张 见 张 宁 邵家玉

(1. 东南大学自动化学院，210096，南京；2. 东南大学智能运输系统研究中心轨道交通研究所，210018，南京//第一作者，硕士研究生)

城市轨道交通系统中的实时客流数据信息对提高地铁系统服务能力至关重要。然而，由于城市轨道交通自动售检票(Automatic Fare Collection，AFC)系统中的设备供应商的多样性以及实时数据传输过程的复杂性等原因，使得从AFC系统中获取的实时客流数据并不能完全反映运营实际情况，部分车站在某些时段的实时进站客流量与实际进站客流量差异较大[1]。为了保证所获取的实时客流数据的质量，可通过对各车站、各时段客流量设定合理的阈值，从而对实时获取的客流数据进行异常检测和纠错处理。在此过程中，阈值上限和阈值下限的合理设定最为关键。

根据同车站、同时段客流分布符合正态分布的特点，利用均值-三倍标准差法确定客流阈值上、下限是一种简便易行的方法，但由于样本数据本身存在异常值以及部分车站的季节性客流波动较大等原因，导致得出的阈值范围过大，不能有效地对实时获取的进站客流数据进行异常检测。文献[1]通过人工设定各样本序列均值所对应的最大阈值，得到样本序列的最大标准差，利用样本标准差与样本均值的比值判断阈值设定是否过大；文献[2]通过模型确定待检测点的预测值和方差值，以确定数据异常检测的阈值范围，取得了较好的异常检测效果。文献[3]的研究表明，混沌支持向量机回归模型对非线性时间序列回归预测效果较好。……