[發明專利]一種基于徑向基函數神經網絡的客流量預測方法

在審

• 申請號: 201811146723.7
• 申請日: 2018-09-29
• 公開（公告）號: CN109993341A
• 公開（公告）日: 2019-07-09
• 發明（設計）人: 平麒麟;趙懷柏;還斌;王逸凡;陳云;王雪雪;周劍峰;趙益
• 申請（專利權）人: 上海電科智能系統股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06N3/04;G06N3/08
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;柏子雵

本發明涉及一種基于徑向基函數神經網絡的客流量預測方法，其特征在于，包括以下步驟：對歷史客流量數據進行預處理；對預處理后的數據進行節假日判別，區分平日數據與節假日數據；將平日數據以“星期”和“時段”屬性進行分組和排列輸入到初始的徑向基函數神經網絡中進行訓練并驗證，得到訓練完成的神經網絡參數；綜合平日數據和節假日數據計算節假日波動系數；將預測時段對應的數據輸入到預測算法中得到預測值，結合節假日波動系數，最后計算出不同時間粒度的預測客流量。這種全新的客流量預測方法能夠有效地提升預測效率與預測精度，并為管理部門在應對突發性大客流的情況上提供良好的技術支持。

技術領域

本發明涉及一種基于徑向基函數(Radical Basis Function，RBF)神經網絡的客流量預測方法，屬于智能交通監控和交通預測領域。

背景技術

隨著近年來人工智能的快速發展，客流量預測也進入了一個全新的領域，得到了更多的技術支持。

在眾多的人工智能算法中，神經網絡憑借其特有的結構和強大的自學習能力等優點成為了受關注度最高的算法之一。徑向基函數神經網絡的核心是徑向基函數，它不僅克服了傳統BP(Back Propagation)神經網絡收斂速度較慢且容易陷入局部極小值的缺點，同時具有結構簡單、訓練簡潔、學習速度快和求解方便等優勢，十分適用于實時性需求較高的客流量預測領域。

以往的預測方法通常只能實現對平日客流量的預測，而節假日或一些大型活動時產生的突發性客流卻很難被預測到，而管理部門最關注的往往就是這些時段的客流量。本發明引入的節假日波動系數即針對一年中幾個特定的節假日或特殊活動等分別進行波動系數計算，最終與徑向基函數神經網絡的客流量預測結果進行融合，得到節假日的客流量預測，方便管理部門提前進行工作的安排和準備

發明內容

本發明目的是：利用徑向基函數神經網絡進行基礎模型的構建，結合節假日波動系數的計算，實現“分鐘”級等不同時間粒度的客流量預測，進一步提高管理部門在節假日或大型活動期間的工作效率。以下僅從“小時”和“日”兩種典型的時間粒度上對本發明進行具體說明。

為了達到上述目的，本發明的技術方案是提供了一種基于徑向基函數神經網絡的客流量預測方法，其特征在于，包括以下步驟：

步驟1、對歷史小時客流量進行預處理，剔除異常值并進行數據修補；

步驟2、對預處理后的數據進行節假日判別，將非節假日的客流量數據錄入平日數據庫中，將節假日的客流量數據錄入節假日數據庫中；

步驟3、將平日數據庫中一定數量的數據輸入到徑向基函數神經網絡中進行訓練并驗證，得到訓練完成的神經網絡參數，對徑向基函數神經網絡的訓練包括以下步驟：

步驟3.1、配置徑向基函數神經網絡的初始參數；

步驟3.2、將平日數據庫中的數據作為訓練數據輸入徑向基函數神經網絡進行訓練，得到神經網絡訓練參數；

步驟3.3、采用平日數據庫中與步驟3.2相同的數據形式且未用于步驟3.2的數據作為測試數據對已訓練的徑向基函數神經網絡進行驗證，如果達到訓練目標則視為訓練完成并輸出徑向基函數神經網絡訓練參數，如果未達到目標則返回步驟3.2重新訓練；

步驟4、調用平日數據庫和節假日數據庫計算各個節假日及其影響范圍的波動系數，所述波動系數為節假日數據庫中上一年相同日期的客流數據除以平日數據庫中今年相同日期對應“星期”屬性的日均客流量；

步驟5、平日及節假日客流量預測：將實時獲得的與預測時段對應的小時客流量數據輸入已訓練的徑向基函數神經網絡得到預測時段的小時預測量，若預測時段為非節假日，則將預測量作為最終小時預測量輸出，若預測時段為節假日，則將預測量與步驟4得到的波動系數相結合，得到最終小時預測量。