衛(wèi)錚錚，單杏花，王洪業(yè)，呂曉艷，張軍鋒

（中國鐵道科學(xué)研究院集團(tuán)有限公司 電子計(jì)算技術(shù)研究所，北京 100081）

客流預(yù)測(cè)是鐵路路網(wǎng)規(guī)劃、線路及場(chǎng)站設(shè)計(jì)、鐵路運(yùn)營等工作的重要基礎(chǔ)[1]。客流預(yù)測(cè)研究領(lǐng)域有許多分支和分類，通常按預(yù)測(cè)對(duì)象的不同，將鐵路客流預(yù)測(cè)劃分為區(qū)域客流預(yù)測(cè)、線路客流預(yù)測(cè)和列車客流預(yù)測(cè)。

我國幅員遼闊、地廣人多，鐵路網(wǎng)縱橫交錯(cuò)，鐵路運(yùn)營情況復(fù)雜，市場(chǎng)影響因素較多，客流預(yù)測(cè)工作難度較大。在鐵路客流預(yù)測(cè)工作中，目前存在的主要問題有：

（1）影響鐵路客流需求的因素較多，若僅運(yùn)用鐵路客運(yùn)業(yè)務(wù)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，當(dāng)遇到客運(yùn)需求出現(xiàn)較大變化的情況時(shí)，預(yù)測(cè)模型無法感知外部相關(guān)因素對(duì)鐵路客流的影響，造成預(yù)測(cè)誤差較大。

（2）針對(duì)不同的預(yù)測(cè)對(duì)象，一種鐵路客流預(yù)測(cè)方法往往會(huì)得到不同的預(yù)測(cè)結(jié)果，沒有哪一種預(yù)測(cè)方法適用于不同層面的鐵路客流預(yù)測(cè)應(yīng)用需求。實(shí)際應(yīng)用中，從事客流預(yù)測(cè)業(yè)務(wù)的工作人員往往依賴直覺與經(jīng)驗(yàn)，每一種預(yù)測(cè)方法對(duì)于不同使用者及不同預(yù)測(cè)業(yè)務(wù)，預(yù)測(cè)準(zhǔn)確性會(huì)有很大的波動(dòng)。

針對(duì)多層面、不同時(shí)期、不同類型的鐵路客流預(yù)測(cè)應(yīng)用需求，結(jié)合近幾年的應(yīng)用經(jīng)驗(yàn)，提出鐵路客流預(yù)測(cè)系統(tǒng)的總體架構(gòu)、模型及鐵路客流預(yù)測(cè)系統(tǒng)的基本功能，以利于為相關(guān)研究提供豐富、便利的數(shù)據(jù)資源和分析評(píng)價(jià)工具，基于統(tǒng)一的系統(tǒng)平臺(tái)集成各類鐵路客流預(yù)測(cè)算法模型，更好地滿足中國國家鐵路集團(tuán)有限公司（簡(jiǎn)稱：國鐵集團(tuán)）及各鐵路局集團(tuán)公司各類鐵路客流預(yù)測(cè)業(yè)務(wù)需求。

1 系統(tǒng)建設(shè)目標(biāo)

1.1 構(gòu)建客流預(yù)測(cè)所需共享數(shù)據(jù)資源

在客運(yùn)大數(shù)據(jù)平臺(tái)支撐下，除了充分利用客運(yùn)數(shù)據(jù)外，采集和整合影響鐵路客流的其它相關(guān)數(shù)據(jù)，如輿情數(shù)據(jù)、天氣數(shù)據(jù)、競(jìng)爭(zhēng)市場(chǎng)的運(yùn)力數(shù)據(jù)及價(jià)格數(shù)據(jù)等，為各類預(yù)測(cè)算法模型的應(yīng)用提供豐富的數(shù)據(jù)資源和便利的數(shù)據(jù)處理環(huán)境。

