文:李亞軍、李昱見、秦義展|鄭州地鐵集團(tuán)有限公司
本文闡述了基于大數(shù)據(jù)和人工智能技術(shù)的鄭州地鐵客流智能預(yù)測系統(tǒng)的建設(shè)思路和架構(gòu),探討了基于大數(shù)據(jù)、人工智能技術(shù)在軌道交通行業(yè)的應(yīng)用。通過對大數(shù)據(jù)及人工智能技術(shù)在客流預(yù)測領(lǐng)域的應(yīng)用分析,得出大數(shù)據(jù)、人工智能技術(shù)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(xué)習(xí)和自我優(yōu)化,提升客流預(yù)測模型的運(yùn)行效率和預(yù)測準(zhǔn)確率的結(jié)論。
鄭州地鐵集團(tuán)自1號線開通以來,積累了各類業(yè)務(wù)、結(jié)構(gòu)化和非結(jié)構(gòu)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(chǎn)、企管審批、工程建設(shè)安全監(jiān)控視頻、線路運(yùn)營維護(hù)各專業(yè)相關(guān)視頻等數(shù)據(jù)。當(dāng)前的數(shù)據(jù)應(yīng)用以在系統(tǒng)自身內(nèi)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。
實現(xiàn)客流主題的大數(shù)據(jù)分析應(yīng)用,以結(jié)果和目標(biāo)為導(dǎo)向,利用數(shù)據(jù)建模和挖掘分析,本項目內(nèi)分階段完成,要求切實顯著助力運(yùn)營分公司降低鄭州地鐵網(wǎng)絡(luò)化運(yùn)營下的大客流管理成本、應(yīng)急壓力和處置風(fēng)險。實現(xiàn)站、線、網(wǎng)的客流動態(tài)展示和綜合查詢,為車站服務(wù)人員提供更合理調(diào)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(jié)果)服務(wù),為乘客提供擁擠度等實時地鐵信息。實現(xiàn)站、線、網(wǎng)的客流預(yù)警,結(jié)合應(yīng)急預(yù)案,提前準(zhǔn)備,提前動作,提升應(yīng)急水平,決策和調(diào)度心中有“數(shù)”,降低站務(wù)中心服務(wù)人員工作壓力和人員成本。
鄭州地鐵客流預(yù)測系統(tǒng)(圖1)構(gòu)建完整的底層的數(shù)據(jù)采集,包括AFC數(shù)據(jù)、標(biāo)簽數(shù)據(jù)、城市大腦數(shù)據(jù)等。預(yù)測功能能夠?qū)崿F(xiàn)短時客流預(yù)測、短期客流預(yù)測、特殊日期客流預(yù)測、突發(fā)事件客流預(yù)測、新線開通既有線路客流預(yù)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(wǎng)客流分析系統(tǒng)數(shù)據(jù);城市大腦數(shù)據(jù);天氣等標(biāo)簽數(shù)據(jù);
圖1 鄭州地鐵客流預(yù)測系統(tǒng)構(gòu)架
圖2 機(jī)器學(xué)習(xí)算法示意
系統(tǒng)輸出:五類大客流需求數(shù)據(jù)(線網(wǎng)/線路/車站客流、進(jìn)站客流、出站客流、斷面客流、OD客流、客運(yùn)量、換乘量。
機(jī)器學(xué)習(xí)算法(圖2)是整套智能客流分析預(yù)測系統(tǒng)的核心樞紐,是實現(xiàn)客流預(yù)測模型自我學(xué)習(xí)、自我優(yōu)化的關(guān)鍵技術(shù)。機(jī)器學(xué)習(xí)算法包括時間序列(RAIMA)、長短期記憶網(wǎng)絡(luò)(LSTM)、深度神經(jīng)網(wǎng)絡(luò)(DNN)、XGBoost、支持向量機(jī)(SVM)、隨機(jī)森林和梯度提升樹(RF-GBRT)等。
客流短時時空態(tài)勢推演具備研判線網(wǎng)/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(dāng)日的實時交易明細(xì)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(chǔ),在對線網(wǎng)/線路/車站歷史客流量規(guī)律挖掘的基礎(chǔ)上,對實時線網(wǎng)/線路/車站客流數(shù)據(jù)進(jìn)行準(zhǔn)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(yùn)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(jié)果。
可預(yù)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(jìn)行推演,以實現(xiàn)更為準(zhǔn)確的客流時空態(tài)勢推演。
特殊日期客流短時時空態(tài)勢推演在線網(wǎng)條件穩(wěn)定的情況下,根據(jù)歷史客流的變化規(guī)律、運(yùn)營人員的調(diào)度經(jīng)驗總結(jié),運(yùn)用模型計算,總結(jié)出多種特殊日期客流曲線和對應(yīng)的統(tǒng)計指標(biāo)。不同屬性特殊日期匹配于其對應(yīng)的特殊日期客流時空態(tài)勢推演模型。
節(jié)假日大客流預(yù)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(yù)測需求;極端天氣下的客流預(yù)測需求主要包括雨天、雪天、臺風(fēng)、其他極端天氣等一系列極端天氣下的客流預(yù)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(yù)測是以歷史客流數(shù)據(jù)為依據(jù),結(jié)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(chǔ)上,預(yù)測大客流發(fā)生后軌道交通線網(wǎng)站間OD量,并通過客流分配模型快速實現(xiàn)預(yù)測OD量在全網(wǎng)的分布,大客流預(yù)測的預(yù)測結(jié)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(yùn)量等,為線網(wǎng)大型活動運(yùn)力配置計劃、客運(yùn)組織等業(yè)務(wù)提供支持。
隨著線網(wǎng)規(guī)模的不斷擴(kuò)大,線路及車站可達(dá)性的逐步增加,同時城市軌道交通出行安全、便捷、準(zhǔn)時等特征,促使越來越多的城市居民會轉(zhuǎn)向選擇地鐵出行,導(dǎo)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(yù)測模型(圖3)須不斷進(jìn)行優(yōu)化和更新,導(dǎo)致需要有專人不定期的對模型進(jìn)行維護(hù),既降低了效率也影響了時效性。
機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等人工智能算法的出現(xiàn)與應(yīng)用,促使客流預(yù)測模型能充分運(yùn)用機(jī)器學(xué)習(xí)算法的自我學(xué)習(xí)、自我優(yōu)化能力,客流預(yù)測模型每天會根據(jù)既定規(guī)則自動進(jìn)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(yù)測模型及時進(jìn)行自我訓(xùn)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(yù)測準(zhǔn)確率和精準(zhǔn)度。
圖3 客流智能預(yù)測模型
根據(jù)客流智能預(yù)測模型在大數(shù)據(jù)云平臺及人工智能平臺的基礎(chǔ)上建設(shè),模型需要實現(xiàn)AFC客流數(shù)據(jù)、視頻識別數(shù)據(jù)、手機(jī)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(biāo)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(yù)測結(jié)果的自我優(yōu)化和管理、以及客流預(yù)測的及時性和實時性,切實為運(yùn)營、調(diào)度、站務(wù)提供強(qiáng)有力的數(shù)據(jù)支撐,實現(xiàn)以數(shù)據(jù)為依據(jù)的應(yīng)急預(yù)案推送、客流組織調(diào)整、行車方案調(diào)整,節(jié)約成本、增加效益,客流智能預(yù)測模型將做出如下優(yōu)化:
1.建立統(tǒng)一的影響因素標(biāo)簽體系,并進(jìn)行單標(biāo)簽因素分析和組合標(biāo)簽因素分析,確定規(guī)則,實現(xiàn)標(biāo)簽數(shù)據(jù)作為模型輸入數(shù)據(jù)的自我更新和調(diào)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(nèi)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(diào)整;
3.深化機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)算法在客流預(yù)測中的應(yīng)用,采用多種算法融合建模、多類模型綜合預(yù)測的方式,并采用人工智能方法,實現(xiàn)客流預(yù)測模型的智能化、自動化、精細(xì)化,全面提升預(yù)測效果和實際應(yīng)用效果。
