[發(fā)明專利]一種高精度的貨運預測方法和貨運預測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010825904.3
• 申請日: 2020-08-17
• 公開（公告）號: CN111915100A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設計）人: 任爽;鄭平標;諸葛恒英;向靜文;宋欣悅;趙玉琨;韓冰;李許增;張宇翔;張鑫云
• 申請（專利權）人: 北京交通大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q10/08
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 劉源

1.一種高精度的貨運預測方法，其特征在于，包括：

獲取鐵路貨運量歷史數據，建立針對月度運輸需求的目標函數，并將該鐵路貨運量歷史數據劃分為訓練樣本集和測試樣本集；

基于該訓練樣本集和測試樣本集，建立并訓練月度貨運需求預測模型；

基于該月度運輸需求預測模型，建立并求解年度貨運需求預測模型，獲得鐵路貨運量預測結果。

2.根據權利要求1所述的貨運預測方法，其特征在于，所述針對月度運輸需求的目標函數為x_n＝f(x_n-1,x_n-2,x_n-N) (1)；

所述的基于該訓練樣本集和測試樣本集，建立并訓練月度貨運需求預測模型包括：

基于所述訓練樣本集，多次抽取樣本，建立并求解訓練矩陣 (2)；式中，每列為一次抽取樣本，最后一行為期望輸出，x_N為目標函數值。

3.根據權利要求1所述的貨運預測方法，其特征在于，所述的基于該月度運輸需求預測模型，建立并求解年度貨運需求預測模型，獲得鐵路貨運量預測結果包括：

建立年度貨運需求預測函數y_t+k＝(a(t)+b(t)k)c_t+k (3)；式中，a(t)表示截距，b(t)表示趨勢，c(t)為乘法模型的季節(jié)因子，分別通過式b(t)＝β[a(t)-a(t-1)]+(1-β)b(t-1) (5)和獲得，α、β、γ在0-1之間，為阻尼因子；

建立并求解式獲得鐵路貨運量預測結果。

4.一種高精度的貨運預測系統(tǒng)，其特征在于，包括：

數據導入子模塊，用于獲取并處理鐵路貨運量歷史數據；

數據管理子模塊，用于各類數據的存儲、匯總和修改；

預測模型管理子模塊，用于執(zhí)行如權利要求1至3任一所述的貨運預測方法，獲得鐵路貨運量預測結果；還用于根據不同的模型參數獲得相對應的訓練數據集，并輸入到月度運輸需求預測模型和/或年度貨運需求預測模型獲得預測結果；

需求預測子模塊，用于根據預測結果進行需求預測；

可視化展示子模塊，用于對所述需求預測進行可視化輸出。

5.根據權利要求4所述的貨運預測系統(tǒng)，其特征在于，所述數據導入子模塊獲取并處理鐵路貨運量歷史數據的過程包括：

獲取一種或多種貨物貨運量的基礎數據；

對該一種或多種貨物貨運量的基礎數據進行采集抽取、轉換、加工、清洗和存儲；

所述需求預測子模塊根據預測結果進行需求預測的過程包括：

根據貨物類型進行月度和/或年度的需求預測，并形成報告；該報告的形式包括報表、圖表和地圖。

6.根據權利要求4所述的貨運預測系統(tǒng)，其特征在于，所述需求預測子模塊進行的預測包括：年度、月度鐵路貨運需求的發(fā)展趨勢預測；大宗貨物發(fā)送量發(fā)展趨勢預測；城市鐵路貨運發(fā)送量預測；典型通道主要OD間競爭性貨物品類的運輸需求預測。

7.根據權利要求4所述的貨運預測系統(tǒng)，其特征在于，所述可視化展示子模塊的可視化輸入類型包括歷史數據展示大宗貨物發(fā)送量分析展示、鐵路貨運需求的灰色關聯(lián)度分析展示、城市鐵路貨運發(fā)送量預測結果展示和典型通道主要OD間競爭性貨物品類的運輸需求預測結果展示。