[發明專利]客流預測方法、裝置、設備及存儲介質

在審

• 申請號: 202110590599.9
• 申請日: 2021-05-28
• 公開（公告）號: CN113283508A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 錢江;溫文波
• 申請（專利權）人: 中國聯合網絡通信集團有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04;G06Q50/30
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;黃健

本申請提供一種客流預測方法、裝置、設備及存儲介質。在預設時間周期內，獲取于各待預測交通樞紐和各待預測區域使用預設通信網絡的各用戶數據，并根據各用戶數據得到的各樣本數據進行預設傅里葉變換得到趨勢項數據和殘差分量數據，通過殘差分量數據對預設學習網絡模型進行訓練，根據訓練結果及預設預測模型生成隨機客流預測結果，并根據趨勢項數據和隨機客流預測結果各自的客流值得到各待預測交通樞紐至對應的各待預測區域的預測客流。客流預測的樣本數據具備數據量較大且局限性小的特點，能夠實現客流融合分析以滿足綜合預測需求。對非連續的隨機特征與預測結果之間內在關聯進行考量，有效提升預測精度，以獲得高精度及高可靠性的預測結果。

技術領域

本申請涉及計算機技術領域，尤其涉及一種客流預測方法、裝置、設備及存儲介質。

背景技術

隨著旅游業的發展，對于客流預測成為滿足旅游需求必需的研究核心，尤其對于從火車站、高鐵站、機場、汽車站、碼頭等一系列的交通樞紐區域出發并經過或者到達各不同目的區域的客流預測更成為關注重點。

針對目前的客流預測方案，在數據選擇方面大多采用單一類型的客流監測數據，存在數據量小且局限性大等缺點，缺乏對區域周邊不同模式的交通客流的融合分析，導致無法滿足區域的綜合預測需求。而在所采用的預測手段方面，主要集中在統計學預測和機器學習預測，例如統計學預測手段中采用的時間序列分析以及統計預測，機器學習預測手段中采用的BP(Back Propagation)網絡以及對應的回歸模型等。然而，現有的這種預測手段也存在諸多缺陷，導致預測精度不夠，無法滿足預測需求。例如，傳統的統計學預測手段僅單純從數據統計的角度分析客流規律，進而實現統計預測，預測質量在很大程度上依賴于所統計到的數據的質量，若所統計到的數據質量欠佳，則直接導致預測結果精度較低、可靠性較低。而機器學習預測手段中采用BP網絡，又例如長短期記憶(Long Short-TermMemory，LSTM)網絡、卷積神經網絡(Convolutional Neural Network，CNN)等人工神經網絡，雖然易于實現任何復雜非線性映射功能，并能夠發揮模型固有的長期記憶的能力，但這種人工神經網絡并不能有效挖掘非連續數據之間蘊含的有效信息與潛在關系，進而導致對客流的預測精度不夠。

可見，亟需一種客流預測方案以克服現有技術中存在的上述問題。

發明內容

本申請提供一種客流預測方法、裝置、設備及存儲介質，用于解決現有的客流預測方案在數據選擇和預設手段方面存在的缺陷導致預測精度不夠無法滿足預測需求的技術問題。

第一方面，本申請提供一種客流預測方法，包括：

在預設時間周期內，獲取于各待預測交通樞紐以及各待預測區域使用預設通信網絡的各用戶數據，并根據各用戶數據得到樣本數據集合；

根據所述樣本數據集合中的各樣本數據進行預設傅里葉變換得到趨勢項數據和殘差分量數據，以通過所述殘差分量數據對預設學習網絡模型進行訓練得到訓練結果，所述趨勢項數據用于表征客流的規律特征對客流的影響，所述殘差分量數據用于表征客流的隨機特征對所述客流的影響；

根據訓練結果以及預設預測模型生成隨機客流預測結果，并根據所述趨勢項數據和所述隨機客流預測結果各自對應的客流值得到各待預測交通樞紐至對應的各待預測區域的預測客流。

在一種可能的設計中，所述獲取于待預測交通樞紐以及各待預測區域使用預設通信網絡的各用戶數據，包括：

獲取所述預設通信網絡所屬基站小區內的各交通樞紐，并按照各交通樞紐的名稱信息對各交通樞紐進行歸類，以根據歸類后的各交通樞紐確定各待預測交通樞紐；

獲取各第一預設時間點于各待預測交通樞紐使用所述預設通信網絡的第一用戶清單，并獲取各第二預設時間點于各待預測區域使用所述預設通信網絡的第二用戶清單，各用戶數據包括所述第一用戶清單和所述第二用戶清單。

在一種可能的設計中，所述根據各用戶數據得到樣本數據集合，包括：