【技术实现步骤摘要】
一种公交客流预测方法、装置、电子设备及存储介质
本公开涉及人工智能
，进一步涉及神经网络技术，尤其涉及一种公交客流预测方法、装置、电子设备及存储介质。
技术介绍
随着城市经济的迅速发展，交通需求不断增大，大城市逐渐陷入交通拥堵状态。为了提高道路的通行能力，减少交通事故，改善城市公共交通环境，须逐步建立和完善先进的智能交通系统。智能交通系统不仅需要合理的公交线网规划，还要对公交客流进行精准地、实时地预测，适时地对公交运营调度进行调整和优化，为市民提供实时、准确、有效的公交出行服务，实现公交资源的动态配置优化，节约市民的出行时间，有效缓解交通拥堵，从而达到绿色环保出行的目的。公交客流预测是指在当前时刻对下一决策时刻乃至以后若干时刻的客流做出实时预测。短时公交客流预测的时间小于15min。短时公交站点客流预测是调整公交发车频率、优化公交调度资源的重要依据。因此，研究公交站点短时客流预测具有重要的现实意义。目前，国内外公交客流预测的算法分为两种：(1)基于线性估计模型进行公交客流预测。例如，线性估计模型可以包括：自回归...
【技术保护点】
1.一种公交客流预测方法，所述方法包括：/n将公交车在当前时刻上的客流数据分别输入至预先训练好的卷积神经网络的各个双分支神经元中，得到各个双分支神经元针对所述公交车在当前时刻上的客流数据的输出结果；/n基于各个双分支神经元针对所述公交车在所述当前时刻上的客流数据的输出结果，对所述公交车在下一个时刻上的客流数据进行预测。/n
【技术特征摘要】
1.一种公交客流预测方法，所述方法包括：
将公交车在当前时刻上的客流数据分别输入至预先训练好的卷积神经网络的各个双分支神经元中，得到各个双分支神经元针对所述公交车在当前时刻上的客流数据的输出结果；
基于各个双分支神经元针对所述公交车在所述当前时刻上的客流数据的输出结果，对所述公交车在下一个时刻上的客流数据进行预测。
2.根据权利要求1所述的方法，在所述将公交车在当前时刻上的客流数据分别输入至预先训练好的卷积神经网络的各个双分支神经元中之前，所述方法还包括：
若所述卷积神经网络不满足预先设置的收敛条件，则在源数据集的公交客流序列中提取出预定数量的历史客流数据作为当前训练样本；其中，所述公交客流序列包括：结构化公交客流序列和非结构化公交客流序列；
使用所述当前训练样本对所述卷积神经网络进行训练，并通过预先训练好的Adam算法优化器对所述卷积神经网络进行优化，重复执行上述操作，直到所述卷积神经网络满足所述预先设置的收敛条件。
3.根据权利要求2所述的方法，所述使用所述当前训练样本对所述卷积神经网络进行训练，包括：
通过各个双分支神经元中的第一网络通道和第二网络通道分别在所述当前训练样本中进行特征提取，得到所述当前训练样本在所述第一网络通道上的特征提取结果和在所述第二网络通道上的特征提取结果；
基于所述当前训练样本在所述第一网络通道上的特征提取结果和在所述第二网络通道上的特征提取结果，对所述卷积神经网络进行训练。
4.根据权利要求3所述的方法，在所述基于所述当前训练样本在所述第一网络通道上的特征提取结果和在所述第二网络通道上的特征提取结果，对所述卷积神经网络进行训练之前，所述方法还包括：
将所述第一网络通道对应的卷积神经网络和所述第二网络通道对应的卷积神经网络进行级联操作，得到级联后的卷积神经网络；执行基于所述当前训练样本在所述第一网络通道上的特征提取结果和在所述第二网络通道上的特征提取结果，对所述级联后的卷积神经网络进行训练的操作。
5.根据权利要求2所述的方法，所述通过预先训练好的Adam算法优化器对所述卷积神经网络进行优化，包括：
将所述卷积神经网络的输出结果输入至所述预先训练好的Adam算法优化器中，通过所述Adam算法优化器在所述卷积神经网络中随机删除预定比例的双分支神经元；并基于神经网络学习算法对所述卷积神经网络中的参数进行更新学习。
6.根据权利要求2所述的方法，所述在源数据集的公交客流序列中提取出预定数量的历史客流数据作为当前训练样本，包括：
在所述结构化公交客流序列和所述非结构化公交客流序列中提取出所述预定数量的历史客流数据；
将所述预定数量的历史客流数据构建一个训练集，并对所述训练集中的各个历史客流数据进行数据标准化；将数据标准化后的历史客流数据作为所述当前训练样本。
7.一种公交客流预测装置，所述装置包括：输入模块和预测模块；其中，
所述输入模块，用于将公交车在...
【专利技术属性】
技术研发人员：邓继禹，
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。