一种多源数据驱动的城市轨道交通列车载客量估计方法

1.本发明属于城市轨道交通线网客流仿真领域，特别是涉及城市轨道交通乘客出行链识别和列车载客量标定系统。


背景技术：

2.轨道交通作为城市公共交通综合网络中的骨干网络，一直是缓解城市交通拥堵的重要出行方式，同时也是城市交通发展的重点。近年来，许多城市的轨道交通已经进入网络化运营阶段，为了能更好地了解路网客流运行状态，优化行车组织以及进行票务精确清分，需要明确路网运营列车上的载客量。为了统计列车上的乘客人数，需要重构出乘客在城市轨道网络中的出行轨迹，从而定位乘客在路网中乘坐的列车以及列车到站时乘客上下车的时空坐标，统计列车在站点停靠时的上下车乘客人数。通过构建路网仿真模型，根据自动售检票(afc)系统交易数据和列车运营时刻表的匹配，推算乘客出行链，再根据乘客的出行链中的乘客上下车节点统计路网中不同线路上所发出的列车上的乘客人数。关于列车载客量的估计，国内外现有的研究大多通过人工调查、感知设备或者称重系统来进行乘客人数统计，其中人工调查的方式耗费大量人力物力且只能部分采样，红外雷达或摄像头等感知设备的布设会花费大量资金，称重系统只能获取列车上的载客重量，而乘客体重不一或者携带行李也会降低估计结果的准确率。


技术实现要素：

3.发明目的：针对以上问题，本发明提出一种基于时空网络构建和多源数据驱动的城市轨道交通系统列车载客量事后估计方法，为城市轨道交通的日常运营管理、突发客流时间应急处置以及票务清分提供依据。
4.技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种多源数据驱动的城市轨道交通列车载客量估计方法，包括如下步骤：
5.s1，获取并分析处理城市轨道交通网络站点和线路基础数据、afc系统记录的乘客进出站交易数据以及列车运营时刻表数据，经过数据清洗，得到规定的数据格式；
6.s2，构建路网时空拓扑模型及带约束的广度优先算法搜寻最短路径，根据城市轨道交通网络特征，构建路网空间拓扑结构；
7.采用带约束的广度优先算法搜寻od对间满足最大换乘次数约束的可行路径集，选出od对间最短路径；再根据在路网拓扑模型中加载列车运营时刻表信息，构建轨道交通路网时空拓扑模型；
8.s3，重构乘客出行链，根据乘客afc交易数据中记录的出行od对将乘客匹配到路网时空拓扑模型中的od最短路径上，将乘客按照出行换乘次数分为无换乘、单换乘、多换乘乘客；
9.通过路径时间相似度指标将无换乘乘客分配到列车上去，得到无换乘乘客出行链，根据无换乘乘客的出行链计算站点进出站时间分布；
10.根据站点进出站时间分布、乘客出行链约束、时间相似度将乘客在出行子链上匹配到列车上去，进行单换乘乘客出行链重构，计算换乘站不同换乘方向的换乘时间分布；得到换乘时间分布后，推断多换乘乘客的出行链；
11.s4，根据乘客出行链中乘客上下车的节点与列车时刻表匹配，统计站点列车的上下车乘客人数，然后利用列车载客量计算模型得到列车载客量，从而得到路网运营列车载客量。
12.进一步的，s1具体包括：
13.s1.1，获取轨道交通网络站点和线路基础数据；
14.城市轨道交通网络站点数据包括站点编号、站点经度、站点纬度和其所属线路四个属性值，表示为：
15.vs＝{[v1,lon1,lat
1,
l1],
…
,[vi,loni,lati,lj]}
[0016]
其中，vs表示网络站点和线路基础数据，i表示站点序号，vi表示站点编号，loni表示站点经度，lati表示站点纬度，j表示线路序号，lj表示站点所属线路编号；
[0017]
城市轨道交通网络空间上分为三个层级，由高至低为路网、线路、站点，网络包含不同的运营线路，以n＝{φ(l,v)}表示城市轨道交通路网空间模型，n表示路网，l表示线路集合，v表示站点集合，线路和站点通过一种非线性的关系φ构成网络；
[0018]
由在路网n＝{φ(l,v)}中，线路、站点、线网之间的逻辑关系推出线网基本性质：
[0019]
线路层面上，线路lj的站点集合表示为其中，表示线路lj中的第i个站点，n为线路lj中的站点数量；
[0020]
网络层面上，线路集合表示为l＝{l1,l2,
…
,lj,
…
,lm}，式中，lj表示路网中的第j条线路，m为路网中线路总数；
[0021]
路网所有站点集合表示为
[0022]
用φ(l,v)表示站点、线路、路网的空间关系，则有路网空间模型：n＝{φ(l,v)}，模型中，线路lj包含线路名、线路轨道交通清分系统acc编号两个属性值；站点包含车站名、所属线路编号、车站acc编号、车站线路内编号、是否为换乘站五个属性值；车站acc编号对路网中所有站点进行唯一性编码，车站线路内编号根据线路上下行方向顺序进行编码，站点编码不唯一，换乘站在不同线路中的编码不同；根据线路和车站的属性，实现网络中站点和线路信息的查询功能；
[0023]
s1.2，获取afc交易数据；
[0024]
城市轨道交通自动售检票系统记录的交易数据包含乘客的出行起讫点及进出站时间，乘客x的一次完整出行的afc交易数据表示为：trade
+
＝{id
x
,vo,t.a,vd,t.e}；
[0025]
式中，id
+
表示自动售检票系统中记录的乘客x的交易号，vo,vd分别表示乘客在城市轨道交通系统中出行的起讫站点，t.a,t.e分别表示乘客通过进站和出站闸机的时间；
[0026]
s1.3，获取列车时刻表数据；
[0027]
列车运营时刻表数据包括线路上运营车次的到站和离站时间信息，表示为t(l,tr)，其中，l为地铁网络中的线路集合，tr为地铁网络中列车集合；
[0028]
tr＝{tr1,tr2,
…
,trk,
…
,tr4}，trk为路网中第k辆车，k为路网中发车总数；线路lj上发出的列车集合表示为上发出的列车集合表示为表示线路lj上发出的第g辆列车，g为线路lj上的发车数量。
[0029]
进一步的，s2中轨道交通路网时空拓扑模型构建具体包括：
[0030]
s2.1，构建路网空间拓扑模型，用于搜寻路网od对间的最短路径；
[0031]
根据路网n＝{φ(l,v)}中站点、线路间的逻辑关系，将轨道交通网络表示为有向图g(v,a)，其中，v为轨道交通网络中的站点集合，a为轨道交通网络中的有向连边集合，所述有向连边表示站点间列车轨行区；构建g(v,a)的邻接矩阵m
《
