预测方法、训练方法、装置、电子设备和可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113822458A(43)申请公布日2021.12.21(21)申请号202011291767.6(22)申请日2020.11.18(71)申请人京东城市（北京）数字科技有限公司地址100086北京市海淀区知春路76号（写字楼）1号楼9层1-7-5号(72)发明人郜贺鹏郑宇张钧波袁野(74)专利代理机构北京律智知识产权代理有限公司11438代理人孙宝海袁礼君(51)Int.Cl.G06Q10/04(2012.01)G06Q50/26(2012.01)G06N3/04(2006.01)权利要求书3页说明书16页附图8页(54)发明名称预测方法、训练方法、装置、电子设备和可读存储介质(57)摘要本公开提供了一种停车场流量的预测方法、流量预测模型的训练方法、装置、电子设备和计算机可读存储介质，涉及机器学习领域。其中，停车场流量的预测方法包括：将目标停车场的同构特征输入第一层模型，以输出描述流量趋势的描述向量与第一预测向量，第一层模型为语序翻译模型；将描述向量、第一预测向量与目标停车场的异构特征输入第二层模型，并根据描述向量与异构特征得到第二预测向量，第二层模型为记忆网络模型；基于第一预测向量与第二预测向量得到目标停车场的预测流量。通过本公开的技术方案，在考虑到目标停车场类型基础上进行车流量的预测，能够提升停车场车流量预测的准确性。CN113822458ACN113822458A权利要求书1/3页1.一种停车场流量的预测方法，其特征在于，包括：将目标停车场的同构特征输入第一层模型，以输出描述流量趋势的描述向量与第一预测向量，所述第一层模型为语序翻译模型；将所述描述向量、所述第一预测向量与所述目标停车场的异构特征输入第二层模型，并根据所述描述向量与所述异构特征得到第二预测向量；以及基于所述第二预测向量与所述第一预测向量得到所述目标停车场的预测流量，所述第二层模型为记忆网络模型。2.根据权利要求1所述的停车场流量的预测方法，其特征在于，所述记忆网络模型包括注意机制结构和记忆矩阵，其中所述记忆矩阵基于不同的异构特征构成；所述根据所述描述向量与所述异构特征得到第二预测向量包括：将所述描述向量与所述异构特征输入所述注意机制结构，并与所述记忆矩阵执行匹配操作；对所述匹配操作的结果进行整合，以生成整合向量，所述整合向量描述所述不同的异构特征下的所述流量趋势；基于所述整合向量与所述目标停车场的异构特征得到所述第二预测向量。3.根据权利要求1所述的停车场流量的预测方法，其特征在于，还包括：基于所述目标停车场所处区域的区域类型和/或业态类型，配置所述目标停车场的异构特征，其中，所述区域类型包括交通枢纽区域、商圈区域、办公区域与住宅区域中的至少一种。4.根据权利要求1所述的停车场流量的预测方法，其特征在于，所述基于所述第一预测向量与所述第二预测向量得到所述目标停车场的预测流量包括：对所述第一预测向量与所述第二预测向量进行融合处理，得到融合向量；将所述融合向量与所述目标停车场的个性特征输入第三层模型，以对所述融合向量与所述个性特征执行全连接处理，所述第三层模型为全连接网络模型；基于所述全连接处理的处理结果生成所述预测流量，并使所述第三层模型输出所述预测流量。5.根据权利要求1所述的停车场流量的预测方法，其特征在于，所述基于所述第一预测向量与所述第二预测向量得到所述目标停车场的预测流量包括：对所述第一预测向量与所述第二预测向量进行全连接处理；基于所述全连接处理的处理结果生成所述预测流量，并使所述第二层模型输出所述预测流量。6.根据权利要求1至5中任一项所述的停车场流量的预测方法，其特征在于，所述语序翻译模型包括Seq2Seq网络；所述将目标停车场的同构特征输入第一层模型，以输出描述流量趋势的描述向量与第一预测向量包括：所述同构特征包括时间特征与对应的流量特征，对所述时间特征与所述流量特征进行预处理，生成对应的预处理向量；将所述预处理向量输入所述Seq2Seq网络的编码器中进行编码，得到所述描述向量；2CN113822458A权利要求书2/3页将所述描述向量以及与预测时间相关的预测特征输入所述Seq2Seq网络中的解码器进行解码，得到所述第一预测向量。7.根据权利要求6所述的停车场流量的预测方法，其特征在于，所述编码器包括第一编码器、第二编码器与第三编码器；所述将所述预处理向量输入所述Seq2Seq网络的编码器中进行编码，得到所述描述向量包括：将所述预处理向量输入所述第一编码器，以对所述预测时间之前的多个时间戳的时间特征与对应的流量特征进行编码，生成第一序列；将所述预处理向量输入所述第二编码器，以对所述预设时间之前的多天中，每天相同时刻的时间特征与对应的流量特征进行编码，生成第二序列