[发明专利]一种客流预测方法、装置及存储介质

说明书

本发明公开了一种客流预测方法、装置及存储介质，其中方法包括：根据历史售票数据得到客流时间序列；对客流时间序列进行分解，得到若干个平稳的子序列，每个子序列在中心频率周围是紧密的；对若干个平稳的子序列进行重构，得到重构客流时间序列；将重构客流时间序列输入至训练好的预测模型进行预测，得到预测客流量；模型的隐藏神经元个数和迭代次数的有效增加可以降低预测误差；提高了预测精度；分布特征整体一致，能够较好的拟合旅客出行需求的时变特征。

技术领域

本发明涉及铁路运输技术领域，特别是一种客流预测方法、装置及存储介质。

背景技术

城际高速铁路是指位于人口稠密的都市圈或城市群的高速铁路客运专线，鉴于城际高速铁路的运输组织模式特征，沿线的旅客出行需求也体现出明显的时间分布特征。时变客流的准确性可直接影响列车发车时间的分布与旅客出行需求的匹配程度，进而影响运输产品的市场投放效益。因此，结合旅客的出行需求特征，预测城际高速铁路时变客流具有高必要性。但目前的预测方法存在准确性较低的问题。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种客流预测方法、装置及存储介质。

本发明解决其问题所采用的技术方案是：

本发明的第一方面，一种客流预测方法，包括：

根据历史售票数据得到客流时间序列，所述客流时间序列用于表征客流需求的时变特征；

对所述客流时间序列进行分解，得到若干个平稳的子序列，每个所述子序列在中心频率周围是紧密的；

对若干个平稳的子序列进行重构，得到重构客流时间序列；

将所述重构客流时间序列输入至训练好的预测模型进行预测，得到预测客流量。

根据本发明的第一方面，所述根据历史售票数据得到客流时间序列，包括：

将目标时间按天数划分，并将每天的统计时间统一划分为多个时段；

根据历史售票数据，统计每天的各个时段的客流需求；

根据每天的各个时段的客流需求，得到客流时间序列。

根据本发明的第一方面，所述对所述客流时间序列进行分解，得到若干个平稳的子序列，包括：

对所述客流时间序列进行频谱变换，得到单侧频谱；

将所述单侧频谱转移到基带；

对转移后的所述单侧频谱所对应的约束变分模型进行求解，得到若干个平稳的子序列。

根据本发明的第一方面，所述重构采用如下方式中的任意一种：

将分量相加；

将分量加权分均，再相加；

将相关性大于相关性阈值的分量和相关性小于相关性阈值的分量分别相加。

根据本发明的第一方面，在所述对若干个平稳的子序列进行重构，得到重构客流时间序列的步骤之后，还包括：

对所述重构客流时间序列进行数据归一化和差分处理。

根据本发明的第一方面，所述将所述重构客流时间序列输入至训练好的预测模型进行预测，得到预测客流量，包括：

将所述重构客流时间序列作为记忆细胞输入至遗忘门，得到遗忘值；

将所述重构客流时间序列作为记忆细胞输入至输入门，得到保留值；

根据所述遗忘值、所述保留值、所述记忆细胞和候选细胞得到当前细胞，其中所述候选细胞是由所述记忆细胞经过候选函数生成的；