[发明专利]一种地铁客流量分布预测方法以及设备

说明书

本发明公开了一种地铁客流量分布预测方法以及设备，本发明通过将OD客流量分布中未完成的订单信息作为输入的一部分，与已完成的订单信息一起输入OD客流量分布预测子模型进行预测，从而在对未来的客流量分布预测中考虑了未完成的订单信息。并且，本发明实施例通过将OD第一分布特征隐藏状态和DO第一分布特征隐藏状态进行融合后获得融合特征，从而充分发掘了OD客流量分布与DO客流量分布在预测中相互之间的指导作用，使得地铁客流量分布预测模型输出的预测结果能够准确完整地反映客流量的真实分布情况。

技术领域

本发明涉及轨道交通领域，尤其涉及一种地铁客流量分布预测方法以及设备。

背景技术

城市交通流量分布预测是智能交通和城市计算领域中的重要一环，可以为城市规划、交通预警或其他任务的决策过程提供重要信息。作为城市中一种高效的出行方式，地铁在城市交通中起着重要的作用。庞大的地铁客流量给城市交通管理带来了巨大的挑战，掌握乘客的出行规律能为管理方提供强有力的帮助，在地铁调度和路线规划中起到重要作用，提高地铁系统的运营效率。因此，预测城市地铁系统的客流量分布具有重大意义。

近年来，随着深度学习和数据挖掘的发展，深度神经网络已广泛用于城市交通预测。在交通预测问题中，被研究的城市通常依据地理坐标被划分为规则的网格图，收集到的交通状态数据根据网格图进行统计，被表示为一个欧氏空间的张量，输入到卷积神经网络中进行特征学习。但由于地铁的拓扑结构是不规则的，其数据结构是非欧氏空间的，这种方式对地铁系统不适用。新兴的图卷积网络能更加有效地对地铁系统的非欧几里得结构进行建模。对地铁客流量分布预测问题而言，地铁客流量分布包含出发地-目的地(OD)的客流量分布和目的地-出发地(DO)的客流量分布两个方面，分别展示了进入每个地铁站的乘客的去向信息和到达目的地的乘客的来源信息。与DO分布预测相比，OD分布预测更具有挑战性，因为在实际的地铁系统中，乘客的目的地在其出站时方可得知。对于乘客出站的时刻而言，其出发地和出发时刻是已知的，但对于乘客进站的时刻而言，其目的地和到达时刻是未知的，无法立即获得完整的OD分布。现有方法根据已完成的历史订单获得每个时间间隔内不完整的OD分布信息，用来预测未来的完整OD客流量，或者为了保证用于预测的数据是完整的，假设两个站点之间的出行用时服从正态分布，在时间跨度足够长的情况下，能够以较高的置信度预计进站乘客已经到达目的地。但对于OD分布预测来说，每个时刻未完成的订单也能提供有用的信息，而现有技术中在客流量的分布预测中，没有考虑未完成的订单，导致无法准确完整地反映客流量的真实分布情况。

综上所述，现有技术在对地铁系统的客流量分布进行预测时，没有考虑到每个时刻未完成的订单，导致存在着无法准确完整地反映客流量的真实分布情况的技术问题。

发明内容

本发明提供了一种地铁客流量分布预测方法以及设备，本发明在对地铁系统的客流量分布进行预测时考虑到每个时刻未完成的订单，使得地铁客流量分布预测模型输出的预测结果能够准确完整地反映客流量的真实分布情况。

为了解决上述技术问题，本发明实施例提供了一种地铁客流量分布预测方法，包括以下步骤：

获取地铁系统在Z个历史时刻的OD客流量分布以及Z个历史时刻的DO客流量分布；其中，所述OD客流量分布中包括已完成的订单信息以及未完成的订单信息，其中，Z∈N+；

将所述Z个历史时刻的OD客流量分布以及所述Z个历史时刻的DO客流量分布输入到预先设置的地铁客流量分布预测模型中，以使所述地铁客流量分布预测模型根据所述Z个历史时刻的OD客流量分布以及所述Z个历史时刻的DO客流量分布，获得OD第一分布特征隐藏状态以及DO第一分布特征隐藏状态，并基于由所述OD第一分布特征隐藏状态和所述DO第一分布特征隐藏状态融合后获得的融合特征，获得OD第二分布特征隐藏状态和所述DO第二分布特征隐藏状态，基于所述OD第一分布特征隐藏状态、所述DO第一分布特征隐藏状态、所述OD第二分布特征隐藏状态以及所述DO第二分布特征隐藏状态，输出未来Z个时刻的OD客流量分布预测和未来Z个时刻的DO客流量分布预测。