基于XGBoost算法的大型活動期間軌道進出站量預測*

付 宇 翁劍成* 錢慧敏 蔣錦港

(北京工業大學交通工程北京市重點實驗室1) 北京 100124) (武漢理工大學交通學院2) 武漢 430063)

0 引 言

以文藝活動、體育賽事為代表的短時性大型活動在舉辦期間對場館周邊軌道站點的出行需求影響顯著，有針對性的對其進行時空影響分析及客流預測有助于管理者把握軌道站點進出量的變化規律，為安保策略制定和軌道交通車輛調度提供數據支撐[1]，也有利于出行者更合理的選擇出行時間及線路.

目前，國內外針對大型活動期間客流變化及需求預測方面開展了較多有針對性的研究.孫根年等[2]依據多種調查資料和旅游本底趨勢線理論，對2008年北京奧運會背景下的旅游客流量變化進行預測，并給出了各月客流量的預測值.王田田等[3]利用青島世園會實時客流數據分析其客流規模特點及影響因素，對入園客流的時間變化特征進行總結，并提出了世園會期間乘客進出站量預測的方法.王興川等[4]針對2014年廣交會期間的客流成分構建了活動客流與背景客流預測模型，基于城市軌道交通自動檢票系統(AFC)采集到的刷卡數據實現了對展會期間城市軌道交通站點客流量的預測.Arun等[5]對美國亞利桑那州舉辦的贊助類型活動進行了數據收集和交通集散特征分析，建立軌道需求預測模型并預測了活動舉辦當天特定軌道站點的客流量.Li等[6]提出了一種新的多尺度徑向基函數(MSRBF)網絡預測模型，結合公交智能卡數據完成了對北京某次演唱會當天的公交客流預測.

總計而言，現有研究側重于宏觀需求預測，通常是針對整個大型活動期間進行客流需求分析，集中在月、日、時級別的中長期維度[7-8].然而短時性大型活動具有短時間內誘增交通量大、進出站客流量時空波動性明顯等特點，使得中長期客流預測方法無法滿足軌道運營管理中實時監控、預防突發事件等需求的精度要求[9-10].

因此，文中針對分鐘級別的城市軌道站點進出量短時預測開展相關研究.采集2017—2018年的北京市軌道AFC刷卡數據和短時性大型活動數據為基礎，在分析活動舉辦期間場館周邊軌道交通客流集散特征的基礎上，總結影響客流變化的關鍵因素，構建了基于極端梯度提升決策樹的站點進出客流量預測模型，并通過案例進行精度驗證.

1 數據采集及影響因素分析

1.1 活動定義

本文所研究的短時性大型活動是指活動開始時間和結束時間明確、集中，持續數小時，活動參與人數超過5 000人的集中式活動，如演唱會、體育賽事等.

1.2 數據基礎

北京工人體育場位于北京市朝陽區工人體育場北路，是中超俱樂部北京國安隊的主場，也是各大演唱會舉辦的熱門場館.以北京工人體育場為例探究短時性大型活動的舉辦對周邊軌道進出站量的影響規律，選取東四十條站、東大橋站及團結湖站為研究對象.

AFC數據中主要包含卡ID、進出站線路編號、進出站站點編號、進站時間、出站時間等共16個字段.以北京為例，軌道AFC系統數據質量良好，站點定位準確且字段完整率高，可以實現工作日均超過500萬條的數據記錄量.

從北京市交通管理部門獲取以上三個軌道站點2017年7月1日—2018年10月30日期間，每日05:00—23:00時段15 min粒度的AFC刷卡數據作為目標函數導入樣本庫，總樣本量跨18個月共34 600余條.

北京工人體育場大型活動數據主要包含活動舉辦日期、星期、氣象信息、活動名稱、活動上報規模及開始和結束時間，數據格式見表1.

