城市軌道交通車站客流風(fēng)險(xiǎn)狀態(tài)預(yù)測(cè)方法

王月玥，孫琦

（北京軌道交通路網(wǎng)管理有限公司，北京 100101）

0 引言

作為軌道交通與城市生活交融的載體和線路之間的中轉(zhuǎn)節(jié)點(diǎn)，車站具有吸引、聚集、轉(zhuǎn)換、疏散客流的特殊功能。大規(guī)?？土魇菍?duì)北京軌道交通車站運(yùn)營(yíng)的考驗(yàn)，也是車站重要性的集中體現(xiàn)。近年來(lái)，隨著軌道交通路網(wǎng)規(guī)模不斷擴(kuò)大，車站尤其是作為換乘節(jié)點(diǎn)的車站客流壓力不斷增加，部分車站通道、樓扶梯、站臺(tái)等區(qū)域擁擠，存在一定的擁擠踩踏風(fēng)險(xiǎn)。為更準(zhǔn)確、科學(xué)地掌握車站大客流產(chǎn)生的擁擠風(fēng)險(xiǎn)，北京市軌道交通指揮中心（簡(jiǎn)稱指揮中心）從2015年起每年開展車站大客流風(fēng)險(xiǎn)調(diào)查工作，2019年共排查出風(fēng)險(xiǎn)點(diǎn)位431個(gè)［1］，這些點(diǎn)位風(fēng)險(xiǎn)狀態(tài)需要每日實(shí)時(shí)監(jiān)控，開展風(fēng)險(xiǎn)預(yù)警。但是，僅依靠1年1次的調(diào)查數(shù)據(jù)不能反映風(fēng)險(xiǎn)點(diǎn)位在不同客流量水平下的風(fēng)險(xiǎn)狀態(tài)，需要進(jìn)行客流風(fēng)險(xiǎn)狀態(tài)預(yù)測(cè)，以獲取未調(diào)查的日期及時(shí)段的風(fēng)險(xiǎn)指標(biāo)數(shù)據(jù)。

對(duì)國(guó)內(nèi)外相關(guān)研究現(xiàn)狀分析，在軌道交通車站風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警方面，文獻(xiàn)［2］開展了基于視頻檢測(cè)的客流信息提取、客流信息分析與短時(shí)預(yù)測(cè)、擁擠踩踏風(fēng)險(xiǎn)評(píng)估、擁擠踩踏預(yù)警決策及措施制定等工作；文獻(xiàn)［3］基于視頻分析結(jié)果，提出了針對(duì)站內(nèi)服務(wù)區(qū)和走行區(qū)等不同區(qū)域的客流密度告警閾值設(shè)定方法，但上述研究成果的實(shí)施均依賴車站內(nèi)CCTV實(shí)時(shí)監(jiān)控點(diǎn)位的完善覆蓋，以及視頻圖像智能分析的算法精度，工程成本較高；文獻(xiàn)［4］在車站客流風(fēng)險(xiǎn)預(yù)測(cè)方面，進(jìn)行部分車站安全風(fēng)險(xiǎn)預(yù)測(cè)研究，主要側(cè)重客流量指標(biāo)（進(jìn)站量、換乘量、OD量等）的預(yù)測(cè)，用客流量指標(biāo)表征車站客流風(fēng)險(xiǎn)水平，但并沒有考慮車站承載能力，無(wú)法準(zhǔn)確體現(xiàn)站內(nèi)風(fēng)險(xiǎn)狀態(tài)；針對(duì)站內(nèi)客流與擁擠風(fēng)險(xiǎn)關(guān)系；文獻(xiàn)［5］進(jìn)行了軌道交通車站客流承載能力的評(píng)估與仿真研究，為探討乘客、行車組織、車站運(yùn)營(yíng)環(huán)境和管理之間的關(guān)系提供理論基礎(chǔ)；文獻(xiàn)［6］研究車站站臺(tái)聚集人數(shù)計(jì)算方法，但是沒考慮列車滿載率對(duì)站臺(tái)滯留人數(shù)的影響；文獻(xiàn)［7］進(jìn)行車站內(nèi)樓梯客流交通特征的數(shù)據(jù)擬合分析；文獻(xiàn)［8］分析得出乘客在不同設(shè)施處的速度、密度分布規(guī)律和擬合關(guān)系，證實(shí)了高密度人群運(yùn)動(dòng)具有很強(qiáng)的流體運(yùn)動(dòng)特性，為后續(xù)建立車站客流分布模型提供了數(shù)據(jù)支撐；文獻(xiàn)［9］建立車站關(guān)鍵設(shè)施連接拓?fù)渚W(wǎng)模型，提出基于動(dòng)態(tài)云模型的設(shè)施服務(wù)水平評(píng)價(jià)理論，但是模型處理過程計(jì)算量大，參數(shù)配置復(fù)雜，生產(chǎn)應(yīng)用難度較大。