和距离矩阵md：
[0032][0033]
式中，邻接矩阵m
《
的矩阵元素c
ij
＝1表示站点i,j之间为直接连通的，反之，则不直接连通，用0表示；距离矩阵md的矩阵元素d
ij
表示站点i到站点j的有向连边的距离，若两个站点直接连通，则相邻站点之间的连边距离为站点间的距离a
ij
，反之，则为+∞；
[0034]
路网中站点和线路间的逻辑关系和路网有向图共同构成路网空间拓扑模型：
[0035]
o＝{φ(l,v),g(v,a)}
[0036]
其中，o表示路网空间拓扑模型，网络有向图g(v,a)中以v∈v表示图的节点，以a∈a表示图的连边，其中相邻站点间的上下行方向均设有连边，在换乘站设置有虚拟站台，描述换乘站内的乘客换乘行为；
[0037]
s2.2，构建路网列车运营时间信息模型t(l,v,tr)，信息模型中包括不同线路上运行列车的到发站时间信息，路网时间维度信息从列车时刻表中进行提取，列车运营时刻表中列车到站和驶离的信息表示为：
[0038][0039][0040][0041][0042]
式中，分别表示上下行方向的列车到站时间集合，分别表示上下行方向的列车离站时间集合，分别表示线路lj上第i个站点的第k列车辆的上下行列车到站时间，分别表示线路lj上第i个站点的第k列车辆的上下行列车离站时间，m,n,q分别为路网中线路数量，线路中站点数量，线路列车发车数量；
[0043]
s2.3，加载路网列车运营时间信息模型t(l,v,tr)到s2.1中构建的路网空间拓扑模型中，得到路网时空拓扑模型h表示如下：
[0044]
h＝{o＝{φ(l,v),g(v,a)},t(l,v,tr)}
[0045]
t(l,v,tr)包含了列车在线路上运行的到站时间和离站时间，具体表示为：
[0046][0047][0048]
式中，约束条件即等价于s2.1中路网n＝{φ(l,v)}中站点与线路间的逻辑关系；
[0049]
在空间有向图中，采用带约束的广度优先算法搜寻路网od对间满足最大换乘次数约束的可行路径集，选出od对间最短路径。
[0050]
进一步的，s2.1中，在换乘站设置虚拟站台描述换乘站内的乘客换乘行为，具体包括：
[0051]
线路a和线路b在换乘站v
t
连接，则有向图中将换乘站v
t
描述为在线路a和线路b内设有站台和并与虚拟站台v
t
双向连接；
[0052]
乘客在两条线路之间的换乘步行时间为乘客从前序服务列车下车站台至虚拟站台v
t
的步行时间加上从虚拟站台v
t
至后续服务列车上车站台的步行时间。
[0053]
进一步的，s2.3中采用带约束的广度优先算法搜寻网络中所有od对间最短路径，具体为：
[0054]
a1.初始化：加载s2.1中构建的路网有向图g(v,a)，设置路网乘客出行最大换乘次数x，输入路网od对集合rw；
[0055]
a2.循环rw中的od对w
ij
(vi,vj)，并执行以下b1～b2操作生成od对可行路径决策树：
[0056]
b1.创建一个空队列q，以od对起点vi作为根节点，将其放入q中，定义数组c表示路径换乘次数，令c＝0；
[0057]
b2.当队列q不为空时循环进行以下c1～c3操作；
[0058]
c1.按照顺序取出q中的节点，判断取出的节点是否为出行终点vj，若是，执行c3；否则，执行c2；
[0059]
c2.以q中取出的节点为父节点v
p
，搜寻父节点在g(v,a)中连通的站点作为其直接子节点，并放入队列q中，其中ns为子节点序号，为第s个父节点的第n个子节点；判断子节点是否为换乘站，若是，则该节点换乘次数加一，否则，不做操作；将父节点站点到子节点站点的距离换乘次数子节点站点编号一并记录存于对应子节点中；
[0060]
c3.结束搜寻；判断可行路径决策树叶子节点换乘次数c
]
,r＝1,2,
…
,x是否小于或等于最大换乘次数，x为叶子节点个数，若是则保留该分支，否则进行剪枝操作；
[0061]
a3.读取a2中生成的可行路径决策树，每个叶子节点分支对应一条可行路径，计算每条可行路径费用，选择路径费用最少的路径作为od对w
ij
间的最短路径存入od对最短路径集pw中。
[0062]
进一步的，s3中，将乘客的出行链表示为：
[0063][0064]
式中，λ
x
表示乘客出行链，x表示进入城市轨道交通系统的某位乘客，t.a表示乘客通过进站闸机的交易时间，t.e表示乘客通过出站闸机的交易时间；表示乘客x在站点vi登上列车trk的时间，表示乘客x乘坐列车trk在站点v
ie1
的下车时间；
[0065]
乘客出行链包含一个或多个出行子链，构成乘客在城市轨道交通系统内乘坐一次列车的出行子链，无换乘的乘客出行链只包含一个出行子链，换乘乘客的出行链则包含多个出行子链，上式中乘客的出行链包含了k个出行子链。
[0066]
进一步的，s3中定义乘客的出行链，通过获取的afc数据和列车时刻表数据将乘客匹配到列车上去，具体为：
[0067]
s3.1，根据获取的列车时刻表，定义路径p的列车运行链：
[0068][0069]
式中，λ
p
表示路径p的列车运行链，为列车运行链的第j个出行子链，出行子链包括列车在路段j的起点上的离站时间和终点上的到站时间无换乘路径的列车运行链只包含一个列车运行子链，换乘路径的列车运行链包含多个列车运行子链；in表示线路内的站点序号；
[0070]
s3.2，定义乘客出行时间区间与路径上列车运行时间区间相似度：
[0071][0072]
式中，表示在路径p上乘客x出行链与列车tr运行链的时间相似度，为路径p的路段j上乘客出行时间区间与列车运行时间区间的交集的时间长度，表示路径p的路段j乘客x的出行时间区间长度，表示路径p的路段j列车tr运行时间区间长度，γ为正常数，j表示时间区间的个数，pw为od对最短路径集；
[0073]
s3.3，根据自动售检票系统记录的乘客交易数据trade
x
，提取乘客的进出站od信息，再按照搜寻的路网最短路径集pw，将乘客按照od对匹配到对应的最短路径上去，按照路径的换乘次数将乘客分为无换乘乘客，单换乘乘客，多换乘乘客；
[0074]
s3.4，针对无换乘乘客，利用时间相似度匹配乘客所搭乘的列车；乘客的出行时间区间由交易数据trade
x
中记录的乘客进出站过闸时的交易时间获取，列车运行时间区间由列车时刻表信息t(l,tr)获取，计算乘客进站后路径p上来列车tr的在该路径的运行时间区间与乘客x出行时间区间的相似度，将乘客匹配到时间区间相似度最高的列车上去；
