文：李亞軍、李昱見、秦義展|鄭州地鐵集團有限公司

本文闡述了基于大數(shù)據(jù)和人工智能技術的鄭州地鐵客流智能預測系統(tǒng)的建設思路和架構，探討了基于大數(shù)據(jù)、人工智能技術在軌道交通行業(yè)的應用。通過對大數(shù)據(jù)及人工智能技術在客流預測領域的應用分析，得出大數(shù)據(jù)、人工智能技術能充分考慮客流影響因素數(shù)據(jù)，并能實現(xiàn)模型的自我學習和自我優(yōu)化，提升客流預測模型的運行效率和預測準確率的結論。

鄭州地鐵集團自1號線開通以來，積累了各類業(yè)務、結構化和非結構化數(shù)據(jù)。其中，一體化管理信息平臺2015年上線以來，積累了大量的工程合同、物資資產、企管審批、工程建設安全監(jiān)控視頻、線路運營維護各專業(yè)相關視頻等數(shù)據(jù)。當前的數(shù)據(jù)應用以在系統(tǒng)自身內部面向報表分析為主，對于視頻類數(shù)據(jù)也缺乏人工智能和有效的數(shù)據(jù)分析工具。

一、客流大數(shù)據(jù)分析規(guī)劃

實現(xiàn)客流主題的大數(shù)據(jù)分析應用，以結果和目標為導向，利用數(shù)據(jù)建模和挖掘分析，本項目內分階段完成，要求切實顯著助力運營分公司降低鄭州地鐵網絡化運營下的大客流管理成本、應急壓力和處置風險。實現(xiàn)站、線、網的客流動態(tài)展示和綜合查詢，為車站服務人員提供更合理調配建議，輔助優(yōu)化完善行車計劃，向商易行APP推送（大數(shù)據(jù)分析結果）服務，為乘客提供擁擠度等實時地鐵信息。實現(xiàn)站、線、網的客流預警，結合應急預案，提前準備，提前動作，提升應急水平，決策和調度心中有“數(shù)”，降低站務中心服務人員工作壓力和人員成本。

（一）客流預測系統(tǒng)

鄭州地鐵客流預測系統(tǒng)（圖1）構建完整的底層的數(shù)據(jù)采集，包括AFC數(shù)據(jù)、標簽數(shù)據(jù)、城市大腦數(shù)據(jù)等。預測功能能夠實現(xiàn)短時客流預測、短期客流預測、特殊日期客流預測、突發(fā)事件客流預測、新線開通既有線路客流預測。

系統(tǒng)輸入：AFC實時客流數(shù)據(jù)；信號系統(tǒng)列車到離站數(shù)據(jù)；線網客流分析系統(tǒng)數(shù)據(jù)；城市大腦數(shù)據(jù)；天氣等標簽數(shù)據(jù)；

圖1 鄭州地鐵客流預測系統(tǒng)構架

圖2 機器學習算法示意

系統(tǒng)輸出：五類大客流需求數(shù)據(jù)（線網/線路/車站客流、進站客流、出站客流、斷面客流、OD客流、客運量、換乘量。

（二）機器學習算法

機器學習算法（圖2）是整套智能客流分析預測系統(tǒng)的核心樞紐，是實現(xiàn)客流預測模型自我學習、自我優(yōu)化的關鍵技術。機器學習算法包括時間序列（RAIMA）、長短期記憶網絡（LSTM）、深度神經網絡（DNN）、XGBoost、支持向量機（SVM）、隨機森林和梯度提升樹（RF-GBRT）等。

二、客流預測推演

（一）客流短時時空態(tài)勢推演系統(tǒng)

客流短時時空態(tài)勢推演具備研判線網/線路/車站不同維度、不同時間段、不同區(qū)域的客流分布狀況的能力。

客流短時時空態(tài)勢推演以當日的實時交易明細以及其它輔助數(shù)據(jù)（如視頻分析數(shù)據(jù)等）客流數(shù)據(jù)為基礎，在對線網/線路/車站歷史客流量規(guī)律挖掘的基礎上，對實時線網/線路/車站客流數(shù)據(jù)進行準確性判斷與校正，作為客流數(shù)據(jù)時空態(tài)勢推演的依據(jù)?；趯Σ煌掌陬愋偷目土饕?guī)律推演模型，高效的客流分配模型與算法、ATS運行圖數(shù)據(jù)和乘客出行特征參數(shù)，實現(xiàn)短時客流時空態(tài)勢推演，生成不同維度、時間粒度短時狀態(tài)推演結果。