結(jié)合車站物理空間條件，進(jìn)行客流擁擠風(fēng)險(xiǎn)評(píng)估，提出針對(duì)車站客流風(fēng)險(xiǎn)狀態(tài)的預(yù)測(cè)方法，支撐對(duì)預(yù)測(cè)客流在車站內(nèi)部分布后車站風(fēng)險(xiǎn)點(diǎn)位的識(shí)別，并闡述該方法在生產(chǎn)中應(yīng)用的方案。

1 預(yù)測(cè)目標(biāo)及技術(shù)路線

1.1 目標(biāo)

根據(jù)乘客在車站走行全流線分析，以下6類點(diǎn)位易發(fā)生擁擠聚集風(fēng)險(xiǎn)：站外限流、人物同檢、樓梯通行、通道通行、樓扶梯前或站內(nèi)限流（聚集）、站臺(tái)乘降。指揮中心每年采用現(xiàn)場(chǎng)人工調(diào)查的方式，針對(duì)上述重點(diǎn)區(qū)域進(jìn)行點(diǎn)位風(fēng)險(xiǎn)指標(biāo)數(shù)據(jù)采集，每個(gè)點(diǎn)位每年至少調(diào)查1~5次，每年可獲取調(diào)查樣本數(shù)據(jù)約10萬(wàn)組。

因此，如何基于有限的調(diào)查數(shù)據(jù)樣本，通過建立車站客流風(fēng)險(xiǎn)預(yù)測(cè)模型，實(shí)現(xiàn)6類點(diǎn)位全日期、全時(shí)段的風(fēng)險(xiǎn)指標(biāo)數(shù)值和風(fēng)險(xiǎn)等級(jí)狀態(tài)預(yù)測(cè)，是城市軌道交通車站客流風(fēng)險(xiǎn)狀態(tài)預(yù)測(cè)的主要目標(biāo)。

1.2 技術(shù)路線

以“點(diǎn)位所承擔(dān)的客流量越大，點(diǎn)位的風(fēng)險(xiǎn)等級(jí)越高”為基本思想，根據(jù)分析點(diǎn)位客流風(fēng)險(xiǎn)成因，逐類點(diǎn)位建立客流風(fēng)險(xiǎn)指標(biāo)與客流量指標(biāo)的關(guān)聯(lián)關(guān)系，即每類點(diǎn)位的客流風(fēng)險(xiǎn)預(yù)測(cè)模型。

其中，點(diǎn)位客流風(fēng)險(xiǎn)指標(biāo)是指描述風(fēng)險(xiǎn)點(diǎn)位乘客聚集程度的指標(biāo)，如排隊(duì)人數(shù)、聚集人數(shù)、通行密度、滯留人數(shù)等；客流量指標(biāo)是指車站分時(shí)的進(jìn)站量、出站量及換乘量。風(fēng)險(xiǎn)指標(biāo)預(yù)測(cè)步驟如下：

第1步：逐個(gè)點(diǎn)位分析客流風(fēng)險(xiǎn)成因，確定與點(diǎn)位風(fēng)險(xiǎn)指標(biāo)最相關(guān)的客流量指標(biāo)或客流量指標(biāo)組合。不同環(huán)節(jié)的點(diǎn)位，承擔(dān)的客流類型不同，比如1個(gè)廳臺(tái)連接處的樓梯，如果主要承擔(dān)出站客流和換乘客流，那么這個(gè)樓梯的風(fēng)險(xiǎn)指標(biāo)與出站量+換乘量這個(gè)客流量指標(biāo)組合最相關(guān)。