表1 短時性大型活動數據樣例表

1.3 影響因素分析

1) 時段特征軌道交通客運量在不同周期范圍內均呈現出相應的規律性波動，具有明顯的時段特征：1、2月份軌道客流總體呈現低位運行狀態，7、8月則處于較高水平.周變化中，周一早高峰、周五晚高峰軌道運行壓力較大；日變化中又分為高峰、平峰時段.故將月份、星期、時段三個特征指標納入因素集.

2) 日期屬性日期屬性主要分別工作日、雙休日及節假日.不同日期屬性下的軌道交通客運量存在差異，故將日期屬性作為特征指標納入因素集.

3) 活動性質及上報人數短時性大型活動種類繁多，包括以演唱會等為主的文藝活動，以籃球賽、足球賽為主的體育活動，以產品發布為主的商業類活動等.不同性質的大型活動所吸引的人數不同，活動規模的大小直接影響前來參加人數的總量，是影響場館周邊軌道站點的決定性因素.

4) 天氣狀況對于現場購票的短時性大型活動而言，惡劣天氣將直接影響到居民的前往意愿.對于預約購票的大型活動，特殊天氣會將部分采用小汽車、步行出行方式的居民轉移到乘坐軌道交通中來，同時特殊天氣下的交通系統應急保障會提出更高要求.

5) 舉辦時間舉辦時間是指活動的開始、結束時間.短時性大型活動主要集中在15:00及19:00左右開始，對于工作日而言15:00是工作時段，會對軌道客流會有一定的影響.對于結束時間而言，當結束時間過早，居民可能會在場館周邊逗留、餐飲，導致進站客流峰值不明顯.當活動結束時間較晚時，客流需要在較短的時間內疏散，客流峰值相對集中.

6) 距離活動開始、結束時間基于上文分析，選取活動開始前3 h至活動開始后0.5 h、活動結束前0.5 h至活動結束后1 h作為影響特征，按照15 min為最小單元進行劃分.

2 活動期間周邊軌道站點客流集散特征分析

本文針對2017年8月25日舉辦的“周杰倫2017北京演唱會”進行案例分析，活動時間為19：00—22:00，上報參與人數為37 000人，活動開始前軌道站點誘增客流合計達20 009人·次，占總規模人數的54%.選取東四十條、東大橋及團結湖三個站點當天進出站客流數據與同期未有大型活動時的客流數據進行對比，探究活動開始前后觀眾進出周邊軌道站點的集散特征.

2.1 開場前軌道出站客流特征

演唱會當天與歷史同期的出站客流數據對比見圖1.可以看出東四十條、東大橋及團結湖三個站點具有相同的規律變化特征，在16:30(活動前2.5 h)左右誘增客流量逐漸上升，站點出站量明顯增長；在18:30—18:45(活動前0.5 h)時段出現客流高峰；出站客流于19:30(活動開始后0.5 h)回歸到正常水平，回復速率明顯高于增長速率；影響時段共計3 h，累計誘增客流分別達到9 005，5 110，5 023人·次.

圖1 演唱會開始前東大橋、東十四橋、團結湖站點出站客流

2.2 散場后軌道進站客流特征

為了更直觀準確的刻畫活動結束后軌道站點客流量的變化情況，明確活動影響時段及影響程度，以15 min為統計粒度，將以上三個站點在演唱會結束后的進站客流數據與同期歷史客流數據進行對比，見表2.

表2 周杰倫2017北京演唱會結束后進站客流

當天演唱會22:00結束，可以看出三個軌道站點在活動結束后進站客流量均顯著增長，但與活動開始前出站量相比影響時段相對較短，呈現快增快退的趨勢.分析可得活動結束后對軌道客流的影響時長為1 h，進站高峰時段出現在22:15—22:30，15 min進站量超2 000人，高于出站客流峰值，客流增幅分別高達956.9%,664.8%和286.2%.

3 基于Xgboost的軌道站點進出量預測

3.1 模型構建

Gradient Boosting算法學習機制是共迭代構建K個不同的個體學習器：f1(x),…,fK(x)，每添加一個新的學習器時要使得整體預測損失更小.其中第t輪迭代的學習器為

ft(x)=ft-1(x)+L(x,ft(x))

(1)

式中：ft-1(x)為從第1到第(t-1)輪迭代的學習器；L(x,ft(x))為第t輪的損失函數.