[0075]
s3.5，根据s3.4中得到的无换乘乘客匹配结果，计算乘客的通过闸机进站到登上列车的时间和乘客下车到通过闸机出站的时间，表示为
[0076][0077]
式中，act表示乘客通过闸机进站到登上列车tr的时间，xv(tr)为乘客在站点v登上列车tr的时间，t.a为乘客通过进站闸机的交易时间；egt表示乘客下车到通过闸机出站的时间，tr(xv)为乘客在站点v从列车tr下车的时间，t.e为乘客通过出站闸机的交易时间；设站点v无换乘乘客进站和出站时间分布代表站点v乘客进站和出站时间分布，计算得到乘
客进站时间和出站时间的分布；
[0078]
s3.6，将换乘乘客匹配到列车上去，乘客出行链与列车运行链间需要满足以下关系：
[0079][0080]
式中，t1(l,tr,v)表示线路l上运行的列车tr离开站点v的时间，ta(l,tr,v)表示线路l上运行的列车tr到达站点v的时间，act
min
(l,v)表示乘客在线路l站点v的最小进站时间，egt
min
(l,v)表示乘客在线路l站点v的最小出站时间，t1(l
′
,tr
′
,v)表示换乘线路l
′
上运行的换乘列车tr
′
离开站点v的时间，tft
min
(l,l
′
,v)表示在站点v乘客从线路l换乘至线路l
′
的最小换乘时间；
[0081]
将换乘乘客匹配到列车上去，需要将单换乘乘客进行匹配分析得到换乘站点线路间不同换乘方向上的换乘时间；通过s3.5计算的站点乘客进出站时间分布，得到act
min
(l,v)和egt
min
(l,v)；
[0082]
通过分析乘客的afc交易数据和列车运行时刻表，代入s3.6的约束式(2)中，找到单换乘乘客最后一段出行子链所搭乘的列车，得到乘客最后一段出行子链的登车时间；
[0083]
以最后一段出行子链的乘客上车时间为第一个出行子链的估计结束时间，以t.a为第一个出行子链的估计开始时间，计算乘客第一个出行子链的估计时间区间与乘客第一个出行子链所在路段的列车运行链的时间相似度；
[0084]
将乘客匹配到时间相似度最高的列车上，得到乘客的第一个出行子链，从而得到单换乘乘客完整的出行链；
[0085]
然后计算得到乘客的换乘时间，换乘时间计算方法如下：
[0086]
tft＝trt-act-ivt-egt
[0087]
式中，tft表示乘客换乘时间，trt表示乘客总的旅行时间，act表示乘客进站时间，ivt表示乘客在列车内的时间，egt表示乘客出站时间；设站点单换乘乘客换乘时间分布代表换乘乘客换乘时间分布，则通过计算站点各个换乘方向单换乘乘客换乘时间得到站点换乘乘客换乘时间分布；
[0088]
s3.7，将多换乘乘客到列车上去，根据s3.6中约束式(1)得到乘客第一段出行子链，再以乘客第一段出行子链下车时间为下一出行子链的开始时间，在满足s3.6中约束式(3)的情况下，以出行子链与所在路径列车运行时间区间的时间相似度为标准，推断下一出行子链乘客所登列车，乘客的最后一段出行子链满足s3.6中约束式(2)，得到多换乘乘客的完整出行链；至此得到所有乘客的完整出行链。
[0089]
进一步的，s4中统计列车上下车乘客人数，并统计线网运行列车载客量，构建列车载客量计算模型如下：
[0090][0091]
式中，表示时间状态ij下列车tr在站点v的载客量，表示的前一时间状态的列车载客量，表示在时间状态ij下站点v列车tr登车乘客人数，
表示在时间状态ij下站点v列车tr下车乘客人数，初始载客量时间状态ij表示第j个预测时间区间，包含的信息有时间状态的开始和结束时间；所述列车载客量计算模型进一步包括：
[0092]
s4.1，统计站台登车人数：根据乘客出行链生成时间状态ij下站点v成功登车乘客集合集合表示时间状态ij下乘客xq在站点v登上列车tr
ken
，统计时间状态ij下站点v到达列车上车乘客人数集合b
v,j
：
[0093][0094]
式中，表示时间状态ij下站点v列车trk登车乘客人数；
[0095]
s4.2，统计站台下车人数：根据乘客出行链生成时间状态ij下站点v下车乘客集合下站点v下车乘客集合表示时间状态ij下乘客xq在站点v从列车tr
ken
下车，统计时间状态ij下站点v到达列车下车乘客人数集合e
c,j
：
[0096][0097]
式中，表示时间状态ij下站点v列车trk下车乘客人数；
[0098]
s4.3，将s4.1和s4.2中统计得到的站台列车登车和下车乘客人数代入到列车载客量计算模型，得到时间状态ij下列车tr在站点v的载客量从而得到整个城市轨道交通网络所有在网运行列车的载客量：
[0099][0100]
式中，表示时间状态ij下城市轨道交通网络在网运行列车载客量集合，表示时间状态ij下站点vm列车trk的载客量。
[0101]
有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：本方法能够准确地估计乘客在城市轨道交通网络中的出行链，得到所有乘客在网络中的上下车时间，从而估计网络中运行的列车载客量。
附图说明
[0102]
图1为本发明的方法流程图。
[0103]
图2为本发明的城市轨道交通网络有向图。
[0104]
图3为本发明od对间可行路集合搜寻算法od对w
ij
(vi,vj)之间的可行路径决策树。
具体实施方式
[0105]
下面结合附图和实施例对本发明的技术方案作进一步的说明。
[0106]
本发明提供了一种基于时空网络构建和多源数据驱动的城市轨道交通系统列车载客量事后估计方法，可以为轨道交通的线网仿真、时刻表优化、票务清分、突发事件应急处置提供依据。本发明包含四个模块，如图1所示，具体为：路网数据加载模块，加载地铁网络站点和线路基础信息、afc交易数据和列车运营时刻表数据；路网时空拓扑模型构建及带
约束的广度优先路径搜寻算法模块，实现路径搜寻功能；乘客出行链重构模块，定义乘客在路网中上下车的时空坐标；列车载客量计算模块，由乘客出行链中的乘客站点上下车时空坐标统计、计算站点列车载客量；所述路网数据加载模块，读取并分析处理地铁网络站点和线路基础信息、afc系统记录的乘客进出站交易信息以及列车运营时刻表信息，将输入数据经过数据清洗，得到模型要求的数据格式。具体实现步骤如下：
[0107]