第2步：逐個(gè)點(diǎn)位建立基于線性擬合的客流風(fēng)險(xiǎn)預(yù)測(cè)模型。主要選取各環(huán)節(jié)點(diǎn)位的人數(shù)類風(fēng)險(xiǎn)指標(biāo)與客流量指標(biāo)擬合。每個(gè)點(diǎn)位在調(diào)查日會(huì)獲得一套客流風(fēng)險(xiǎn)指標(biāo)，同時(shí)，對(duì)應(yīng)調(diào)查當(dāng)日也有一套基礎(chǔ)的客流量指標(biāo)，通過標(biāo)定模型參數(shù)，進(jìn)行風(fēng)險(xiǎn)指標(biāo)與客流量指標(biāo)擬合，形成兩者的一元線性數(shù)學(xué)關(guān)系模型。

第3步：點(diǎn)位風(fēng)險(xiǎn)預(yù)測(cè)與驗(yàn)證。將預(yù)測(cè)日的客流量指標(biāo)（預(yù)測(cè)的分時(shí)進(jìn)站量、出站量、換乘量）代入到第2步建立的線性預(yù)測(cè)模型中，得到各點(diǎn)位的預(yù)測(cè)風(fēng)險(xiǎn)指標(biāo)。預(yù)測(cè)模型的輸出結(jié)果為各點(diǎn)位1 min粒度風(fēng)險(xiǎn)指標(biāo)數(shù)值，然后基于車站大客流風(fēng)險(xiǎn)評(píng)價(jià)標(biāo)準(zhǔn)［10］判斷點(diǎn)位風(fēng)險(xiǎn)等級(jí)。

2 基于線性擬合的車站客流風(fēng)險(xiǎn)預(yù)測(cè)模型

根據(jù)點(diǎn)位風(fēng)險(xiǎn)成因分析構(gòu)建車站客流風(fēng)險(xiǎn)預(yù)測(cè)模型，包括線性模型自變量和因變量的設(shè)計(jì)，以及模型參數(shù)的設(shè)計(jì)與標(biāo)定，最后，利用調(diào)查的實(shí)際數(shù)據(jù)對(duì)模型的精度及適用性進(jìn)行驗(yàn)證。

2.1 點(diǎn)位風(fēng)險(xiǎn)成因分析

根據(jù)站內(nèi)客運(yùn)組織流線及車站類型（是否為換乘站），具體分析每類點(diǎn)位擁擠區(qū)域的客流主要構(gòu)成。

（1）站外限流：限流區(qū)域的排隊(duì)擁擠主要由進(jìn)站客流構(gòu)成。

（2）人物同檢：安檢區(qū)域的排隊(duì)擁擠主要由進(jìn)站客流構(gòu)成。

（3）樓梯通行：根據(jù)樓梯所在的站內(nèi)位置，非付費(fèi)區(qū)（出入口）樓梯上的通行客流主要由進(jìn)站或出站客流構(gòu)成；付費(fèi)區(qū)廳臺(tái)連接處樓梯或換乘通道內(nèi)樓梯上的通行客流主要由進(jìn)站、出站及換乘3類客流組合構(gòu)成。

（4）通道通行：根據(jù)通道所在的站內(nèi)位置，非付費(fèi)區(qū)（出入口）通道內(nèi)的通行客流主要由進(jìn)站或出站客流構(gòu)成；付費(fèi)區(qū)換乘通道內(nèi)的通行客流主要由換乘客流構(gòu)成，也可能由進(jìn)站、出站及換乘客流組合構(gòu)成。

（5）站內(nèi)聚集：樓扶梯前聚集區(qū)域的客流組成與樓扶梯所在站內(nèi)位置有關(guān)，與對(duì)應(yīng)的樓扶梯承擔(dān)客流類型相同；站內(nèi)限流聚集，包括站廳、通道口、閘機(jī)限流，限流區(qū)域的客流構(gòu)成主要與限流目的有關(guān)，一般為換乘客流。

（6）站臺(tái)滯留：站臺(tái)候車乘客的構(gòu)成主要由進(jìn)站客流或換乘客流組合構(gòu)成。

2.2 預(yù)測(cè)模型構(gòu)建

2.2.1 線性擬合方程自變量及因變量設(shè)計(jì)

