基于大数据和人工智能技术的地铁客流数据效益挖掘与提升

文：李亚军、李昱见、秦义展|郑州地铁集团有限公司

本文阐述了基于大数据和人工智能技术的郑州地铁客流智能预测系统的建设思路和架构，探讨了基于大数据、人工智能技术在轨道交通行业的应用。通过对大数据及人工智能技术在客流预测领域的应用分析，得出大数据、人工智能技术能充分考虑客流影响因素数据，并能实现模型的自我学习和自我优化，提升客流预测模型的运行效率和预测准确率的结论。

郑州地铁集团自1号线开通以来，积累了各类业务、结构化和非结构化数据。其中，一体化管理信息平台2015年上线以来，积累了大量的工程合同、物资资产、企管审批、工程建设安全监控视频、线路运营维护各专业相关视频等数据。当前的数据应用以在系统自身内部面向报表分析为主，对于视频类数据也缺乏人工智能和有效的数据分析工具。

一、客流大数据分析规划

实现客流主题的大数据分析应用，以结果和目标为导向，利用数据建模和挖掘分析，本项目内分阶段完成，要求切实显著助力运营分公司降低郑州地铁网络化运营下的大客流管理成本、应急压力和处置风险。实现站、线、网的客流动态展示和综合查询，为车站服务人员提供更合理调配建议，辅助优化完善行车计划，向商易行APP推送（大数据分析结果）服务，为乘客提供拥挤度等实时地铁信息。实现站、线、网的客流预警，结合应急预案，提前准备，提前动作，提升应急水平，决策和调度心中有“数”，降低站务中心服务人员工作压力和人员成本。

（一）客流预测系统

郑州地铁客流预测系统（图1）构建完整的底层的数据采集，包括AFC数据、标签数据、城市大脑数据等。预测功能能够实现短时客流预测、短期客流预测、特殊日期客流预测、突发事件客流预测、新线开通既有线路客流预测。

系统输入：AFC实时客流数据；信号系统列车到离站数据；线网客流分析系统数据；城市大脑数据；天气等标签数据；

图1 郑州地铁客流预测系统构架

图2 机器学习算法示意

系统输出：五类大客流需求数据（线网/线路/车站客流、进站客流、出站客流、断面客流、OD客流、客运量、换乘量。

（二）机器学习算法

机器学习算法（图2）是整套智能客流分析预测系统的核心枢纽，是实现客流预测模型自我学习、自我优化的关键技术。机器学习算法包括时间序列（RAIMA）、长短期记忆网络（LSTM）、深度神经网络（DNN）、XGBoost、支持向量机（SVM）、随机森林和梯度提升树（RF-GBRT）等。

二、客流预测推演

（一）客流短时时空态势推演系统

客流短时时空态势推演具备研判线网/线路/车站不同维度、不同时间段、不同区域的客流分布状况的能力。

客流短时时空态势推演以当日的实时交易明细以及其它辅助数据（如视频分析数据等）客流数据为基础，在对线网/线路/车站历史客流量规律挖掘的基础上，对实时线网/线路/车站客流数据进行准确性判断与校正，作为客流数据时空态势推演的依据。基于对不同日期类型的客流规律推演模型，高效的客流分配模型与算法、ATS运行图数据和乘客出行特征参数，实现短时客流时空态势推演，生成不同维度、时间粒度短时状态推演结果。

（二）可预知大客流情况下客流短时时空态势推演

可预知大客流情况下客流时空态势推演指定大客流发生的时间和地点以及客流量大小，加载大客流情况下客流时空态势推演模型，通过实时/短时客流数据，对大客流事件影响的时间范围、空间范围进行推演，以实现更为准确的客流时空态势推演。

（三）特殊日客流短时时空态势推演

特殊日期客流短时时空态势推演在线网条件稳定的情况下，根据历史客流的变化规律、运营人员的调度经验总结，运用模型计算，总结出多种特殊日期客流曲线和对应的统计指标。不同属性特殊日期匹配于其对应的特殊日期客流时空态势推演模型。

节假日大客流预测需求主要包括元旦、春节、清明、五一、端午、中秋、国庆等一系列节假日期间的客流预测需求；极端天气下的客流预测需求主要包括雨天、雪天、台风、其他极端天气等一系列极端天气下的客流预测需求；大型活动主要包括郑州市主要大型场馆举办的展会、体育赛事、演唱会等大型活动，这类活动具有确定的发生时间范围和吸引客流量。

特殊日期客流预测是以历史客流数据为依据，结合大客流事件发生的时间、地点、客流大小等实际情况，在充分挖掘历史OD数据规律或同类型节假日、极端天气、大型活动基础上，预测大客流发生后轨道交通线网站间OD量，并通过客流分配模型快速实现预测OD量在全网的分布，大客流预测的预测结果主要包括各线路区间断面流量、换乘站点换乘量、累计客运量等，为线网大型活动运力配置计划、客运组织等业务提供支持。

三、模型自我学习

随着线网规模的不断扩大，线路及车站可达性的逐步增加，同时城市轨道交通出行安全、便捷、准时等特征，促使越来越多的城市居民会转向选择地铁出行，导致城市轨道交通的客流会越来越大；同时，城市轨道交通客流受到极端天气、节假日、大型活动、疫情等众多已知或未知的因素影响，使得客流预测模型（图3）须不断进行优化和更新，导致需要有专人不定期的对模型进行维护，既降低了效率也影响了时效性。

