[发明专利]基于Prophet模型的地铁进站客流预测方法及装置

权利要求书

1.基于Prophet模型的地铁进站客流预测方法，其特征在于，具体包括以下步骤：

S1、读取AFC进站客流历史数据；

S2：根据所述进站客流历史数据，获取假日时间数据；

S3：根据所述进站客流历史数据与预设时间间隔T，获取每天不同时间间隔T内的进站客流数据；

S4：根据所述进站客流历史数据，获取进站客流的周期性数据；

S5：将所述假日时间数据、时间间隔T内的进站客流数据分别进行格式转换，得到与Prophet模型的数据格式相匹配的数据；

S6：将所述周期性数据与格式转换后的假日时间数据、时间间隔T内的进站客流数据输入Prophet模型得到地铁进站客流的预测数据。

2.根据权利要求1所述的基于Prophet模型的地铁进站客流预测方法，其特征在于，步骤S4具体包括以下步骤：

S401、将周期设定为1个月；

S402、以1个月为间隔，将所述进站客流历史数据划分为多个月区间的数据，每个区间的时间长度为1个月；

S403、遍历所述多个月区间的数据，判断是否存在连续6个月及6个月以上的相近数据：若存在，则将此1个月作为所述进站客流的周期性数据；若不存在，则将周期设定为1周，转步骤S404；

S404、以1周为间隔，将所述进站客流历史数据划分为多个周区间的数据，每个周区间的时间长度为1周；

S405、遍历所述多个周区间的数据，判断是否存在连续6周及6周以上的相近数据：若存在，则将此1周作为所述进站客流的周期性数据；若不存在，则将周期设定为1日，转步骤S406；

S406、以1日为间隔，将所述进站客流历史数据划分为多个日区间的数据，每个日区间的时间长度为1日；

S407、遍历所述多个日区间的数据，判断是否存在连续6日及6日以上的相近数据：若存在，则将此1日作为所述进站客流的周期性数据。

3.根据权利要求2所述的基于Prophet模型的地铁进站客流预测方法，其特征在于，所述相近数据为：遍历下一个区间的数据集N2与上一个区间的数据集N1，判断数据集N2的数据n2与数据集N1对应的数据n1是否满足n1*0.9＝n2＝n1*1.1，若满足判定数据N2与数据N1为相似数据。

4.根据权利要求1所述的基于Prophet模型的地铁进站客流预测方法，其特征在于，所述步骤S3具体包括以下步骤：

根据预设的时间间隔T，把每天划分为多个时段，每个时段的时长为T；

根据所述多个时段，将所述进站客流历史数据划分为对应多个时段的进站客流数据；

统计每个时段的进站客流数据，得到时间间隔T内的进站客流数据。

5.根据权利要求1所述的基于Prophet模型的地铁进站客流预测方法，其特征在于，所述Prophet模型的数据格式为一个包含两列的数据框：ds和y，ds列为时间序列YYYY-MM-DD，y列为数值变量，表示我们时间信息对应的客流数据：

将所述假日时间数据进行格式转换，得到y列为节假日的信息，ds列为节假日信息相对应的时间；

时间间隔T内的进站客流数据进行格式转换，得到ds列为发生此事件的时间信息，y列为时间间隔T内的进站客流数据。

6.根据权利要求1所述的基于Prophet模型的地铁进站客流预测方法，其特征在于，所述地铁进站客流的预测数据为根据可选的预测时长获得相对应的预测数据。

7.根据权利要求2所述的基于Prophet模型的地铁进站客流预测方法，其特征在于，所述周期性数据包括三个标志位月/周/日，用FALSE/TRUE表示Prophet模型模型是否有月/周/日的周期性。