構(gòu)建線性預(yù)測(cè)模型y=ax+b，其中，自變量x為客流量指標(biāo)，可為單一指標(biāo)或組合指標(biāo)之和，空間統(tǒng)計(jì)粒度盡量能與客運(yùn)組織流線方向匹配（見表1）；因變量y為客流風(fēng)險(xiǎn)指標(biāo)，不同環(huán)節(jié)的點(diǎn)位均主要選取人數(shù)類指標(biāo)與客流量指標(biāo)擬合（見表2）。

表1 用于擬合建模的客流量指標(biāo)

表2 各環(huán)節(jié)點(diǎn)位用于擬合建模的客流風(fēng)險(xiǎn)指標(biāo)

2.2.2 模型參數(shù)設(shè)計(jì)與標(biāo)定

在擬合時(shí)，首先需要確定2個(gè)客流量指標(biāo)參數(shù)：與調(diào)查時(shí)刻偏移時(shí)間（偏移）、客流量指標(biāo)時(shí)間粒度，然后再確定不同參數(shù)組合下的最優(yōu)擬合結(jié)果。

2.2.2.1 與調(diào)查時(shí)刻偏移時(shí)間

以1個(gè)主要承擔(dān)進(jìn)站客流的廳臺(tái)連接樓梯為例，其在7∶05時(shí)樓梯上的斷面人數(shù)肯定不是7∶05的進(jìn)站量構(gòu)成的，有一定的時(shí)間偏移，但相比于調(diào)查時(shí)刻提前多久的進(jìn)站量與7∶05的斷面人數(shù)相關(guān)，這取決于乘客的走行時(shí)間，不同車站、不同位置的點(diǎn)位走行時(shí)間均不相同，因此，需要遍歷計(jì)算確定，遍歷時(shí)偏移的最小時(shí)間粒度為1 min。

結(jié)合風(fēng)險(xiǎn)點(diǎn)位位置及清分規(guī)則（換乘量以下車時(shí)刻為統(tǒng)計(jì)基準(zhǔn)），客流量指標(biāo)通用偏移方向見表3。

表3 客流量指標(biāo)通用偏移方向

2.2.2.2 客流量指標(biāo)時(shí)間粒度

即擬合時(shí)所用的客流量指標(biāo)時(shí)間粒度，比如某一時(shí)刻樓梯上的斷面通過人數(shù)，是與1 min粒度的進(jìn)站量最相關(guān)，還是與2 min粒度的進(jìn)站量最相關(guān)，也需要遍歷計(jì)算確定，遍歷時(shí)最小時(shí)間粒度為1 min，并以1 min步長(zhǎng)累加。

2.2.2.3 擬合計(jì)算與模型標(biāo)定

擬合計(jì)算時(shí)，把每一個(gè)參數(shù)組合對(duì)應(yīng)的調(diào)查當(dāng)日客流量指標(biāo)都提取出來(lái)，然后與對(duì)應(yīng)的風(fēng)險(xiǎn)指標(biāo)進(jìn)行擬合，擬合遍歷計(jì)算示意見圖1。如果為向前偏移的客流量指標(biāo)，則取偏移后所在時(shí)刻向前匯總的客流粒度指標(biāo)代入計(jì)算；如果為向后偏移的客流量指標(biāo)，則取偏移后所在時(shí)刻向后匯總的客流粒度指標(biāo)代入計(jì)算，客流量指標(biāo)輸入值計(jì)算方法示意見圖2。

圖1 擬合遍歷計(jì)算示意

圖2 客流量指標(biāo)輸入值計(jì)算方法示意

擬合計(jì)算輸出結(jié)果包括：

（1）每一個(gè)客流量指標(biāo)參數(shù)組合擬合出線性方程及相關(guān)系數(shù)R2，在統(tǒng)計(jì)學(xué)中R2為小于1的系數(shù)，越接近于1表示客流量指標(biāo)與風(fēng)險(xiǎn)指標(biāo)越相關(guān)。

（2）最大相關(guān)系數(shù)對(duì)應(yīng)的線性擬合方程，即該點(diǎn)位的風(fēng)險(xiǎn)指標(biāo)預(yù)測(cè)模型。

（3）最大相關(guān)系數(shù)擬合方程的客流量指標(biāo)組合，業(yè)務(wù)人員通過調(diào)整偏移和粒度參數(shù)對(duì)預(yù)測(cè)模型進(jìn)行標(biāo)定。

