[发明专利]一种机场到港旅客乘坐出租车短时需求集成预测方法

权利要求书

1.一种机场到港旅客乘坐出租车短时需求集成预测方法，其特征在于，步骤如下：

(1)采集机场到港旅客乘坐出租车订单数据、机场到港航班数据、机场到港旅客乘坐地铁闸门数据、机场天气报文数据；

(2)将上述步骤(1)中采集到的数据分别处理为机场到港旅客乘坐出租车流量时间序列数据、机场到港旅客下机流量时间序列数据集、机场到港旅客乘坐地铁流量时间序列数据和天气时间序列数据，结合时间特征生成综合时间序列数据集；将得到的机场到港旅客乘坐出租车流量时间序列数据、机场到港旅客下机流量时间序列数据集、机场到港旅客乘坐地铁流量时间序列数据构建为复合流量数据集；

(3)采用K-Means模型对步骤(2)中的复合流量数据集进行无监督聚类，基于复合流量相似性距离进行相似性度量，计算不同类别数下的轮廓系数，选取轮廓系数最大的类别数作为无监督聚类算法的K值，得到K个聚类结果；

(4)针对步骤(3)中的聚类结果对步骤(2)中的综合时间序列数据集进行分类，将每个分类结果划分为训练集和测试集；

(5)建立K个LSTM-Att模型，分别用聚类后第g类别的训练集数据训练第g个LSTM-Att模型，g∈[1,K]，得到K个训练后的LSTM-Att模型；

(6)建立K个XGBoost模型，分别用聚类后第g类别的训练集数据训练第g个XGBoost模型，g∈[1,K]，得到K个训练后的XGBoost模型；

(7)建立K个LightGBM模型，分别用聚类后第g类别的训练集数据训练第g个LightGBM模型，g∈[1,K]，得到K个训练后的LightGBM模型；

(8)建立K个堆叠法集成预测模型，用步骤(5)、步骤(6)、步骤(7)中的第g个模型作为初级学习器，g∈[1,K]，学习不同模型的权重，得到K个训练后的堆叠法集成预测模型；

(9)基于集成预测模型对K个测试集进行预测。

2.根据权利要求1所述的机场到港旅客乘坐出租车短时需求集成预测方法，其特征在于，所述步骤(1)中机场到港航班数据包括：机场到港航班机型数据、机场各时间段到港航班架次数据、机场到港航班客座率数据。

3.根据权利要求2所述的机场到港旅客乘坐出租车短时需求集成预测方法，其特征在于，所述步骤(2)的具体过程如下：

(21)生成机场到港旅客乘坐出租车流量时间序列数据；

对步骤(1)中的机场到港旅客乘坐出租车订单数据进行噪点过滤和时间归属处理，得到机场到港旅客乘坐出租车流量时间序列数据；

(22)生成机场到港旅客下机流量时间序列数据集；

对步骤(1)中的机场到港航班机型数据、机场各时间段到港航班架次数据、机场到港航班客座率数据进行处理，求得机场到港旅客下机数量，求解公式为：

式中，f表示机场到港旅客下机数量，N_i表示第i种机型到港航班数量，S_i表示第i种机型的可用座位数，PLF表示客座率，I表示机型总数；对得到的机场到港旅客下机数量进行时间归属、数据平移处理，求得机场到港旅客下机流量时间序列数据和机场到港旅客前1小时下机流量时间序列数据，两者组合，得到机场到港旅客下机流量时间序列数据集；

(23)生成机场到港旅客乘坐地铁流量时间序列数据；

对步骤(1)中的机场到港旅客乘坐地铁闸门数据进行数据切分和时间归属处理，得到机场到港旅客乘坐地铁流量时间序列数据；

(24)生成天气时间序列数据；

对步骤(1)中的天气报文数据进行数据切分和时间归属处理，得到天气时间序列数据；

(25)生成综合时间序列数据集；

将步骤(21)、步骤(22)、步骤(23)、步骤(24)中生成的数据结合包含月份、日期、星期的时间特征，得到包括机场到港旅客乘坐出租车流量、机场到港旅客下机流量、机场到港旅客乘坐地铁流量、天气和时间特征的综合时间序列数据集；

(26)生成复合流量数据集；

将步骤(21)中得到的机场到港旅客乘坐出租车流量时间序列数据、步骤(22)中得到的机场到港旅客下机流量时间序列数据集、步骤(23)中得到的机场到港旅客乘坐地铁流量时间序列数据构建为复合流量数据集。