(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111396978.0 (22)申请日 2021.11.23 (65)同一申请的已公布的文献号 申请公布号 CN 114091757 A (43)申请公布日 2022.02.25 (73)专利权人 成都智元汇信息技 术股份有限公 司 地址 610000 四川省成 都市中国 （四川） 自 由贸易试验区成都 高新区吉泰五路88 号3栋26层1号 (72)发明人 严军　刘鹏　邓波　邓秋雄　 饶龙强　张利　郭鹏　拜正斌　 (74)专利代理 机构 成都蓉创智汇知识产权代理 有限公司 51276 专利代理师 赵雷(51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) (56)对比文件 CN 108573 604 A,2018.09.25 CN 110675032 A,2020.01.10 CN 112036670 A,2020.12.04 CN 101350113 A,2009.01.21 CN 110084442 A,2019.08.02 JP 201420 6829 A,2014.10.3 0 CN 111898863 A,2020.1 1.06 汤银英.基 于SARIMA模型的铁路月度客 运量 预测. 《交通 运输工程与信息学报》 .2019,第25 - 32页. 审查员 张静 (54)发明名称 基于客流分析预测的公交、 地铁智能调度方 法 (57)摘要 本发明公开了基于客流分析预测的公交、 地 铁智能调度方法， 具体包括以下步骤： S1、 将当日 T均匀划分为多个时间段， 统计当日T每个时间段 的公共交通历史客流数据； S2、 将所述 当日T每个 时间段的公共交通历史客流数据输入至预测模 型， 获得T+1日每个时间段的公共交通预测客流 数据； S3、 获取站点N在时间段(t1,t2)内的公共 交通预测客流总数N1， 所述时间段(t1,t2)包括 一个或多个所述时间段； S4、 获得站点N在时间段 (t1,t2)的运力N2； S5、 进行运力匹配； S6、 根据p 值增加站点N的运力。 S7、 根据p值减少站点N的运 力。 本发明通过科学的客流预测， 若当前站点N为 公交站点， 则寻求附近地铁站点， 若当前站点N为 地铁站点， 通过公交调度协助地铁运营 管理。 权利要求书2页 说明书5页 附图3页 CN 114091757 B 2022.11.08 CN 114091757 B 1.基于客 流分析预测的公交、 地铁智能调度方法， 其特 征在于， 具体包括以下步骤： S1、 将当日T均匀 划分为多个时间段， 统计当日T每 个时间段的公共交通历史客 流数据； S2、 将所述当日T每个时间段的公共交通历史客流数据输入至预测模型， 获得T+1日每 个时间段的公共交通预测客 流数据； S3、 根据所述T+1日每个时间段的公共 交通预测客流数据， 获取站点N在时间段(t1,t2) 内的公共交通预测客 流总数N1， 所述时间段(t1,t 2)包括一个或多个所述时间段； S4、 获得站点 N在时间段(t1,t 2)的运力N2； S5、 进行运力匹配： 判断客流总数N1和运力N2的比值P： N1/N2＝P与预设阈值的大小， 若 P值大于等于所述预设阈值， 则判定站点N在时间段(t1,t2)为超负荷状态， 转步骤S6， 若P值 小于所述预设阈值， 则判定站点 N在时间段(t1,t 2)为轻负荷状态， 转 步骤S7； S6、 根据p值增 加站点N的运力； S7、 根据p值减少站点 N的运力： 若当前站点 N为公交站点， 则寻 求附近地铁站点， 具体包括以下步骤： Sb01、 获取站点 N附近的地铁站点Mi(i ＝1,2,…,la)； Sb02、 对每 个地铁站点Mi进行运力匹配， 获得 轻负荷状态的地铁站点； Sb03： 获取站点 N的OD比例， 获取站点 N到每个目的站dest1, …,destm的概 