[發明專利]一種地鐵站人流量峰值的預測方法、裝置和計算機設備

有效

• 申請號: 202010578239.2
• 申請日: 2020-06-23
• 公開（公告）號: CN111612281B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 陳浩;周毅榮;李軍;吳燁;杜春;彭雙;伍江江;熊偉;陳犖;景寧
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06F18/214;G06N3/0464
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 邱軼

1.一種地鐵站人流量峰值的預測方法，所述方法包括：

從預設的數據源獲取地鐵站的歷史人流量數據，根據所述歷史人流量數據將對應地鐵站標記為人流密集地鐵站，并獲得所述人流密集地鐵站的人流量峰值時段，根據所述人流密集地鐵站和對應的所述人流峰值時段構建訓練樣本集；

將所述訓練樣本集中的所述人流密集地鐵站和對應的所述人流峰值時段輸入預先設置的預測模型，所述預測模型包括：基于圖卷積的時空特征提取網絡、基于全連接網絡的峰值判別網絡和峰值預測網絡；其中，構建所述預先設置的預測模型的步驟包括：定義各層圖卷積的線性變換可學習參數矩陣，用于對所述人流密集地鐵站的特征向量進行行線性變換；定義鄰接可學習參數矩陣，用于對所述人流密集地鐵站的特征向量進行相互交換；基于圖卷積網絡定義人流量時空特征提取網絡，基于分類與回歸框架將所述人流量時空特征提取網絡分別接入基于全連接網絡層的峰值判別網絡和峰值預測網絡；

由所述時空特征網絡提取所述人流密集地鐵站的人流量時空特征，由所述峰值判別網絡和所述峰值預測網絡輸出峰值判別結果和峰值預測結果，根據所述人流量時空特征、所述峰值判別結果、所述峰值預測結果以及預先設置的基于調整類別權重的損失函數，訓練所述預測模型，得到訓練好的預測模型；其中，基于調整類別權重的損失函數的構建方式包括：根據所述峰值判別網絡和所述峰值預測網絡的分類損失與回歸損失的比例調整因子、調整類別損失的權重參數、正類樣本和負類樣本的修正交叉熵損失、正類樣本和負類樣本的預測均方根誤差，構建峰值判別損失函數和峰值預測損失函數；

獲取地鐵站的實時人流量數據，將所述實時人流量數據輸入訓練好的預測模型，得到所述實時人流量數據的峰值判別結果和峰值預測結果。

2.根據權利要求1所述的預測方法，其特征在于，所述從預設的數據源獲取地鐵站的歷史人流量數據，根據所述歷史人流量數據將對應地鐵站標記為人流密集地鐵站，并獲得所述人流密集地鐵站的人流量峰值時段，根據所述人流密集地鐵站和對應的所述人流峰值時段構建訓練樣本集的步驟包括：

從預設的數據源獲取地鐵站的歷史人流量數據；

根據所述歷史人流量數據和預設的人流密集站點閾值，將對應地鐵站標記為人流密集地鐵站；

根據預設的觀察時間窗口和預設的人流密集時段閾值，從所述歷史人流量數據中得到所述人流密集地鐵站的人流量峰值時段；

根據所述人流密集地鐵站和對應的所述人流峰值時段構建訓練樣本集。

3.根據權利要求1至2中任意一項所述的預測方法，其特征在于，由所述時空特征網絡提取所述人流密集地鐵站的人流量時空特征，由所述峰值判別網絡和所述峰值預測網絡輸出峰值判別結果和峰值預測結果，根據所述人流量時空特征、所述峰值判別結果、所述峰值預測結果以及預先設置的基于調整類別權重的損失函數，訓練所述預測模型，得到訓練好的預測模型的步驟包括：

由所述時空特征網絡提取所述人流密集地鐵站的人流量時空特征，由所述峰值判別網絡和所述峰值預測網絡輸出峰值判別結果和峰值預測結果；

根據所述人流量時空特征、所述峰值判別結果和所述峰值預測結果，獲得預先設置的基于調整類別權重的損失函數的值；

當所述損失函數的值大于預設值時，采用梯度下降法計算并設置所述預測模型中的預測參數的值；

當所述損失函數的值小于所述預設值時，獲得訓練好的預測模型。

4.根據權利要求2所述的預測方法，其特征在于，根據預設的觀察時間窗口和預設的人流密集時段閾值，從所述歷史人流量數據中得到所述人流密集地鐵站的人流量峰值時段的步驟，包括：

從所述歷史人流量數據中獲取在p個預設的時間窗口內進入所述人流密集地鐵站的總人數，當所述總人數大于預設的人流密集時段閾值時，將所述p個時間窗口設為所述人流密集地鐵站的人流量峰值時段。

5.根據權利要求2所述的預測方法，其特征在于，根據所述歷史人流量數據和預設的人流密集站點閾值，將對應地鐵站標記為人流密集地鐵站的步驟包括：

根據歷史人流量數據得到進入地鐵站的總人數，將所述總人數大于預設的人流密集站點閾值的地鐵站標記為人流密集地鐵站。