本發明涉及車流預測，尤其涉及一種車流預測方法、裝置、設備、介質及計算機程序產品。

背景技術：

1、路網中車流連續且不平衡地通過各區段到達各站，當車流數量超過了車站與區段的限制能力時，會形成堵塞現象。通過建立更精確的車流預測方法，提前預測路網能力瓶頸，可以為制定有效車流調整措施提供數據支撐。

技術實現思路

1、本發明提供一種車流預測方法、裝置、設備、介質及計算機程序產品，用以解決現有車流預測技術中存在的預測不夠精準的缺陷，實現精準的車流預測。

2、本發明提供一種車流預測方法，包括如下步驟：

3、基于歷史列車到發報告收集車輛運行信息；所述車輛運行信息包括貨物品類、始發站、終到站、途徑站、每個途經站到發時間；

4、基于所述車輛運行信息進行統計計算，構建軌跡表；所述軌跡表的每一條軌跡數據包括貨物品類、始發站、終到站、本站、下一站、本站平均停留時間、本站到其下一站的平均區間運行時間、概率；

5、基于待預測車輛的始發站、當前站、終到站、貨物品類和所述軌跡表，對所述待預測車輛的運行進行預測得到預測結果。

6、根據本發明提供的一種車流預測方法，所述基于待預測車輛的始發站、當前站、終到站、貨物品類和所述軌跡表，對所述待預測車輛的運行進行預測得到預測結果包括：

7、獲取待預測車輛的始發站、終到站和貨物品類；

8、獲取當前時刻和所述待預測車輛的當前站；

9、在所述當前站不是所述待預測車輛的終到站的情況下，基于所述待預測車輛的始發站、當前站、終到站、貨物品類和所述軌跡表，確定所述當前站的下一站、所述當前站的停留時間、所述當前站到其下一站的區間運行時間；

10、計算當前站出發時間為所述當前時刻與所述當前站的停留時間之和，下一站到達時間為所述當前站出發時間與所述區間運行時間之和；

11、將所述當前站的下一站加入到預測徑路車站集合，將所述當前站的停留時間和所述區間運行時間加入到預測運行時間序列；將所述當前站出發時間和所述下一站到達時間加入到預測到發時間序列；

12、將所述當前站的下一站作為所述當前站，將所述下一站到達時間作為所述當前時刻，并返回所述獲取當前時刻和所述待預測車輛的當前站的步驟，直至所述當前站為所述待預測車輛的終到站，得到車輛預測徑路和車輛預測到發時間序列。

13、根據本發明提供的一種車流預測方法，所述基于所述待預測車輛的始發站、當前站、終到站、貨物品類和所述軌跡表，確定所述當前站的下一站、所述當前站的停留時間、所述當前站到其下一站的區間運行時間包括：

14、確定所述軌跡表中所述當前站的最大概率的下一站為所述當前站的下一站；

15、基于所述軌跡表，確定所述當前站的平均停留時間為所述當前站的停留時間；

16、基于所述軌跡表，確定所述當前站到其下一站的平均區間運行時間為所述當前站到其下一站的區間運行時間。

17、根據本發明提供的一種車流預測方法，所述基于待預測車輛的始發站、當前站、終到站、貨物品類和所述軌跡表，對所述待預測車輛的運行進行預測得到預測結果，之后包括：

18、接收所述待預測車輛的到達或出發信息；所述到達或出發信息包含車站和該車站的到達或出發時間；

19、在所述車站是所述終到站的情況下，所述車輛預測徑路和車輛預測到發時間序列即為預測結果；

20、在所述車站不是所述終到站的情況下，確定所述車站是否在所述預測徑路車站集合中；

21、在所述車站在所述預測徑路車站集合中的情況下，基于所述車站的到達或出發時間和所述預測運行時間序列更新所述預測到發時間序列。

22、根據本發明提供的一種車流預測方法，所述在所述車站不是所述終到站的情況下，確定所述車站是否在所述預測徑路車站集合中，之后包括：

23、在所述車站不在所述預測徑路車站集合中的情況下，將所述車站作為所述待預測車輛的當前站，所述車站的到達或出發時間作為當前時刻，重置所述預測徑路車站集合、所述預測運行時間序列和所述預測到發時間序列，并返回所述獲取當前時刻和所述待預測車輛的當前站的步驟。