假設第(t-1)輪迭代得到的學習器為ft-1(x)，損失函數為L(x,ft-1(x))，那么本輪的迭代目標就是找到一個L(x,ft(x))，來最小化目標函數.

基于以上思想，極端梯度推進決策樹回歸算法總結如下.

1) 定義目標函數

(2)

(3)

式中：T為葉子結點個數；ω為葉子節點的分數；γ與λ為控制參數，用來防止過擬合.

2) 基于GB思想，第t輪的學習器等于前t-1輪的學習器加上ft

(4)

則目標函數可以表示為

(5)

3) 在構建第t個學習器時要尋找最佳的ft，來最小化目標函數.利用ft=0處的泰勒二階展開來近似它，則目標函數可以近似為

(6)

式中：gi為一階導數;hi為二階導數.

4) 前t-1輪學習器的預測分數與yi的殘差對目標函數優化不影響，可以去掉，并將同一葉子節點的樣本進行重組

(7)

5) 將目標函數改寫成關于葉子結點分數ω的一個一元二次函數，求解最優ω和目標函數值就變得很簡單了，直接使用頂點公式代入即可.因此，最優的ω和目標函數的表達式變換為

(8)

3.2 實例驗證

以東大橋站點為例，選取北京市2017年7月1日—2018年10月30日期間該站點內的AFC刷卡數據、短時性大型活動數據及其他影響因素數據構建數據集，期間共包含94場短時性大型活動.為了提高模型泛化程度，防止過擬合現象，將前70%日期的數據作為訓練集，后30%作為測試集進行模型訓練.本文使用Python編程語言構建預測模型，并使用scikit-learn代碼包中的GridSearchCV工具實現模型參數最優化調整.

利用XGBoost模型對北京市2018年11月7日、12月22日2天北京工體舉辦短時性大型活動時的軌道客流量進行預測，并用實際數據進行精度檢驗評估.活動數據見表3.

表3 大型活動數據實例

選取的兩場活動具有不同的日期屬性、天氣、活動類型與規模、舉辦時間，能夠體現出模型在不同因素影響下的預測性能，具有較強的代表性.針對活動舉辦前后以15 min為粒度進行軌道客流預測，進出站量預測結果見圖2.

圖2 東大橋站客流預測結果

預測精度方面：

1) 11月7日東大橋進出站客流預測精度分別為91.2%和89.1%，12月22日東大橋進出站客流預測精度為93.5%和92.9%，平均預測精度可以達到91%以上.

2) 12月22日整體預測精度較高，這是因為演唱會觀眾規模較小，軌道客流波動相對平穩.

3) 活動開始前出站客流預測精度高于活動結束后進站客流精度，說明活動結束后軌道出行需求集中且波動性較大.

4 結 論

1) 短時性大型活動的開展對周邊軌道站點客流進出量會產生顯著影響.影響時段方面，距活動開始前2.5～3 h誘增客流開始出現，在活動開始前0.5 h出站客流達到峰值；誘增客流于活動結束后 1 h內疏散完畢.

2) 影響幅度方面，活動開始前客流增長幅度呈初步增大的趨勢，與背景客流相比增幅在100%～250%；活動結束后進站客流增長更為顯著，呈現快增塊降的趨勢.

3) 提出了影響堆到站點客流的6個主要因素：時段、日期、上報人數、天氣、舉辦時間、距離活動開始結束時間，并構建極端梯度提升決策樹預測模型.對工人體育場舉辦的兩場短時性大型活動進行實例驗證，預測平均精度超過90%.

4) 模型適用性方面，當要對其他場館周邊軌道站點客流量進行預測時，僅需按照本文所構建因素集的格式，輸入目標站點的AFC刷卡數據及該場館的活動相關信息，即可完成相關預測，模型具有移植性高、通用性強的優勢.