[發明專利]一種基于權重堆疊決策樹的短時公交客流預測方法及系統

在審

• 申請號: 202110678413.5
• 申請日: 2021-06-18
• 公開（公告）號: CN113537569A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 巫威眺;曾坤;夏弋松
• 申請（專利權）人: 華南理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N20/00;G06K9/62
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李君

本發明公開了一種基于權重堆疊決策樹的短時公交客流預測方法及系統，包括下列步驟：1)對公交IC卡數據進行預處理，并聚合為小時客流數據；2)根據公交線路所在地點和歷史客流的時間區間獲取待測路線特征數據，建立特征矩陣并進行歸一化操作；3)對獲取的特征進行獨立性檢驗，對不同的特征和預測標簽之間進行相關性檢驗，對特征進行正態分布檢驗；4)構建權重堆疊梯度提升樹模型；5)通過權重堆疊梯度提升樹模型對訓練集進行訓練，然后對預測時段的客流進行預測，得到預測結果。本發明具有更高的預測精度以及預測穩定性，能充分發揮公共交通領域大數據的價值，有效地提取多源影響因子與客流之間關聯性，對公交短期客流作更精準的預測。

技術領域

本發明涉及智能交通客流預測和機器學習技術的研究領域，特別涉及一種基于權重堆疊決策樹的短時公交客流預測方法及系統。

背景技術

隨著社會經濟的發展，城市居民的交通出行需求和城市公共交通體系所面對的交通負荷日益增加，北上廣等各大一線城市近年來經常性地發生大規模交通擁堵事件。為了改善城市日益嚴峻的出行環境、緩解城市交通壓力、提升客運服務水平，城市公共交通系統的完善與公交客流預測變得越來越重要。當前國內公共交通系統的投入多集中在基礎設施建設領域，而對公交客流預測的投入明顯不足，造成城市公交線網的規劃與設計與實際公交客流變化不能適應，令公交系統的運力出現浪費。此外，進行公交線網短時客流預測能精準并合理地調整為公交線路規劃和調度優化提供依據，為減少交通擁堵、乘客出行損失、城市交通污染以及能源消耗提供助力。

影響城市公交客流預測的因素十分復雜，傳統的公交客流預測主要從純數理統計的角度對公交客流進行擬合。多運用時間序列、自回歸模型、灰色系統等統計方法進行預測。然而，公交客流隨時間波動趨勢明顯，受天氣、節假日、乘客類型等諸多因素影響。傳統的統計科學預測方法很難對客流變化的本質規律和影響機理做出解釋，模型對不同數據的適應性也比較差，預測精度亦不盡如人意。

近年來，隨著人工智能領域和機器學習各類算法的蓬勃發展，誕生了很多新的數據預測方法。比如神經網絡模型、SVM支持向量機、隨機森林以及各類決策樹模型。這些方法和模型的預測精度和準確性較傳統方法要好，在電商、電力等領域已經有了較為成熟的應用場景，國內外也有少部分的學者將這類新型預測方法用于交通領域，但是SVM和深度學習類的方法有著調參復雜、訓練時間長和對數據集的依賴程度高等問題。

發明內容

本發明的主要目的在于克服現有技術的缺點與不足，提供一種基于權重堆疊決策樹的短時公交客流預測方法及系統，能夠有效地提取多源影響因子與客流之間關聯性，對提高短時公交客流預測的效率和精度有極大幫助。

本發明的第一目的在于提供一種基于權重堆疊決策樹的短時公交客流預測方法。

本發明的第二目的在于提供一種基于權重堆疊決策樹的短時公交客流預測系統。

本發明的目的通過以下的技術方案實現：

一種基于權重堆疊決策樹的短時公交客流預測方法，其特征在于，包括以下步驟：

通過數據獲取裝置獲取公交IC卡數據，所述公交IC卡數據包括客流信息和持卡人信息；

對公交IC卡數據進行預處理，提取客流特征信息和持卡人群特征信息，并將公交IC卡數據聚合為小時客流數據；

基于待預測線路所在地點和歷史客流時間區間獲取待預測線路特征數據，建立特征矩陣并進行歸一化處理；所述待預測線路特征數據包括：小時、日期、周幾、一年中第幾周、一年中第幾天、是否節假日、最高溫、最低溫、降雨量、空氣指數；

對待預測線路特征數據之間進行獨立性檢驗，將客流設定為預測標簽，對不同的特征和預測標簽之間進行相關性檢驗；得到預測標簽相關度高的多源特征；