本发明专利技术涉及深度学习与城市交通规划技术交叉领域，具体涉及一种基于多视图客流变化趋势建模的客流分布预测方法及装置。该方法及装置根据当前时段从多视图角度使用节点和边一起构建动态完全图，节点和边分别提取出行地特征和目的站特征，将原有孤立的出行地节点与目的站节点通过节点间的关系构建起联系，并根据构建起的联系数据推算下个时段全网的客流分布量，使节点在交通路网中感知更多的相关信息，从而有效提升下游目的站点预测任务的准确率。率。率。
【技术实现步骤摘要】
基于多视图客流变化趋势建模的客流分布预测方法及装置
[0001]本专利技术属于深度学习与城市交通规划技术交叉领域，尤其涉及一种基于多视图客流变化趋势建模的客流分布预测方法及装置。该专利技术可以用于预测公共交通站点从出行地到目的站点的客流、高速公路车辆从出行地到目的站点数量、共享单车从出行地到出行目的站点的数量等。
技术介绍
[0002]客流分布预测也称为OD(Origin
‑
Destination)矩阵预测，其目的在于预测未来一段时间从一个区域(站点)前往另一个区域(站点)的出行数量。客流分布预测是交通需求预测的重要步骤，是路径规划、交通决策制定等的前提。现有客流分布预测模型主要包括长期客流分布预测和短期客流分布预测。长期客流分布预测主要以月或年为时间粒度，基于调查数据，根据当前各个交通区域的交通发生量和吸引量，以及未来各个交通区域的规划信息，预测未来长期城市交通的分布情况。长期客流分布预测方法主要包括重力模型、增长率模型等纯模型驱动方法。这些方法建立在理想假设之上，基于调查数据通过对预先构建好的函数做拟合来，从而对未来客流分布做预测，例如重力模型通过考虑起点的发生量和终点的吸引量，以及两点之间的距离，利用物理重力模型对两站之间客流分布关系做建模。由于这些方法考虑因素有限以及所采用的关联函数简单，只能对客流分布做粗略的估计，不适用于对客流分布实时性要求比较高的实时交通决策场景。
[0003]短期客流分布预测用于预测未来短期(例如15分钟、30分钟、60分钟等)城市客流分布情况。近年来，随着交通感知技术的进步，现有技术可以获取一些交通子系统(地铁、出租等)实时的客流分布情况，这为本专利技术预测短期的客流分布提供了数据基础和新的研究思路。由于短期客流分布所涉及的影响因素多，且存在维度高、稀疏、随机不确定性等问题，使得客流分布预测存在以下挑战。
[0004]关联因素多且时空关联复杂：从客流分布影响因素来看，城市客流分布涉及到两个区域(起始区域和目的区域)。从起始站点来看，其未来的客流分布不仅与此站点客流发生量的变化趋势有关系，还与从此站点出发的客流目的站点分配趋势有关系。从目的站点来看，到达此站点客流的分布不仅与此站点吸引量的变化趋势有关，还与到达此站点的客流起始站点分配趋势有关系。另外，城市客流的分布还随着时间、站点距离等因素呈现复杂动态变化性，面临的一大挑战是如何融合这些影响因素对客流未来的变化趋势做预测。
[0005]维度高且信息稀疏不确定：从客流分布自身的特征来看，整个地铁网络OD对的数量随着站点数量呈现平方增长。由于总出行需求分散在不同的OD对上，使得存在大量OD流量很小甚至为零的情况，并且大量稀疏的OD流量是由于随机不确定出行产生。这些大量随机不确定性交通信息聚集在一起进一步加大了预测的难点。
[0006]现有技术通过从历史出行地到目的站点的客流中提取其出行模式，使用机器学习方法预测出行地到目的站点的客流，包括：(1)从历史的出行地、目的站点数据预测出行地到目的站点的客流的线性回归方法。(2)基于出行规律的时间序列模式。(3)根据区域功能
性的目的站点预测，结合POI特征，提取各个细粒度位置的语义特征，构造站点特征，最终将站点特征与自身的转置相乘，得到预测目标。
[0007]已有的与本专利技术最相近似的实现方案是使用图卷积神经网络提取节点的特征后输入到时间序列模块得到目的站点转移向量，将此目的站点转移向量、构造出来可学习的转移矩阵和目的站点转移向量的转置相乘后得到预测的出行地目的站点预测结果。
[0008]到目前为止，已有一些关于地铁OD预测的相关专利。例如，基于各站点的发生量和吸引量，以及过去天的客流分布信息，并利用LSTM等序列学习模型建立交通流量之间的时序相关性。基于相邻节点具有出行分布相关的特点，通过聚集周边邻居节点的特征，来缓解由于随机性造成的高维稀疏不确定问题。但是由于这些方法存在考虑因素不足，时空相关性建模片面等缺点，在地铁OD预测上有待进一步提高。具体局限性归结如下：
[0009](1)只考虑到部分交通动态信息。在对客流分布的预测时，只考虑了地铁各站点动态的进站和出站客流量，以及前些天客流的分布情况，忽略了实时客流分布信息，但这些信息对未来客流分布也非常重要。
