申请/专利权人：北京交通大学

申请日：2021-11-19

公开（公告）日：2024-04-30

公开（公告）号：CN114154695B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/063;G06Q50/40;G06F18/23

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2022.03.25#实质审查的生效;2022.03.08#公开

摘要：本发明提供了一种基于迁移学习的城市轨道交通短时客流预测方法。该方法包括：基于城市轨道交通的各个车站的历史报表数据建立各个车站的客流特征评价指标体系；基于各个车站的客流特征评价指标体系采用聚类算法对所有车站进行聚类；对各个类别的聚类中心车站的全年进出站客流量进行时间序列分析，计算出聚类中心车站的客流指标，得到各个聚类中心车站的最优客流预测模型；将各个聚类中心车站的最优客流预测模型代入同类别的其余车站，通过迁移学习方法对最优客流预测模型进行调整，得到最优客流预测模型。本发明通过构建地铁客流特征评价指标体系，实现了对车站客流特征的有效刻画。能够考虑不同车站的客流特点，提高模型的预测精度和预测效率。

主权项：1.一种基于迁移学习的城市轨道交通短时客流预测方法，其特征在于，包括：基于城市轨道交通的各个车站的历史报表数据建立各个车站的客流特征评价指标体系；基于各个车站的客流特征评价指标体系采用聚类算法对所有车站进行聚类；对各个类别的聚类中心车站的全年进出站客流量进行时间序列分析，计算出聚类中心车站的客流指标，通过客流特征挖掘客流形成机理，对聚类中心车站的客流量进行预测，得到各个聚类中心车站的最优客流预测模型；将各个聚类中心车站的最优客流预测模型代入同类别的其余车站，通过迁移学习方法对聚类中心车站的最优客流预测模型进行调整，得到各个类别车站的最优客流预测模型；所述的基于城市轨道交通的各个车站的历史报表数据建立各个车站的客流特征评价指标体系，包括：利用各个车站的历史报表数据，得到各个车站过去一段时间内全年小时粒度的进出站客流量，分别以月、周、日及小时为时间粒度统计各个车站的分时进出站客流量数据；结合各个车站的进出站客流量数据，计算各个车站的不均衡系数、早晚高峰客流特征、早晚高峰出现时刻和客流量熵值指标，建立各个车站的客流特征评价指标体系；所述不均衡系数是指高峰小时客流量与全天平均小时客流量的比值；所述早晚高峰客流特征是指早晚高峰平均每小时客流量；所述早晚高峰出现时刻是指不同车站早晚高峰出现的时刻；所述客流量熵值分为时间和空间两方面，客流量时间熵是指车站的乘客访问时段的熵值,代表了乘客访问该车站的时间分散程度,是评价车站功能的混合度情况的指标；所述客流量空间熵是指车站被访问次数与人数的分布的熵值，代表了访问次数与对应人数分布的不均匀程度，间接反映了访问车站的乘客类型的多样性；所述的对各个类别的聚类中心车站的全年进出站客流量进行时间序列分析，计算出聚类中心车站的客流指标，通过客流特征挖掘客流形成机理，对聚类中心车站的客流量进行预测，得到各个聚类中心车站的最优客流预测模型，包括：根据各个聚类中心车站的时间序列分析结果，对客流具有明显时序规律的聚类中心车站采用时序预测模型进行客流规律挖掘，考虑各种因素和时序特征通过客流特征挖掘客流形成机理，对聚类中心车站的客流量进行预测，同时对预测模型进行改进，得到最优客流预测模型；根据各个聚类中心车站的时间序列分析结果，对时序特征不明显的聚类中心车站，考虑其周边的用地和其客流OD特征，运用CNN及图卷积模型进行特征提取，挖掘其客流形成机理，对比不同模型的客流预测效果，选取最优客流预测模型；所述的将各个聚类中心车站的最优客流预测模型代入同类别的其余车站，通过迁移学习方法对聚类中心车站的最优客流预测模型进行调整，得到各个类别车站的最优客流预测模型，包括：将各个聚类中心车站的最优客流预测模型代入同类别的其余车站，利用迁移学习方法通过冻结训练好最优客流预测模型的主体参数，并对最优客流预测模型的其他参数进行微调，得到各个类别车站的最优客流预测模型。

全文数据：

权利要求：

百度查询： 北京交通大学 一种基于迁移学习的城市轨道交通短时客流预测方法

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。

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