24、根據本發明提供的一種車流預測方法，所述基于所述車輛運行信息進行統計計算，構建軌跡表包括：

25、基于異常數據剔除算法，對車輛運行信息中的到發時間進行異常數據剔除操作，計算得到軌跡表包含的本站平均停留時間、本站到其下一站的平均區間運行時間、概率；所述異常數據剔除算法包括聚類算法。

26、本發明還提供一種車流預測裝置，包括如下模塊：

27、車輛運行信息收集模塊，用于基于歷史列車到發報告收集車輛運行信息；所述車輛運行信息包括貨物品類、始發站、終到站、途徑站、每個途經站到發時間；

28、軌跡表構建模塊，用于基于所述車輛運行信息進行統計計算，構建軌跡表；所述軌跡表的每一條軌跡數據包括貨物品類、始發站、終到站、本站、下一站、本站平均停留時間、本站到其下一站的平均區間運行時間、概率；

29、車流預測模塊，用于基于待預測車輛的始發站、當前站、終到站、貨物品類和所述軌跡表，對所述待預測車輛的運行進行預測得到預測結果。

30、本發明還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如上述任一種所述車流預測方法。

31、本發明還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上述任一種所述車流預測方法。

32、本發明還提供一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執行時實現如上述任一種所述車流預測方法。

33、本發明提供的車流預測方法、裝置、設備、介質及計算機程序產品，在歷史列車到發報告的基礎上，構建包含路徑和時間信息的軌跡表，在進行車流預測時，確定車輛當前站，在包含路徑和時間信息的軌跡表中確定車輛可能經過的站點，組成車輛預測徑路，以及確定車輛經過站點的到發時間和各站點停留時間及站點間的區間運行時間，組成車輛預測到發時間序列和預測運行時間序列。在車輛運行過程中，對車輛預測徑路和車輛預測到發時間序列進行循環更新。本發明通過構建的軌跡表，在車輛當前站點和當前時間的基礎上，循環預測車輛未來的運行徑路以及到發時間序列，提供了更加精準的車流預測方案。

技術特征：

1.一種車流預測方法，其特征在于，包括：

2.根據權利要求1所述的車流預測方法，其特征在于，所述基于待預測車輛的始發站、當前站、終到站、貨物品類和所述軌跡表，對所述待預測車輛的運行進行預測得到預測結果包括：

3.根據權利要求2所述的車流預測方法，其特征在于，所述基于所述待預測車輛的始發站、當前站、終到站、貨物品類和所述軌跡表，確定所述當前站的下一站、所述當前站的停留時間、所述當前站到其下一站的區間運行時間包括：

4.根據權利要求2所述的車流預測方法，其特征在于，所述基于待預測車輛的始發站、當前站、終到站、貨物品類和所述軌跡表，對所述待預測車輛的運行進行預測得到預測結果，之后包括：

5.根據權利要求4所述的車流預測方法，其特征在于，所述在所述車站不是所述終到站的情況下，確定所述車站是否在所述預測徑路車站集合中，之后包括：

6.根據權利要求1所述的車流預測方法，其特征在于，所述基于所述車輛運行信息進行統計計算，構建軌跡表包括：

7.一種車流預測裝置，其特征在于，包括：

8.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至6任一項所述車流預測方法。

9.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述車流預測方法。

10.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述車流預測方法。

技術總結
本發明提供一種車流預測方法、裝置、設備、介質及計算機程序產品，方法包括：基于歷史列車到發報告收集車輛運行信息；所述車輛運行信息包括貨物品類、始發站、終到站、途徑站、每個途經站到發時間；基于所述車輛運行信息進行統計計算，構建軌跡表；所述軌跡表的每一條軌跡數據包括貨物品類、始發站、終到站、本站、下一站、本站平均停留時間、本站到其下一站的平均區間運行時間、概率；基于待預測車輛的始發站、當前站、終到站、貨物品類和所述軌跡表，對所述待預測車輛的運行進行預測得到預測結果。本發明通過構建的軌跡表，在車輛當前站點和當前時間的基礎上，循環預測車輛未來的運行徑路以及到發時間序列，提供了更加精準的車流預測方案。

技術研發人員：洪鑫,張紅斌,杜何偉,宣利,金福才,王斌,羅常津,溫斌賓,陳亞茹
受保護的技術使用者：中國鐵道科學研究院集團有限公司
技術研發日：
技術公布日：2025/4/24