[发明专利]一种基于改进深度森林的公交车路段运行时间预测方法

摘要

本发明提供一种基于改进深度森林的公交车路段运行时间预测方法，包括：收集公交线路信息、GPS信息以及路段信息，对收集到的信息数据进行归一化处理，将处理后的数据输入到改进深度森林进行训练，改进深度森林由卷积多粒度扫描和有限制级联森林两部分组成；选取7个变量作为训练样本(xi,yi)的八维输入向量xi，选取当前路段运行时间作为输出向量yi；选取样本数据的70％作为训练样本输入到改进深度森林，另外的30％则输入改进深度森林检测训练结果；将检测训练结果用MAPE作为评价指标，MAPE越小，表示预测误差越小，效果越理想。改进深度森林能够更加适应不同规模大小的数据以进行训练，并且改善运行内存、计算设施的高要求问题，预测更加准确的公交车辆运行时间。

主权项

1.一种基于改进深度森林的公交车路段运行时间预测方法，其特征在于，包括如下步骤：步骤S1：收集公交线路信息、GPS信息以及路段信息，对收集到的信息数据进行归一化处理，将收集到的数据采用如下公式处理为区间为[0,1]之间的数据：其中，w为归一化后的数据；x为原始数据；x_min为原始数据中的最小值；x_max为原始数据中的最大值；步骤S2：将处理后的数据输入到改进深度森林进行训练，所述改进深度森林由卷积多粒度扫描和有限制级联森林两部分组成；卷积多粒度扫描，对处理后的数据进行特征提取，在滑动窗口扫描选取样本特征时，构造一列向量作为特征扫描的过滤器filter，结合滑动窗口对范围内的特征进行系数运算，让过滤器filter在原始数据上滑动，得到整组特征的高维表示，得到样本子数据；有限制级联森林，将所述样本子数据输入到有限制级联森林中进行高维空间数据的训练，在训练过程中，每层森林有p个森林，每个森林产生c维数据，将原始高维空间子数据拼接到一起，得到q*c+A*N维数据；最后一层森林输出结果，则不再进行样本子数据的拼接；经过几层森林直到预测精确度不再提高，或达到设定的森林层数，则输出预测结果；步骤S3：选取公交线路、路段长度、天气、星期情况、当前路段运行时间、下一路段运行时间、当时时间7个变量作为训练样本(x_i,y_i)的八维输入向量x_i，选取当前路段运行时间作为输出向量y_i；选取样本数据的70％作为训练样本输入到改进深度森林，另外的30％则输入改进深度森林检测训练结果；步骤S4：将检测训练结果用平均绝对误差MAPE作为评价指标，MAPE越小，则表示预测误差越小，效果越理想；评价表达式如下：其中，n表示预测样本的大小，表示预测到的公交车运行时间，y_i表示观测到的公交车运行时间。