s1，获取并分析处理城市轨道交通网络站点和线路基础数据、afc系统记录的乘客进出站交易数据以及列车运营时刻表数据，经过数据清洗，得到规定的数据格式。
[0108]
s1.1，获取轨道交通网络站点和线路基础数据；
[0109]
城市轨道交通网络站点数据包括站点编号、站点经度、站点纬度和其所属线路四个属性值，表示为：
[0110]
vs＝{[v1,lon1,lat
1,
l1],
…
,[vi,loni,lati,lj]}
[0111]
其中，vs表示网络站点和线路基础数据，i表示站点序号，vi表示站点编号，loni表示站点经度，lati表示站点纬度，j表示线路序号，lj表示站点所属线路编号；
[0112]
城市轨道交通网络空间上分为三个层级，由高至低为路网、线路、站点，网络包含不同的运营线路，以n＝{φ(l,v)}表示城市轨道交通路网空间模型，n表示路网，l表示线路集合，v表示站点集合，线路和站点通过一种非线性的关系φ构成网络；
[0113]
由在路网n＝{φ(l,v)}中，线路、站点、线网之间的逻辑关系推出线网基本性质：
[0114]
线路层面上，线路lj的站点集合表示为其中，表示线路lj中的第i个站点，n为线路lj中的站点数量；
[0115]
网络层面上，所有线路构成路网，线路集合表示为l＝{l1,l2,
…
,lj,
…
,lm}，式中，lj表示路网中的第j条线路，m为路网中线路总数；
[0116]
路网中包含了所有站点，路网所有站点集合表示为
[0117][0118]
用φ(l,v)表示站点、线路、路网的空间关系，则有路网空间模型：n＝{φ(l,v)}，模型中，线路lj包含线路名、线路轨道交通清分系统(下称acc)编号两个属性值；站点包含车站名、所属线路编号、车站acc编号、车站线路内编号、是否为换乘站五个属性值；车站acc编号对路网中所有站点进行唯一性编码，车站线路内编号根据线路上下行方向顺序进行编码，站点编码不唯一，换乘站在不同线路中的编码不同；根据线路和车站的属性，实现网络中站点和线路信息的查询功能；
[0119]
s1.2，获取afc交易数据；
[0120]
城市轨道交通自动售检票系统记录的交易数据包含乘客的出行起讫点及进出站时间，乘客x的一次完整出行的afc交易数据表示为：tra)e
+
＝{id
+
,vo,t.a,v1,t.e}；
[0121]
式中，id
+
表示自动售检票系统中记录的乘客x的交易号，vo,v1分别表示乘客在城市轨道交通系统中出行的起讫站点，t.a,t.e分别表示乘客通过进站和出站闸机的时间；
[0122]
s1.3，获取列车时刻表数据；
[0123]
列车运营时刻表数据包括线路上运营车次的到站和离站时间信息，表示为t(l,
tr)，其中，l为地铁网络中的线路集合，tr为地铁网络中列车集合；
[0124]
tr＝{tr1,tr2,
…
,trk,
…
,tr4}，trk为路网中第k辆车，k为路网中发车总数；
[0125]
在网络中每条线路上会发出不同车次的运营车辆，线路lj上发出的列车集合表示为为表示线路lj上发出的第g辆列车，g为线路lj上的发车数量。
[0126]
s2，构建路网时空拓扑模型及带约束的广度优先算法搜寻最短路径，根据城市轨道交通网络特征，构建路网空间拓扑结构；采用带约束的广度优先算法搜寻od对间满足最大换乘次数约束的可行路径集，选出od对间最短路径；再根据在路网拓扑模型中加载列车运营时刻表信息，构建轨道交通路网时空拓扑模型。
[0127]
s2.1，构建路网空间拓扑模型，用于搜寻路网od对间的最短路径；
[0128]
根据路网n＝{φ(l,v)}中站点、线路间的逻辑关系，将轨道交通网络表示为有向图g(v,a)，如图2所示，其中，v为轨道交通网络中的站点集合，a为轨道交通网络中的有向连边集合，所述有向连边表示站点间列车轨行区；构建g(v,a)的邻接矩阵m
《
和距离矩阵m1：
[0129][0130]
式中，邻接矩阵m
《
的矩阵元素c
ij
＝1表示站点i,j之间为直接连通的，反之，则不直接连通，用0表示；距离矩阵md的矩阵元素d
ij
表示站点i到站点j的有向连边的距离，若两个站点直接连通，则相邻站点之间的连边距离为站点间的距离a
ij
，反之，则为+∞；
[0131]
路网中站点和线路间的逻辑关系和路网有向图共同构成路网空间拓扑模型：
[0132]
o＝{φ(l,v),g(v,a)}
[0133]
其中，o表示路网空间拓扑模型，网络有向图g(v,a)中以v∈v表示图的节点，以a∈a表示图的连边，其中相邻站点间的上下行方向均设有连边，在换乘站设置有虚拟站台，描述换乘站内的乘客换乘行为。
[0134]
具体地，线路a和线路b在换乘站v
t
连接，则有向图中将换乘站v
t
描述为在线路a和线路b内设有站台和并与虚拟站台v
t
双向连接，乘客在两条线路之间的换乘步行时间为乘客从前序服务列车下车站台至虚拟站台v
t
的步行时间加上从虚拟站台v
t
至后续服务列车上车站台的步行时间。
[0135]
s2.2，构建路网列车运营时间信息模型t(l,v,tr)，信息模型中包括不同线路上运行列车的到发站时间信息，路网时间维度信息从列车时刻表中进行提取，列车运营时刻表中列车到站和驶离的信息表示为：
[0136][0137][0138][0139][0140]
式中，分别表示上下行方向的列车到站时间集合，分别表示上下行
方向的列车离站时间集合，分别表示线路lj上第i个站点的第k列车辆的上下行列车到站时间，分别表示线路lj上第i个站点的第k列车辆的上下行列车离站时间，m,n,q分别为路网中线路数量，线路中站点数量，线路列车发车数量。
[0141]
s2.3，加载路网列车运营时间信息模型t(l,v,tr)到s2.1中构建的路网空间拓扑模型中，得到路网时空拓扑模型h表示如下：
[0142]
h＝{o＝{φ(l,v),g(v,a)},t(l,v,tr)}
[0143]
t(l,v,tr)包含了列车在线路上运行的到站时间和离站时间，具体表示为：
[0144][0145][0146]
式中，约束条件即等价于s2.1中路网n＝{φ(l,v)}中站点与线路间的逻辑关系；
[0147]
在空间有向图中，采用带约束的广度优先算法搜寻路网od对间满足最大换乘次数约束的可行路径集，选出od对间最短路径，具体算法为：
[0148]
