一种异常事件下综合客运枢纽交通流量的预测方法及系统

专利主权项内容

1.一种异常事件下综合客运枢纽交通流量的预测方法，其特征在于，该方法包括下列步骤：S1 将所有综合客运枢纽进行分类获得P个大类，每个大类下细分为多个小类；S2构建预测模型，将划分为多个小类中的每个综合客运枢纽对应的参数矩阵作为所述预测模型的输入，最后一个输入对应的综合客运枢纽的交通流量作为输出；将预测获得的交通流量与最后一个输入对应的综合客运枢纽的实际交通流量进行比较，当误差大于预设阈值时，调整所述预测模型中的拟合参数，以此获得训练后的预测模型；S3 将待预测综合客运枢纽所在的小类中的每个客运枢纽的参数矩阵作为输入，待预测综合客运枢纽的参数矩阵作为最后一个输入，利用所述训练后的预测模型预测待预测综合客运枢纽的交通流量，以此实现交通流量的预测；在步骤S2中，所述预测模型最后输出的交通流量按照下列公式进行：其中，是综合客运枢纽的编号，是同一类综合客运枢纽的总数量；D是优化后的异常事件下第个综合客运枢纽交通流量预测值；X是扩张系数；是自然常数；D是第个综合客运枢纽的非线性变换交通流量；Sig是sigmoid运算；X和Y分别是筛选系数的拟合权重和拟合常量；miNQNNQ+1NQFemimihmijmi所述D按照下列公式计算获得：miD=B/(1+(-B))+YDmimiexpmiβi-1mi-1BXA+Ymi=bimibbi其中，m>1，B是第个综合客运枢纽的线性变换交通流量；Y是D的调整系数，X为B的拟合权重，Y为B的拟合常数，A是第个综合客运枢纽对应的参数矩阵元素；imimiβi-1mi-1bimibbimimimi在步骤S1中，所述将所有综合客运枢纽分类获得P个大类，按照下列步骤进行：S11 获取综合客运枢纽的数量和在异常事件下所述综合客运枢纽的分类指标，构建每个分类指标的特征矩阵关系式并以此计算每个所述综合客运枢纽在各个分类指标下对应的特征矩阵归一化值，所有分类指标的特征矩阵归一化值形成的矩阵为所述综合客运枢纽的综合特征矩阵；所述分类指标包括地理位置、周边环境、线路信息、平均客流量、服务时间、站台数量、历史事件、设施服务和特殊日期客流量；S12在所有所述综合客运枢纽中选取初始的P个综合客运枢纽作为类的中心点；S13 利用所述综合特征矩阵计算每个综合客运枢纽距离与各个中心点之间的距离，将当前综合客运枢纽划分为距离最小值对应的中心点所在的类；S14 重复步骤S13，直至完成所有综合客运枢纽的分类，由此将所有综合客运枢纽划分为P类，计算各个综合客运枢纽到所属类的中心点的距离的总和，获得距离总和；在步骤S14之后，还需对划分的P类进行进步的优化，具体包括下列步骤：S15计算各个类中所有综合客运枢纽综合特征矩阵的平均值，将该平均值作为新的中心点；S16 返回步骤S13，直至达到预设迭代次数，比较所有迭代次数中获得的距离总和，距离总和的最小值对应的中心点以及划分的类为作为最终所需划分的类；在步骤S1中，所述将大类细分为多个小类，考虑经济状况、人口结构、出行习惯、城市规划四类因素，按照下列步骤进行：确定不同身份的决策者对综合客运枢纽分类的影响因素，构建每个综合客运枢纽中各个影响因素相互影响对应的最大特征值，将每类中的最大特征值按照顺序排列，将排列后的综合客运枢纽均分为多个细分小类，以此实现每个大类的细分，至此实现所有综合客运枢纽的分类过程。