[發(fā)明專利]軌道交通客流量預測方法及裝置

在審

• 申請?zhí)枺?/td>: 202011015310.2
• 申請日: 2020-09-24
• 公開（公告）號: CN112215408A
• 公開（公告）日: 2021-01-12
• 發(fā)明（設計）人: 張永增;付哲
• 申請（專利權）人: 交控科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08;G06N3/04
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 馬瑞

本發(fā)明實施例提供一種軌道交通客流量預測方法及裝置。所述方法包括：對軌道交通線路的歷史交通起止點OD數據進行預處理，并根據預處理后的歷史OD數據構建訓練數據集；根據所述訓練數據集對深度時空網絡模型進行訓練；將待預測數據集輸入到訓練后的深度時空網絡模型，以獲取目標OD數據，并根據所述目標OD數據確定待預測的軌道交通客流量。本發(fā)明實施例提供的軌道交通客流量預測方法及裝置，實現了OD數據的充分利用，可以準確預測軌道交通客流量信息。

技術領域

本發(fā)明涉及軌道交通技術領域，具體涉及一種軌道交通客流量預測方法及裝置。

背景技術

隨著城市化進程的快速推進，軌道交通技術呈現出日新月異的發(fā)展趨勢。為了響應綠色出行，越來越多的人選擇乘坐地鐵出行，由此也帶來了例如地鐵站內客流量密度極大、人流擁堵等一系列問題。

針對這一系列問題，有效的解決方法即通過準確地預測地鐵站內客流量信息，以輔助地鐵運營部門制定合理的人流管制方案并合理地分配交通資源，從而提高人們的出行效率。

目前，常用的客流量預測方法主要有統(tǒng)計分析方法等。

統(tǒng)計分析方法需要人為設計與任務相關的特征，通常要求設計特征的人員需要具備豐富的專業(yè)領域知識。由于軌道交通系統(tǒng)產生的OD(origin destination，交通起止點)數據本身帶有時間信息和空間信息，通過人工提取的特征往往不能充分利用這些信息，無法有效的表達OD數據的時空信息，導致軌道交通客流量預測不準確。

因此，如何提出一種方法，能夠充分利用OD數據，從而準確預測軌道交通客流量信息，具有十分重要的意義。

發(fā)明內容

針對現有技術中的缺陷，本發(fā)明實施例提供一種軌道交通客流量預測方法，包括：

對軌道交通線路的歷史交通起止點OD數據進行預處理，并根據預處理后的歷史OD數據構建訓練數據集；

根據所述訓練數據集對深度時空網絡模型進行訓練；

將待預測數據集輸入到訓練后的深度時空網絡模型，以獲取目標OD數據，并根據所述目標OD數據確定待預測的軌道交通客流量。

在一個實施例中，所述對軌道交通線路的歷史交通起止點OD數據進行預處理包括：

去除預設時間段內的歷史OD數據，并對剩余的歷史OD數據進行歸一化，以獲取所述預處理后的歷史OD數據。

在一個實施例中，所述根據預處理后的歷史OD數據構建訓練數據集包括：

根據第一時間間隔選取所述預處理后的歷史OD數據，以構建鄰近性時間序列；

根據第二時間間隔選取所述預處理后的歷史OD數據，以構建周期性時間序列；

根據第三時間間隔選取所述預處理后的歷史OD數據，以構建趨勢性時間序列；以及

根據以天為單位記錄的星期、工作日或節(jié)假日、以及天氣信息，構建獨熱編碼集合。

在一個實施例中，所述根據所述訓練數據集對深度時空網絡模型進行訓練包括：

分別使用多個SE-Resnet模塊對所述鄰近性時間序列、周期性時間序列以及趨勢性時間序列進行訓練，以獲取時間序列訓練結果，并對所述時間序列訓練結果進行加權融合；

使用兩層全連接網絡對所述獨熱編碼集合進行訓練，以獲取獨熱編碼集合訓練結果；

將加權融合后的時間序列訓練結果以及所述獨熱編碼集合訓練結果進行聚合，以輸出預測結果。

在一個實施例中，所述根據所述目標OD數據確定待預測的軌道交通客流量包括：