a1.初始化：加载s2.1中构建的路网有向图g(v,a)，设置路网乘客出行最大换乘次数x，输入路网od对集合rw；
[0149]
a2.循环rw中的od对w
ij
(vi,vj)，并执行以下b1～b2操作生成od对可行路径决策树，如图3所示：
[0150]
b1.创建一个空队列q，以od对起点vi作为根节点，将其放入q中，定义数组c表示路径换乘次数，令c＝0；
[0151]
b2.当队列q不为空时循环进行以下c1～c3操作；
[0152]
c1.按照顺序取出q中的节点，判断取出的节点是否为出行终点vj，若是，执行c3；否则，执行c2；
[0153]
c2.以q中取出的节点为父节点v
p
，搜寻父节点在g(v,a)中连通的站点作为其直接子节点，并放入队列q中，其中ns为子节点序号，为第s个父节点的第n个子节点；判断子节点是否为换乘站，若是，则该节点换乘次数加一，否则，不做操作；将父节点站点到子节点站点的距离换乘次数子节点站点编号一并记录存于对应子节点中；
[0154]
c3.结束搜寻；判断可行路径决策树叶子节点换乘次数c
]
,r＝1,2,
…
,x是否小于或等于最大换乘次数，x为叶子节点个数，若是则保留该分支，否则进行剪枝操作；
[0155]
a3.读取a2中生成的可行路径决策树，每个叶子节点分支对应一条可行路径，计算每条可行路径费用，选择路径费用最少的路径作为od对w
ij
间的最短路径存入od对最短路径集pw中。
[0156]
s3，重构乘客出行链，根据乘客afc交易数据中记录的出行od对将乘客匹配到路网时空拓扑模型中的od最短路径上，将乘客按照出行换乘次数分为无换乘、单换乘、多换乘乘客；通过路径时间相似度指标将无换乘乘客分配到列车上去，得到无换乘乘客出行链，根据无换乘乘客的出行链计算站点进出站时间分布；根据站点进出站时间分布、乘客出行链约
束、时间相似度将乘客在出行子链上匹配到列车上去，进行单换乘乘客出行链重构，计算换乘站不同换乘方向的换乘时间分布；得到换乘时间分布后，推断多换乘乘客的出行链。
[0157]
将乘客的出行链表示为：
[0158][0159]
式中，λ
x
表示乘客出行链，x表示进入城市轨道交通系统的某位乘客，t.a表示乘客通过进站闸机的交易时间，t.e表示乘客通过出站闸机的交易时间；表示乘客x在站点vi登上列车trk的时间，表示乘客x乘坐列车trk在站点v
ie1
的下车时间；
[0160]
乘客出行链包含一个或多个出行子链，构成乘客在城市轨道交通系统内乘坐一次列车的出行子链，无换乘的乘客出行链只包含一个出行子链，换乘乘客的出行链则包含多个出行子链，上式中乘客的出行链包含了k个出行子链。
[0161]
根据获取的列车时刻表，定义路径p的列车运行链：
[0162][0163]
式中，λ
p
表示路径p的列车运行链，为列车运行链的第j个出行子链，出行子链包括列车在路段j的起点上的离站时间和终点上的到站时间无换乘路径的列车运行链只包含一个列车运行子链，换乘路径的列车运行链包含多个列车运行子链；in表示线路内的站点序号。
[0164]
定义乘客出行时间区间与路径上列车运行时间区间相似度：
[0165][0166]
式中，表示在路径p上乘客x出行链与列车tr运行链的时间相似度，为路径p的路段j上乘客出行时间区间与列车运行时间区间的交集的时间长度，表示路径p的路段j乘客x的出行时间区间长度，表示路径p的路段j列车tr运行时间区间长度，γ为正常数，j表示时间区间的个数，pw为od对最短路径集。
[0167]
乘客出行类型分类：
[0168]
根据自动售检票系统记录的乘客交易数据trade
x
，提取乘客的进出站od信息，再按照搜寻的路网最短路径集pw，将乘客按照od对匹配到对应的最短路径上去，按照路径的换乘次数将乘客分为无换乘乘客，单换乘乘客，多换乘乘客。
[0169]
乘客出行链重构：
[0170]
无换乘乘客出行链重构：针对无换乘乘客，利用时间相似度匹配乘客所搭乘的列车；乘客的出行时间区间由交易数据trade
x
中记录的乘客进出站过闸时的交易时间获取，列车运行时间区间由列车时刻表信息t(l,tr)获取，计算乘客进站后路径p上来列车tr的在该路径的运行时间区间与乘客x出行时间区间的相似度，将乘客匹配到时间区间相似度
最高的列车上去。
[0171]
换乘乘客出行链重构：根据无换乘乘客匹配结果，计算乘客的通过闸机进站到登上列车的时间和乘客下车到通过闸机出站的时间，表示为
[0172][0173]
式中，act表示乘客通过闸机进站到登上列车tr的时间，xv(tr)为乘客在站点v登上列车tr的时间，t.a为乘客通过进站闸机的交易时间；egt表示乘客下车到通过闸机出站的时间，tr(xv)为乘客在站点v从列车tr下车的时间，t.e为乘客通过出站闸机的交易时间；设站点v无换乘乘客进站和出站时间分布代表站点v乘客进站和出站时间分布，计算得到乘客进站时间和出站时间的分布；
[0174]
将换乘乘客匹配到列车上去，乘客出行链与列车运行链间需要满足以下关系：
[0175][0176]
式中，t1(l,tr,v)表示线路l上运行的列车tr离开站点v的时间，ta(l,tr,v)表示线路l上运行的列车tr到达站点v的时间，act
min
(l,v)表示乘客在线路l站点v的最小进站时间，egt
min
(l,v)表示乘客在线路l站点v的最小出站时间，t1(l
′
,tr
′
,v)表示换乘线路l
′
上运行的换乘列车tr
′
离开站点v的时间，tft
min
(l,l
′
,v)表示在站点v乘客从线路l换乘至线路l
′
的最小换乘时间。
[0177]
单换乘乘客出行链重构：
[0178]
将换乘乘客匹配到列车上去，需要将单换乘乘客进行匹配分析得到换乘站点线路间不同换乘方向上的换乘时间；通过站点乘客进出站时间分布，得到act
min
(l,v)和egt
min
(l,v)；通过分析乘客的afc交易数据和列车运行时刻表，代入约束式(2)中，找到单换乘乘客最后一段出行子链所搭乘的列车，得到乘客最后一段出行子链的登车时间；以最后一段出行子链的乘客上车时间为第一个出行子链的估计结束时间，以t.a为第一个出行子链的估计开始时间，计算乘客第一个出行子链的估计时间区间与乘客第一个出行子链所在路段的列车运行链的时间相似度；将乘客匹配到时间相似度最高的列车上，得到乘客的第一个出行子链，从而得到单换乘乘客完整的出行链；
[0179]