1.2 建立精準(zhǔn)的客流預(yù)測(cè)算法模型庫

客流預(yù)測(cè)是做好開行方案、收益管理的基礎(chǔ)，是做好鐵路客運(yùn)運(yùn)營決策的重要基石。面向鐵路多層面（國鐵集團(tuán)、鐵路局集團(tuán)公司、站段）、不同時(shí)期（即期、近期、中遠(yuǎn)期）、不同類型的客流預(yù)測(cè)業(yè)務(wù)需求，研究基于大數(shù)據(jù)技術(shù)的鐵路客流預(yù)測(cè)方法和分析模型，構(gòu)建較為完備的鐵路客流預(yù)測(cè)算法庫，逐步提高鐵路客流預(yù)測(cè)準(zhǔn)確性[2]。

1.3 建立客流預(yù)測(cè)測(cè)試環(huán)境與評(píng)價(jià)體系

為各類客流預(yù)測(cè)算法模型[3]提供便利的測(cè)試環(huán)境，可對(duì)預(yù)測(cè)算法模型的效果和適用性進(jìn)行定量分析，建立客流預(yù)測(cè)結(jié)果分析評(píng)價(jià)體系[4]，逐步形成預(yù)測(cè)方案應(yīng)用規(guī)范、業(yè)務(wù)涵蓋廣泛、功能日趨完善的鐵路客流預(yù)測(cè)系統(tǒng)。

2 總體架構(gòu)

鐵路客流預(yù)測(cè)系統(tǒng)由沙盤演練數(shù)據(jù)區(qū)與預(yù)測(cè)算法平臺(tái)2 部分組成，其總體架構(gòu)，如圖1 所示。沙盤演練數(shù)據(jù)區(qū)以線下方式部署運(yùn)行，主要是運(yùn)用單機(jī)版的仿真平臺(tái)、分布式在線算法庫、分布式離線算法庫，對(duì)客流預(yù)測(cè)方案進(jìn)行測(cè)試和評(píng)估；通過沙盤演練數(shù)據(jù)區(qū)測(cè)試和評(píng)估的客流預(yù)測(cè)方案，經(jīng)開發(fā)后集成到預(yù)測(cè)算法平臺(tái)中，預(yù)測(cè)算法平臺(tái)以線上方式部署運(yùn)行。

圖1 客流預(yù)測(cè)系統(tǒng)總體架構(gòu)示意

2.1 沙盤演練數(shù)據(jù)區(qū)

沙盤演練數(shù)據(jù)區(qū)主要包括仿真平臺(tái)、分布式在線算法演練庫（客流預(yù)測(cè)結(jié)果是通過在線運(yùn)行算法模型即時(shí)計(jì)算得到）、分布式離線算法演練庫（客流預(yù)測(cè)結(jié)果是通過離線運(yùn)行算法模型計(jì)算生成，并存儲(chǔ)在數(shù)據(jù)庫中）。

其中，仿真平臺(tái)基于RStudio 環(huán)境創(chuàng)建，運(yùn)用R 語言編寫的腳本來調(diào)用運(yùn)行在RServer 上的客流預(yù)測(cè)算法組件，并運(yùn)用ShinyServer 實(shí)現(xiàn)算法可視化，對(duì)預(yù)測(cè)效果進(jìn)行評(píng)估，生成客流預(yù)測(cè)分析報(bào)告，用以確定最終的客流預(yù)測(cè)方案。

在分布式在線算法演練庫中，預(yù)測(cè)算法所使用的訓(xùn)練數(shù)據(jù)是從相關(guān)業(yè)務(wù)系統(tǒng)中以切片為單位獲取的實(shí)時(shí)數(shù)據(jù)，如客票營銷系統(tǒng)中的余票數(shù)據(jù)、實(shí)時(shí)用戶點(diǎn)擊日志流數(shù)據(jù)等，運(yùn)用實(shí)時(shí)大數(shù)據(jù)處理框架Storm，對(duì)這些預(yù)測(cè)算法組件進(jìn)行實(shí)時(shí)演練。

