[發(fā)明專利]站點(diǎn)客流量預(yù)測方法、裝置、可讀存儲介質(zhì)及計算機(jī)設(shè)備

在審

• 申請?zhí)枺?/td>: 202011249937.4
• 申請日: 2020-11-11
• 公開（公告）號: CN112070324A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計）人: 晏明智;賀斯進(jìn);陳星;鄧毅
• 申請（專利權(quán)）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(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 彭琰

一種站點(diǎn)客流量預(yù)測方法、裝置、可讀存儲介質(zhì)及計算機(jī)設(shè)備，該方法包括：獲取歷史時間段內(nèi)當(dāng)前站點(diǎn)每一測量時刻的客流特征和關(guān)聯(lián)特征；以預(yù)設(shè)尺寸的滑動窗口對所述歷史時間段內(nèi)的客流特征進(jìn)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(guān)聯(lián)特征作為訓(xùn)練樣本；利用所述訓(xùn)練樣本對預(yù)測模型進(jìn)行訓(xùn)練，并利用訓(xùn)練好的預(yù)測模型對所述當(dāng)前站點(diǎn)的客流量等級進(jìn)行預(yù)測。本發(fā)明綜合考慮了外界因素對客流量的影響，使訓(xùn)練后的預(yù)測模型具有較高的預(yù)測效率和準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及電子技術(shù)領(lǐng)域，特別是涉及一種站點(diǎn)客流量預(yù)測方法、裝置、可讀存儲介質(zhì)及計算機(jī)設(shè)備。

背景技術(shù)

隨著公共交通行業(yè)的發(fā)展，軌道交通、地面公交等交通工具為大家的出行帶來了極大的便利。尤其是地鐵，因其具備良好的便利性同時擁有快速的運(yùn)輸速度受到大家的青睞。

但是，隨著越來越多的乘客選擇地鐵作為他們的主要通勤工具，也加劇了地鐵高峰期的擁堵程度，甚至高峰期時各個站點(diǎn)的乘客數(shù)量超過了地鐵站的容量造成乘客擁擠，軌道交通運(yùn)營方不得已采取了站點(diǎn)限流和預(yù)約進(jìn)站等非常規(guī)手段。乘客擁擠已經(jīng)嚴(yán)重影響到了人們的日常生活和城市交通的發(fā)展，特別是針對上班族常常需要趕時間，因此能及時了解每個地鐵站點(diǎn)的擁擠情況可以使大家合理的選擇交通工具和乘車路線，避免因擁擠而耽誤乘車，帶來不必要的麻煩。

發(fā)明內(nèi)容

鑒于上述狀況，有必要提供一種站點(diǎn)客流量預(yù)測方法、裝置、可讀存儲介質(zhì)及計算機(jī)設(shè)備，以便于用戶了解各個站點(diǎn)的擁擠情況。

一種站點(diǎn)客流量預(yù)測方法，包括：

獲取歷史時間段內(nèi)當(dāng)前站點(diǎn)每一測量時刻的客流特征和關(guān)聯(lián)特征，所述客流特征包括客流量和對應(yīng)的時間，所述關(guān)聯(lián)特征包括天氣特征、節(jié)假日特征、星期名稱和特殊事件標(biāo)志、周邊地塊開發(fā)投產(chǎn)狀況、地面交通管制狀況和交通一體化實(shí)施程度，所述節(jié)假日特征為距離節(jié)假日的天數(shù)，所述特殊事件標(biāo)志用于標(biāo)識所述當(dāng)前站點(diǎn)沿線以及軌道交通自身發(fā)生的特殊事件；

以預(yù)設(shè)尺寸的滑動窗口對所述歷史時間段內(nèi)的客流特征進(jìn)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(guān)聯(lián)特征作為訓(xùn)練樣本；

利用所述訓(xùn)練樣本對預(yù)測模型進(jìn)行訓(xùn)練，并利用訓(xùn)練好的預(yù)測模型對所述當(dāng)前站點(diǎn)的客流量等級進(jìn)行預(yù)測，所述客流量等級設(shè)置有多種，不同所述客流量等級對應(yīng)不同的客流量取值范圍。

進(jìn)一步的，上述站點(diǎn)客流量預(yù)測方法，其中，所述以預(yù)設(shè)尺寸的滑動窗口對所述歷史時間段內(nèi)的客流特征進(jìn)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(nèi)當(dāng)前測量時刻之前的客流特征與所述當(dāng)前測量時刻的客流特征之間的皮爾遜相關(guān)系數(shù)，以得到每一測量時刻的皮爾遜相關(guān)系數(shù)；

確定與當(dāng)前測量時刻皮爾遜相關(guān)系數(shù)大于閾值的歷史測量時刻的數(shù)量，并根據(jù)所述數(shù)量確定所述滑動窗口的尺寸。

進(jìn)一步的，上述站點(diǎn)客流量預(yù)測方法，其中，所述獲取歷史時間段內(nèi)當(dāng)前站點(diǎn)每一測量時刻的客流特征的步驟包括：

獲取歷史時間段內(nèi)當(dāng)前站點(diǎn)每一測量時刻的攝像圖像，并對所述攝像圖像進(jìn)行識別以確定所述當(dāng)前站點(diǎn)的人數(shù)，以得到各個所述測量時刻的客流量。

進(jìn)一步的，上述站點(diǎn)客流量預(yù)測方法，其中，所述利用所述訓(xùn)練樣本對預(yù)測模型進(jìn)行訓(xùn)練的步驟包括：

利用變分自編碼器和長短期記憶網(wǎng)絡(luò)模型構(gòu)建預(yù)測模型；

將所述訓(xùn)練樣本作為所述變分自編碼器的輸入，并對所述預(yù)測模型中的變分自編碼器進(jìn)行訓(xùn)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(wǎng)絡(luò)模型的輸入，并將客流量等級作為所述長短期記憶網(wǎng)絡(luò)模型的輸出，對所述長短期記憶網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。