一种地铁客流预测方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例公开了一种地铁客流预测方法，包括：获取乘车数据源；将乘车数据源整合为对应的乘车数据，并根据乘车数据构建时间特征；整合分析以获得若干模型输入量；基于模型输入量构建若干个距离待测时刻不同时刻范围的数据特征集并进行归一化处理，构建每一个时间范围分别对应的RTNN模型，且按照时间范围距离待测时刻由远至近的顺序，将每个RTNN模型中的每一个数据特征依次进行传递。本方案中，基于RTNN网络模型不仅克服了现有技术中只能挖掘一个张量内各元素之间的相互关系或时序关系，而可以刻画多个张量间的时序变化，且结合了时间序列之间的传递性，可以有效避免网络中长时间间隔信息损失的问题。

A method, device, electronic equipment and storage medium for subway passenger flow prediction

【技术实现步骤摘要】
一种地铁客流预测方法、装置、电子设备及存储介质
本申请实施例涉及智能交通技术，尤其涉及一种地铁客流预测方法、装置、电子设备及存储介质。
技术介绍
地铁作为人们一种重要的交通出行方式，随着科学技术的快速发展，给我们带来了巨大的便利，也给国家和地区的经济带来了很大的发展和促进作用。但是同时我们也应该看到，随着国家对地铁行业的大力支持，各地都在不断的加大对地铁的建设，乘坐地铁的人越来越多，伴随而来的问题也越来越多。怎么样将地铁和乘客进行结合，实现给乘客更合理的出行路线选择，规避交通堵塞，提取部署站点安保措施等问题，已经成为地铁中首要考虑的问题，而且，随着当前大数据、机器学习、人工智能等技术的快速发展，怎么样将这些技术深入应用到地铁行业助力未来城市安全出行，也成了社会的热点。当前，对于交通行业的客流量预测的技术主要有以下几类：1、简单的时间序列方法预测时间序列方法预测是根据系统观察得到的时间序列数据，通过曲线拟合和参数估计来建立数据模型的理论和方法。时间序列表现为长期趋势变化、季节性周期变化、循环变化、随机性变化，常用的方法有移本文档来自技高网...

【技术保护点】
1.一种地铁客流预测方法，其特征在于，包括：/n获取乘车数据源；乘车数据源包括时间信息和乘客的乘车信息；/n将乘车数据源整合为对应的乘车数据，并根据乘车数据构建时间特征；/n提取乘车数据中不同条件下分别所对应的数据进行整合分析以获得若干模型输入量；/n基于模型输入量构建若干个距离待测时刻不同时刻范围的数据特征集并进行归一化处理，构建每一个时间范围分别对应的RTNN模型，且按照时间范围距离待测时刻由远至近的顺序，将每个RTNN模型中的每一个数据特征依次进行传递。/n

【技术特征摘要】
1.一种地铁客流预测方法，其特征在于，包括：
获取乘车数据源；乘车数据源包括时间信息和乘客的乘车信息；
将乘车数据源整合为对应的乘车数据，并根据乘车数据构建时间特征；
提取乘车数据中不同条件下分别所对应的数据进行整合分析以获得若干模型输入量；
基于模型输入量构建若干个距离待测时刻不同时刻范围的数据特征集并进行归一化处理，构建每一个时间范围分别对应的RTNN模型，且按照时间范围距离待测时刻由远至近的顺序，将每个RTNN模型中的每一个数据特征依次进行传递。


2.根据权利要求1所述的地铁客流预测方法，其特征在于，所述乘车数据源还包括环境参数。


3.根据权利要求2所述的地铁客流预测方法，其特征在于，所述乘车信息包括交通卡ID、交通卡类型、交易类型、站点编码、刷卡设备；所述时间信息包括日期、交易时间。


4.根据权利要求3所述的地铁客流预测方法，其特征在于，所述乘车数据包括每一个站点对应的进站人数和出站人数、站点编码。


5.根据权利要求1所述的地铁客流预测方法，其特征在于，所述条件包括多个不同时期特征的客流量、单个时期特征的客流量、任一周期内的特定时期特征的客流量。


6.根据权利要求5所述的地铁客流预测方法，其特征在于，数据特征集包括近期数据特征集、中期数据特征集和远期数据特征集，近期数据特征集包括距离待测时刻前i个时刻各站点的客流量数据特征，中期数据特征集包括距离待测时刻前j天与待预测时刻相同时刻各站点的客流量数据特征，远期数据特征集包括距离待测时刻前k个星期且与待预测时刻同日相同时刻的客流量数据特征；所述i、j、k均为自然数。


7.根据权利要求6所述的地铁客流预测方法，其特征在于，对...

【专利技术属性】
技术研发人员：翁宗鹏，丁保剑，秦伟，曾明，李逸帆，杨东泉，
申请(专利权)人：佳都新太科技股份有限公司，广州新科佳都科技有限公司，
类型：发明
国别省市：广东;44