分布式離線算法演練庫基于Spark 大數(shù)據(jù)平臺(tái)創(chuàng)建，運(yùn)用SparkR、PySpark、Scala 改為分布式算法實(shí)現(xiàn)；在分布式離線算法演練庫中，預(yù)測(cè)算法所使用的訓(xùn)練數(shù)據(jù)是從相關(guān)業(yè)務(wù)系統(tǒng)中獲取的、以天為單位的時(shí)間切片數(shù)據(jù)，如客票營銷系統(tǒng)中的運(yùn)能、運(yùn)量數(shù)據(jù)等。

2.2 預(yù)測(cè)算法平臺(tái)

預(yù)測(cè)算法平臺(tái)包含人機(jī)交互預(yù)測(cè)和定時(shí)批量離線預(yù)測(cè)2 類算法組件。

其中，人機(jī)交互預(yù)測(cè)算法組件采用R、Python、Java 語言開發(fā)，由前端應(yīng)用模塊使用Java 接口來調(diào)用。

定時(shí)批量離線預(yù)測(cè)算法組件的運(yùn)行過程是：（1）由用戶在數(shù)據(jù)維護(hù)模塊中定義并設(shè)置好定時(shí)預(yù)測(cè)對(duì)象；（2）由Gbase 每天批量處理好預(yù)測(cè)算法所需運(yùn)能、運(yùn)量數(shù)據(jù)，并將數(shù)據(jù)推送到Hive 中；（3）由預(yù)測(cè)算法平臺(tái)通過Spark 調(diào)用定時(shí)批量離線預(yù)測(cè)算法組件，對(duì)存儲(chǔ)在Hive 中的運(yùn)能、運(yùn)量數(shù)據(jù)進(jìn)行處理，生成的預(yù)測(cè)結(jié)果存儲(chǔ)在HDFS 中；（4）預(yù)測(cè)算法平臺(tái)從Kafka 消息隊(duì)列讀取余票數(shù)據(jù)及相關(guān)日志，將其交由Storm 進(jìn)行實(shí)時(shí)處理，依據(jù)客票銷售情況對(duì)預(yù)測(cè)結(jié)果進(jìn)行修正。

3 功能設(shè)計(jì)

客流預(yù)測(cè)系統(tǒng)主要包括交互預(yù)測(cè)、批量預(yù)測(cè)、數(shù)據(jù)維護(hù)、預(yù)測(cè)方法評(píng)價(jià)、特征監(jiān)控、系統(tǒng)管理6個(gè)功能模塊。系統(tǒng)用戶劃分為超級(jí)用戶和普通用戶2 類；其中，超級(jí)用戶可使用系統(tǒng)的所有功能，包括預(yù)測(cè)方法評(píng)價(jià)、批量預(yù)測(cè)、交互預(yù)測(cè)，以及數(shù)據(jù)維護(hù)、特征監(jiān)控、系統(tǒng)管理等管理功能；普通用戶只能使用交互預(yù)測(cè)、批量預(yù)測(cè)，以及數(shù)據(jù)維護(hù)功能，如圖2 所示。

圖2 客流預(yù)測(cè)系統(tǒng)功能結(jié)構(gòu)

3.1 交互預(yù)測(cè)

按照不同的客流預(yù)測(cè)對(duì)象類型，交互預(yù)測(cè)分為3 類：區(qū)域客流預(yù)測(cè)、列車客流預(yù)測(cè)和線路客流預(yù)測(cè)；用戶通過操作界面選擇客流預(yù)測(cè)對(duì)象類型，系統(tǒng)處理后返回預(yù)測(cè)結(jié)果。

（1）區(qū)域客流預(yù)測(cè)

區(qū)域客流預(yù)測(cè)是對(duì)指定區(qū)域范圍內(nèi)的整體，或區(qū)域范圍內(nèi)指定起點(diǎn)與終點(diǎn)（OD，Origin to Destination）間的客流情況進(jìn)行動(dòng)態(tài)分析預(yù)測(cè)的過程和結(jié)果。

（2）列車客流預(yù)測(cè)

列車是指載客列車的整體，或者OD 間運(yùn)載旅客的列車車次；對(duì)列車整車客流或指定列車某個(gè)OD的客流進(jìn)行動(dòng)態(tài)預(yù)測(cè)和展示。

