融合增量学习的地铁网络乘客出行时空路径估计方法

本发明公开了一种融合增量学习的地铁网络乘客出行时空路径估计方法。该方法通过地铁网络的AFC系统获取乘客进出站刷卡记录，结合ATS行车数据，构建时空网络并生成乘客可行时空路径集。以单可行时空路径的乘客作为样本基础，利用高斯混合分布模型对步行时间分布进行建模。针对多时空路径乘客，结合贝叶斯定理计算每条时空路径的后验概率，实现乘客路径选择概率的动态估计。通过增量学习机制，根据时空路径的置信度对模型参数进行自适应调整，实时更新模型以适应乘客行为模式的变化。本发明解决了现有技术中样本量小、可拓展性差、计算复杂度高的问题，能够高效、动态地估计乘客出行时空路径，为地铁运营管理提供决策支持。