[發(fā)明專利]民眾出行需求預測方法、裝置及計算機終端

在審

• 申請?zhí)枺?/td>: 201811100013.0
• 申請日: 2018-09-20
• 公開（公告）號: CN109345296A
• 公開（公告）日: 2019-02-15
• 發(fā)明（設計）人: 孔國強;張錦旺
• 申請（專利權(quán)）人: 深圳市東部公共交通有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/08
• 代理公司: 北京超凡志成知識產(chǎn)權(quán)代理事務所(普通合伙) 11371
• 代理人: 逯恒

1.一種民眾出行需求預測方法，其特征在于，包括：

獲取至少一個區(qū)域的相關(guān)屬性，并獲取對應區(qū)域的民眾出行樣本數(shù)據(jù)，其中，所述出行樣本數(shù)據(jù)包括所述區(qū)域的相關(guān)屬性和對應的民眾出行OD信息；

構(gòu)建基于神經(jīng)網(wǎng)絡的出行需求預測模型；

其中，所述構(gòu)建包括：將所述區(qū)域的相關(guān)屬性作為輸入?yún)?shù)以確定所述神經(jīng)網(wǎng)絡的輸入層節(jié)點；將所述區(qū)域的民眾出行OD信息作為輸出參數(shù)以確定輸出層節(jié)點；確定隱含層節(jié)點數(shù)目；利用經(jīng)過歸一化處理后的出行樣本數(shù)據(jù)進行訓練及驗證；

將待測區(qū)域的相關(guān)屬性數(shù)據(jù)輸入所述出行需求預測模型以預測所述待測區(qū)域的民眾出行OD信息。

2.根據(jù)權(quán)利要求1所述的民眾出行需求預測方法，其特征在于，每一區(qū)域的所述出行樣本數(shù)據(jù)中的民眾出行OD信息的獲取，包括：

獲取所述區(qū)域內(nèi)的移動通信設備的識別號；

當所述移動通信設備到達所述區(qū)域或離開所述區(qū)域時，獲取所述識別號對應的移動通信設備在預設時段內(nèi)的位置數(shù)據(jù)；

從所述位置數(shù)據(jù)中獲取所述區(qū)域的民眾的出行OD信息。

3.根據(jù)權(quán)利要求2所述的民眾出行需求預測方法，其特征在于，所述出行OD信息包括出行目的地、出發(fā)地和停留點間的出行方式，所述“從所述位置數(shù)據(jù)中獲取所述區(qū)域的民眾的出行OD信息”，包括：

根據(jù)所述位置數(shù)據(jù)獲取所述移動通信設備的運行速度和包含停留點的行程軌跡；

根據(jù)所述停留點間的運行速度判斷對應的出行方式；

根據(jù)所述行程軌跡判斷所述出行目的地及出發(fā)地。

4.根據(jù)權(quán)利要求3所述的民眾出行需求預測方法，其特征在于，所述停留點包括短停留點和長停留點，所述停留點的判定包括：

若所述移動通信設備在同一位置停留的時間大于第一停留時間值且不超過第二停留時間值，則判定當前位置為一短停留點；

若所述移動通信設備在同一位置停留時間大于第二停留時間值，則判定所述當前位置為一長停留點。

5.根據(jù)權(quán)利要求1所述的民眾出行需求預測方法，其特征在于，所述“利用經(jīng)過歸一化處理后的出行樣本數(shù)據(jù)進行訓練及驗證”，包括：

從歸一化處理后的所有出行樣本數(shù)據(jù)中隨機選取預設比例的數(shù)據(jù)作為訓練數(shù)據(jù)，余下的數(shù)據(jù)作為測試數(shù)據(jù)；

在訓練所述神經(jīng)網(wǎng)絡過程中，正向傳播的傳遞函數(shù)均采用sigmoid函數(shù)，反向傳播的誤差函數(shù)采用誤差平方和函數(shù)。

6.根據(jù)權(quán)利要求5所述的民眾出行需求預測方法，其特征在于，采用梯度下降算法確定與民眾出行OD信息輸出值與實際的民眾出行OD信息實際值的最小誤差對應的每一連接權(quán)重和閾值。

7.根據(jù)權(quán)利要求1所述的民眾出行需求預測方法，其特征在于，所述出行需求預測模型的輸入層節(jié)點數(shù)目范圍為10～14，輸出層節(jié)點數(shù)目范圍為3～5，隱含層節(jié)點數(shù)目范圍為5～10。

8.一種民眾出行需求預測裝置，其特征在于，包括：

樣本數(shù)據(jù)獲取模塊，用于獲取至少一個區(qū)域的相關(guān)屬性，并獲取對應區(qū)域的民眾出行樣本數(shù)據(jù)，其中，所述出行樣本數(shù)據(jù)包括所述區(qū)域的相關(guān)屬性和對應的民眾出行OD信息；

模型構(gòu)建模塊，用于構(gòu)建基于神經(jīng)網(wǎng)絡的出行需求預測模型；

其中，所述構(gòu)建包括：將所述區(qū)域的相關(guān)屬性作為輸入?yún)?shù)以確定所述神經(jīng)網(wǎng)絡的輸入層節(jié)點；將所述區(qū)域的民眾出行OD信息作為輸出參數(shù)以確定輸出層節(jié)點；確定隱含層節(jié)點數(shù)目；利用經(jīng)過歸一化處理后的出行樣本數(shù)據(jù)進行訓練及驗證；

模型預測模塊，用于將待測區(qū)域的相關(guān)屬性數(shù)據(jù)輸入所述出行需求預測模型以預測所述待測區(qū)域的民眾出行OD信息。

9.一種計算機終端，其特征在于，所述計算機終端包括存儲器和處理器，所述存儲器用于存儲計算機程序，所述處理器運行所述計算機程序以使所述計算機終端執(zhí)行權(quán)利要求1至7任一項所述的民眾出行需求預測方法。

10.一種計算機可讀存儲介質(zhì)，其特征在于，其存儲有權(quán)利要求9所述計算機終端中所用的計算機程序。