一种基于时空特征的地铁短时客流预测方法.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CN113723687A(43)申请公布日2021.11.30(21)申请号202111018093.7(22)申请日2021.08.30(71)申请人深圳大学地址518060广东省深圳市南山区南海大道3688号(72)发明人邹亮龙韵诗(74)专利代理机构深圳市君胜知识产权代理事务所(普通合伙)44268代理人谢松徐凯凯(51)Int.Cl.G06Q10/04(2012.01)G06Q50/30(2012.01)G06N20/00(2019.01)G07C9/27(2020.01)权利要求书2页说明书8页附图4页(54)发明名称一种基于时空特征的地铁短时客流预测方法(57)摘要本发明公开了一种基于时空特征的地铁短时客流预测方法，包括步骤：获取目标地铁站在待预测时间段下的待预测特征；待预测特征包括：待预测时间特征和待预测空间特征，待预测时间特征包括：与待预测时间段相邻的前若干个时间段的客流量、待预测时间段的工作日特征、目标地铁站在不同日期同一时间段的客流量均值，待预测空间特征包括：目标地铁站以及目标地铁站的相似地铁站的工作日客流量之和；根据待预测特征和训练好的随机森林模型，确定目标地铁站在待预测时间段下的预测客流量。由于通过待预测时间特征和待预测空间特征作为特征输入，并结合随机森林模型，对目标地铁站在待预测时间段下的的预测客流量，预测精度较高，提高了预测的准确性。CN113723687ACN113723687A权利要求书1/2页1.一种基于时空特征的地铁短时客流预测方法，其特征在于，包括步骤：获取目标地铁站在待预测时间段下的待预测特征；其中，所述待预测特征包括：待预测时间特征和待预测空间特征，所述待预测时间特征包括：与待预测时间段相邻的前若干个时间段的客流量、待预测时间段的工作日特征、所述目标地铁站在不同日期同一时间段的客流量均值，所述待预测空间特征包括：所述目标地铁站以及所述目标地铁站的相似地铁站的工作日客流量之和；根据所述待预测特征和所述训练好的随机森林模型，确定所述目标地铁站在所述待预测时间段下的预测客流量。2.根据权利要求1所述的基于时空特征的地铁短时客流预测方法，其特征在于，所述目标地铁站以及所述目标地铁站的相似地铁站的工作日客流量之和为客流量非加权求和或客流量加权求和。3.根据权利要求2所述的基于时空特征的地铁短时客流预测方法，其特征在于，所述客流量加权求和为：其中，xweight_sum表示客流量加权求和，xt表示目标地铁站的工作日客流量，w表示目标地铁站的权值，表示目标地铁站的第i个相似地铁站的客流量，wi表示目标地铁站的第i个相似地铁站的权值，n表示与目标地铁站的相似地铁站的数量，di表示目标地铁站与第i个相似地铁站之间的距离。4.根据权利要求3所述的基于时空特征的地铁短时客流预测方法，其特征在于，所述目标地铁站与第i个相似地铁站之间的距离为di＝R*arecos[cos(y)*cos(y′i)*cos(x‑x′i)+sin(y)*sin(y'i)]其中，R表示地球半径，x表示目标地铁站的经度，y表示目标地铁站的纬度，x'i表示第i个相似地铁站的经度，y'i表示第i个相似地铁站的纬度。5.根据权利要求2所述的基于时空特征的地铁短时客流预测方法，其特征在于，所述客流量非加权求和为：其中，xt表示目标地铁站的工作日客流量，表示目标地铁站的第i个相似地铁站的客流量，n表示目标地铁站的相似地铁站的数量。6.根据权利要求1所述的基于时空特征的地铁短时客流预测方法，其特征在于，所述相似地铁站为与目标地铁站的聚类类别相同的地铁站，所述目标地铁站的聚类类别根据目标地铁站在各工作日的平均客流量确定。7.根据权利要求1‑6任意一项所述的基于时空特征的地铁短时客流预测方法，其特征在于，所述训练好的随机森林模型采用如下步骤训练得到：获取各地铁站的历史刷卡数据；2CN113723687A权利要求书2/2页根据所述历史刷卡数据，确定各地铁站在各历史时间段下的历史特征和历史客流量；其中，所述历史特征包括：与历史时间段相邻的前若干个时间段的客流量、历史时间段的工作日特征、地铁站在不同日期同一时间段的客流量均值，所述历史空间特征包括：地铁站以及该地铁站的相似地铁站的工作日客流量之和；根据各地铁站在各历史时间段下的所述历史特征和所述历史客流量，确定所述历史刷卡数据对应的数据集；基于所述数据集，对随机森林模型进行训练，得到训练好的随机森林模型。8.根据权利要求7所述的基于时空特征的地铁短时客流预测方法，其特征在于，所述历史刷卡数据为地铁站在各时间段下的客流量；所述获取各地铁站的历史刷卡数据包括：获取刷卡记录；其中，所述刷卡记录包括：刷卡闸机号和刷卡时间；针对每一条刷卡记录，根