然后计算得到乘客的换乘时间，换乘时间计算方法如下：
[0180]
tft＝trt-act-ivt-egt
[0181]
式中，tft表示乘客换乘时间，trt表示乘客总的旅行时间，act表示乘客进站时间，ivt表示乘客在列车内的时间，egt表示乘客出站时间；设站点单换乘乘客换乘时间分布代表换乘乘客换乘时间分布，则通过计算站点各个换乘方向单换乘乘客换乘时间得到站点换乘乘客换乘时间分布。
[0182]
多换乘乘客出行链重构：
[0183]
将多换乘乘客到列车上去，根据约束式(1)得到乘客第一段出行子链，再以乘客第一段出行子链下车时间为下一出行子链的开始时间，在满足约束式(3)的情况下，以出行子链与所在路径列车运行时间区间的时间相似度为标准，推断下一出行子链乘客所登列车，乘客的最后一段出行子链满足约束式(2)，得到多换乘乘客的完整出行链；至此得到所有乘
客的完整出行链。
[0184]
s4，根据乘客出行链中乘客上下车的节点与列车时刻表匹配，统计站点列车的上下车乘客人数，然后利用列车载客量计算模型得到列车载客量，从而得到路网运营列车载客量。
[0185]
构建列车载客量计算模型如下：
[0186][0187]
式中，表示时间状态ij下列车tr在站点v的载客量，表示的前一时间状态的列车载客量，表示在时间状态ij下站点v列车tr登车乘客人数，表示在时间状态ij下站点v列车tr下车乘客人数，初始载客量时间状态ij表示第j个预测时间区间，包含的信息有时间状态的开始和结束时间；
[0188]
所述列车载客量计算模型进一步包括：
[0189]
s4.1，统计站台登车人数：根据乘客出行链生成时间状态ij下站点v成功登车乘客集合集合表示时间状态ij下乘客xq在站点v登上列车tr
ken
，统计时间状态ij下站点v到达列车上车乘客人数集合b
v,j
：
[0190][0191]
式中，表示时间状态ij下站点v列车trk登车乘客人数；
[0192]
s4.2，统计站台下车人数：根据乘客出行链生成时间状态ij下站点v下车乘客集合下站点v下车乘客集合表示时间状态ij下乘客xq在站点v从列车tr
k+n
下车，统计时间状态ij下站点v到达列车下车乘客人数集合e
v,j
：
[0193][0194]
式中，表示时间状态ij下站点v列车tr3下车乘客人数；
[0195]
s4.3，将s4.1和s4.2中统计得到的站台列车登车和下车乘客人数代入到列车载客量计算模型，得到时间状态ij下列车tr在站点v的载客量从而得到整个城市轨道交通网络所有在网运行列车的载客量：
[0196][0197]
式中，表示时间状态ij下城市轨道交通网络在网运行列车载客量集合，表示时间状态ij下站点vm列车trk的载客量。

技术特征：
1.一种多源数据驱动的城市轨道交通列车载客量估计方法，其特征在于，包括如下步骤：s1，获取并分析处理城市轨道交通网络站点和线路基础数据、afc系统记录的乘客进出站交易数据以及列车运营时刻表数据，经过数据清洗，得到规定的数据格式；s2，构建路网时空拓扑模型及带约束的广度优先算法搜寻最短路径，根据城市轨道交通网络特征，构建路网空间拓扑结构；采用带约束的广度优先算法搜寻od对间满足最大换乘次数约束的可行路径集，选出od对间最短路径；再根据在路网拓扑模型中加载列车运营时刻表信息，构建轨道交通路网时空拓扑模型；s3，重构乘客出行链，根据乘客afc交易数据中记录的出行od对将乘客匹配到路网时空拓扑模型中的od最短路径上，将乘客按照出行换乘次数分为无换乘、单换乘、多换乘乘客；通过路径时间相似度指标将无换乘乘客分配到列车上去，得到无换乘乘客出行链，根据无换乘乘客的出行链计算站点进出站时间分布；根据站点进出站时间分布、乘客出行链约束、时间相似度将乘客在出行子链上匹配到列车上去，进行单换乘乘客出行链重构，计算换乘站不同换乘方向的换乘时间分布；得到换乘时间分布后，推断多换乘乘客的出行链；s4，根据乘客出行链中乘客上下车的节点与列车时刻表匹配，统计站点列车的上下车乘客人数，然后利用列车载客量计算模型得到列车载客量，从而得到路网运营列车载客量。2.根据权利要求1所述的一种多源数据驱动的城市轨道交通列车载客量估计方法，其特征在于，s1具体包括：s1.1，获取轨道交通网络站点和线路基础数据；城市轨道交通网络站点数据包括站点编号、站点经度、站点纬度和其所属线路四个属性值，表示为：vs＝{[v1,lon1,lat
1,
l1],
…
,[v
i
,lon
i
,lat
i
,l
j
]}其中，vs表示网络站点和线路基础数据，i表示站点序号，v
i
表示站点编号，lon
i
表示站点经度，lat
i
表示站点纬度，j表示线路序号，l
j
表示站点所属线路编号；城市轨道交通网络空间上分为三个层级，由高至低为路网、线路、站点，网络包含不同的运营线路，以n＝{φ(l，v)}表示城市轨道交通路网空间模型，n表示路网，l表示线路集合，v表示站点集合，线路和站点通过一种非线性的关系φ构成网络；由在路网n＝{φ(l，v)}中，线路、站点、线网之间的逻辑关系推出线网基本性质：线路层面上，线路l
j
的站点集合表示为其中，表示线路l
j
中的第i个站点，n为线路l
j
中的站点数量；网络层面上，线路集合表示为l＝{l1，l2，...，l
j
，...，l
m
}，式中，l
j
表示路网中的第j条线路，m为路网中线路总数；路网所有站点集合表示为用φ(l，v)表示站点、线路、路网的空间关系，则有路网空间模型：n＝{φ(l，v)}，模型中，线路l
j
包含线路名、线路轨道交通清分系统acc编号两个属性值；站点包含车站名、所属线路编号、车站acc编号、车站线路内编号、是否为换乘站五个属性值；车站acc编号对路
网中所有站点进行唯一性编码，车站线路内编号根据线路上下行方向顺序进行编码，站点编码不唯一，换乘站在不同线路中的编码不同；根据线路和车站的属性，实现网络中站点和线路信息的查询功能；s1.2，获取afc交易数据；城市轨道交通自动售检票系统记录的交易数据包含乘客的出行起讫点及进出站时间，乘客x的一次完整出行的afc交易数据表示为：trade
x
＝{id
x
，v
o
，t.a，v
d
，t.e}；式中，id
x
表示自动售检票系统中记录的乘客x的交易号，v
o
，v
d
