技术摘要：
本发明公开了一种轨道交通反向乘客识别及乘车班次确定方法及系统。该方法包括：根据候车时间建立乘客选择行为模型，识别正向乘客和反向乘客，并确定正向候车时间和反向时间；根据最大列车数和正向乘客候车时间建立正向候车时间分布模型；根据反向车站的最大数量和反向  全部
背景技术：
近年来，随着城市人口的增加，越来越多的城市居民选择乘坐地铁出行，从而造成 部分地铁线路严重拥挤。为了解决地铁拥挤的问题，人们开始关注引导乘客远离拥挤线路 (即客流控制)的策略。因此，通过进一步完善这些控制策略，了解乘客路径选择行为的本 质，可以有效地缓解地铁高峰时段的拥堵压力。 随着乘客需求的增加，大量乘客因高度拥挤无法登上第一列到达的列车，部分乘 客选择反向出行，以获得座位或避免拥挤。所谓反向出行，是指先乘坐反方向的地铁列车到 达反向车站，再在反向车站乘坐正常方向的列车到达目的地的行为；正向出行则是不采取 反向出行策略，直接乘坐驶向目的地列车的行为。然而，目前的轨道交通配流方法只考虑正 向出行的乘客，忽略了反向出行的乘客，不能为高峰限流和运力资源配置提供精准、合理的 依据。
技术实现要素：
本发明的目的是提供一种轨道交通反向乘客识别及乘车班次确定方法及系统，同 时考虑正向乘客和反向乘客，能够为高峰限流和运力资源配置提供更精准、合理的依据。 为实现上述目的，本发明提供了如下方案： 一种轨道交通反向乘客识别及乘车班次确定方法，包括： 获取自动售验票系统的乘车数据，并根据所述乘车数据确定乘客候车时间；所述 乘客候车时间包括正向乘客的正向候车时间和反向乘客的反向时间；所述正向候车时间为 正向乘客在车站等待直接驶入目的地列车的时间；所述反向时间为反向乘客在反向乘车时 车内的时间与在起点站和反向车站候车时间的总和； 根据所述乘客候车时间建立乘客选择行为模型；乘客选择行为包括正向出行和反 向出行； 获取乘客所需等候的最大列车数以及反向车站的最大数量； 根据所述最大列车数和所述正向候车时间建立正向乘客乘坐不同列车班次的正 向候车时间分布模型； 根据所述反向车站的最大数量和所述反向时间建立反向乘客选择不同反向车站 的反向时间分布模型； 采用贝叶斯模型分别对所述乘客选择行为模型、所述正向候车时间分布模型和所 述反向时间分布模型中参数的联合后验概率进行计算，分别得到每个模型参数的联合后验 概率； 采用NUTS算法对所述联合后验概率的参数进行估计，得到参数估计值； 7 CN 111582750 A 说　明　书 2/18 页 根据所述参数估计值进行反向乘客识别、反向乘客的反向车站和乘车班次识别以 及正向乘客的乘车班次识别，得到识别结果。 可选的，所述根据所述乘客候车时间建立乘客选择行为模型，具体包括： 根据如下公式建立乘客选择行为模型： 式中， 表示乘客z属于正向乘客的概率， 表示乘客z 属于反向乘客的概率，NP表示所有正向乘客集合，TBP表示所有反向乘客集合， 表示 选择路径r的乘客z在起点站o的候车时间， 分别表示选择路径r的正向乘 客在起点站o的正向候车时间的平均值、标准差和权重； 分别表示选择路 径r的反向乘客在起点站o的反向时间的平均值、标准差和权重。 可选的，所述根据所述最大列车数和所述正向候车时间建立正向乘客乘坐不同列 车班次的正向候车时间分布模型，具体包括： 根据如下公式建立所述正向候车时间分布模型： 式中， 表示选择路径r的乘客z在起点站o所需等候的最大列车数， 表 示 所 有 正 向 候 车 时 间 分 布 的 概 率 密 度 函 数 ， 表示正向乘客等待第i辆地铁的候车时间的权重向量； 和 分别表示正向乘客等待第 i辆地铁的正向候车时间的平均值和标准差； 所述根据所述反向车站的最大数量和所述反向时间建立反向乘客选择不同反向 车站的反向时间分布模型，具体包括： 根据如下公式建立反向时间分布模型： 式中， 表示所有反向时间分布的概率密度函数， 表示 反向车站的最大数量， 表示反向乘客在起点站o和包含路径r上的反向车站 之间的 平均反向时间； 表示反向乘客在选择第j个反向车站反向时间的 8 CN 111582750 A 说　明　书 3/18 页 权重向量； 和 分别代表反向乘客在选 择第j个反向车站反向时间的平均值和标准差。 