（二）可預知大客流情況下客流短時時空態(tài)勢推演

可預知大客流情況下客流時空態(tài)勢推演指定大客流發(fā)生的時間和地點以及客流量大小，加載大客流情況下客流時空態(tài)勢推演模型，通過實時/短時客流數(shù)據(jù)，對大客流事件影響的時間范圍、空間范圍進行推演，以實現(xiàn)更為準確的客流時空態(tài)勢推演。

（三）特殊日客流短時時空態(tài)勢推演

特殊日期客流短時時空態(tài)勢推演在線網條件穩(wěn)定的情況下，根據(jù)歷史客流的變化規(guī)律、運營人員的調度經驗總結，運用模型計算，總結出多種特殊日期客流曲線和對應的統(tǒng)計指標。不同屬性特殊日期匹配于其對應的特殊日期客流時空態(tài)勢推演模型。

節(jié)假日大客流預測需求主要包括元旦、春節(jié)、清明、五一、端午、中秋、國慶等一系列節(jié)假日期間的客流預測需求；極端天氣下的客流預測需求主要包括雨天、雪天、臺風、其他極端天氣等一系列極端天氣下的客流預測需求；大型活動主要包括鄭州市主要大型場館舉辦的展會、體育賽事、演唱會等大型活動，這類活動具有確定的發(fā)生時間范圍和吸引客流量。

特殊日期客流預測是以歷史客流數(shù)據(jù)為依據(jù)，結合大客流事件發(fā)生的時間、地點、客流大小等實際情況，在充分挖掘歷史OD數(shù)據(jù)規(guī)律或同類型節(jié)假日、極端天氣、大型活動基礎上，預測大客流發(fā)生后軌道交通線網站間OD量，并通過客流分配模型快速實現(xiàn)預測OD量在全網的分布，大客流預測的預測結果主要包括各線路區(qū)間斷面流量、換乘站點換乘量、累計客運量等，為線網大型活動運力配置計劃、客運組織等業(yè)務提供支持。

三、模型自我學習

隨著線網規(guī)模的不斷擴大，線路及車站可達性的逐步增加，同時城市軌道交通出行安全、便捷、準時等特征，促使越來越多的城市居民會轉向選擇地鐵出行，導致城市軌道交通的客流會越來越大；同時，城市軌道交通客流受到極端天氣、節(jié)假日、大型活動、疫情等眾多已知或未知的因素影響，使得客流預測模型（圖3）須不斷進行優(yōu)化和更新，導致需要有專人不定期的對模型進行維護，既降低了效率也影響了時效性。

機器學習和深度學習等人工智能算法的出現(xiàn)與應用，促使客流預測模型能充分運用機器學習算法的自我學習、自我優(yōu)化能力，客流預測模型每天會根據(jù)既定規(guī)則自動進行識別和判斷，在出現(xiàn)客流持續(xù)增長、外部影響因素發(fā)生改變的情況下，客流預測模型及時進行自我訓練，修正模型輸入數(shù)據(jù)、優(yōu)化模型自識別參數(shù)，提高模型預測準確率和精準度。

圖3 客流智能預測模型

（一）客流智能預測模型規(guī)劃

根據(jù)客流智能預測模型在大數(shù)據(jù)云平臺及人工智能平臺的基礎上建設，模型需要實現(xiàn)AFC客流數(shù)據(jù)、視頻識別數(shù)據(jù)、手機信令數(shù)據(jù)等多源數(shù)據(jù)融合輸入，個人乘客畫像數(shù)據(jù)和外部影響因素標簽數(shù)據(jù)的輔助輸入，并建立單場景多模型的自動判斷和選擇，并實現(xiàn)對預測結果的自我優(yōu)化和管理、以及客流預測的及時性和實時性，切實為運營、調度、站務提供強有力的數(shù)據(jù)支撐，實現(xiàn)以數(shù)據(jù)為依據(jù)的應急預案推送、客流組織調整、行車方案調整，節(jié)約成本、增加效益，客流智能預測模型將做出如下優(yōu)化：

1.建立統(tǒng)一的影響因素標簽體系，并進行單標簽因素分析和組合標簽因素分析，確定規(guī)則，實現(xiàn)標簽數(shù)據(jù)作為模型輸入數(shù)據(jù)的自我更新和調整；

2.建立個人出行特征畫像，充分分析個人每天、每周、每月不同時間段（早高峰、平峰、晚高峰等）的出行特征及路徑，分析乘客在工作日、周末、節(jié)假日等時間段內的出行特征等，形成分析規(guī)則，實現(xiàn)乘客畫像數(shù)據(jù)作為模型輸入數(shù)據(jù)的自我更新和調整；

3.深化機器學習算法和深度學習算法在客流預測中的應用，采用多種算法融合建模、多類模型綜合預測的方式，并采用人工智能方法，實現(xiàn)客流預測模型的智能化、自動化、精細化，全面提升預測效果和實際應用效果。

