申请/专利权人：武汉理工大学

申请日：2023-12-14

公开（公告）日：2024-03-19

公开（公告）号：CN117726032A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/40;G06N20/00;G06F18/214;G06N5/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了一种考虑多因素的地铁车厢拥挤度预测方法，包括：建立地铁车厢拥挤度划分标准；采集地铁经停各站点时的各节车厢客流数据集，客流数据集包括与客流数据变化相关的四维自变量；对四维自变量进行预处理，根据时空特性合并，划分为训练数据集及测试数据集；构建LightGBM模型，将训练数据集输入LightGBM模型进行模型训练，确定待优化的模型参数；根据训练确定的LightGBM模型参数，并输入测试数据集，进行每条线路列车经停各站点时各节车厢下车人数的预测，还原预测数据并输出各节车厢的拥挤度；对LightGBM模型预测结果进行误差评估。本发明能对地铁客流数据更深入地挖掘分析，实现对某地区多条线路地铁车厢拥挤度的有效预测，且预测准确性高，鲁棒性好。

主权项：1.一种考虑多因素的地铁车厢拥挤度预测方法，其特征在于，该方法包括以下步骤：S1：建立地铁车厢拥挤度划分标准；S2：采集地铁经停各站点时的各节车厢客流数据集，客流数据集包括与客流数据变化相关的四维自变量，即：时间数据、天气数据、车站数据和POI数据；S3：分别对客流数据、时间数据、天气数据、车站数据、POI数据进行预处理，再根据时空特性合并，划分为训练数据集及测试数据集；S4：构建LightGBM模型，将训练数据集输入LightGBM模型进行模型训练，确定待优化的模型参数；S5：根据训练确定的LightGBM模型参数，并输入测试数据集，进行每条线路列车经停各站点时各节车厢下车人数的预测，还原预测数据并输出各节车厢的拥挤度；S6：对LightGBM模型预测结果进行误差评估。

全文数据：

权利要求：

百度查询： 武汉理工大学 一种考虑多因素的地铁车厢拥挤度预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD