[發明專利]一種短期地鐵客流預測方法、系統及電子設備

有效

• 申請號: 201911132859.7
• 申請日: 2019-11-19
• 公開（公告）號: CN110866649B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 葉潔瑕;趙娟娟;須成忠;劉延東
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/901;G06N3/04;G06Q50/30
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 曹衛良

本發明涉及時空數據挖掘或智慧交通技術領域，公開了一種短期地鐵客流預測方法、系統及電子設備，該預測方法首先采集地鐵源數據；特征提取模塊提取客流特征矩陣，構建地鐵的有向有權圖，并搭建目標站點的鄰近矩陣；根據所提取的客流特征矩陣和目標站點的鄰近矩陣，建立圖卷積神經網絡模型，對目標站點在下一個時間段的客流進行預測；最后輸出目標站點在下一個時間段的客流預測值。本發明不僅考慮到時間因素也考慮到地鐵的空間因素，更加有效地預測了短時客流特征，提高了短期地鐵客流預測的精度。

技術領域

本發明涉及時空數據挖掘或智慧交通技術領域，更具體的說，特別涉及一種短期地鐵客流預測方法、系統及電子設備。

背景技術

地鐵以其綠色、快捷方便、運量大和安全性高等特點，成為大城市最重要的出行方式。近年來，各大城市大量建成地鐵線路并投入營運，但線路管理和調度等問題凸顯。如早晚高峰時段的線路車次供給與需求不匹配，導致車次載滿率過高而過度擁擠，降低承運安全性；而平峰和低峰車輛載滿率過低而導致運能浪費。因此，需要一種能有效預測短期客流分布的方案來滿足市民出行的需求，減少乘客的出行時間，為鐵路企業進行資源(包括服務人員、應急物資等)調配，安全措施部署等提供決策依據。

以時間粒度劃分，客流預測包括以時段、日、月和季度等粒度的客流預測。時間粒度越小，客流量數據的隨機性越強，預測的難度越大。短期客流預測的研究始于20世紀，目前已取得豐富的研究成果。研究方法分為以下幾種：第一種是傳統的線性預測模型，包括時間序列預測法、卡爾曼濾波模型和線性回歸模型等。第二種是非線性預測模型，包括傳統的基于小波理論的模型、基于混沌理論的模型、基于非參數回歸的模型等模型，還包括支持向量機、神經網絡等。第三種是以仿真技術為基礎的預測模型，包括交通模擬預測法、動態交通分配預測法及元胞自動機預測法等。

已有的模型，包括預測精度最高的神經網絡類模型，在預測地鐵站點的客流時，大部分僅僅使用了所預測站點過去各個時段的客流特征去預測該站點的未來各時段的客流，沒有考慮到其它站點的客流對該站點的客流影響，即考慮了時間因素但忽略了空間因素。而地鐵可以是看作一個網絡，單個站點某個時間段內的進(出)客流，不僅受到最近過去時段該站點的客流狀況影響，也受到其它站點的客流狀況的影響。據觀察，其它各個站點的客流狀況對當前站點的客流影響與站點之間的距離有關，距離越近則影響越大，距離越遠則影響越小。

發明內容

本發明的目的在于針對現有技術存在的技術問題，提供一種短期地鐵客流預測方法、系統及電子設備，能夠對短期內地鐵網絡中的各站點的客流量(包括流入量和流出量)做出有效的實時預測。

為了解決以上提出的問題，本發明采用的技術方案為：

一種短期地鐵客流預測方法，該預測方法包括：

步驟a：采集地鐵源數據；

步驟b：特征提取模塊提取客流特征矩陣，構建地鐵的有向有權圖，并搭建目標站點的鄰近矩陣；

步驟c：根據所提取的客流特征矩陣和目標站點的鄰近矩陣，建立圖卷積神經網絡模型，對目標站點在下一個時間段的客流進行預測；

步驟d：輸出目標站點在下一個時間段的客流預測值。

進一步地，所述特征提取模塊中具體方法步驟如下：

步驟S1：根據所采集的地鐵源數據，提取所有站點在設定時間段內的入閘人數和出閘人數作為客流特征矩陣，及提取下一時間段內目標站點的出閘人數作為客流預測目標；

步驟S2：構建地鐵的有向有權圖G＝(V，E)，其中V是圖的頂點集，E是圖的邊集，圖的頂點即地鐵的站點；

步驟S3：根據所構建的有向有權圖，搭建目標站點的鄰近矩陣，表示其余所有站點到目標站點的所花費的最短時間。

進一步地，所述步驟S1中，提取客流特征矩陣和客流預測目標，具體包括如下：