买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种基于改进LSTM网络的轨道交通客流预测方法_华南理工大学_202311522962.9 

申请/专利权人:华南理工大学

申请日:2023-11-16

公开(公告)日:2024-03-15

公开(公告)号:CN117252311B

主分类号:G06Q10/04

分类号:G06Q10/04;G06N3/0442;G06N3/08;G06Q50/26

优先权:

专利状态码:有效-授权

法律状态:2024.03.15#授权;2024.01.05#实质审查的生效;2023.12.19#公开

摘要:本发明公开了一种基于改进LSTM网络的轨道交通客流预测方法,包括:S1:获取AFC进出闸总客流原始数据与轨道交通相关的特征数据;S2:对车站AFC进出闸总客流原始数据预处理并使用特征中的气象预警计算气象预警指数;S3:对经过预处理后的特征和车站AFC进出闸总客流数据进行特征选择,并将每类数据都划分为训练集和测试集;S4:将训练集送入构建好的改进LSTM网络训练;S5:将测试集送入训练好的改进LSTM网络预测,得到轨道交通客流预测值;S6:对得到的轨道交通客流预测值运用事件修正法进行修正。本发明可以提高轨道交通客流预测的准确性,有助于地铁运营方合理调配资源,提高运营效率和乘客满意度。

主权项:1.一种基于改进LSTM网络的轨道交通客流预测方法,其特征在于,包括以下步骤:S1:获取地铁某条线某车站AFC进出闸总客流原始数据,包括进出站车站名、进出站日期和时间及进出站数量,获取与轨道交通相关的特征数据,包括气象预警、早晚高峰时段、区域属性和日属性,获取与轨道交通相关的修正数据,包括事件;S2:对车站AFC进出闸总客流原始数据进行预处理,包括异常值处理和客流粒度选择,获得车站AFC进出闸总客流数据,并使用特征中的气象预警计算气象预警指数;S3:对包含气象预警指数、早晚高峰时段、区域属性和日属性的特征数据与车站AFC进出闸总客流数据进行联合统计,设计互信息分数进行特征选择,选择得分前三高的三个特征作为最终的特征数据,选择的三个特征称为X1、X2和X3,将最终选择的特征数据和车站AFC进出闸总客流数据都进行训练集和测试集划分;S4:将训练集的数据送入构建好的改进LSTM网络进行训练;其中,该改进LSTM网络是一个双层LSTM-注意力网络,其改进点在于采用双层LSTM网络架构,并使用一个注意力机制对第一层LSTM和第二层LSTM的隐藏状态序列进行加权合并得到加权隐藏状态序列,最后加上一个全连接层用以捕捉加权隐藏状态序列的关键信息并映射到最终轨道交通客流预测的空间;S5:将测试集的数据送入训练好的改进LSTM网络进行预测,得到轨道交通客流预测值;S6:对得到的轨道交通客流预测值进行修正:当站点发生事件时,运用事件修正法对轨道交通客流预测值进行修正,从而完成准确的轨道交通客流预测,输出客流预测结果;利用事件特征对预测结果进行修正,具体操作步骤如下:S61:收集历史数据,包括当前发生事件站点历史选择乘坐轨道交通的人数和使用其它交通方式的人数;收集当前发生事件数据的事件预估人数、事件时间、事件影响范围、事件重要程度和事件类型;收集当前发生事件站点数据的站点容量、站点数、列车运行频率和平均乘客到达率;S62:对收集的历史数据、当前发生事件数据和当前发生事件站点数据进行处理,具体如下:a、根据历史数据中的历史选择乘坐轨道交通人数和使用其它交通方式人数,得到轨道交通选择比例,计算方式如下: ;b、根据当前发生事件数据中的事件预估人数、事件影响范围、事件重要程度和事件类型,得到实际参与人数,计算方法如下: ;c、根据当前发生事件站点数据,得到参与人员乘坐轨道交通的意愿,具体方法如下:首先,计算服务率: ;式中,是站点容量,是列车运行频率;然后,计算稳态等待时间: ;式中,是平均乘客到达率,为站点数;最后,计算等待意愿: ;式中,为等待意愿系数;S63:根据事件对步骤S5中得到的轨道交通客流预测值进行修正,具体如下:a、如果站点客流量达到客流管控值或者根据事件时间判断站点处于早晚高峰时段,则客流预测值修正方法如下: ;式中,为原始轨道交通客流预测值,为客流管控或早晚高峰时段下的修正轨道交通客流预测值;b、如果站点客流量未达到客流管控值,并且根据事件时间判断站点不处于早晚高峰时段,则客流预测值修正方法如下: ;式中,为客流量未达到客流管控值且事件时间不处于早晚高峰时段下的修正客流预测值;如果站点发生事件,则根据上述步骤S63对轨道交通客流预测值进行修正;如果未发生事件,那么步骤S5获得的轨道交通客流预测值则为最终的预测值。

全文数据:

权利要求:

百度查询: 华南理工大学 一种基于改进LSTM网络的轨道交通客流预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。