（3）線路客流預(yù)測(cè)

對(duì)指定線路上的站到站進(jìn)行動(dòng)態(tài)客流預(yù)測(cè)和展示。

3.2 批量預(yù)測(cè)

批量預(yù)測(cè)的預(yù)測(cè)對(duì)象分為鐵路局、站段和車站3 類，用戶可在數(shù)據(jù)維護(hù)模塊的操作界面中選擇預(yù)測(cè)對(duì)象類型，并設(shè)置更新頻率，系統(tǒng)按照用戶設(shè)置定時(shí)進(jìn)行離線批量預(yù)測(cè)。

（1）區(qū)域客流預(yù)測(cè)統(tǒng)計(jì)

對(duì)指定區(qū)域的客流預(yù)測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)分析和展示。

（2）列車客流預(yù)測(cè)統(tǒng)計(jì)

對(duì)指定列車的客流預(yù)測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)分析和展示。

（3）線路客流預(yù)測(cè)統(tǒng)計(jì)

對(duì)指定線路的客流預(yù)測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)分析和展示。

3.3 數(shù)據(jù)維護(hù)

用戶可在數(shù)據(jù)維護(hù)模塊中選定預(yù)測(cè)對(duì)象、完成事件定義和標(biāo)注數(shù)據(jù)異常。

（1）預(yù)測(cè)對(duì)象設(shè)定：設(shè)置系統(tǒng)進(jìn)行批量預(yù)測(cè)的預(yù)測(cè)對(duì)象；

（2）事件定義設(shè)置：設(shè)置事件的類型、發(fā)生時(shí)間，便于預(yù)測(cè)和分析事件對(duì)客流的影響；

（3）預(yù)測(cè)對(duì)象異常標(biāo)注：對(duì)預(yù)測(cè)結(jié)果誤差較大的預(yù)測(cè)對(duì)象進(jìn)行標(biāo)注，便于后續(xù)持續(xù)優(yōu)化客流預(yù)測(cè)。

3.4 預(yù)測(cè)方法評(píng)價(jià)

（1）預(yù)測(cè)方法比選：對(duì)于相同的預(yù)測(cè)對(duì)象，采用不同的預(yù)測(cè)方法可能得到不同的預(yù)測(cè)效果。針對(duì)某一種預(yù)測(cè)對(duì)象，選用多種預(yù)測(cè)算法模型，通過歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)處理，比較這些預(yù)測(cè)算法模型的應(yīng)用效果，選擇出最適用于這種預(yù)測(cè)對(duì)象的預(yù)測(cè)方法。

（2）預(yù)測(cè)方法融合：針對(duì)某一類預(yù)測(cè)對(duì)象，嘗試組合運(yùn)用多種預(yù)測(cè)方法，探索適用于這類預(yù)測(cè)對(duì)象的融合方法。

3.5 特征監(jiān)控

分別對(duì)預(yù)測(cè)對(duì)象在區(qū)域、車站、車次的特征進(jìn)行抽取和分析，對(duì)這些特征進(jìn)行監(jiān)控；若模型所涉及的特征有明顯變化，需及時(shí)對(duì)模型進(jìn)行調(diào)整。

3.6 系統(tǒng)管理

提供監(jiān)控系統(tǒng)運(yùn)行狀態(tài)、管理用戶及權(quán)限的工具，確保系統(tǒng)能夠穩(wěn)定、可靠、安全地運(yùn)行。

（1）數(shù)據(jù)傳輸監(jiān)控：監(jiān)測(cè)系統(tǒng)數(shù)據(jù)傳輸是否正常、客運(yùn)基礎(chǔ)數(shù)據(jù)是否在客運(yùn)大數(shù)據(jù)平臺(tái)中成功生成，發(fā)現(xiàn)異常時(shí)告警提示。

（2）系統(tǒng)狀態(tài)監(jiān)控：監(jiān)測(cè)系統(tǒng)主要組件、功能模塊、任務(wù)等運(yùn)行狀態(tài)是否正常，發(fā)現(xiàn)異常時(shí)告警提示。

