[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

本說明書實施例提供一種針對車輛客流量的預測模型進行更新的方法和裝置，在針對車輛客流量的預測模型的訓練過程中，通過矩陣方式代替數學表達式的運算方式，充分利用矩陣和向量的數學特征，完成運算和客流量匯總過程，從而避免了數學表達式中難以使用優化算法等問題，加快收斂速度，提高模型訓練效率。進一步地，利用向量的特點，可以將損失函數定義為向量一致性，即使減少樣本數據量，也不影響預測模型的準確度，進一步降低模型訓練過程中的計算成本。

技術領域

本說明書一個或多個實施例涉及計算機技術領域，尤其涉及通過計算機針對車輛客流量的預測模型進行更新的方法和裝置。

背景技術

交通狀況是城市地理環境的重要組成部分，是社會經濟、城市發展的標志。合理的交通布局可以為居民提供便利。合理的交通布局例如包括，公交車投放、站點設置、出租車投放、紅綠燈布局、道路布局等等。不合理的交通布局也會給城市布局以及環境帶來一些問題，例如公交車乘客稀少造成資源浪費，人流量需求較大的路段缺乏有效公共交通工具，個別路段道路狹窄交通擁堵，等等。對城市車輛(例如公交車輛)的客流量模擬或預測，是對城市交通狀況評估的重要手段。

發明內容

本說明書一個或多個實施例描述了一種針對車輛客流量的預測模型進行更新的方法及裝置，可以將數據轉化成陣列形式，避免梯度下降方式數據匯總過程時不可導的現象，得到更有效的預測模型。

根據第一方面，提供了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。

根據一個實施例，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。

根據一個實施例，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。

根據一個進一步的實施例，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。

根據一個實施例，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。