[發明專利]一種基于LSTM的客流預測方法

有效

• 申請號: 202110769808.6
• 申請日: 2021-07-08
• 公開（公告）號: CN113221472B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 佟路;廖盛時;曹先彬;杜文博;朱熙
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06Q10/10;G06Q50/30;G06N3/04;G06N3/08;G06F119/12
• 代理公司: 北京航智知識產權代理事務所(普通合伙) 11668
• 代理人: 陳磊;張楨

本發明屬于交通客流預測技術領域，涉及一種基于LSTM的客流預測方法。本發明基于AFC數據、航班時刻表、天氣、日期四種數據，通過對影響機場軌道交通客流的關鍵因素進行分析提取，其中，對于AFC數據，提取出各個時間片內的機場到市區方向的客流量和市區到機場方向的客流量；對于航班時刻表數據，提取出各個時間片內計劃起飛的航班數以及計劃降落的航班數；之后對每一個時間片標注其對應的日期、時段以及天氣信息，以及對各項輸入數據進行標準化處理；最后通過設計時間?特征協同注意力機制，使得LSTM網絡可以動態捕捉不同時序上多維特征對機場客流的影響程度，從而有效提高了機場軌道交通客流預測模型的預測精度。

技術領域

本發明屬于交通客流預測技術領域，涉及一種基于長短期記憶人工神經網絡（LSTM）并結合時間-特征協同注意力機制的機場軌道交通客流預測方法。

背景技術

隨著我國民航業的迅猛發展，機場客運量逐年增加，根據我國民航局數據統計，2019年全年完成運輸總周轉量1292.7億噸公里、旅客運輸量6.6億人次，同比分別增長7.1%、7.9%。不斷增長的客運量不僅對機場樞紐的運營管理帶來壓力，同時還給機場樞紐的集輸運系統帶來了很大的挑戰。機場軌道交通憑借其運量大、速度快、準點性高的優勢，成為了銜接機場與市區的重要交通方式，且未來承擔的機場客流分擔率還將進一步提高。統計數據顯示，全球共有將近240個機場己經建設或規劃了銜接機場的軌道交通，截至2018年底，我國大陸共有35個城市開通城市軌道交通運營線路185條，運營線路總長度5761.4公里。

雖然目前我國交通基礎設施建設取得了長足的發展，但是樞紐機場與軌道交通之間銜接不暢問題仍然十分突出，機場軌道交通時常出現“客流-運力”不匹配問題，成為機場整體運轉效率的瓶頸。因此，為了提高機場運轉效率以及機場軌道交通運營組織水平，亟需實現機場軌道交通客流的精準預測，為提升樞紐運營水平提供關鍵支撐。

發明內容

為了彌補現有機場軌道交通客流預測方面研究的不足，本發明提出了一種基于LSTM并結合時間-特征協同注意力機制的機場軌道交通客流預測方法。本發明結合AFC數據、航班時刻表、天氣、日期四種數據，通過對影響機場軌道交通客流的關鍵因素進行分析提取，以及對數據進行標準化處理，構建機場軌道交通短時客流預測模型，從而實現待測機場軌道交通客流的準確預測。

為實現上述目的，本發明提供了一種基于LSTM的客流預測方法，包括如下步驟：

S1: 獲取待測機場軌道交通線路所在城市N天的AFC原始數據、與待測機場軌道交通線路連接的機場的航班時刻表原始數據、天氣數據，

S2:對所述AFC原始數據和所述航班時刻表原始數據進行預處理，保留有效AFC數據和有效航班時刻表數據；

S3:對獲取的有效AFC數據進行整理，提取出N天中各個時間片內的所述機場到市區方向的客流量、N天中各個時間片內的市區到所述機場方向的客流量；并對獲取的有效航班時刻表數據進行整理，提取出N天中各個時間片內所述機場計劃起飛航班數以及計劃降落航班數；

S4: 對步驟S3中提取的數據進行標準化處理；

S5：對每個時間片內的數據標注其對應的日期信息、時段信息以及天氣狀況；

S6：基于標準化處理后的數據以及標注有對應的日期信息、時段信息以及天氣狀況的數據，構建數據集并分為訓練集和測試集；

S7:基于 LSTM網絡并結合時間-特征協同注意力機制，建立機場軌道交通客流預測模型，包括LSTM層、時間-特征協同注意力層和兩個全連接層；利用訓練集和測試集，對所建立的機場軌道交通客流預測模型進行訓練和測試，得到最終的機場軌道交通客流預測模型并利用該機場軌道交通客流預測模型對機場軌道交通的實時客流進行預測。