[發明專利]一種基于改進深度森林的公交車路段運行時間預測方法

有效

• 申請號: 201811512481.9
• 申請日: 2018-12-11
• 公開（公告）號: CN109741597B
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 陳超;姚寶珍;賈慧忠;王卉;元芳;谷曉寧
• 申請（專利權）人: 大連理工大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/123;G06Q50/30;G06Q10/04
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

本發明提供一種基于改進深度森林的公交車路段運行時間預測方法，包括：收集公交線路信息、GPS信息以及路段信息，對收集到的信息數據進行歸一化處理，將處理后的數據輸入到改進深度森林進行訓練，改進深度森林由卷積多粒度掃描和有限制級聯森林兩部分組成；選取7個變量作為訓練樣本(x_i,y_i)的八維輸入向量x_i，選取當前路段運行時間作為輸出向量y_i；選取樣本數據的70％作為訓練樣本輸入到改進深度森林，另外的30％則輸入改進深度森林檢測訓練結果；將檢測訓練結果用MAPE作為評價指標，MAPE越小，表示預測誤差越小，效果越理想。改進深度森林能夠更加適應不同規模大小的數據以進行訓練，并且改善運行內存、計算設施的高要求問題，預測更加準確的公交車輛運行時間。

技術領域

本發明涉及公交車輛運行時間的預測技術領域，具體而言，尤其涉及一種基于改進深度森林的公交車路段運行時間預測方法。

背景技術

隨著我國經濟高速發展、城市化進程不斷加快，機動車保有量快速增加，交通擁堵、交通排放、交通事故隨之加劇。公共交通以高容量、低污染、安全、快速等特點成為解決上述問題的有效途徑。大力發展公共交通對提高交通服務水平、改變出行方式有著重要作用。公交運行時間的預測是誘導居民出行、提高出行效率、提升交通服務水平的關鍵。同時公交車輛的運行受到許多因素，包括天氣、路段、星期、時間段等的干擾，因此對公交運行時間進行準確預測兼有重要意義和難度。

考慮到傳統的深度學習(相當于深度神經網絡)在訓練時需要大量的訓練數據，并且無法用于小規模數據任務；而公交車輛的線路規劃、運行時間是可能經過一段時間發生調整的。同時傳統的深度神經網絡模型復雜，超參數太多，過于依賴調參過程。而深度森林具有強大的表征學習能力，并且不需要復雜的調參、建模過程，同時能夠根據多粒度掃描實現小規模數據的訓練。

發明內容

根據現有技術的不足，本發明提供一種基于改進深度森林的公交車路段運行時間預測方法。本發明方法中改進后的深度森林能夠更加適應不同規模大小的數據以進行訓練，并且改善運行內存、計算設施的高要求問題，預測出更加準確的公交車輛運行時間，該方法同樣適用于其它時間預測。

本發明采用的技術手段如下：

一種基于改進深度森林的公交車路段運行時間預測方法，包括如下步驟：

步驟S1：收集公交線路信息、GPS信息以及路段信息，對收集到的信息數據進行歸一化處理，將收集到的數據采用如下公式處理為區間為[0,1]之間的數據：

其中，w為歸一化后的數據；x為原始數據；x_min為原始數據中的最小值；x_max為原始數據中的最大值；

步驟S2：將處理后的數據輸入到改進深度森林進行訓練，所述改進深度森林由卷積多粒度掃描和有限制級聯森林兩部分組成；

卷積多粒度掃描，對處理后的數據進行特征提取，在滑動窗口掃描選取樣本特征時，構造一列向量作為特征掃描的過濾器filter，結合滑動窗口對范圍內的特征進行系數運算，讓過濾器filter在原始數據上滑動，得到整組特征的高維表示，得到樣本子數據；

有限制級聯森林，將所述樣本子數據輸入到有限制級聯森林中進行高維空間數據的訓練，在訓練過程中，每層森林有p個森林，每個森林產生c維數據，將原始高維空間子數據拼接到一起，得到q*c+A*N維數據；最后一層森林輸出結果，則不再進行樣本子數據的拼接；經過幾層森林直到預測精確度不再提高，或達到設定的森林層數，則輸出預測結果；