申请/专利权人：华中科技大学

申请日：2023-12-06

公开（公告）日：2024-03-19

公开（公告）号：CN117408393B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/40;G06F18/2431;G06F18/10

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本发明属于交通规划相关技术领域，并公开了一种异常事件下综合客运枢纽交通流量的预测方法及系统。该方法包括下列步骤：S1将所有综合客运枢纽进行分类获得P个大类，每个大类下细分为多个小类；S2构建预测模型，将划分为多个小类中的每个综合客运枢纽的参数矩阵作为输入，最后一个输入的交通流量作为输出；将预测获得的交通流量与实际交通流量进行比较，当误差大于预设阈值时，调整所预测模型中的拟合参数，以此获得训练后的预测模型；S3将待预测综合客运枢纽的参数矩阵作为输入，利用所述训练后的预测模型预测待预测综合客运枢纽的交通流量，以此实现交通流量的预测。通过本发明，解决异常事件下交通流量预测不准确的问题。

主权项：1.一种异常事件下综合客运枢纽交通流量的预测方法，其特征在于，该方法包括下列步骤：S1将所有综合客运枢纽进行分类获得P个大类，每个大类下细分为多个小类；S2构建预测模型，将划分为多个小类中的每个综合客运枢纽对应的参数矩阵作为所述预测模型的输入，最后一个输入对应的综合客运枢纽的交通流量作为输出；将预测获得的交通流量与最后一个输入对应的综合客运枢纽的实际交通流量进行比较，当误差大于预设阈值时，调整所述预测模型中的拟合参数，以此获得训练后的预测模型；S3将待预测综合客运枢纽所在的小类中的每个客运枢纽的参数矩阵作为输入，待预测综合客运枢纽的参数矩阵作为最后一个输入，利用所述训练后的预测模型预测待预测综合客运枢纽的交通流量，以此实现交通流量的预测；在步骤S2中，所述预测模型最后输出的交通流量按照下列公式进行： 其中，mi是综合客运枢纽的编号，NQ是同一类综合客运枢纽的总数量；DNNQ+1是优化后的异常事件下第NQ个综合客运枢纽交通流量预测值；XF是扩张系数；e是自然常数；Dmi是第mi个综合客运枢纽的非线性变换交通流量；Sig是sigmoid运算；Xhmi和Yjmi分别是筛选系数的拟合权重和拟合常量；所述Dmi按照下列公式计算获得：Dmi=Bmi（1+exp（-Bmi））+Yβi-1Dmi-1Bmi=XbiAmi+Ybbi其中，mi1，Bmi是第mi个综合客运枢纽的线性变换交通流量；Yβi-1是Dmi-1的调整系数，Xbi为Bmi的拟合权重，Ybbi为Bmi的拟合常数，Ami是第mi个综合客运枢纽对应的参数矩阵元素；在步骤S1中，所述将所有综合客运枢纽分类获得P个大类，按照下列步骤进行：S11获取综合客运枢纽的数量和在异常事件下所述综合客运枢纽的分类指标，构建每个分类指标的特征矩阵关系式并以此计算每个所述综合客运枢纽在各个分类指标下对应的特征矩阵归一化值，所有分类指标的特征矩阵归一化值形成的矩阵为所述综合客运枢纽的综合特征矩阵；所述分类指标包括地理位置、周边环境、线路信息、平均客流量、服务时间、站台数量、历史事件、设施服务和特殊日期客流量；S12在所有所述综合客运枢纽中选取初始的P个综合客运枢纽作为类的中心点；S13利用所述综合特征矩阵计算每个综合客运枢纽距离与各个中心点之间的距离，将当前综合客运枢纽划分为距离最小值对应的中心点所在的类；S14重复步骤S13，直至完成所有综合客运枢纽的分类，由此将所有综合客运枢纽划分为P类，计算各个综合客运枢纽到所属类的中心点的距离的总和，获得距离总和；在步骤S14之后，还需对划分的P类进行进步的优化，具体包括下列步骤：S15计算各个类中所有综合客运枢纽综合特征矩阵的平均值，将该平均值作为新的中心点；S16返回步骤S13，直至达到预设迭代次数，比较所有迭代次数中获得的距离总和，距离总和的最小值对应的中心点以及划分的类为作为最终所需划分的类；在步骤S1中，所述将大类细分为多个小类，考虑经济状况、人口结构、出行习惯、城市规划四类因素，按照下列步骤进行：确定不同身份的决策者对综合客运枢纽分类的影响因素，构建每个综合客运枢纽中各个影响因素相互影响对应的最大特征值，将每类中的最大特征值按照顺序排列，将排列后的综合客运枢纽均分为多个细分小类，以此实现每个大类的细分，至此实现所有综合客运枢纽的分类过程。

全文数据：

权利要求：

百度查询： 华中科技大学 一种异常事件下综合客运枢纽交通流量的预测方法及系统

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