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(xué)習(xí),預(yù)測預(yù)警,輔助應(yīng)急,輔助科學(xué)新線規(guī)劃,優(yōu)化網(wǎng)絡(luò)化運(yùn)營,為鄭州市公共交通設(shè)計優(yōu)化,出行安全,客運(yùn)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(gòu)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(xué)習(xí)、自我修正:每日運(yùn)營完成后,模型自動對比預(yù)測結(jié)果與實際客流,通過自學(xué)習(xí)更新OD規(guī)律,根據(jù)實際客流與預(yù)測結(jié)果的差異修正預(yù)測模型,應(yīng)用于下一次客流預(yù)測中。
3.客流動態(tài)預(yù)警:通過閾值預(yù)警,為面向站務(wù)中心提供當(dāng)前和未來的所有客流風(fēng)險點進(jìn)行實時監(jiān)測和動態(tài)預(yù)警信息,以便有針對性進(jìn)行客運(yùn)組織,避免安全事故的發(fā)生,保障運(yùn)營安全。
圖4 乘客個性化信息服務(wù)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(yīng)急處置預(yù)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(yīng)急處置提供即時決策支持。
圖5 站內(nèi)客流風(fēng)險評估流程
1.多場景客流預(yù)測預(yù)警功能
通過對歷史客流數(shù)據(jù)的分析和挖掘,結(jié)合氣象數(shù)據(jù)、運(yùn)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(quán)重分析,基于機(jī)器學(xué)習(xí)算法建立短時客流預(yù)測、短期客流預(yù)測、節(jié)假日客流預(yù)測、大型活動客流預(yù)測、突發(fā)事件客流預(yù)測、下一年客流預(yù)測、春運(yùn)客流預(yù)測、新線接入既有線路客流預(yù)測等模型及客流預(yù)警模型,準(zhǔn)實時推送斷面客流量、斷面滿載率、客流預(yù)警信息,實現(xiàn)站、線、網(wǎng)的客流動態(tài)展示和綜合查詢,為車站服務(wù)人員提供更合理調(diào)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(jié)果)服務(wù),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(wù)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(gòu)建乘客個性化信息服務(wù)系統(tǒng),實現(xiàn)精準(zhǔn)信息推行服務(wù)。
3.站內(nèi)客流風(fēng)險評估
站內(nèi)客流風(fēng)險評估(圖5)結(jié)合車站平面圖和站內(nèi)客流預(yù)測數(shù)據(jù),綜合展示客流在站內(nèi)每個點位的分布情況,同時可以清晰而快捷的定位站內(nèi)風(fēng)險區(qū)域,以便快速做出反應(yīng),確保更高的乘車安全和更優(yōu)的乘客服務(wù)體驗。
4.應(yīng)急事件快速獲取
線路、車站、場段,各業(yè)務(wù)人員通過移動終端隨時隨地及時上傳圖片、視頻等運(yùn)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(guān)運(yùn)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(wù)
學(xué)生使用學(xué)生卡在地鐵站的進(jìn)出站閘機(jī)刷卡后,產(chǎn)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(wù)端將接收到的刷卡數(shù)據(jù)發(fā)送到區(qū)塊鏈上鏈服務(wù)端,對數(shù)據(jù)進(jìn)行加密并上傳到愛家校服務(wù)端接收到數(shù)據(jù)上鏈信息,向家長手機(jī)推送通知。
6.城市大腦數(shù)據(jù)服務(wù)
鄭州城市大腦-智慧交通板塊中交通運(yùn)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(shù)的客流智能預(yù)測建設(shè),實現(xiàn)了多源數(shù)據(jù)融合輸入、運(yùn)營日標(biāo)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(yù)測、實時預(yù)測,將專家經(jīng)驗和機(jī)器學(xué)習(xí)、人工智能的完美結(jié)合,降低了運(yùn)維成本,降低人工成本,提升運(yùn)營生產(chǎn)力。