（3）用戶管理：創(chuàng)建用戶，指定用戶可查看的客流預(yù)測(cè)結(jié)果的范圍。

4 客流預(yù)測(cè)處理流程

4.1 客流預(yù)測(cè)處理流程分類

按照數(shù)據(jù)處理流程的共性和差異，客流預(yù)測(cè)處理流程可劃分為2 大類：站站/車車預(yù)測(cè)和同一類站、車預(yù)測(cè)，如圖3 所示。

圖3 客流預(yù)測(cè)處理流程分類

4.1.1 站站/車車預(yù)測(cè)

站站/車車預(yù)測(cè)，就是各個(gè)維度的客流預(yù)測(cè)對(duì)象的訓(xùn)練數(shù)據(jù)以該預(yù)測(cè)對(duì)象的歷史數(shù)據(jù)為選取對(duì)象，所對(duì)應(yīng)的預(yù)測(cè)對(duì)象滿足歷史數(shù)據(jù)的累積要求，通常歷史數(shù)據(jù)至少累積1 年以上。具體過程為：

（1）對(duì)原始客流數(shù)據(jù)進(jìn)行非限化處理，然后分析客流波動(dòng)，將各維度預(yù)測(cè)對(duì)象的客流波動(dòng)進(jìn)行切分，對(duì)一年中平穩(wěn)時(shí)段和非平穩(wěn)時(shí)段進(jìn)行時(shí)間點(diǎn)分割；

（2）分別對(duì)各時(shí)段的數(shù)據(jù)進(jìn)行異常值識(shí)別，并將識(shí)別出來的異常值以某一統(tǒng)計(jì)量進(jìn)行替換；

（3）將處理后的數(shù)據(jù)作為圖1 中各種算法組件的輸入；其中，以上車人數(shù)為訓(xùn)練數(shù)據(jù)的算法模型主要有移動(dòng)平均、時(shí)序回歸、時(shí)序分解、往年比例、周期因子法、指數(shù)平滑、加/乘法模型[5]；以預(yù)售數(shù)據(jù)為訓(xùn)練數(shù)據(jù)的算法模型主要有線性回歸、Pick up（增量預(yù)測(cè)）；

（4）運(yùn)用加權(quán)回歸、Stack 方法[6]，對(duì)由上述2種算法模型處理得到的預(yù)測(cè)值進(jìn)行融合，最終得到更為穩(wěn)定、精確的預(yù)測(cè)結(jié)果，或在線下采用模型比選的方式，選出最為精確的預(yù)測(cè)結(jié)果。

4.1.2 同一類站、車預(yù)測(cè)

同一類站、車預(yù)測(cè)：各個(gè)維度的客流預(yù)測(cè)對(duì)象的訓(xùn)練數(shù)據(jù)以該對(duì)象的同一類的歷史客流數(shù)據(jù)為對(duì)象，對(duì)其進(jìn)行預(yù)測(cè)。這類預(yù)測(cè)適用于預(yù)測(cè)對(duì)象的歷史數(shù)據(jù)累積少于半年或缺少歷史數(shù)據(jù)的情況，如新設(shè)立站點(diǎn)或新開列車。

這類預(yù)測(cè)根據(jù)客流特征及線路、車站、車次在業(yè)務(wù)上的特征進(jìn)行分類，將天氣數(shù)據(jù)及事件數(shù)據(jù)引入到模型中，運(yùn)用XGBoost、Rigde 回歸[7]等算法解決受極端天氣或特定事件因素影響的客流預(yù)測(cè)問題。當(dāng)受調(diào)圖影響時(shí)，新的列車或新開的站運(yùn)用配流、調(diào)和的方法對(duì)其進(jìn)行預(yù)測(cè)，調(diào)整。