可选的，所述采用贝叶斯模型分别对所述乘客选择行为模型、所述正向候车时间 分布模型和所述反向时间分布模型中参数的联合后验概率进行计算，分别得到每个模型参 数的联合后验概率，具体包括： 将所述正向候车时间作为观测数据，将正向乘客乘坐不同班次列车正向候车时间 的概率分布函数作为似然函数，根据贝叶斯公式得到正向候车时间分布模型参数的联合后 验概率初始表达式； 根据正向乘客等待第i辆地铁的正向候车时间的平均值、标准差和权重向量确定 参数的联合先验概率函数； 根据选择路径r的正向乘客在起点站o的候车时间的平均值、标准差和权重计算乘 客正向候车时间的概率； 根据所述观测数据确定所述观测数据的似然函数； 根据所述联合后验概率初始表达式、所述联合先验概率函数、所述乘客正向候车 时间的概率和所述观测数据的似然函数确定实际的参数联合后验概率。 可选的，在所述根据所述参数估计值进行反向乘客识别、反向乘客的反向车站和 乘车班次识别以及正向乘客的乘车班次识别，得到识别结果，之后还包括： 根据所述识别结果计算各车站排队时间和各乘车区间的满载率。 本发明还提供一种轨道交通反向乘客识别及乘车班次确定系统，包括： 乘车数据获取模块，用于获取自动售验票系统的乘车数据，并根据所述乘车数据 确定乘客候车时间；所述乘客候车时间包括正向乘客的正向候车时间和反向乘客的反向时 间；所述正向候车时间为正向乘客在车站等待直接驶入目的地列车的时间；所述反向时间 为反向乘客在反向乘车时车内的时间与在起点站和反向车站候车时间的总和； 乘客选择行为模型建立模块，用于根据所述乘客候车时间建立乘客选择行为模 型；乘客选择行为包括正向出行和反向出行； 列车和车站数据获取模块，用于获取乘客所需等候的最大列车数以及反向车站的 最大数量； 正向候车时间分布模型建立模块，用于根据所述最大列车数和所述正向候车时间 建立正向乘客乘坐不同列车班次的正向候车时间分布模型； 反向时间分布模型建立模块，用于根据所述反向车站的最大数量和所述反向时间 建立反向乘客选择不同反向车站的反向时间分布模型； 联合后验概率计算模块，用于采用贝叶斯模型分别对所述乘客选择行为模型、所 述正向候车时间分布模型和所述反向时间分布模型中参数的联合后验概率进行计算，分别 得到每个模型参数的联合后验概率； 参数估计模块，用于采用NUTS算法对所述联合后验概率的参数进行估计，得到参 数估计值； 识别模块，用于根据所述参数估计值进行反向乘客识别、反向乘客的反向车站和 乘车班次识别以及正向乘客的乘车班次识别，得到识别结果。 可选的，所述乘客选择行为模型建立模块，具体包括： 9 CN 111582750 A 说　明　书 4/18 页 乘客选择行为模型建立单元，用于根据如下公式建立乘客选择行为模型： 式中， 表示乘客z属于正向乘客的概率， 表示乘客z 属于反向乘客的概率，NP表示所有正向乘客集合，TBP表示所有反向乘客集合， 表示 选择路径r的乘客z在起点站o的候车时间， 分别表示选择路径r的正向乘 客在起点站o的正向候车时间的平均值、标准差和权重； 分别表示选择路 径r的反向乘客在起点站o的反向时间的平均值、标准差和权重。 