2.2.3 模型預(yù)測(cè)結(jié)果風(fēng)險(xiǎn)等級(jí)轉(zhuǎn)化規(guī)則

預(yù)測(cè)模型的輸出均為1 min粒度的人數(shù)類指標(biāo)，為應(yīng)用車站大客流風(fēng)險(xiǎn)評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行風(fēng)險(xiǎn)等級(jí)判斷，需要按以下規(guī)則對(duì)預(yù)測(cè)輸出結(jié)果進(jìn)行轉(zhuǎn)化，得到預(yù)測(cè)的風(fēng)險(xiǎn)等級(jí)：

（1）樓梯通行和通道通行類型的點(diǎn)位：預(yù)測(cè)模型輸出的風(fēng)險(xiǎn)指標(biāo)為斷面通過人數(shù)，需要根據(jù)設(shè)施物理面積，轉(zhuǎn)化為密度指標(biāo)后再進(jìn)行風(fēng)險(xiǎn)等級(jí)評(píng)價(jià)。

（2）站臺(tái)滯留類型的點(diǎn)位：預(yù)測(cè)模型輸出的風(fēng)險(xiǎn)指標(biāo)為候車人數(shù)，但是站臺(tái)擁擠的風(fēng)險(xiǎn)判斷標(biāo)準(zhǔn)所應(yīng)用的指標(biāo)為滯留人數(shù)，因此，目前需要設(shè)置一套滯留比例參數(shù)，利用預(yù)測(cè)候車人數(shù)×滯留比例得到預(yù)測(cè)滯留人數(shù)。其中，滯留比例根據(jù)調(diào)查數(shù)據(jù)中候車人數(shù)與滯留人數(shù)的比例關(guān)系確定。

（3）樓扶梯聚集、站內(nèi)限流聚集類型的點(diǎn)位：線性擬合預(yù)測(cè)模型y=ax+b，b＞0時(shí)，為避免當(dāng)客流量指標(biāo)x=0時(shí)，也會(huì)出現(xiàn)C級(jí)（當(dāng)50人＜站內(nèi)聚集人數(shù)＜100人時(shí)，風(fēng)險(xiǎn)等級(jí)為C級(jí)，屬于一般風(fēng)險(xiǎn)）及以上風(fēng)險(xiǎn)等級(jí)的情況，按以下規(guī)則處理后，再進(jìn)行風(fēng)險(xiǎn)等級(jí)判斷。

2.3 預(yù)測(cè)模型精度驗(yàn)證

利用實(shí)際的調(diào)查數(shù)據(jù)與當(dāng)日的預(yù)測(cè)數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證，模型精度驗(yàn)證指標(biāo)可分為2類，一類是預(yù)測(cè)風(fēng)險(xiǎn)指標(biāo)數(shù)值差異對(duì)比，另一類是預(yù)測(cè)風(fēng)險(xiǎn)等級(jí)差異對(duì)比，具體驗(yàn)證指標(biāo)見表4。

表4 風(fēng)險(xiǎn)預(yù)測(cè)模型精度驗(yàn)證指標(biāo)

利用上述預(yù)測(cè)思路，完成全路網(wǎng)186個(gè)風(fēng)險(xiǎn)點(diǎn)位預(yù)測(cè)模型的擬合與標(biāo)定。模型精度驗(yàn)證的方法是將各調(diào)查時(shí)刻對(duì)應(yīng)的客流量指標(biāo)代入到點(diǎn)位的風(fēng)險(xiǎn)預(yù)測(cè)模型中，得到預(yù)測(cè)的風(fēng)險(xiǎn)指標(biāo)及按評(píng)價(jià)標(biāo)準(zhǔn)判斷的預(yù)測(cè)風(fēng)險(xiǎn)等級(jí)。由于在實(shí)際預(yù)測(cè)結(jié)果的應(yīng)用中，更關(guān)注風(fēng)險(xiǎn)等級(jí)的狀態(tài)，因此將重點(diǎn)關(guān)注“風(fēng)險(xiǎn)狀態(tài)預(yù)測(cè)準(zhǔn)確率”驗(yàn)證指標(biāo)的精度情況。

