[發明專利]基于隨機森林和LSTM神經網絡的路內泊位占有率預測方法

有效

• 申請號: 202110659139.7
• 申請日: 2021-06-15
• 公開（公告）號: CN113449780B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 季彥婕;呂夢琪;陳峻;楊平山;張水潮;賴如欣
• 申請（專利權）人: 南京靜態交通產業技術研究院
• 主分類號: G06F18/2431
• 分類號: G06F18/2431;G06N3/0442;G08G1/14
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱楨榮

本發明提出了一種基于隨機森林和LSTM神經網絡的路內泊位占有率預測方法，主要包括以下步驟：1）獲取目標路內停車場及其周邊停車場歷史訂單數據，對訂單數據進行預處理，計算單位時間間隔的路內停車場占有率；2）以目標停車場為中心，統計其不同緩沖距離內各類POI的數量；3）采用隨機森林模型分析不同緩沖距離內各類POI點數量對路內停車場占有率預測的貢獻度，并進行排序，選擇貢獻度排名前十的變量；4）依據停車場訂單數據，統計相對應時間的天氣等其他外生變量；5）將選擇后的POI變量、其他外生變量與路內停車場占有率數據相結合，通過LSTM神經網絡預測路內停車場占有率。本發明可以提高預測的準確度，減少模型訓練時間。

技術領域

本發明涉及智能交通系統中智能信息處理技術領域，特別是一種基于隨機森林和LSTM神經網絡的路內泊位占有率預測方法。

背景技術

停車是交通系統的重要組成部分，對人們的出行決策有重要影響，相較于路外停車場，駕駛員更加傾向于選擇路內停車，因為它更加靠近目的地，步行距離短。而當路內停車的需求會超過供應時，駕駛員為尋找一個空余泊位會長時間圍繞目的地行駛(這種行為被稱為“巡航”)，導致駕駛員需要花費更多時間和油耗，也會造成周圍路段交通擁堵。

為充分利用泊位，減少車輛巡航，停車引導信息系統是智能交通技術的一個重要發展領域。但是由于停車信息在駕駛員駛向停車場的過程中是動態變化的，駕駛員在前往停車場過程中收到的停車泊位空余數量與到達停車場后的實際泊位空余數量可能會有較大差距。在這種情況下，短期停車占有率預測成為停車引導信息系統的重要組成部分之一。

目前，通常有兩種方法可以進行短期泊位預測：(1)以微觀方式模擬單個駕駛員的隨機到達和離開行為，此方法通常將到達和離開過程假定為泊松或負指數分布；(2)通過數據挖掘分析停車占有率，該方法利用歷史數據構建訓練模型，再通過實時數據進行預測。但是，這些研究都將停車數據視為一維時間序列，然而泊位占有率受諸多因素影響，研究表明停車費用、停車后步行距離、停車時長、天氣對泊位選擇有較大影響；同時由于過去路內停車數據采集困難，過往研究多集中在路外停車場占有率預測。

隨著數據采集和存儲技術的發展，連續路內停車數據的獲取變得越來越容易，相比較路外停車，路內停車具有很強的空間相關性，周圍設施分布綜合，環境因素對于占有率的影響更為復雜，且駕駛員出行目的不同，停車后可接受的步行距離也不同。針對現有的路內停車的特性，環境因素對于停車占有率具有一定的影響。

發明內容

本發明所要解決的技術問題是克服現有技術的不足而提供一種基于隨機森林和LSTM神經網絡的路內泊位占有率預測方法，本發明具有很好的環境適應性和預測精度。

本發明為解決上述技術問題采用以下技術方案：

根據本發明提出的一種基于隨機森林和LSTM神經網絡的路內泊位占有率預測方法，包括以下步驟：

步驟1、接收停車場占有率預測請求，獲取目標路內停車場及其周邊停車場的歷史訂單數據，其中歷史訂單數據包括停車位置、停車時長、停入時間和離開時間，對歷史訂單數據進行預處理，根據處理后的歷史訂單數據計算單位時間間隔內路內停車場占有率；

步驟2、考慮環境因素對路內停車場占有率的影響，獲取興趣點POI數據，利用開源地圖獲取目標路內停車場及周邊路內停車場位置數據，以目標路內停車場為中心統計不同緩沖距離內各類POI的數量；

步驟3、統計與目標路內停車場的歷史訂單數據相對應停車費率、時間變量、路網拓撲關系和天氣變量；

步驟4、采用隨機森林模型分析不同緩沖距離內各類POI數量對目標路內停車場占有率預測的貢獻度，并進行排序，選擇貢獻度排名前Z名的不同緩沖距離內各類POI數量，Z為正整數；