4.2 客流預(yù)測(cè)數(shù)據(jù)處理的基本流程

客流預(yù)測(cè)數(shù)據(jù)處理的基本流程，如圖4 所示。

圖4 客流預(yù)測(cè)數(shù)據(jù)處理基本流程示意

針對(duì)不同維度的客流預(yù)測(cè)，如發(fā)送量[8]、線路OD、車次、車次-OD，基本的數(shù)據(jù)處理流程為：

（1）從數(shù)據(jù)倉庫中抽取運(yùn)能、運(yùn)量數(shù)據(jù)，將節(jié)日、天氣、事件等特征加入到客流預(yù)測(cè)模型中，利用客流歷史數(shù)據(jù)對(duì)客流預(yù)測(cè)模型進(jìn)行對(duì)比篩選，然后再加入數(shù)據(jù)非限化處理，將需求受限的數(shù)據(jù)還原為需求數(shù)據(jù)的估計(jì)。

（2）對(duì)節(jié)假日、普通工作日的客流數(shù)據(jù)進(jìn)行建模，分別對(duì)這2 類不同時(shí)間段的建模數(shù)據(jù)進(jìn)行異常值識(shí)別、替換。

（3）判斷預(yù)測(cè)時(shí)段是否為節(jié)假日；若為節(jié)假日，對(duì)進(jìn)入預(yù)售期的客流和預(yù)售期之外的客流，分別使用節(jié)假日的歷史客流數(shù)據(jù)、客票預(yù)售數(shù)據(jù)進(jìn)行預(yù)測(cè)；若為工作日，對(duì)進(jìn)入預(yù)售期的客流和預(yù)售期之外的客流，分別使用工作日的近期及同期歷史客流數(shù)據(jù)、客票預(yù)售數(shù)據(jù)進(jìn)行預(yù)測(cè)。

（4）運(yùn)用業(yè)務(wù)經(jīng)驗(yàn)以及相應(yīng)規(guī)則，對(duì)預(yù)測(cè)結(jié)果進(jìn)行修正，以適應(yīng)業(yè)務(wù)應(yīng)用需求。

5 結(jié)束語

針對(duì)多層面、不同時(shí)期、不同類型的鐵路客流預(yù)測(cè)業(yè)務(wù)需求，依托鐵路客運(yùn)大數(shù)據(jù)平臺(tái)，構(gòu)建鐵路客流預(yù)測(cè)系統(tǒng)，能夠在同一系統(tǒng)平臺(tái)上完成客流預(yù)測(cè)方案的測(cè)試、評(píng)價(jià)和規(guī)范化應(yīng)用。基于分布式算法庫，充分利用歷史售票數(shù)據(jù)，并考慮年度、季節(jié)、星期、時(shí)間、節(jié)假日、重大事件、天氣等各類影響因素，提供不同角度、不同粒度、不同時(shí)期的客流預(yù)測(cè)功能，根據(jù)線路性質(zhì)（客運(yùn)專線、既有線）、列車性質(zhì)（動(dòng)車、普通旅客列車）進(jìn)行客流預(yù)測(cè)，支持人機(jī)交互預(yù)測(cè)和定時(shí)批量離線預(yù)測(cè)2 種應(yīng)用模式，可為各類客運(yùn)業(yè)務(wù)分析人員提供定制化客流預(yù)測(cè)數(shù)據(jù)，為票額智能預(yù)分、列車開行方案設(shè)計(jì)等客運(yùn)業(yè)務(wù)提供準(zhǔn)確、可靠的決策依據(jù)。

2019 年以來，鐵路客流預(yù)測(cè)系統(tǒng)已在多個(gè)鐵路局集團(tuán)公司技術(shù)科及客運(yùn)部開展實(shí)際運(yùn)用，系統(tǒng)運(yùn)行穩(wěn)定，對(duì)未來客流變化情況預(yù)測(cè)準(zhǔn)確度較高，且可根據(jù)實(shí)時(shí)客運(yùn)數(shù)據(jù)，對(duì)客流預(yù)測(cè)結(jié)果進(jìn)行即時(shí)更新和校正，為列車開行及調(diào)整、票額預(yù)分發(fā)揮了重要的指導(dǎo)作用。