机器学习和深度学习等人工智能算法的出现与应用，促使客流预测模型能充分运用机器学习算法的自我学习、自我优化能力，客流预测模型每天会根据既定规则自动进行识别和判断，在出现客流持续增长、外部影响因素发生改变的情况下，客流预测模型及时进行自我训练，修正模型输入数据、优化模型自识别参数，提高模型预测准确率和精准度。

图3 客流智能预测模型

（一）客流智能预测模型规划

根据客流智能预测模型在大数据云平台及人工智能平台的基础上建设，模型需要实现AFC客流数据、视频识别数据、手机信令数据等多源数据融合输入，个人乘客画像数据和外部影响因素标签数据的辅助输入，并建立单场景多模型的自动判断和选择，并实现对预测结果的自我优化和管理、以及客流预测的及时性和实时性，切实为运营、调度、站务提供强有力的数据支撑，实现以数据为依据的应急预案推送、客流组织调整、行车方案调整，节约成本、增加效益，客流智能预测模型将做出如下优化：

1.建立统一的影响因素标签体系，并进行单标签因素分析和组合标签因素分析，确定规则，实现标签数据作为模型输入数据的自我更新和调整；

2.建立个人出行特征画像，充分分析个人每天、每周、每月不同时间段（早高峰、平峰、晚高峰等）的出行特征及路径，分析乘客在工作日、周末、节假日等时间段内的出行特征等，形成分析规则，实现乘客画像数据作为模型输入数据的自我更新和调整；

3.深化机器学习算法和深度学习算法在客流预测中的应用，采用多种算法融合建模、多类模型综合预测的方式，并采用人工智能方法，实现客流预测模型的智能化、自动化、精细化，全面提升预测效果和实际应用效果。

（二）实现和部分应用效果分析

郑州地铁创新实践了数据融合，数据赋能，自主学习，预测预警，辅助应急，辅助科学新线规划，优化网络化运营，为郑州市公共交通设计优化，出行安全，客运组织提供了有力的辅助决策依据。

1.数据融合：多源异构数据(AFC刷卡/天气/活动/事件等)实时接入融合分析；

2.自我学习、自我修正：每日运营完成后，模型自动对比预测结果与实际客流，通过自学习更新OD规律，根据实际客流与预测结果的差异修正预测模型，应用于下一次客流预测中。

3.客流动态预警：通过阈值预警，为面向站务中心提供当前和未来的所有客流风险点进行实时监测和动态预警信息，以便有针对性进行客运组织，避免安全事故的发生，保障运营安全。

图4 乘客个性化信息服务系统

4.辅助决策：模型通过历史仿真评估分析为突发事件应急处置预案的制定和优化提供可靠依据，通过实时评估分析为突发事件的应急处置提供即时决策支持。

图5 站内客流风险评估流程

（三）主要功能

1.多场景客流预测预警功能

通过对历史客流数据的分析和挖掘，结合气象数据、运营突发事件数据、大型活动数据等对客流的影响权重分析，基于机器学习算法建立短时客流预测、短期客流预测、节假日客流预测、大型活动客流预测、突发事件客流预测、下一年客流预测、春运客流预测、新线接入既有线路客流预测等模型及客流预警模型，准实时推送断面客流量、断面满载率、客流预警信息，实现站、线、网的客流动态展示和综合查询，为车站服务人员提供更合理调配建议，辅助优化完善行车计划，向商易行APP推送（大数据分析结果）服务，为乘客提供拥挤度等实时地铁信息。

2.乘客出行特征分析功能

乘客个性化信息服务系统（图4）通过乘历史乘车记录分析乘客个体出行规律和特征，建立乘客画像数据库，通过动态仿真推演，实现常旅客的出行过程追踪，构建乘客个性化信息服务系统，实现精准信息推行服务。

3.站内客流风险评估

站内客流风险评估（图5）结合车站平面图和站内客流预测数据，综合展示客流在站内每个点位的分布情况，同时可以清晰而快捷的定位站内风险区域，以便快速做出反应，确保更高的乘车安全和更优的乘客服务体验。

4.应急事件快速获取

线路、车站、场段，各业务人员通过移动终端随时随地及时上传图片、视频等运营突发事件，通过大数据平台加工分析，及时推送相关运营管理人员，快速决策提供重要依据。

5.乘车安数据服务

学生使用学生卡在地铁站的进出站闸机刷卡后，产生刷卡数据（地铁站点信息、线路，刷卡时间，金额，卡号等），地铁公司服务端将接收到的刷卡数据发送到区块链上链服务端，对数据进行加密并上传到爱家校服务端接收到数据上链信息，向家长手机推送通知。

6.城市大脑数据服务

郑州城市大脑-智慧交通板块中交通运行状态一体化监测平台，提供实时地铁线路站点信息、线路班次信息、班次到站时间信息、轨道交通IC刷卡入站实时数据、轨道交通IC刷卡出站实时数据。

通过基于大数据及人工智能技术的客流智能预测建设，实现了多源数据融合输入、运营日标签体系、乘客画像数据的整合，实现了城市轨道交通客流的智能预测、实时预测，将专家经验和机器学习、人工智能的完美结合，降低了运维成本，降低人工成本，提升运营生产力。