在这种情况下，本文将轨道站点作为研究对象，从轨道交通客流图和轨道交通站点的特征中收集数据，并重点解决在新增轨道交通线路的背景下预测整个轨道站客流的问题，包括：预测车站总客流;预测车站客流波动[2]。

3基于大数据的轨道交通站点客流预测模型构建思路

从模型基本假设出发，考虑到本文的