分别表示乘客在城市轨道交通系统中出行的起讫站点，t.a，t.e分别表示乘客通过进站和出站闸机的时间；s1.3，获取列车时刻表数据；列车运营时刻表数据包括线路上运营车次的到站和离站时间信息，表示为t(l，tr)，其中，l为地铁网络中的线路集合，tr为地铁网络中列车集合；tr＝{tr1，tr2，...，tr
k
，...，tr
k
}，tr
k
为路网中第k辆车，k为路网中发车总数；线路l
j
上发出的列车集合表示为发出的列车集合表示为表示线路l
j
上发出的第g辆列车，g为线路l
j
上的发车数量。3.根据权利要求2所述的一种多源数据驱动的城市轨道交通列车载客量估计方法，其特征在于，s2中轨道交通路网时空拓扑模型构建具体包括：s2.1，构建路网空间拓扑模型，用于搜寻路网od对间的最短路径；根据路网n＝{φ(l，v)}中站点、线路间的逻辑关系，将轨道交通网络表示为有向图g(v，a)，其中，v为轨道交通网络中的站点集合，a为轨道交通网络中的有向连边集合，所述有向连边表示站点间列车轨行区；构建g(v，a)的邻接矩阵m
c
和距离矩阵m
d
：式中，邻接矩阵m
c
的矩阵元素c
ij
＝1表示站点i，j之间为直接连通的，反之，则不直接连通，用0表示；距离矩阵m
d
的矩阵元素d
ij
表示站点i到站点j的有向连边的距离，若两个站点直接连通，则相邻站点之间的连边距离为站点间的距离a
ij
，反之，则为+∞；路网中站点和线路间的逻辑关系和路网有向图共同构成路网空间拓扑模型：o＝{φ(l，v)，g(v，a)}其中，o表示路网空间拓扑模型，网络有向图g(v，a)中以v∈v表示图的节点，以a∈a表示图的连边，其中相邻站点间的上下行方向均设有连边，在换乘站设置有虚拟站台，描述换乘站内的乘客换乘行为；s2.2，构建路网列车运营时间信息模型t(l，v，tr)，信息模型中包括不同线路上运行列车的到发站时间信息，路网时间维度信息从列车时刻表中进行提取，列车运营时刻表中列车到站和驶离的信息表示为：车到站和驶离的信息表示为：车到站和驶离的信息表示为：
式中，分别表示上下行方向的列车到站时间集合，分别表示上下行方向的列车离站时间集合，分别表示线路l
j
上第i个站点的第k列车辆的上下行列车到站时间，分别表示线路l
j
上第i个站点的第k列车辆的上下行列车离站时间，m，n，q分别为路网中线路数量，线路中站点数量，线路列车发车数量；s2.3，加载路网列车运营时间信息模型t(l，v，tr)到s2.1中构建的路网空间拓扑模型中，得到路网时空拓扑模型h表示如下：h＝{o＝{φ(l，v)，g(v，a)}，t(l，v，tr)}t(l，v，tr)包含了列车在线路上运行的到站时间和离站时间，具体表示为：t(l，v，tr)包含了列车在线路上运行的到站时间和离站时间，具体表示为：式中，约束条件即等价于s2.1中路网n＝{φ(l，v)}中站点与线路间的逻辑关系；在空间有向图中，采用带约束的广度优先算法搜寻路网od对间满足最大换乘次数约束的可行路径集，选出od对间最短路径。4.根据权利要求3所述的一种多源数据驱动的城市轨道交通列车载客量估计方法，其特征在于，s2.1中，在换乘站设置虚拟站台描述换乘站内的乘客换乘行为，具体包括：线路a和线路b在换乘站v
t
连接，则有向图中将换乘站v
t
描述为在线路a和线路b内设有站台和并与虚拟站台v
t
双向连接；乘客在两条线路之间的换乘步行时间为乘客从前序服务列车下车站台至虚拟站台v
t
的步行时间加上从虚拟站台v
t
至后续服务列车上车站台的步行时间。5.根据权利要求3所述的一种多源数据驱动的城市轨道交通列车载客量估计方法，其特征在于，s2.3中采用带约束的广度优先算法搜寻网络中所有od对间最短路径，具体为：a1.初始化：加载s2.1中构建的路网有向图g(v，a)，设置路网乘客出行最大换乘次数x，输入路网od对集合r
w
；a2.循环r
w
中的od对w
ij
(v
i
，v
j
)，并执行以下b1～b2操作生成od对可行路径决策树：b1.创建一个空队列q，以od对起点v
i
作为根节点，将其放入q中，定义数组c表示路径换乘次数，令c＝0；b2.当队列q不为空时循环进行以下c1～c3操作；c1.按照顺序取出q中的节点，判断取出的节点是否为出行终点v
j
，若是，执行c3；否则，执行c2；c2.以q中取出的节点为父节点v
p
，搜寻父节点在g(v，a)中连通的站点作为其直接子节点，并放入队列q中，其中n
s
为子节点序号，为第s个父节点的第n个子节点；判断子节点是否为换乘站，若是，则该节点换乘次数加一，否则，不做操作；将父节点站点到子节点站点的距离换乘次数子节点站点编号一并记录存于对应子节点中；
c3.结束搜寻；判断可行路径决策树叶子节点换乘次数c
r
，r＝1，2，...，x是否小于或等于最大换乘次数，x为叶子节点个数，若是则保留该分支，否则进行剪枝操作；a3.读取a2中生成的可行路径决策树，每个叶子节点分支对应一条可行路径，计算每条可行路径费用，选择路径费用最少的路径作为od对w
ij
间的最短路径存入od对最短路径集p
w
中。6.根据权利要求5所述的一种多源数据驱动的城市轨道交通列车载客量估计方法，其特征在于，s3中，将乘客的出行链表示为：式中，λ
x
表示乘客出行链，x表示进入城市轨道交通系统的某位乘客，t.a表示乘客通过进站闸机的交易时间，t.e表示乘客通过出站闸机的交易时间；表示乘客x在站点v
i
登上列车trk的时间，表示乘客x乘坐列车tr
k
在站点v
i+1
的下车时间；乘客出行链包含一个或多个出行子链，构成乘客在城市轨道交通系统内乘坐一次列车的出行子链，无换乘的乘客出行链只包含一个出行子链，换乘乘客的出行链则包含多个出行子链，上式中乘客的出行链包含了k个出行子链。7.根据权利要求6所述的一种多源数据驱动的城市轨道交通列车载客量估计方法，其特征在于，s3中定义乘客的出行链，通过获取的afc数据和列车时刻表数据将乘客匹配到列车上去，具体为：s3.1，根据获取的列车时刻表，定义路径p的列车运行链：式中，λ
p
表示路径p的列车运行链，为列车运行链的第j个出行子链，出行子链包括列车在路段j的起点上的离站时间和终点上的到站时间无换乘路径的列车运行链只包含一个列车运行子链，换乘路径的列车运行链包含多个列车运行子链；i
n