率； Sb04、 根据站点N到每个目的站dest1, …,destm， 判断是否存在以轻负荷状态的地铁站 点为起点， 以目的站dest1, …,destm为终点的地铁线路， 若存在， 将相应轻负荷状态的地铁 站点标记为di(i ＝1,…,k),则转 步骤Sb05； Sb05： 根据地铁站点di的p值与站点N到每个目的站dest1, …,destm的概率， 分配站点N 的客流至地铁站点di(i ＝1,…,k)； 若当前站点 N为地铁站点， 则寻 求附近公交站点， 具体包括以下步骤： Sb11： 获取站点 N附近的公交站点Ci(i ＝1,2,…,lb)； Sb12： 对每 个公交站点Ci进行运力匹配， 获得 轻负荷状态的公交站点； Sb13： 获取站点 N的OD比例， 获取站点 N到每个目的站dest1, …,destm的概 率； Sb14、 根据站点N到每个目的站dest1, …,destm， 判断是否存在以轻负荷状态的公交站 点为起点， 以目的站dest1, …,destm为终点的公交线路， 若存在， 将相应轻负荷状态的公交 站点标记为gi(i ＝1,…,k),则转 步骤Sb15； Sb15： 根据公交站点gi的p值与站点N到每个目的站dest1, …,destm的概率， 分配站点N 的客流至公交站点gi(i ＝1,…,k)。 2.根据权利要求1所述的基于客流分析预测的公交、 地铁智能调度方法， 其特征在于， 所述公共交通历史客 流数据为： 公交历史客 流数据： 每个公交站BUS_START在每 个时间段内到目的公交站BUS_END的乘车 人数； 每个公交站BUS_START在每 个时间段内的乘车 人数； 地铁历史客 流数据： 每个地铁站点M ETRO_START在每 个时间段内到目的地铁站M ETRO_END的乘车 人数； 每个地铁站M ETRO_START在每 个时间段内的乘车 人数； 公交运行时长统计：权　利　要　求　书 1/2 页 2 CN 114091757 B 2公交线路在每 个时间段内从始发站到 达目的公交站花费的时长road_cost。 3.根据权利要求2所述的基于客流分析预测的公交、 地铁智能调度方法， 其特征在于， 所述步骤S6还 包括： Sa： 判断当前站点的线路是否可以增加运力， 若可以， 则转步骤Sb,若不可以， 转在步骤 Sc； Sb： 当增加站点N的运力至N1 ’， 更新站点N的运力并再次进行运力匹配， 判断客流总数 N1和运力N1 ’的比值P’： N1/N1’＝P’与预设阈值的大小， 若P ’值大于等于所述预设阈值， 则 判定站点 N在时间段(t1,t 2)为超负荷状态； Sc： 寻求附近可协助站点。 4.根据权利要求1所述的基于客流分析预测的公交、 地铁智能调度方法， 其特征在于， 所述站点 N的运力为经 过该站点N的一个或多个线路的运力总和。 5.根据权利要求1所述的基于客流分析预测的公交、 地铁智能调度方法， 其特征在于， 所述站点N到每个目的站dest1, …,destm的概率， 概率越大， 分配至相应轻负荷状态的地铁 站点的客 流人数就越多。 6.根据权利要求1所述的基于客流分析预测的公交、 地铁智能调度方法， 其特征在于， 所述站点N到每个目的站dest1, …,destm的概率， 概率越大， 分配至相应轻负荷状态的公交 站点的客 流人数就越多。 7.根据权利要求1所述的基于客流分析预测的公交、 地铁智能调度方法， 其特征在于， 所述步骤S2具体包括以下步骤： 根据所述公共交通历史客流数据， 获取公共交通历史客流数据的自相关和偏自相关 图， 并获得SARIMA模型的最优参数， 获得最优参数的SARIMA模型。 8.根据权利要求7所述的基于客流分析预测的公交、 地铁智能调度方法， 其特征在于， 判断训练完成的SARIMA模 型的残差是否相关且零均值的正态分布， 若SARIMA模 型残差是相 关的， 且呈非零均值 正态分布， 则进一 步训练模型。权　利　要　求　书 2/2 页 3 CN 114091757 B 3