[發(fā)明專(zhuān)利]一種公交客流預(yù)測(cè)方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110164579.5
• 申請(qǐng)日: 2021-02-05
• 公開(kāi)（公告）號(hào): CN112862187A
• 公開(kāi)（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 鄧?yán)^禹
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q50/26;G06Q50/30;G06N3/04;G06N3/08
• 代理公司: 北京品源專(zhuān)利代理有限公司 11332
• 代理人: 孟金喆

1.一種公交客流預(yù)測(cè)方法，所述方法包括：

將公交車(chē)在當(dāng)前時(shí)刻上的客流數(shù)據(jù)分別輸入至預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)的各個(gè)雙分支神經(jīng)元中，得到各個(gè)雙分支神經(jīng)元針對(duì)所述公交車(chē)在當(dāng)前時(shí)刻上的客流數(shù)據(jù)的輸出結(jié)果；

基于各個(gè)雙分支神經(jīng)元針對(duì)所述公交車(chē)在所述當(dāng)前時(shí)刻上的客流數(shù)據(jù)的輸出結(jié)果，對(duì)所述公交車(chē)在下一個(gè)時(shí)刻上的客流數(shù)據(jù)進(jìn)行預(yù)測(cè)。

2.根據(jù)權(quán)利要求1所述的方法，在所述將公交車(chē)在當(dāng)前時(shí)刻上的客流數(shù)據(jù)分別輸入至預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)的各個(gè)雙分支神經(jīng)元中之前，所述方法還包括：

若所述卷積神經(jīng)網(wǎng)絡(luò)不滿(mǎn)足預(yù)先設(shè)置的收斂條件，則在源數(shù)據(jù)集的公交客流序列中提取出預(yù)定數(shù)量的歷史客流數(shù)據(jù)作為當(dāng)前訓(xùn)練樣本；其中，所述公交客流序列包括：結(jié)構(gòu)化公交客流序列和非結(jié)構(gòu)化公交客流序列；

使用所述當(dāng)前訓(xùn)練樣本對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并通過(guò)預(yù)先訓(xùn)練好的Adam算法優(yōu)化器對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，重復(fù)執(zhí)行上述操作，直到所述卷積神經(jīng)網(wǎng)絡(luò)滿(mǎn)足所述預(yù)先設(shè)置的收斂條件。

3.根據(jù)權(quán)利要求2所述的方法，所述使用所述當(dāng)前訓(xùn)練樣本對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

通過(guò)各個(gè)雙分支神經(jīng)元中的第一網(wǎng)絡(luò)通道和第二網(wǎng)絡(luò)通道分別在所述當(dāng)前訓(xùn)練樣本中進(jìn)行特征提取，得到所述當(dāng)前訓(xùn)練樣本在所述第一網(wǎng)絡(luò)通道上的特征提取結(jié)果和在所述第二網(wǎng)絡(luò)通道上的特征提取結(jié)果；

基于所述當(dāng)前訓(xùn)練樣本在所述第一網(wǎng)絡(luò)通道上的特征提取結(jié)果和在所述第二網(wǎng)絡(luò)通道上的特征提取結(jié)果，對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

4.根據(jù)權(quán)利要求3所述的方法，在所述基于所述當(dāng)前訓(xùn)練樣本在所述第一網(wǎng)絡(luò)通道上的特征提取結(jié)果和在所述第二網(wǎng)絡(luò)通道上的特征提取結(jié)果，對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前，所述方法還包括：

將所述第一網(wǎng)絡(luò)通道對(duì)應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)和所述第二網(wǎng)絡(luò)通道對(duì)應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行級(jí)聯(lián)操作，得到級(jí)聯(lián)后的卷積神經(jīng)網(wǎng)絡(luò)；執(zhí)行基于所述當(dāng)前訓(xùn)練樣本在所述第一網(wǎng)絡(luò)通道上的特征提取結(jié)果和在所述第二網(wǎng)絡(luò)通道上的特征提取結(jié)果，對(duì)所述級(jí)聯(lián)后的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的操作。

5.根據(jù)權(quán)利要求2所述的方法，所述通過(guò)預(yù)先訓(xùn)練好的Adam算法優(yōu)化器對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，包括：

將所述卷積神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果輸入至所述預(yù)先訓(xùn)練好的Adam算法優(yōu)化器中，通過(guò)所述Adam算法優(yōu)化器在所述卷積神經(jīng)網(wǎng)絡(luò)中隨機(jī)刪除預(yù)定比例的雙分支神經(jīng)元；并基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)中的參數(shù)進(jìn)行更新學(xué)習(xí)。

6.根據(jù)權(quán)利要求2所述的方法，所述在源數(shù)據(jù)集的公交客流序列中提取出預(yù)定數(shù)量的歷史客流數(shù)據(jù)作為當(dāng)前訓(xùn)練樣本，包括：

在所述結(jié)構(gòu)化公交客流序列和所述非結(jié)構(gòu)化公交客流序列中提取出所述預(yù)定數(shù)量的歷史客流數(shù)據(jù)；

將所述預(yù)定數(shù)量的歷史客流數(shù)據(jù)構(gòu)建一個(gè)訓(xùn)練集，并對(duì)所述訓(xùn)練集中的各個(gè)歷史客流數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化；將數(shù)據(jù)標(biāo)準(zhǔn)化后的歷史客流數(shù)據(jù)作為所述當(dāng)前訓(xùn)練樣本。

7.一種公交客流預(yù)測(cè)裝置，所述裝置包括：輸入模塊和預(yù)測(cè)模塊；其中，

所述輸入模塊，用于將公交車(chē)在當(dāng)前時(shí)刻上的客流數(shù)據(jù)分別輸入至預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)的各個(gè)雙分支神經(jīng)元中，得到各個(gè)雙分支神經(jīng)元針對(duì)所述公交車(chē)在當(dāng)前時(shí)刻上的客流數(shù)據(jù)的輸出結(jié)果；

所述預(yù)測(cè)模塊，用于基于各個(gè)雙分支神經(jīng)元針對(duì)所述公交車(chē)在所述當(dāng)前時(shí)刻上的客流數(shù)據(jù)的輸出結(jié)果，對(duì)所述公交車(chē)在下一個(gè)時(shí)刻上的客流數(shù)據(jù)進(jìn)行預(yù)測(cè)。

8.根據(jù)權(quán)利要求7所述的裝置，所述裝置還包括：訓(xùn)練模塊，用于若所述卷積神經(jīng)網(wǎng)絡(luò)不滿(mǎn)足預(yù)先設(shè)置的收斂條件，則在源數(shù)據(jù)集的公交客流序列中提取出預(yù)定數(shù)量的歷史客流數(shù)據(jù)作為當(dāng)前訓(xùn)練樣本；其中，所述公交客流序列包括：結(jié)構(gòu)化公交客流序列和非結(jié)構(gòu)化公交客流序列；使用所述當(dāng)前訓(xùn)練樣本對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并通過(guò)預(yù)先訓(xùn)練好的Adam算法優(yōu)化器對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，重復(fù)執(zhí)行上述操作，直到所述卷積神經(jīng)網(wǎng)絡(luò)滿(mǎn)足所述預(yù)先設(shè)置的收斂條件。