表示线路内的站点序号；s3.2，定义乘客出行时间区间与路径上列车运行时间区间相似度：式中，表示在路径p上乘客x出行链与列车tr运行链的时间相似度，为路径p的路段j上乘客出行时间区间与列车运行时间区间的交集的时间长度，表示路径p的路段j乘客x的出行时间区间长度，表示路径p的路段j列车tr运行时间区间长度，γ为正常数，j表示时间区间的个数，p
w
为od对最短路径集；s3.3，根据自动售检票系统记录的乘客交易数据trade
x
，提取乘客的进出站od信息，再按照搜寻的路网最短路径集p
w
，将乘客按照od对匹配到对应的最短路径上去，按照路径的换乘次数将乘客分为无换乘乘客，单换乘乘客，多换乘乘客；s3.4，针对无换乘乘客，利用时间相似度匹配乘客所搭乘的列车；乘客的出行时间区间
由交易数据trade
x
中记录的乘客进出站过闸时的交易时间获取，列车运行时间区间由列车时刻表信息t(l，tr)获取，计算乘客进站后路径p上来列车tr的在该路径的运行时间区间与乘客x出行时间区间的相似度，将乘客匹配到时间区间相似度最高的列车上去；s3.5，根据s3.4中得到的无换乘乘客匹配结果，计算乘客的通过闸机进站到登上列车的时间和乘客下车到通过闸机出站的时间，表示为式中，act表示乘客通过闸机进站到登上列车tr的时间，x
v
(tr)为乘客在站点v登上列车tr的时间，t.a为乘客通过进站闸机的交易时间；egt表示乘客下车到通过闸机出站的时间，tr(x
v
)为乘客在站点v从列车tr下车的时间，t.e为乘客通过出站闸机的交易时间；设站点v无换乘乘客进站和出站时间分布代表站点v乘客进站和出站时间分布，计算得到乘客进站时间和出站时间的分布；s3.6，将换乘乘客匹配到列车上去，乘客出行链与列车运行链间需要满足以下关系：式中，t
d
(l，tr，v)表示线路l上运行的列车tr离开站点v的时间，t
a
(l，tr，v)表示线路l上运行的列车tr到达站点v的时间，act
min
(l，v)表示乘客在线路l站点v的最小进站时间，egt
min
(l，v)表示乘客在线路l站点v的最小出站时间，t
d
(l
′
，tr
′
，v)表示换乘线路l
′
上运行的换乘列车tr
′
离开站点v的时间，tft
min
(l，l
′
，v)表示在站点v乘客从线路l换乘至线路l
′
的最小换乘时间；将换乘乘客匹配到列车上去，需要将单换乘乘客进行匹配分析得到换乘站点线路间不同换乘方向上的换乘时间；通过s3.5计算的站点乘客进出站时间分布，得到act
min
(l，v)和egt
min
(l，v)；通过分析乘客的afc交易数据和列车运行时刻表，代入s3.6的约束式(2)中，找到单换乘乘客最后一段出行子链所搭乘的列车，得到乘客最后一段出行子链的登车时间；以最后一段出行子链的乘客上车时间为第一个出行子链的估计结束时间，以t.a为第一个出行子链的估计开始时间，计算乘客第一个出行子链的估计时间区间与乘客第一个出行子链所在路段的列车运行链的时间相似度；将乘客匹配到时间相似度最高的列车上，得到乘客的第一个出行子链，从而得到单换乘乘客完整的出行链；然后计算得到乘客的换乘时间，换乘时间计算方法如下：tft＝trt-act-ivt-egt式中，tft表示乘客换乘时间，trt表示乘客总的旅行时间，act表示乘客进站时间，ivt表示乘客在列车内的时间，egt表示乘客出站时间；设站点单换乘乘客换乘时间分布代表换乘乘客换乘时间分布，则通过计算站点各个换乘方向单换乘乘客换乘时间得到站点换乘乘客换乘时间分布；s3.7，将多换乘乘客到列车上去，根据s3.6中约束式(1)得到乘客第一段出行子链，再以乘客第一段出行子链下车时间为下一出行子链的开始时间，在满足s3.6中约束式(3)的
情况下，以出行子链与所在路径列车运行时间区间的时间相似度为标准，推断下一出行子链乘客所登列车，乘客的最后一段出行子链满足s3.6中约束式(2)，得到多换乘乘客的完整出行链；至此得到所有乘客的完整出行链。8.根据权利要求1-7任一所述的一种多源数据驱动的城市轨道交通列车载客量估计方法，其特征在于，s4中统计列车上下车乘客人数，并统计线网运行列车载客量，构建列车载客量计算模型如下：式中，表示时间状态i
j
下列车tr在站点v的载客量，表示的前一时间状态的列车载客量，表示在时间状态i
j
下站点v列车tr登车乘客人数，表示在时间状态i
j
下站点v列车tr下车乘客人数，初始载客量时间状态i
j
表示第j个预测时间区间，包含的信息有时间状态的开始和结束时间；所述列车载客量计算模型进一步包括：s4.1，统计站台登车人数：根据乘客出行链生成时间状态i
j
下站点v成功登车乘客集合下站点v成功登车乘客集合表示时间状态i
j
下乘客x
q
在站点v登上列车tr
k+n
，统计时间状态i
j
下站点v到达列车上车乘客人数集合b
v，j
：式中，表示时间状态i
j
下站点v列车tr
k
登车乘客人数；s4.2，统计站台下车人数：根据乘客出行链生成时间状态i
j
下站点v下车乘客集合下站点v下车乘客集合表示时间状态i
j
下乘客x
q
在站点v从列车tr
k+n
下车，统计时间状态i
j
下站点v到达列车下车乘客人数集合e
v，j
：式中，表示时间状态i
j
下站点v列车tr
k
下车乘客人数；s4.3，将s4.1和s4.2中统计得到的站台列车登车和下车乘客人数代入到列车载客量计算模型，得到时间状态i
j
下列车tr在站点v的载客量从而得到整个城市轨道交通网络所有在网运行列车的载客量：式中，表示时间状态i
j
下城市轨道交通网络在网运行列车载客量集合，表示时间状态i
j
下站点v
m
列车tr
k
的载客量。

技术总结
本发明公开了一种基于多源数据驱动的城市轨道交通列车载客量事后估计方法，包括以下步骤：加载城市轨道交通系统站点和线路基础信息数据、自动售检票系统交易数据和列车运营时刻表数据；构建城市轨道交通系统网络时空拓扑模型，采用带约束的广度优先算法搜寻网络OD对间最短路；以乘客出行子链与列车运行链的时间相似度为指标，将乘客匹配到列车上去，从而对乘客出行链进行重构；通过对乘客出行链进中上下车节点进行定位，统计站点上下车乘客人数，构建列车载客量计算模型，估计线网列车载客量。本发明能够获得城市轨道交通网络运营列车事后估计载客量，可以为轨道交通的线网仿真、时刻表优化、票务清分、突发事件应急处置提供依据。依据。依据。


技术研发人员：王健 刘家俊 张宁
受保护的技术使用者：东南大学
技术研发日：2023.06.30
技术公布日：2023/9/20