總體驗(yàn)證精度情況：186個(gè)點(diǎn)位中共驗(yàn)證樣本總數(shù)61 542個(gè)，風(fēng)險(xiǎn)等級(jí)狀態(tài)平均預(yù)測(cè)準(zhǔn)確率為67.3%，預(yù)測(cè)計(jì)算點(diǎn)位精度驗(yàn)證結(jié)果統(tǒng)計(jì)見表5。

表5 預(yù)測(cè)計(jì)算點(diǎn)位精度驗(yàn)證結(jié)果統(tǒng)計(jì)

分析各類型風(fēng)險(xiǎn)點(diǎn)位的精度表現(xiàn)，線性擬合的預(yù)測(cè)思路對(duì)不同類型點(diǎn)位的適用性不同，樓梯通行、通道通行、站內(nèi)聚集和站臺(tái)滯留用該方法預(yù)測(cè)效果相對(duì)較好，平均精度均超過了70%，但是站外限流和人物同檢2類點(diǎn)位，受到人為控制限流力度的影響，當(dāng)排隊(duì)人數(shù)達(dá)到一定數(shù)值后，單位時(shí)間內(nèi)的進(jìn)站量將保持不變，因此預(yù)測(cè)效果不佳。各類典型點(diǎn)位預(yù)測(cè)計(jì)算精度見表6，各類典型點(diǎn)位最優(yōu)擬合結(jié)果見圖5。

表6 各類典型點(diǎn)位預(yù)測(cè)計(jì)算精度情況

圖3 各環(huán)節(jié)典型點(diǎn)位最優(yōu)擬合結(jié)果

3 結(jié)論

提出基于風(fēng)險(xiǎn)指標(biāo)與客流量指標(biāo)關(guān)聯(lián)關(guān)系的城市軌道車站客流風(fēng)險(xiǎn)狀態(tài)預(yù)測(cè)方法。

（1）結(jié)合點(diǎn)位類型和站內(nèi)走行流線，逐個(gè)點(diǎn)位確認(rèn)擁擠風(fēng)險(xiǎn)成因。

（2）采用線性擬合的思路構(gòu)建風(fēng)險(xiǎn)指標(biāo)與客流量指標(biāo)間的關(guān)聯(lián)關(guān)系模型，擬合過程中，引入偏移時(shí)間和時(shí)間粒度1個(gè)客流量指標(biāo)參數(shù)，通過遍歷計(jì)算，將相關(guān)性系數(shù)最高的1組擬合方程作為點(diǎn)位的預(yù)測(cè)模型。

（3）利用該預(yù)測(cè)思路對(duì)路網(wǎng)184個(gè)風(fēng)險(xiǎn)點(diǎn)位進(jìn)行計(jì)算，驗(yàn)證結(jié)果表明：樓梯通行、通道通行、站內(nèi)聚集和站臺(tái)滯留4類點(diǎn)位風(fēng)險(xiǎn)等級(jí)狀態(tài)預(yù)測(cè)精度相對(duì)較好，站外限流和人物同檢2種點(diǎn)位類型受人為控制因素影響較大，該方法的適用性不強(qiáng)。目前在指揮中心調(diào)度應(yīng)急指揮、乘客誘導(dǎo)與信息服務(wù)平臺(tái)中，根據(jù)平臺(tái)具體需求已將部分點(diǎn)位的預(yù)測(cè)成果應(yīng)用，支撐客流監(jiān)測(cè)預(yù)警。

4 展望

針對(duì)線性擬合方法的局限性，為提高車站客流風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確率，可繼續(xù)開展車站客流風(fēng)險(xiǎn)預(yù)測(cè)模型的深化研究，具體思路為基于車站客運(yùn)組織方式以及乘客走行路徑，對(duì)站內(nèi)乘客走行全流線各環(huán)節(jié)進(jìn)行分析和數(shù)學(xué)建模，然后結(jié)合歷史客流數(shù)據(jù)和行車數(shù)據(jù)，對(duì)模型進(jìn)行調(diào)優(yōu)。該方案類似于仿真，但相比于仿真有以下優(yōu)勢(shì)：

（1）可以擺脫仿真應(yīng)用的空間模型約束。

（2）可將黑盒的乘客個(gè)體隨機(jī)行為轉(zhuǎn)換為白盒的乘客整體出行規(guī)律。

（3）預(yù)測(cè)過程全程可控、可配置、可調(diào)整，計(jì)算分析速度顯著提升。