[發明專利]站點客流量預測方法、裝置、可讀存儲介質及計算機設備

在審

• 申請號: 202011249937.4
• 申請日: 2020-11-11
• 公開（公告）號: CN112070324A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 晏明智;賀斯進;陳星;鄧毅
• 申請（專利權）人: 江西鷺鷺行科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06K9/00;G06N3/04
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 彭琰

1.一種站點客流量預測方法，其特征在于，包括：

獲取歷史時間段內當前站點每一測量時刻的客流特征和關聯特征，所述客流特征包括客流量和對應的時間，所述關聯特征包括天氣特征、節假日特征、星期名稱和特殊事件標志、周邊地塊開發投產狀況、地面交通管制狀況和交通一體化實施程度，所述節假日特征為距離節假日的天數，所述特殊事件標志用于標識所述當前站點沿線以及軌道交通自身發生的特殊事件；

以預設尺寸的滑動窗口對所述歷史時間段內的客流特征進行截取得到每個滑動窗口下的客流特征子集，并將每個所述滑動窗口下的客流特征子集和所述滑動窗口下一測量時刻的所述關聯特征作為訓練樣本；

利用所述訓練樣本對預測模型進行訓練，并利用訓練好的預測模型對所述當前站點的客流量等級進行預測，所述客流量等級設置有多種，不同所述客流量等級對應不同的客流量取值范圍。

2.如權利要求1所述的站點客流量預測方法，其特征在于，所述以預設尺寸的滑動窗口對所述歷史時間段內的客流特征進行截取得到每個滑動窗口下的客流特征子集的步驟之前還包括：

計算所述歷史時間段內當前測量時刻之前的客流特征與所述當前測量時刻的客流特征之間的皮爾遜相關系數，以得到每一測量時刻的皮爾遜相關系數；

確定與當前測量時刻皮爾遜相關系數大于閾值的歷史測量時刻的數量，并根據所述數量確定所述滑動窗口的尺寸。

3.如權利要求1所述的站點客流量預測方法，其特征在于，所述獲取歷史時間段內當前站點每一測量時刻的客流特征的步驟包括：

獲取歷史時間段內當前站點每一測量時刻的攝像圖像，并對所述攝像圖像進行識別以確定所述當前站點的人數，以得到各個所述測量時刻的客流量。

4.如權利要求1所述的站點客流量預測方法，其特征在于，所述利用所述訓練樣本對預測模型進行訓練的步驟包括：

利用變分自編碼器和長短期記憶網絡模型構建預測模型；

將所述訓練樣本作為所述變分自編碼器的輸入，并對所述預測模型中的變分自編碼器進行訓練；

提取所述變分自編碼器中間層的隱變量特征，并作為所述長短期記憶網絡模型的輸入，并將客流量等級作為所述長短期記憶網絡模型的輸出，對所述長短期記憶網絡模型進行訓練。

5.如權利要求1所述的站點客流量預測方法，其特征在于，所述利用訓練好的預測模型對所述當前站點的客流量等級進行預測的步驟之后還包括：

將所述預測模型預測的所述當前站點的客流量等級發送至移動終端，以使所述移動終端顯示所述當前站點的客流量等級。

6.如權利要求1所述的站點客流量預測方法，其特征在于，所述天氣特征包括天氣類型、溫度、降水概率、風向風速等級和空氣質量中的至少一種。

7.一種站點客流量預測裝置，其特征在于，包括：

特征信息獲取模塊，用于獲取歷史時間段內當前站點每一測量時刻的客流特征和關聯特征，所述客流特征包括客流量和對應的時間，所述關聯特征包括天氣特征、節假日特征、星期名稱和特殊事件標志、周邊地塊開發投產狀況、地面交通管制狀況和交通一體化實施程度，所述節假日特征為距離節假日的天數，所述特殊事件標志用于標識所述當前站點沿線以及軌道交通自身發生的特殊事件；

訓練樣本獲取模塊，用于以預設尺寸的滑動窗口對所述歷史時間段內的客流特征進行截取得到每個滑動窗口下的客流特征子集，并將每個所述滑動窗口下的客流特征子集和所述滑動窗口下一測量時刻的所述關聯特征作為訓練樣本；

訓練模塊，用于利用所述訓練樣本對預測模型進行訓練；

預測模塊，用于利用訓練好的預測模型對所述當前站點的客流量等級進行預測。

8.如權利要求7所述的站點客流量預測裝置，其特征在于，還包括：

計算模塊，用于計算所述歷史時間段內當前測量時刻之前的客流特征與所述當前測量時刻的客流特征之間的皮爾遜相關系數，以得到每一測量時刻的皮爾遜相關系數；

確定模塊，用于確定與當前測量時刻皮爾遜相關系數大于閾值的歷史測量時刻的數量，并根據所述數量確定所述滑動窗口的尺寸。