（二）實現(xiàn)和部分應用效果分析

鄭州地鐵創(chuàng)新實踐了數(shù)據(jù)融合，數(shù)據(jù)賦能，自主學習，預測預警，輔助應急，輔助科學新線規(guī)劃，優(yōu)化網絡化運營，為鄭州市公共交通設計優(yōu)化，出行安全，客運組織提供了有力的輔助決策依據(jù)。

1.數(shù)據(jù)融合：多源異構數(shù)據(jù)(AFC刷卡/天氣/活動/事件等)實時接入融合分析；

2.自我學習、自我修正：每日運營完成后，模型自動對比預測結果與實際客流，通過自學習更新OD規(guī)律，根據(jù)實際客流與預測結果的差異修正預測模型，應用于下一次客流預測中。

3.客流動態(tài)預警：通過閾值預警，為面向站務中心提供當前和未來的所有客流風險點進行實時監(jiān)測和動態(tài)預警信息，以便有針對性進行客運組織，避免安全事故的發(fā)生，保障運營安全。

圖4 乘客個性化信息服務系統(tǒng)

4.輔助決策：模型通過歷史仿真評估分析為突發(fā)事件應急處置預案的制定和優(yōu)化提供可靠依據(jù)，通過實時評估分析為突發(fā)事件的應急處置提供即時決策支持。

圖5 站內客流風險評估流程

（三）主要功能

1.多場景客流預測預警功能

通過對歷史客流數(shù)據(jù)的分析和挖掘，結合氣象數(shù)據(jù)、運營突發(fā)事件數(shù)據(jù)、大型活動數(shù)據(jù)等對客流的影響權重分析，基于機器學習算法建立短時客流預測、短期客流預測、節(jié)假日客流預測、大型活動客流預測、突發(fā)事件客流預測、下一年客流預測、春運客流預測、新線接入既有線路客流預測等模型及客流預警模型，準實時推送斷面客流量、斷面滿載率、客流預警信息，實現(xiàn)站、線、網的客流動態(tài)展示和綜合查詢，為車站服務人員提供更合理調配建議，輔助優(yōu)化完善行車計劃，向商易行APP推送（大數(shù)據(jù)分析結果）服務，為乘客提供擁擠度等實時地鐵信息。

2.乘客出行特征分析功能

乘客個性化信息服務系統(tǒng)（圖4）通過乘歷史乘車記錄分析乘客個體出行規(guī)律和特征，建立乘客畫像數(shù)據(jù)庫，通過動態(tài)仿真推演，實現(xiàn)常旅客的出行過程追蹤，構建乘客個性化信息服務系統(tǒng)，實現(xiàn)精準信息推行服務。

3.站內客流風險評估

站內客流風險評估（圖5）結合車站平面圖和站內客流預測數(shù)據(jù)，綜合展示客流在站內每個點位的分布情況，同時可以清晰而快捷的定位站內風險區(qū)域，以便快速做出反應，確保更高的乘車安全和更優(yōu)的乘客服務體驗。

4.應急事件快速獲取

線路、車站、場段，各業(yè)務人員通過移動終端隨時隨地及時上傳圖片、視頻等運營突發(fā)事件，通過大數(shù)據(jù)平臺加工分析，及時推送相關運營管理人員，快速決策提供重要依據(jù)。

5.乘車安數(shù)據(jù)服務

學生使用學生卡在地鐵站的進出站閘機刷卡后，產生刷卡數(shù)據(jù)（地鐵站點信息、線路，刷卡時間，金額，卡號等），地鐵公司服務端將接收到的刷卡數(shù)據(jù)發(fā)送到區(qū)塊鏈上鏈服務端，對數(shù)據(jù)進行加密并上傳到愛家校服務端接收到數(shù)據(jù)上鏈信息，向家長手機推送通知。

6.城市大腦數(shù)據(jù)服務

鄭州城市大腦-智慧交通板塊中交通運行狀態(tài)一體化監(jiān)測平臺，提供實時地鐵線路站點信息、線路班次信息、班次到站時間信息、軌道交通IC刷卡入站實時數(shù)據(jù)、軌道交通IC刷卡出站實時數(shù)據(jù)。

通過基于大數(shù)據(jù)及人工智能技術的客流智能預測建設，實現(xiàn)了多源數(shù)據(jù)融合輸入、運營日標簽體系、乘客畫像數(shù)據(jù)的整合，實現(xiàn)了城市軌道交通客流的智能預測、實時預測，將專家經驗和機器學習、人工智能的完美結合，降低了運維成本，降低人工成本，提升運營生產力。