The embodiment of this application discloses a method and device for predicting passenger flow. The specific implementation of the system includes: obtaining the route information of the target traffic route and the corresponding sequence of the number of consecutive time periods corresponding to the preset number of the current time based on the received prediction request for the passenger flow value of the target traffic route in the preset time period; coding the route information to generate the encoding route information; and coding the route information and encoding the route information. Passenger flow series are input into the pre-trained passenger flow prediction model to obtain the passenger flow prediction value of the target traffic route in the preset period. The passenger flow prediction model is used to characterize the corresponding relationship between the encoded route information and the passenger flow series and the passenger flow prediction value of the target traffic route. The implementation method improves the prediction accuracy of passenger flow value.
【技术实现步骤摘要】
用于预测客流量的方法和装置
本申请实施例涉及计算机
,具体涉及用于预测客流量的方法和装置。
技术介绍
随着信息技术的发展,各种平台之间的交互为数据的获取提供了便利。基于大数据的信息技术可以应用于多种行业中。各行业通过数据平台对获取到的历史数据进行分析,从而实现了对未来信息的预测。应用于客流量预测的相关技术中,通常是利用人工标注的方式对获取到的历史数据进行分析,从而得到客流量预测值;或者采用人工预测的方式对客流量信息进行预测。
技术实现思路
本申请实施例提出了用于预测客流量的方法和装置。第一方面,本申请实施例提供了一种用于预测客流量的方法,包括:基于接收到的对预设时段内目标交通路线的客流量值的预测请求,获取目标交通路线的路线信息和当前时间之前的预设数目个连续时间段对应的客流量序列;对路线信息进行编码处理,生成编码后的路线信息;将编码后的路线信息和客流量序列输入至预先训练的客流量预测模型,得到在预设时段内目标交通路线的客流量预测值,其中,客流量预测模型用于表征编码后的路线信息和客流量序列二者与目标交通路线的客流量预测值之间的对应关系。在一些实施例中,客流量预测模型包括客流量预测子模型和长短记忆神经网络,以及将编码后的路线信息和客流量序列输入至预先训练的客流量预测模型,得到在预设时段内目标交通路线的客流量值,包括:将编码后的路线信息输入至客流量预测子模型,得到第一特征值,第一特征值用于表征在预设时段内对目标交通路线的客流量值的预测结果;将客流量序列输入至长短记忆神经网络,得到第二特征值,第二特征值用于表征预测结果的预测偏差;将第一特征值和第二特征值输入至预先训 ...
【技术保护点】
1.一种用于预测客流量的方法,包括:基于接收到的对预设时段内目标交通路线的客流量值的预测请求,获取所述目标交通路线的路线信息和当前时间之前的预设数目个连续时间段对应的客流量序列;对所述路线信息进行编码处理,生成编码后的路线信息;将所述编码后的路线信息和所述客流量序列输入至预先训练的客流量预测模型,得到在所述预设时段内所述目标交通路线的客流量预测值,其中,所述客流量预测模型用于表征编码后的路线信息和客流量序列二者与目标交通路线的客流量预测值之间的对应关系。
【技术特征摘要】
1.一种用于预测客流量的方法,包括:基于接收到的对预设时段内目标交通路线的客流量值的预测请求,获取所述目标交通路线的路线信息和当前时间之前的预设数目个连续时间段对应的客流量序列;对所述路线信息进行编码处理,生成编码后的路线信息;将所述编码后的路线信息和所述客流量序列输入至预先训练的客流量预测模型,得到在所述预设时段内所述目标交通路线的客流量预测值,其中,所述客流量预测模型用于表征编码后的路线信息和客流量序列二者与目标交通路线的客流量预测值之间的对应关系。2.根据权利要求1所述的方法,其中,所述客流量预测模型包括客流量预测子模型和长短记忆神经网络,以及所述将所述编码后的路线信息和所述客流量序列输入至预先训练的客流量预测模型,得到在所述预设时段内所述目标交通路线的客流量值,包括:将所述编码后的路线信息输入至所述客流量预测子模型,得到第一特征值,所述第一特征值用于表征在所述预设时段内对所述目标交通路线的客流量值的预测结果;将所述客流量序列输入至所述长短记忆神经网络,得到第二特征值,所述第二特征值用于表征所述预测结果的预测偏差;将所述第一特征值和所述第二特征值输入至预先训练的全连接网络,得到在所述预设时段内所述目标交通路线的客流量预测值。3.根据权利要求2所述的方法,其中,所述客流量预测子模型包括广义线性模型和深度神经网络。4.根据权利要求2所述的方法,其中,所述客流量预测模型通过如下训练步骤得到:获取训练样本集合,所述训练样本集合中的训练样本包括编码后的样本路线信息、指定时间段之前的预设数目个连续时间段对应的样本客流量序列和指定时间段的样本客流量值;从所述训练样本集合中选取训练样本,执行如下调整步骤:将选取的训练样本中的编码后的样本路线信息输入至初始客流量预测子模型,得到第一初始特征值;将选取的训练样本中的指定时间段之前的预设数目个连续时间段对应的样本客流量序列输入至初始长短记忆神经网络,得到第二初始特征值;将所得到的第一初始特征值和第二初始特征值输入至全连接网络,得到指定时间段的样本客流量的预测值;基于预设损失函数,确定预设损失函数的损失值是否达到预设目标值;响应于确定预设损失函数的损失值达到预设目标值,确定客流量预测模型训练完成,其中,预设损失函数用于指示指定时间段的样本客流量的预测值与指定时间段的样本客流量值之间的差值。5.根据权利要求4所述的方法,其中,所述客流量预测模型的训练步骤还包括:响应于确定预设损失函数的损失值未达到预设目标值,调整初始客流量预测子模型的参数和初始长短记忆神经网络的参数,将调整后的初始客流量预测子模型作为初始客流量预测子模型,将调整后的初始长短记忆神经网络作为初始长短记忆神经网络,继续执行所述调整步骤。6.一种用于预测客流量的装置,包括:获取单元,被配置成基于接收到的对预设时段内目标交通路线的客流量值的预测请求,获取所述目标交通路线的路线信息和当前时间之前的预...
【专利技术属性】
技术研发人员:黄耀波,刘明浩,安思宇,郭江亮,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。