[发明专利]一种城市轨道交通乘客流量预测方法

权利要求书

1.一种城市轨道交通乘客流量预测方法，其特征在于，包括：

基于目标轨道交通路线的当前时间段统计OD分布矩阵，利用根据OD分布矩阵结构特性和乘客流量数据特性建立，并使用所述目标轨道交通路线的历史OD分布矩阵训练获取的乘客流量预测模型，预测指定时间段内所述目标轨道交通路线指定路段的客流量，其中，所述乘客流量预测模型为基于CNN-LSTM结构的乘客流量预测模型。

2.根据权利要求1所述的方法，其特征在于，在利用所述乘客流量预测模型，预测指定时间段内所述目标轨道交通路线指定路段的客流量的步骤之前，还包括：

S01，基于OD分布矩阵的二维结构特性，以及乘客流量的时间相关特性，构建CNN-LSTM结构的初始乘客流量预测模型；

S02，获取所述目标轨道交通路线指定历史时间段的历史OD分布矩阵，并将所述历史OD分布矩阵按时间顺序进行预处理，获取训练样本；

S03，利用所述训练样本训练所述初始乘客流量预测模型，获取所述乘客流量预测模型。

3.根据权利要求2所述的方法，其特征在于，基于所述当前时间段统计OD分布矩阵，预测指定时间段内所述目标轨道交通路线指定路段的客流量的步骤进一步包括：

将所述当前时间段统计OD分布矩阵输入CNN-LSTM结构的乘客流量预测模型，并通过网络前端CNN卷积神经网络提取当前时间段客流特征量；

基于所述当前时间段客流特征量，利用LSTM神经网络预测指定时间段内所述目标轨道交通路线指定路段的客流量。

4.根据权利要求2所述的方法，其特征在于，所述乘客流量预测模型包括输入层、输出层和隐含层，所述输入层表示不同时刻的各断面客流量，所述输出层表示预测后不同时刻各断面的客流量，所述隐含层为LSTM层，用于根据期望输出和实际输出的误差值来逐次修正，以使所述实际输出跟随所述期望输出。

5.根据权利要求4所述的方法，其特征在于，在基于所述当前时间段统计OD分布矩阵，利用所述乘客流量预测模型进行乘客流量预测之前，还包括：对所述断面客流量的数据进行预处理；

其中，按照时间顺序对所述断面客流量进行编号，并按照预测时间顺序进行分组；每个站点设定为一个断面，每组内部为一个矩阵，每隔设定时间对客流量进行统计，形成输入矩阵。

6.根据权利要求5所述的方法，其特征在于，还包括：

将所述输入矩阵经隐藏层LSTM计算并经激活函数激活处理；

将神经网络的输入矩阵经无效数据剔除后，整合输入神经网络，获取整体网络的输出。

7.根据权利要求6所述的方法，其特征在于，所述整体网络的输出包括当前时刻的中间输出和整体网络的预测输出；

相应的，所述方法还包括：

根据输入预测的客流数据，利用下一时刻客流数据对预测输出进行损失计算，并利用反向传播对网络各权重进行梯度计算，优化各权重参数。

8.根据权利要求4所述的方法，其特征在于，还包括：

通过设置最大输入维度，限制输入矩阵的长度，其中不满足最大长度的用0进行填充，超过最大长度的进行截断。

9.根据权利要求5所述的方法，其特征在于，还包括：

将预处理后的数据填充进299*299的矩阵，利用CNN网络进行特征提取，并将降维后的数据扁平化输入LSTM层，以加快计算速度。