[發明專利]基于重力學多層三維殘差網絡的城市OD人流預測方法

有效

• 申請號: 202210109690.9
• 申請日: 2022-01-29
• 公開（公告）號: CN114139836B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 馬佳曼;蔣淑園;金晨;王瑾;羅喜伶
• 申請（專利權）人: 北京航空航天大學杭州創新研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06Q50/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

本發明公開了一種基于重力學多層三維殘差網絡的城市OD人流預測方法。首先構建三個OD信息輸入，再對基于重力學多層三維殘差網絡進行訓練；其中基于重力學多層三維殘差網絡包括背景信息模塊、平面OD歷史信息模塊、基于重力學的OD歷史信息模塊，本發明將平面和基于重力學的OD歷史信息的淺層特征和深層特征進行跳躍式聚合連接；設計有循環三維張量縱橫自注意力塊，用于學習人群流動受到本地和全局鄰居的時間?空間?背景信息影響；最后利用訓練好的網絡即可進行城市OD人流預測。本發明預測得到的未來時段的OD人流可以對不同交通模式，例如網約車、出租車、公共交通和共享單車等交通系統的客流進行預判，平衡平臺效益與服務質量。

技術領域

本發明屬于城市人流預測領域，具體涉及一種基于重力學多層三維殘差網絡的城市OD人流預測方法。

背景技術

隨著城市人口的增長，不同的交通方式，如出租車、共享汽車和公共交通在許多城市發揮著重要作用。由于不斷增加的乘客需求，和各種傳感器對人流實時數據的獲取，使得人們為防止服務質量下降，對利用數據在出行需求激增之前實施動態的、適應性的策略興趣越來越大。

預測人流需求可以用于（1）更好地平衡車輛再資源的空間分布；（2）減少車輛的空閑時間，提高系統服務質量，實現更高的平臺利潤。但目前大多數集中在區域出入人流級別的預測。雖然到達和出發地點人流的預測是有用的，但對于達到上述目的，了解城市網絡中出發地-目的地（OD）的人流需求才是關鍵，因為他提供了乘客如何以及何時進入和離開具體區域的詳細概況。

OD人流需求預測是提高比如網約車、出租車、共享單車等多模式交通系統效率和利潤的重要手段。通過提前了解出行需求，系統可以更好地平衡車輛再資源的空間分布，減少車輛的空閑時間，實現更高的平臺利潤。盡管其適用性較廣，但實時OD級別的人流預測比區域出入人流級預測更具挑戰性。原因包括但不限于：（1）非線性動態的時空依賴關系：全市范圍內的OD人流不是城市中每個單獨區域的人流的簡單聚合，它不僅受到來自出發地和目的地的空間和時間因素的影響，而且可能受到近距離交通和遠距離背景信息（社會功能，受歡迎程度）的影響；（2）數據的稀疏性和不穩定性：由于除個別熱門地區，整個城市的OD客流分布大部分非常稀疏，這種稀疏性使得預測模型對噪聲很敏感，預測精度質量不高。因此，構建面向整個城市的OD客流神經預測模型十分重要且必要。

發明內容

為了解決城市范圍的OD人流預測挑戰問題，本發明提供一種基于重力學多層三維殘差網絡的城市OD人流預測方法。該方法可以準確有效的學習城市全局區域間具有時間演變的空間-時間依賴關系，解決數據稀疏帶來的噪點影響。預測得到的未來時段的OD人流可以對不同交通模式，例如網約車、出租車、公共交通和共享單車等交通系統的客流進行預判，平衡平臺效益與服務質量。

本發明提供了一種基于重力學多層三維殘差網絡的城市OD人流預測方法，其包括如下步驟：

1）構建基于重力學多層三維殘差網絡的三個OD信息輸入，所述重力學多層三維殘差網絡包括網絡結構相同的背景信息模塊、平面OD信息模塊、基于重力學的OD信息模塊；構建的三個OD信息輸入分別對應為三個模塊的輸入；

2）對基于重力學多層三維殘差網絡進行訓練；所述基于重力學多層三維殘差網絡中，背景信息模塊、平面OD信息模塊、基于重力學的OD信息模塊均由多層三維多注意力的殘差網絡組成，且將平面OD信息模塊和基于重力學的OD信息模塊的淺層特征和深層特征進行跳躍式聚合連接；三個多層三維多注意力的殘差網絡均設計有循環三維張量縱橫自注意力塊，用于學習人群流動受到本地和全局鄰居的時間-空間-背景信息影響；

3）利用訓練好的基于重力學多層三維殘差網絡進行城市OD人流預測。

與現有技術相比，本發明可以對未來一段時間內城市范圍中多交通模式，例如網約車、出租車、共享單車等的OD人流需求進行精準預測，可以平衡車輛資源的空間再分布，減少車輛的空閑時間，實現更高的平臺利潤。

附圖說明