申请/专利权人：华侨大学;厦门清淼智能科技有限公司

申请日：2024-01-19

公开（公告）日：2024-04-09

公开（公告）号：CN117593045B

主分类号：G06Q30/0202

分类号：G06Q30/0202;G06N3/0455;G06N3/0464;G06N3/0442;G06F18/15;G06F18/25;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明提供了一种商用车辆需求预测方法、装置、设备及存储介质，包括：构建商用车辆历史需求特征矩阵；将历史需求特征矩阵输入经过训练的商用车辆需求预测模型后，输出对应的商用车辆未来需求预测值；模型的网络结构在编码器解码器架构的基础上进行改进；在每一层编码器层中，数据从三维卷积层输入后，三维卷积层的输出经过残差连接和层归一化后输出至下一层编码器层；在每一层解码器层中，数据从多个扩张感知长短期单元并行输入后，所有扩张感知长短期单元的输出共同经过残差连接和层归一化后输出至下一层解码器层。通过充分挖掘商用车辆需求数据中的时空特性，能够快速、准确地对目标区域商用车辆的需求进行预测。

主权项：1.一种商用车辆需求预测方法,其特征在于，包括：获取预设目标区域内商用车辆的历史需求数据，并构建历史需求特征矩阵，具体为：获取预设目标区域内商用车辆的历史需求数据；将所述目标区域网格化为个大小相同的子区域；根据预设的固定时间间隔对每一所述子区域进行采样，统计所述子区域在预设的固定时间间隔内，商用车辆的上车需求数量和下车需求数量，其中，所述子区域在预设的固定时间间隔内，商用车辆的上车需求数量和下车需求数量为，该子区域的历史需求特征；根据每一所述子区域的历史需求特征，组成目标区域的历史需求特征矩阵；调用训练好的商用车辆需求预测模型对所述历史需求特征矩阵进行预处理，生成与所述历史需求特征矩阵相对应的商用车辆未来需求预测值，其中，所述商用车辆需求预测模型的网络结构在编码器解码器架构的基础上进行改进，所述历史需求特征矩阵作为所述商用车辆需求预测模型的输入值，在商用车辆需求预测模型的每一层编码器层中，所述历史需求特征矩阵的数据从三维卷积层输入之后，三维卷积层的输出会经过残差连接与层归一化处理，输出至下一层编码器层，在每一层解码器层中，数据从多个扩张感知长短期单元并行输入之后，所有扩张感知长短期单元的输出会共同经过残差连接与层归一化处理，输出至下一层解码器层，基于最后一层解码器层的输出，得到所述商用车辆未来需求预测值；根据所述商用车辆未来需求预测值，生成商用车辆的需求预测结果。

全文数据：

权利要求：

百度查询： 华侨大学;厦门清淼智能科技有限公司 一种商用车辆需求预测方法、装置、设备及存储介质

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