铁路客运车站客流监测与预警系统

李永; 孟歌; 廖凤华; 张军锋; 周星

doi:10.3969/j.issn.1005-8451.2023.01.12

铁路客运车站客流监测与预警系统

1.
中国铁道科学研究院集团有限公司　电子计算技术研究所，北京　100081
2.
中国铁路济南局集团有限公司　客运部，济南　250001

基金项目: 中国铁道科学研究院集团有限公司科研项目（2021YJ191）；京沪高速铁路股份有限公司科技研究项目（京沪科研-2020-2）

详细信息

作者简介:
李　永，高级工程师

孟　歌，助理研究员

中图分类号: U293.13 : TP399
计量
- 文章访问数: 216
- HTML全文浏览量: 120
- PDF下载量: 51
出版历程
- 收稿日期: 2022-07-12
- 刊出日期: 2023-02-02

Passenger flow monitoring and early warning system for railway passenger station

1.
Institute of Computing Technologies, China Academy of Railway Sciences Corporation Limited, Beijing　100081, China
2.
Department of Passenger Transport, China Railway Jinan Group Co. Ltd., Jinan　250001, China

摘要

摘要: 由于缺乏准确的实时客流数据，铁路客运车站的客运组织一直主要依靠经验来调配设备、人员等所需资源。为此，开发了铁路客运车站客流监测与预警系统，通过有效利用铁路客票预售数据、车站历史客流数据、旅客进出站实时数据、列车正晚点数据等相关数据，建立基于K均值聚类的支持向量回归机客流预测模型，实现车站每日进站客流、分时段进站客流、候车室客流的监测、预测及超限预警，方便车站工作人员随时掌握客流动态，及时根据客流变化进行设备和人员动态调配，更加精准、高效、安全、有序地开展车站客运组织作业，有助于改善车站客运服务水平，提升旅客出行体验。
- 铁路客运 /
- 客流监测 /
- 预测与预警 /
- K均值聚类 /
- 支持向量回归机
Abstract: Due to the lack of accurate real-time passenger flow data, passenger traffic organization of railway passenger station has been mainly relying on experience to allocate the equipment, personnel and other required resources. Therefore, the passenger flow monitoring and early warning system for railway passenger station is developed. Through effective use of railway passenger ticket reservation data, historical station passenger flow data, real-time passenger flow data in and out of the station, train delay data and other relevant data, the monitoring, forecasting and over-limit warning of daily passenger flow, time-phased passenger flow of the station and passenger flow in waiting rooms can be realized using a passenger flow prediction support vector regression model based on K-mean clustering, which can facilitate the station staff to grasp the dynamic changes in passenger flow at any time so as to timely deploy the equipment and personnel, thus carrying out the passenger traffic organization operations of the station more accurately, efficiently, safely and orderly, and helping improve the level of passenger service at railway passenger stations and enhancing passenger travel experience.
- railway passenger traffic /
- passenger flow monitoring /
- prediction and early warning /
- K-means /
- SVR

HTML全文

图 1 铁路客运车站客流监测与预警系统架构示意

下载: 全尺寸图片幻灯片

图 2 铁路客运车站客流监测与预警系统功能构成示意

下载: 全尺寸图片幻灯片

图 3 数据抽取、转换、融合与存储流程

下载: 全尺寸图片幻灯片

图 4 客流预测模型处理流程

下载: 全尺寸图片幻灯片

表 1 济南站客流预警级别划分标准

预警级别	预警颜色	进站口客流预测量E （人/台）	候车室客流预测量W （m²/人）
Ⅳ（一般）	蓝色	300$ \leqslant E $<500	1.1$ \leqslant W $
Ⅲ（较重）	黄色	500$ \leqslant E $<1000	0.9$ \leqslant W < 1 $.1
Ⅱ（严重）	橙色	1000$ \leqslant E $<1500	0.7$ \leqslant W < $0.9
Ⅰ（特别严重）	红色	1500$ \leqslant E $	0.7>$ W $
注：依据《铁路旅客运输管理规则》规定，候车厅（室）旅客占用面积标准按1.1～1. 2 m²/人计算。

下载: 导出CSV

参考文献(13)

[1]	朱建生. 铁路新一代客票系统大数据应用创新研究 [J]. 铁路计算机应用,2019,28(4):1-7. DOI: 10.3969/j.issn.1005-8451.2019.04.002
[2]	单杏花,张志强,宁斐,等. 中国铁路电子客票关键技术应用与系统实现 [J]. 中国铁道科学,2021,42(5):162-173. DOI: 10.3969/j.issn.1001-4632.2021.05.19
[3]	郝晓培. 基于大数据的铁路客运用户画像系统研究及应用[D]. 北京: 中国铁道科学研究院, 2018.
[4]	郭淼. 基于支持向量回归的大型客运站客流量预测应用研究 [J]. 铁路计算机应用,2021,30(5):15-18.
[5]	李瑞,吴恒,杨文韬. 基于售票数据的铁路客运站人流量监测预警系统设计 [J]. 铁道运输与经济,2016,38(12):54-58,73.
[6]	阎志远,翁湦元,戴琳琳,等. 铁路客运大数据平台的数据采集技术研究 [J]. 铁路计算机应用,2016,25(9):17-21. DOI: 10.3969/j.issn.1005-8451.2016.09.005
[7]	贾成强,刘婷婷,傅敏,等. 铁路实名制验证检票系统设计与实现 [J]. 铁路技术创新,2012(4):60-62.
[8]	徐承禹,韩旭芳. 旅客列车正晚点实时分析系统的设计与实现 [J]. 铁路计算机应用,2012,21(11):18-21. DOI: 10.3969/j.issn.1005-8451.2012.11.006
[9]	Li S Q, Liu X M, Lin A J. Fractional frequency hybrid model based on EEMD for financial time series forecasting [J]. Communications in Nonlinear Science and Numerical Simulation, 2020(89): 105281. DOI: 10.1016/j.cnsns.2020.105281
[10]	Feng R L, Xu Z H, Wang J J, et al. Research on the closing prediction of shanghai composite index based on grey prediction model [J]. International Core Journal of Engineering, 2019, 5(8): 116-118.
[11]	Abad L A, Sarabia S M, Yuzon J M, et al. A short-term load forecasting algorithm using support vector regression & artificial neural network method (SVR-ANN)[C]//2020 11th IEEE Control and System Graduate Research Colloquium (ICSGRC), 8 August 2020, Shah Alam, Malaysia. New York, USA: IEEE, 2020. 138-143.
[12]	Hu R, Chiu Y C, Hsieh C W, et al. Mass rapid transit system passenger traffic forecast using a Re-sample recurrent neural network [J]. Journal of Advanced Transportation, 2019(2019): 8943291.
[13]	荀超,陈伯建,吴翔宇,等. 基于改进K-means算法的电力短期负荷预测方法研究 [J]. 电力科学与技术学报,2022,37(1):90-95.

施引文献(15)

期刊类型引用(7)

1.	张丽丹. 多网融合背景下都市圈市域(郊)铁路网规划方案评价研究. 铁道标准设计. 2024(04): 27-34 . 百度学术
2.	李然，谭衢霖，王春波，夏宇. 基于GIS和区间直觉模糊集的铁路线网规划评价. 测绘与空间地理信息. 2023(05): 47-54 . 百度学术
3.	吕颖. 都市圈综合轨道交通线网布局评价指标研究. 铁道标准设计. 2021(04): 25-30+35 . 百度学术
4.	申小凡，张博轩，王嘉铭，魏靖轩，刘梦云. 基于GIS与层次-熵灰色模糊的高铁线路地形条件综合评价分析——以北京至西安东西两线为例. 中国设备工程. 2021(13): 138-142 . 百度学术
5.	达成，钱勇生，曾俊伟，许得杰，马智平. 城市轨道交通线网结构评价研究. 铁道运输与经济. 2020(02): 122-127+134 . 百度学术
6.	陈小龙. 基于模糊综合评价的城市轨道交通线网规划方案评价研究. 智能建筑与智慧城市. 2019(01): 82-84 . 百度学术
7.	夏宇，谭衢霖，蔡小培，秦晓春. 基于Civil 3D部件编辑器的铁路BIM部件模型构建研究. 铁路计算机应用. 2019(06): 30-35 . 本站查看