[發(fā)明專利]出行流量預(yù)測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010478519.6
• 申請(qǐng)日: 2020-05-29
• 公開(kāi)（公告）號(hào): CN111709778B
• 公開(kāi)（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 劉浩;熊輝;吳奇宇
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06Q30/0202
• 分類號(hào): G06Q30/0202;G06Q30/0251;G06N3/0442;G06N3/08
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 石茵汀

1.一種出行流量預(yù)測(cè)方法，所述方法包括：

根據(jù)多個(gè)區(qū)域的歷史流量特征，生成每個(gè)所述區(qū)域的隱向量,其中，所述區(qū)域的隱向量用于指示所述區(qū)域的歷史流量特征變化規(guī)律；

根據(jù)多個(gè)群體的歷史流量特征，生成每個(gè)所述群體的隱向量，其中，所述群體的隱向量用于指示所述群體的歷史流量特征變化規(guī)律；

根據(jù)所述每個(gè)區(qū)域的隱向量和所述每個(gè)群體的隱向量，確定隱向量相關(guān)的目標(biāo)區(qū)域和目標(biāo)群體；以及

根據(jù)所述目標(biāo)區(qū)域的隱向量和所述目標(biāo)群體的隱向量預(yù)測(cè)所述目標(biāo)區(qū)域中的所述目標(biāo)群體的出行流量。

2.根據(jù)權(quán)利要求1所述的出行流量預(yù)測(cè)方法，其中，所述根據(jù)所述每個(gè)區(qū)域的隱向量和所述每個(gè)群體的隱向量，確定隱向量相關(guān)的目標(biāo)區(qū)域和目標(biāo)群體，包括：

根據(jù)所述每個(gè)區(qū)域的隱向量和所述每個(gè)群體的隱向量，對(duì)所述多個(gè)區(qū)域以及所述多個(gè)群體分組，得到屬于同一分組的目標(biāo)區(qū)域和目標(biāo)群體；其中，同一分組內(nèi)的所述目標(biāo)區(qū)域和所述目標(biāo)群體的隱向量相關(guān)。

3.根據(jù)權(quán)利要求2所述的出行流量預(yù)測(cè)方法，其中，所述根據(jù)所述每個(gè)區(qū)域的隱向量和所述每個(gè)群體的隱向量，對(duì)所述多個(gè)區(qū)域以及所述多個(gè)群體分組，得到屬于同一分組的目標(biāo)區(qū)域和目標(biāo)群體，包括：

將每一個(gè)所述群體的隱向量輸入分類模型，得到所述群體屬于每一分組的概率，以及將每一個(gè)所述區(qū)域的隱向量輸入所述分類模型，得到所述區(qū)域?qū)儆诿恳凰龇纸M的概率；

對(duì)各所述分組，統(tǒng)計(jì)屬于所述分組的概率不為零的群體和區(qū)域，作為所述分組的目標(biāo)區(qū)域和目標(biāo)群體。

4.根據(jù)權(quán)利要求3所述的出行流量預(yù)測(cè)方法，其中，所述根據(jù)所述目標(biāo)區(qū)域的隱向量和所述目標(biāo)群體的隱向量預(yù)測(cè)所述目標(biāo)區(qū)域中的所述目標(biāo)群體的出行流量，包括：

在每一所述分組內(nèi)，根據(jù)屬于所述分組的概率，將所述目標(biāo)區(qū)域的隱向量和所述目標(biāo)群體的隱向量進(jìn)行加權(quán)，得到所述目標(biāo)區(qū)域和所述目標(biāo)群體在所述分組內(nèi)的融合隱向量；

將每一所述分組內(nèi)的融合隱向量輸入相應(yīng)分組的預(yù)測(cè)模型，得到所述目標(biāo)區(qū)域和所述目標(biāo)群體在所述分組內(nèi)的預(yù)測(cè)出行流量；

根據(jù)所述目標(biāo)區(qū)域和所述目標(biāo)群體在每一所述分組內(nèi)的預(yù)測(cè)出行流量，預(yù)測(cè)得到所述目標(biāo)區(qū)域中所述目標(biāo)群體的出行流量。

5.根據(jù)權(quán)利要求4所述的出行流量預(yù)測(cè)方法，其中，所述根據(jù)所述目標(biāo)區(qū)域和所述目標(biāo)群體在每一所述分組內(nèi)的預(yù)測(cè)出行流量，預(yù)測(cè)得到所述目標(biāo)區(qū)域中所述目標(biāo)群體的出行流量，包括：

根據(jù)所述目標(biāo)區(qū)域和所述目標(biāo)群體屬于每一所述分組的概率，對(duì)所述分組內(nèi)的預(yù)測(cè)出行流量進(jìn)行加權(quán)，得到所述目標(biāo)區(qū)域中所述目標(biāo)群體的出行流量。

6.根據(jù)權(quán)利要求3所述的出行流量預(yù)測(cè)方法，其中，所述將每一個(gè)所述群體的隱向量輸入分類模型，得到所述群體屬于每一分組的概率，以及將每一個(gè)所述區(qū)域的隱向量輸入所述分類模型，得到所述區(qū)域?qū)儆诿恳凰龇纸M的概率，包括：

對(duì)每一所述分組，生成所述分組的分組任務(wù)；其中，每一所述分組任務(wù)，對(duì)應(yīng)一個(gè)所述群體的隱向量，或一個(gè)所述區(qū)域的隱向量；每一所述分組的分組任務(wù)總數(shù)是根據(jù)群體總數(shù)和區(qū)域總數(shù)確定的；

執(zhí)行每一所述分組的分組任務(wù)，以將所述分組任務(wù)對(duì)應(yīng)的隱向量，輸入所述分組的分類模型，得到輸入的隱向量所對(duì)應(yīng)群體或區(qū)域?qū)儆谒龇纸M的概率；

其中，每一所述分組對(duì)應(yīng)的分類模型，包括順序連接的全連接層和分組層；其中，所述全連接層，為相應(yīng)分組內(nèi)各分組任務(wù)共用；所述分組層為多個(gè)，每一個(gè)所述分組任務(wù)對(duì)應(yīng)一個(gè)所述分組層。

7.根據(jù)權(quán)利要求1-6任一項(xiàng)所述的出行流量預(yù)測(cè)方法，其中，所述根據(jù)多個(gè)區(qū)域的歷史流量特征，生成每個(gè)所述區(qū)域的隱向量之前，還包括：

獲取區(qū)域相關(guān)圖；其中，所述區(qū)域相關(guān)圖中包括各區(qū)域，以及連接不同區(qū)域的邊；所述連接不同區(qū)域的邊用于指示所連接的不同區(qū)域在地理位置上相鄰；

根據(jù)所述區(qū)域相關(guān)圖，確定各所述區(qū)域通過(guò)邊連接的相鄰區(qū)域；

根據(jù)每一所述區(qū)域的歷史出行流量，以及相鄰區(qū)域的歷史出行流量，生成所述區(qū)域的歷史流量特征。