基于刷卡数据的地铁客流统计分析

如今地铁是北京等大城市最重要的出行方法之一，地铁系统的控制与安全成为了打造城市智能交通的重要方面。乘客流的估计与预测对地铁管理部门非常重要，尤其在早晚高峰和极端天气、突发事件时。地铁数据通常只有AFC(记录乘客进出站刷卡信息)和AVL(记录车次信息)数据，而乘客在地铁系统中的活动轨迹完全未知，相当于一个黑箱。我们建立了乘客刷卡时间数据的动态统计模型，并给出了模型中参数的估计方法。我们的方法完全由数据驱动，不同于文献中的已有推断方法都需要其它辅助信息。此外，我们的模型可以用于推断乘客流的各类指标，包括总体指标（如乘车概率和出站走行时间分布等）和个体指标（如个体最大可能乘坐的车次等），以及用于乘客出站时间的实时（区间）预测。我们应用我们的方法分析了北京地铁6号线的客流，比较了高峰期和非高峰期客流的不同特点。