[發明專利]預測方法、訓練方法、裝置、電子設備和可讀存儲介質

在審

• 申請號: 202011291767.6
• 申請日: 2020-11-18
• 公開（公告）號: CN113822458A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 郜賀鵬;鄭宇;張鈞波;袁野
• 申請（專利權）人: 京東城市（北京）數字科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 孫寶海;袁禮君

本公開提供了一種停車場流量的預測方法、流量預測模型的訓練方法、裝置、電子設備和計算機可讀存儲介質，涉及機器學習領域。其中，停車場流量的預測方法包括：將目標停車場的同構特征輸入第一層模型，以輸出描述流量趨勢的描述向量與第一預測向量，第一層模型為語序翻譯模型；將描述向量、第一預測向量與目標停車場的異構特征輸入第二層模型，并根據描述向量與異構特征得到第二預測向量，第二層模型為記憶網絡模型；基于第一預測向量與第二預測向量得到目標停車場的預測流量。通過本公開的技術方案，在考慮到目標停車場類型基礎上進行車流量的預測，能夠提升停車場車流量預測的準確性。

技術領域

本公開涉及機器學習技術領域，尤其涉及一種停車場流量的預測方法、流量預測模型的訓練方法、裝置、電子設備和計算機可讀存儲介質。

背景技術

在智慧城市的建設中，停車場是不可缺少的構建單元，因此使停車場維持較高的服務水平，是保障交通及周邊業態運營效率，方便居民出行的關鍵。其中，通過對停車場流量的預測，不但可以幫助駕駛者快速找到停車場車位，以緩解或者解決停車場周邊區域內的交通擁堵，還可以提升對停車場的資源的調度效率，以降低停車場的運營難度。

現有的停車場流量預測方案基于停車場歷史的流量記錄進行車場的流量預測，存在以下問題：

由于現有的停車場流量預測方案主要基于流入、流出與停車飽和度等特征實現，導致預測準確性差。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種停車場流量的預測方法、流量預測模型的訓練方法、裝置、電子設備和計算機可讀存儲介質，至少在一定程度上克服由于相關技術中停車場車流量預測準確性差的問題。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的一個方面，提供一種停車場流量的預測方法，包括：將目標停車場的時間特征與對應的流量特征輸入第一層模型，以輸出描述流量趨勢的描述向量與第一預測向量，所述第一層模型為語序翻譯模型；將所述描述向量、所述第一預測向量與所述目標停車場的異構特征輸入第二層模型，以根據所述描述向量與所述異構特征得到第二預測向量；根據所述第二預測向量與所述第一預測向量得到所述目標停車場的預測流量，所述第二層模型為記憶網絡模型。

在一個實施例中，所述記憶網絡模型包括注意機制結構和記憶矩陣，其中所述記憶矩陣基于不同的異構特征構成；所述將所述描述向量、所述第一預測向量與所述目標停車場的異構特征輸入第二層模型，并根據所述描述向量與所述異構特征得到第二預測向量包括：將所述描述向量與所述異構特征輸入所述注意機制結構，并與所述記憶矩陣執行匹配操作；對所述匹配操作的結果進行整合，以生成整合向量，所述整合向量描述所述不同的異構特征下的所述流量趨勢；基于所述整合向量與所述目標停車場的異構特征得到所述第二預測向量。

在一個實施例中，還包括：基于所述目標停車場所處區域的區域類型和/或業態類型，配置所述目標停車場的異構特征，其中，所述區域類型包括交通樞紐區域、商圈區域、辦公區域與住宅區域中的至少一種。

在一個實施例中，所述基于所述第一預測向量與所述第二預測向量得到所述目標停車場的預測流量包括：對所述第一預測向量與所述第二預測向量進行融合處理，得到融合向量；將所述融合向量與所述目標停車場的個性特征輸入第三層模型，以對所述融合向量與所述個性特征執行全連接處理，所述第三層模型為全連接網絡模型；基于所述全連接處理的處理結果生成所述預測流量，并使所述第三層模型輸出所述預測流量。

在一個實施例中，所述基于所述第一預測向量與所述第二預測向量得到所述目標停車場的預測流量包括：對所述第一預測向量與所述第二預測向量進行全連接處理；基于所述全連接處理的處理結果生成所述預測流量，并使所述第二層模型輸出所述預測流量。