[发明专利]一种基于元学习的地铁新开车站短期客流预测方法

权利要求书

1.一种基于元学习的地铁新开车站短期客流预测方法，包括：

将针对目标车站的短期客流预测问题建模为：

其中，S_u＝{s₁,…,s_u}是一组源车站，S_t＝{s₁,…,s_t}是一组目标车站，τ是历史时间步的数量，是目标车站第τ+1个时间步的客流，f为客流预测模型，θ₀表示从源车站提取后迁移到目标车站的参数，至是目标车站的τ历史时间步的客流信息；

通过以下步骤获得目标车站第τ+1时间步的客流：

构建元学习器，该元学习器包括局部学习器和全局学习器，其中局部学习器用于在单个元学习任务上对基础网络进行训练，全局学习器用于优化所有单个元学习任务对应的总体损失，基础网络用于学习客流的空间和时间特征；

利用元学习任务集优化所述元学习器，获得基础网络的先验知识θ₀，其中每个元学习任务是包含车站空间位置和客流的时空信息的矩阵；

将所述先验知识θ₀作为基础网络的初始化参数，利用目标车站的历史客流信息预训练所述基础网络；

针对目标车站，采集τ个历史时间步的客流信息，输入到预训练的基础网络，获得第τ+1时间步的客流信息；

其中，根据以下步骤构建所述元学习任务集：

将所有源车站和目标车站按照地铁线路的顺序分别构建成一个一维序列，每个一维序列承载各站的相对位置信息；

根据目标车站数量，从源车站中选择相应数量的车站作为第一个元学习任务，后续相应数量的车站作为第二个元学习任务，进而构建出所述元学习任务集；

其中，所述基础网络是长短时记忆网络；

其中，所述元学习任务集包括训练任务集和测试任务集，所述训练任务集和所述测试任务集各自包含支持集和查询集，对应于每个元学习任务，采用训练任务集中的支持任务和查询任务对所述基础网络进行训练，采用测试任务集中的支持任务和查询任务对经训练的基础网络进行测试；

其中，所述元学习器的优化目标为：

其中，p(T_s)是从源车站获取的任务分布，任务T_i是从p9T_s)中的采样，参数是基础网络在训练任务集上的输出，表示当参数为时任务T_i的预测值，是任务T_i的真实值，T_s表示源车站的全部任务，表示任务T_i的真实值，L是损失函数；

其中，所述局部学习器的一次梯度更新表示为：

其中，α是局部学习器的学习率，代表梯度下降的操作，f_θ是参数为θ的参数化函数；

其中，对于一个元学习任务，车站内客流的时间序列表示为：

其中，t表示第t个时间间隔，τ是历史时间步的数量，分别代表实时模式、日模式和周模式下在第t个时间间隔的客流；

其中，所述全局学习器的更新过程表示为：

其中，β是全局学习器的学习率，f_θ是参数为θ的参数化函数；

其中，在预训练所述基础网络过程中，一个梯度更新过程表示：

其中，L_tn是目标车站的损失函数，γ是设定常数。

2.一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现根据权利要求1所述的方法的步骤。

3.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1所述的方法的步骤。