客流数据确定方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种客流数据确定方法、装置、计算机设备和存储介质。该方法包括：获取影响客流量预测因素对应的关联数据和预测站点标识，预测因素为时间参数、天气参数、属性参数中的至少一种；将关联数据和预测站点标识输入至已训练好的客流量预测模型中，得到预测站点标识对应的预测客流量；根据预测因素确定关联数据是否符合预设条件，当关联数据符合预设条件时，获取已训练的客流量影响因子；根据预测客流量和客流量影响因子计算得到预测站点标识对应的目标预测客流量。采用本方法能够提高客流量预测准确率。

Passenger flow data determination method, device, computer equipment and storage medium

【技术实现步骤摘要】
客流数据确定方法、装置、计算机设备和存储介质
本专利技术实施例涉及智能交通
，尤其是涉及一种客流数据确定方法、装置、计算机设备和存储介质。
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，带来了巨大的便利。因此，地铁的客流量也是人们关心的重点，目前，通常使用机器学习模型来预测客流量，然而，对于一些突发情况，如演唱会、节假日、高温等，造成当时的客流量增多，而目前的通过机器学习模型预测客流量的方式无法针对这些突发情况进行预测，造成客流量预测准确率低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高客流量预测准确率的客流数据确定方法、装置、计算机设备和存储介质。第一方面，提供一种客流数据确定方法，该方法包括：获取影响客流量预测因素对应的关联数据和预测站点标识，预测因素为时间参数、天气参数、属性参数中的至少一种；将关联数据和预测站点标识输入至已训练好的客流量预测模型中，得到预测站点标识对应的预测客流量；根据预测因素确定关联数据是否符合预设条件，当关联数据符合预设条件时，获取已训练的客流量影响因子；根据预测客流量和客流量影响因子计算得到预测站点标识对应的目标预测客流量。在其中一个实施例中，客流量预测模型包括客流量预测算法和客流量预测子模型，将关联数据和预测站点标识输入至已训练好的客流量预测模型中，得到预测站点标识对应的预测客流量，包括：从关联数据中获取时间参数和属性参数对应的子关联数据；根据子关联数据获取匹配的预设客流量预测算法，利用预设客流量预测算法计算得到子关联数据对应的第一子客流量；将影响客流量预测因素对应的关联数据和预测站点标识输入至已训练好的客流量预测子模型中，得到预测站点标识对应的第二子客流量；将第一子客流量和第二子客流量输入至已训练好的客流量预测模型中，客流量预测模型通过全连接层输出中间客流量，对中间客流量进行张量连接得到预测站点标识对应的预测客流量。在其中一个实施例中，客流量预测算法的生成步骤包括：获取影响客流量时间参数和属性参数对应的历史客流量数据，根据历史客流量数据制定对应的客流量预测算法，不同时间参数对应的关联数据对应不同的客流量预测算法，不同属性参数对应的关联数据对应不同的客流量预测算法。在其中一个实施例中，客流量预测子模型的训练步骤包括：构建至少一个训练数据特征，训练数据特征为历史客流量数据特征、周期性客流量数据特征、月份特征、星期特征、小时特征、假期特征、平均气温特征、绝对温差特征中的至少一个；将至少一个训练数据特征输入至初始客流量预测子模型中，计算得到至少一个训练数据特征对应的初始权重系数，将初始权重系数作为初始客流量预测子模型的模型参数，得到中间客流量预测子模型；获取训练关联数据，训练关联数据包括对应的目标预测客流量数据；将训练关联数据输入至中间客流量预测子模型，得到对应的预测客流量数据；根据目标预测客流量数据和预测客流量数据计算得到训练损失值，根据训练损失值对中间客流量预测子模型的模型参数进行调整，直至满足收敛条件，得到已训练好的客流量预测子模型。在其中一个实施例中，预设条件用于判断关联数据是否是特殊关联数据，特殊关联数据为假期关联数据、突发状况关联数据中的至少一种。在其中一个实施例中，已训练的客流量影响因子的生成步骤包括：获取特殊关联数据对应的特殊客流量和普通关联数据对应的普通客流量；随机初始化特殊客流量对应的初始影响参数；获取预设偏移量，根据预设偏移量和初始影响参数计算得到更新影响参数；根据更新影响参数和普通客流量计算得到预测值，根据预测值和普通客流量计算得到误差；当误差满足收敛条件时，将更新影响参数作为客流量影响因子，否则，将更新影响参数作为初始影响参数，直至误差满足收敛条件得到客流量影响因子。在其中一个实施例中，根据预测客流量和客流量影响因子计算得到预测站点标识对应的目标预测客流量，包括：将预测客流量和客流量影响因子相乘，得到预测站点标识对应的目标预测客流量。第二方面，提供一种客流数据确定装置，该装置包括：获取模块，用于获取影响客流量预测因素对应的关联数据和预测站点标识，预测因素为时间参数、天气参数、属性参数中的至少一种；预测模块，用于将关联数据和预测站点标识输入至已训练好的客流量预测模型中，得到预测站点标识对应的预测客流量；判断模块，用于根据预测因素确定关联数据是否符合预设条件，当关联数据符合预设条件时，获取已训练的客流量影响因子；计算模块，用于根据预测客流量和客流量影响因子计算得到预测站点标识对应的目标预测客流量。第三方面，提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取影响客流量预测因素对应的关联数据和预测站点标识，预测因素为时间参数、天气参数、属性参数中的至少一种；将关联数据和预测站点标识输入至已训练好的客流量预测模型中，得到预测站点标识对应的预测客流量；根据预测因素确定关联数据是否符合预设条件，当关联数据符合预设条件时，获取已训练的客流量影响因子；根据预测客流量和客流量影响因子计算得到预测站点标识对应的目标预测客流量。第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取影响客流量预测因素对应的关联数据和预测站点标识，预测因素为时间参数、天气参数、属性参数中的至少一种；将关联数据和预测站点标识输入至已训练好的客流量预测模型中，得到预测站点标识对应的预测客流量；根据预测因素确定关联数据是否符合预设条件，当关联数据符合预设条件时，获取已训练的客流量影响因子；根据预测客流量和客流量影响因子计算得到预测站点标识对应的目标预测客流量。上述客流数据确定方法、装置、计算机设备和存储介质，通过客流量预测模型对至少一种影响客流量预测因素的关联数据进行预测，得到预测客流量，而在实际过程，需要考虑到预测过程中发生的特殊情况，因此结合已训练好的客流量影响因子对客流量预测模型输出的预测客流量进行修订，得到目标预测客流量，从而提高客流量预测的准确性。附图说明图1为一个实施例中客流数据确定方法的应用环境图；图2为一个实施例中客流数据确定方法的流程示意图；图3为一个实施例中预测客流量预测步骤的流程示意图；图4为一个实施例中预测客流量预测算法对应的生成步骤示意图；图5为一个实施例中客流量预测子模型的训练步骤的流程示意图；图6为一个实施例中客流量影响因子的生成步骤的流程示意图；图7为一个实施例中客流数据确定装置的结构框图；图8为一个实施例中预测模块的结构框图；图9为一个实施例中计算机设备的内部结构图；图10为一个实施例中计算机设备的内部结构图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施本文档来自技高网...