可选的， 所述正向候车时间分布模型建立模块，具体包括： 正向候车时间分布模型建立单元，用于根据如下公式建立所述正向候车时间分布 模型： 式中， 表示选择路径r的乘客z在起点站o所需等候的最大列车数， 表 示 所 有 正 向 候 车 时 间 分 布 的 概 率 密 度 函 数 ， 表示正向乘客等待第i辆地铁的候车时间的权重向量； 和 分别表示正向乘客等待第 i辆地铁的正向候车时间的平均值和标准差； 反向时间分布模型建立模块，具体包括： 反向时间分布模型建立单元，用于根据如下公式建立反向时间分布模型： 式中， 表示所有反向时间分布的概率密度函数， 表示 反向车站的最大数量， 表示反向乘客在起点站o和包含路径r上的反向车站 之间的 平均反向时间； 表示反向乘客在选择第j个反向车站反向时间的 权重向量； 和 分别代表反向乘客在选 择第j个反向车站反向时间的平均值和标准差。 10 CN 111582750 A 说　明　书 5/18 页 可选的，所述联合后验概率计算模块，具体包括： 联合后验概率初始表达式生成单元，用于将所述正向候车时间作为观测数据，将 正向乘客乘坐不同班次列车正向候车时间的概率分布函数作为似然函数，根据贝叶斯公式 得到正向候车时间分布模型参数的联合后验概率初始表达式； 联合先验概率函数确定单元，用于根据正向乘客等待第i辆地铁的正向候车时间 的平均值、标准差和权重向量确定参数的联合先验概率函数； 乘客正向候车时间概率计算单元，用于根据选择路径r的正向乘客在起点站o的候 车时间的平均值、标准差和权重计算乘客正向候车时间的概率； 观测数据的似然函数确定单元，用于根据所述观测数据确定所述观测数据的似然 函数； 参数联合后验概率生成单元，用于根据所述联合后验概率初始表达式、所述联合 先验概率函数、所述乘客正向候车时间的概率和所述观测数据的似然函数确定实际的参数 联合后验概率。 可选的，所述系统，还包括： 排队时间和满载率计算模块，用于根据所述识别结果计算各车站排队时间和各乘 车区间的满载率。 与现有技术相比，本发明的有益效果是： 本发明提出了一种轨道交通反向乘客识别及乘车班次确定方法及系统，获取自动 售验票系统AFC的乘车数据，确定乘客候车时间；根据乘客候车时间建立乘客选择行为模 型，考虑了正向出行和反向出行两种情况；根据最大列车数和正向乘客候车时间建立正向 候车时间分布模型；根据反向车站的最大数量和反向时间建立反向时间分布模型；采用贝 叶斯模型对三种模型中参数的联合后验概率进行计算，得到每个模型参数的联合后验概 率，采用NUTS算法分别对每个参数联合后验概率中的参数进行估计，得到参数估计值；根据 参数估计值进行反向乘客识别、反向乘客的反向车站和乘车班次识别以及正向乘客的乘车 班次识别，本发明同时考虑了正向乘客和反向乘客，能够为高峰限流和运力资源配置提供 更精准、合理的依据，同时，基于贝叶斯模型并结合NUTS算法对模型中的参数进行估计，具 有能够提高计算速度，减小计算误差的优点。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图 获得其他的附图。 图1为本发明实施例中轨道交通反向乘客识别及乘车班次确定方法流程图； 图2为本发明实施例中目标站信息图； 图3为本发明实施例中地铁网络乘客时空过程图解示意图； 图4为本发明实施例中单个乘客两阶段选择行为图； 图5为本发明实施例中2018年9月早高峰时段以沙河为始发站模型结果图； 图6为本发明实施例中2018年9月早高峰时段以沙河高教园为始发站的模型结果 11 CN 111582750 A 说　明　书 6/18 页 图； 图7为本发明实施例中昌平线上各个车站在2018年9月的平均进站人数图； 图8为本发明实施例中早高峰各个车站的乘客的平均候车时间图； 图9为本发明实施例中早高峰期间昌平线留乘乘客数量图； 图10为本发明实施例中方法流程示意图； 图11为本发明实施例中轨道交通反向乘客识别及乘车班次确定系统结构图。