[發明專利]針對車輛客流量的預測模型進行更新的方法及裝置

有效

• 申請號: 202010213838.4
• 申請日: 2020-03-24
• 公開（公告）號: CN113450557B
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 陳旭;劉曄誠
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06F17/16;G06Q10/04;G06Q50/26
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種對車輛客流量的預測模型進行更新的方法，所述預測模型用于針對預定類型車輛進行客流量預測，所述方法包括：

獲取當前周期內的n條出行數據對應的樣本特征矩陣，所述樣本特征矩陣由所述n條出行數據分別對應的n個d維樣本特征向量并列排布生成，其中，單條出行數據對應單個用戶在當前周期內從一個起始點到一個目標點的一次出行行為；

利用所述預測模型中的d維特征權重向量處理所述樣本特征矩陣，基于處理結果得到針對所述預定類型車輛的n維車輛出行概率向量；

獲取n條出行數據各自在m個候選線路上的線路選擇向量構成的線路選擇矩陣，其中，單個線路選擇向量用于描述相應出行數據中，單個用戶從相應起始點到相應目標點時，在m個候選線路的選擇概率，所述m個候選線路與所述n條出行數據至少基于時間和地域相關聯，并針對所述預定類型車輛確定；

將所述線路選擇矩陣與所述車輛出行概率向量進行融合，確定出分別與所述m個候選線路對應的m個預測客流量；

基于所述m個候選線路在當前周期內分別對應的m個真實客流量和所述m個預測客流量的相似性對比，至少調整所述d維特征權重向量，從而更新所述預測模型。

2.根據權利要求1所述的方法，其中，在所述預定類型車輛為公交車輛的情況下，所述樣本特征向量用于描述以下至少一項特征：用戶畫像、用戶的歷史出行效率偏好、出行時的天氣、起始點和目標點距離、起始點與公交站距離、目標點與公交站距離、相關公交路次的運營時間和/或運營間隔。

3.根據權利要求1所述的方法，其中，所述樣本特征矩陣中，各行分別對應各條出行數據，各列分別對應各個樣本特征，所述d維特征權重向量為列向量，所述利用所述預測模型中的d維特征權重向量處理所述樣本特征矩陣包括：

將所述樣本特征矩陣與所述d維特征權重向量的乘積對應的n維列向量作為所述處理結果。

4.根據權利要求3所述的方法，其中，所述基于處理結果得到針對所述預定類型車輛的n維車輛出行概率向量包括：

通過預先確定的激勵函數將所述處理結果中的n維列向量上的各個元素映射為預定區間的數值，得到所述車輛出行概率向量。

5.根據權利要求1所述的方法，其中，單個線路選擇向量通過以下的一種方式確定：

將用戶在與相應出行數據一致的起始點和目標點之間的歷史出行中，選擇各個候選線路的次數分別與總出行次數的各個比值，作為所述單個線路選擇向量的各個元素；

將相應出行數據對應的d維樣本特征向量輸入預先訓練的線路選擇模型，根據所述線路選擇模型的輸出結果確定所述單個線路選擇向量。

6.根據權利要求1所述的方法，其中，所述候選線路包括第一線路，所述將所述線路選擇矩陣與所述車輛出行概率向量進行融合，確定出分別與所述m個候選線路對應的m個預測客流量包括：

將所述線路選擇矩陣中，與所述第一線路對應的行/列中的各個元素，用所述車輛出行概率向量中相應元素為權重，進行加權求和，得到第一和值；

將所述第一和值確定為所述第一線路上的預測客流量。

7.根據權利要求1所述的方法，其中，所述線路選擇矩陣中的各行分別對應各條候選線路，各列分別對應各條出行數據，所述車輛出行概率向量為m維的列向量，所述將所述線路選擇矩陣與所述車輛出行概率向量進行融合，確定出分別與所述m個候選線路對應的m個預測客流量包括：

根據所述線路選擇矩陣與所述車輛出行概率向量的乘積，得到m維列向量，所述m維列向量中的各個元素分別為與所述m個候選線路對應的m個預測客流量。

8.根據權利要求1所述的方法，其中，所述基于所述m個候選線路在當前周期內分別對應的m個真實客流量和所述m個預測客流量的相似性對比，至少調整所述d維特征權重向量包括：

將以下中的一項作為損失函數：所述m個真實客流量和所述m個預測客流量之間的方差、均方差、平均絕對誤差、總體相對誤差、歐氏距離、余弦距離；

向損失函數減小的方向調整所述d維特征權重向量。