【技术保护点】
1.一种客流数据确定方法，其特征在于，所述方法包括：/n获取影响客流量预测因素对应的关联数据和预测站点标识，所述预测因素为时间参数、天气参数、属性参数中的至少一种；/n将所述关联数据和所述预测站点标识输入至已训练好的客流量预测模型中，得到所述预测站点标识对应的预测客流量；/n根据所述预测因素确定所述关联数据是否符合预设条件，当所述关联数据符合所述预设条件时，获取已训练的客流量影响因子；/n根据所述预测客流量和所述客流量影响因子计算得到所述预测站点标识对应的目标预测客流量。/n

【技术特征摘要】
1.一种客流数据确定方法，其特征在于，所述方法包括：
获取影响客流量预测因素对应的关联数据和预测站点标识，所述预测因素为时间参数、天气参数、属性参数中的至少一种；
将所述关联数据和所述预测站点标识输入至已训练好的客流量预测模型中，得到所述预测站点标识对应的预测客流量；
根据所述预测因素确定所述关联数据是否符合预设条件，当所述关联数据符合所述预设条件时，获取已训练的客流量影响因子；
根据所述预测客流量和所述客流量影响因子计算得到所述预测站点标识对应的目标预测客流量。


2.根据权利要求1所述的方法，其特征在于，所述客流量预测模型包括客流量预测算法和客流量预测子模型，所述将所述关联数据和所述预测站点标识输入至已训练好的客流量预测模型中，得到所述预测站点标识对应的预测客流量，包括：
从所述关联数据中获取所述时间参数和所述属性参数对应的子关联数据；
根据所述子关联数据获取匹配的预设客流量预测算法，利用所述预设客流量预测算法计算得到所述子关联数据对应的第一子客流量；
将影响客流量预测因素对应的关联数据和所述预测站点标识输入至已训练好的所述客流量预测子模型中，得到所述预测站点标识对应的第二子客流量；
将所述第一子客流量和所述第二子客流量输入至已训练好的客流量预测模型中，所述客流量预测模型通过全连接层输出中间客流量，对所述中间客流量进行张量连接得到所述预测站点标识对应的预测客流量。


3.根据权利要求2所述的方法，其特征在于，所述客流量预测算法的生成步骤包括：
获取影响客流量时间参数和属性参数对应的历史客流量数据，根据历史客流量数据制定对应的客流量预测算法，不同时间参数对应的关联数据对应不同的客流量预测算法，不同属性参数对应的关联数据对应不同的客流量预测算法。


4.根据权利要求2所述的方法，其特征在于，所述客流量预测子模型的训练步骤包括：
构建至少一个训练数据特征，所述训练数据特征为历史客流量数据特征、周期性客流量数据特征、月份特征、星期特征、小时特征、假期特征、平均气温特征、绝对温差特征中的至少一个；
将所述至少一个训练数据特征输入至初始客流量预测子模型中，计算得到所述至少一个训练数据特征对应的初始权重系数，将所述初始权重系数作为所述初始客流量预测子模型的模型参数，得到中间客流量预测子模型；
获取训练关联数据，所述训练关联数据包括对应的目标预测客流量数据；
将所述训练关联数据输入至所述...

【专利技术属性】
技术研发人员：曾明，翁宗鹏，丁保剑，秦伟，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