1.一种描述波动特性的城市轨道交通客流量变化区间预测方法，其特征在于包含如下步骤：步骤1：对原始客流数据进行处理，获取一定时间汇集度下的城市轨道交通客流序列；步骤2：绘制客流时间序列图，识别客流变化的周期；步骤3：使用历史客流数据进行结构化状态驱动的季节性差分自回归滑动平均模型，预测客流平均水平，其中具体步骤分为两个子过程：步骤3.1：使用历史客流，分析其周期与季节长度，训练下述模型，从而实现预测，其预测具体遵循以下公式(2)：式中，Flow n 为在时间汇集度为T的客流序列中，时间编号为n时的客流真实值；B为后移运算符；φ P (B S )和Θ Q (B S )是B矩阵的阶为P,Q的多项式；P是季节自回归的阶数；D是季节差分数；Q是季节自平均阶数；S是季节周期的长度；ε n 为随机干扰项，符合均值为0、方差为 的正态分布；步骤3.2：利用结构化状态预测模型驱动3.1中构建的季节性差分自回归滑动平均模型，降低趋势变化造成的波动，形成稳定的预测和修正框架，具体遵循以下公式(3)至公式(8)：Flow t+1 ＝AFlow t +W t (3)Y t ＝BFlow t +V t (4)其中，Flow t+1 和Y t 分别为系统的n维状态向量和m维观测向量，A和B分别为m×n维状态转换矩阵和观测矩阵，W t 和V t 分别为系统的n维随机干扰向量和m维观测噪声向量；P(t+1|t)＝A·P(t|t)+R 1 +R 2 +...+R q (5)Kg(t+1)＝P(t+1|t)·B′/(B·P(t+1|t)·B′+Q) (6)其中， 为基于t时刻的道路交通客流预测值，P(t+1|t)为 对应的协方差矩阵，(R 1 ，R 2 ，...，R q )为(e 1 ，e 2 ，...，e q )对应的协方差矩阵，Q为观测噪声方程的协方差矩阵，Kg为误差增益，Z为观测真实值所组成的向量；其中Y(t+1)为t+1时刻的观察真实值， 为t+1时刻客流数据的最优预测；步骤4：使用历史客流离散水平递推的方法进行客流离散水平的建模和预测；步骤5：选取一定置信水平并确定该置信水平下的客流变化区间；步骤6：将客流变化区间的宽度与对应的客流真实值之比定义为宽度流量比，使用该指标来评价客流波动性的强弱，宽度流量比越大，说明客流的波动性越强；反之，客流的波动性越弱。
2.如权利要求1所述的描述波动特性的城市轨道交通客流量变化区间预测方法，其特征在于：步骤1中确定时间汇集度T、研究时间段、研究的站点和客流类型，对原始客流数据进行处理，获取时间汇集度为T的客流序列{Flow 1 ,Flow 2 ,Flow 3 ,…}。
3.如权利要求2所述的描述波动特性的城市轨道交通客流量变化区间预测方法，其特征在于：原始客流数据为每一位乘客的进、出站记录，包括进、出站的站点和时间，通过判断原始数据中的车站、时段信息，以对客流序列中的第n个客流值Flow n 进行计算，具体计算遵循以下公式(1)：式中，Flow n 为在时间汇集度为T的客流序列中，时间编号为n时的客流真实值；Station为乘客进/出站站点，Time为乘客进/出站时间，T n 为研究时间段内的第n个汇集间隔所包含的时间段。
4.如权利要求1所述的描述波动特性的城市轨道交通客流量变化区间预测方法，其特征在于：使用确定参数后的客流平均水平模型对研究时间段内的客流平均水平进行预测，得到客流预测值序列
5.如权利要求1所述的描述波动特性的城市轨道交通客流量变化区间预测方法，其特征在于：步骤4中模型的表达式如下公式(9)和(10)：式中，FlowVar n 和FlowVar n-1 分别为时间编号为n和n-1时的客流方差值；e n 为随机干扰项，符合均值为0、方差为1的正态分布；α 0 、α 1 和β 1 为模型的常数项。
6.如权利要求5所述的描述波动特性的城市轨道交通客流量变化区间预测方法，其特征在于：使用客流残差序列 对模型参数α 0 、α 1 和β 1 进行确定后，再使用确定参数后的客流离散水平模型对研究时间段内的客流离散水平进行预测，得到客流方差预测值序列
7.如权利要求1所述的描述波动特性的城市轨道交通客流量变化区间预测方法，其特征在于：步骤5中选取100·(1-α)％的置信水平，其中0<α<1，计算该置信水平下的客流变化区间，客流量变化区间的计算表达式为公式(11)：式中，FlowL n,1-α 为时间编号为n时的客流变化区间下限；FlowU n,1-α 为时间编号为n时的客流变化区间上限； 为时间编号为n时的客流预测值； 为时间编号为n时的客流方差预测值；z α/2 为正态分布的上α/2分位点。
8.如权利要求1所述的描述波动特性的城市轨道交通客流量变化区间预测方法，其特征在于：步骤6中采用宽度流量比来评价客流波动特性的强弱，宽度流量比通过公式(12)确定：式中，R n 为时间编号为n时的宽度流量比；FlowU n,1-α 为时间编号为n时的客流变化区间上限；FlowL n,1-α 为时间编号为n时的客流变化区间下限；Flow n 为在时间汇集度为T的客流序列中，时间编号为n时的客流真实值。