[0010](2)只建模了局部交通信息的时空相关性。现有的方法大多从起始站点的角度分析其未来客流分布的趋势变化。但是未来整个网络客流分布的结果是起始站点和目的站点客流变化以及分配趋势共同作用的结果。
[0011](3)在稀疏性不确定性方面，虽然通过聚集临近站点的客流特征可以在一定程度上缓解由于动态随机带来的稀疏不确定性。但是由于周边站点对目标站点的关联性会随着自身特征、站点间距离等因素呈现不同程度相关性。但现有方法仅仅基于部分因素(例如物理距离或流量相似度等)来衡量站点间的关联程度不能对站点之间的复杂的关联性做出准确衡量。
技术实现思路
[0012]本专利技术实施例提供了一种基于多视图客流变化趋势建模的客流分布预测方法及装置，以至少解决现有客流分布预测技术预测准确度不高的技术问题。
[0013]根据本专利技术的一实施例，提供了一种基于多视图客流变化趋势建模的客流分布预测方法，包括以下步骤：
[0014]根据当前时段从多视图角度使用节点和边一起构建动态完全图；
[0015]节点和边分别提取出行地特征和目的站特征，将原有孤立的出行地节点与目的站节点通过节点间的关系构建起联系；
[0016]根据构建起的联系数据推算下个时段全网的客流分布量。
[0017]进一步地，该方法包括以下具体步骤：
[0018]构建各站点作为起始站点的客流变化趋势深层表示，基于两类实时观测到的与起始站点相关的动态客流，并融合站点临近关系，从两个视图建模起始站点在不同角度的客流变化趋势，最后并将这两个视图的结果融合作为起始站点的客流趋势表示；
[0019]构建各站点作为目的站点的客流变化趋势深层表示，基于两类实时观测到的与目的站点相关的动态客流，并融合站点临近关系，从两个视图建模目的站点在不同角度的客流变化趋势，最后并将这两个视图的结果融合作为目的站点的客流趋势表示；
[0020]结合站点间临近关系构建起始站点到目的站点的转移矩阵，并结合构建到的起始
站点和目的站点的客流变化趋势，推算下个时段全网的客流分布量。
[0021]进一步地，基于两类实时观测到的与目的站点相关的动态客流，并融合站点临近关系包括：
[0022]基于最近时段的入站客流和在最近时段已完成出行的目的站点分配向量，并融合站点临近关系和时间、天气影响因素。
[0023]进一步地，基于两类实时观测到的与目的站点相关的动态客流，并融合站点临近关系包括：
[0024]基于最近时段的出站客流和在最近时段已完成出行的目的站点分配向量，并融合站点临近关系和时间、天气影响因素。
[0025]进一步地，利用相同的客流变化趋势学习器将两个视图的结果融合。
...
【技术保护点】
【技术特征摘要】
1.一种基于多视图客流变化趋势建模的客流分布预测方法，其特征在于，包括以下步骤：根据当前时段从多视图角度使用节点和边一起构建动态完全图；节点和边分别提取出行地特征和目的站特征，将原有孤立的出行地节点与目的站节点通过节点间的关系构建起联系；根据构建起的联系数据推算下个时段全网的客流分布量。2.根据权利要求1所述的基于多视图客流变化趋势建模的客流分布预测方法，其特征在于，包括以下具体步骤：构建各站点作为起始站点的客流变化趋势深层表示，基于两类实时观测到的与起始站点相关的动态客流，并融合站点临近关系，从两个视图建模起始站点在不同角度的客流变化趋势，最后并将这两个视图的结果融合作为起始站点的客流趋势表示；构建各站点作为目的站点的客流变化趋势深层表示，基于两类实时观测到的与目的站点相关的动态客流，并融合站点临近关系，从两个视图建模目的站点在不同角度的客流变化趋势，最后并将这两个视图的结果融合作为目的站点的客流趋势表示；结合站点间临近关系构建起始站点到目的站点的转移矩阵，并结合构建到的起始站点和目的站点的客流变化趋势，推算下个时段全网的客流分布量。3.根据权利要求2所述的基于多视图客流变化趋势建模的客流分布预测方法，其特征在于，所述基于两类实时观测到的与目的站点相关的动态客流，并融合站点临近关系包括：基于最近时段的入站客流和在最近时段已完成出行的目的站点分配向量，并融合站点临近关系和时间、天气影响因素。4.根据权利要求2所述的基于多视图客流变化趋势建模的客流分布预测方法，其特征在于，所述基于两类实时观测到的与目的站点相关的动态客流，并融合站点临近关系包括：基于最近时段的出站客流和在最近时段已完成出行的目的站点分配向量，并融合站点临近关系和时间、天气影响因素。5.根据权利要求2所述的基于多视图客流变化趋势建模的客流分布预测方法，其特征在于，利用相同的客流变化趋势学习器将两个视图的结果融合。6.根据权利要求5所述的基于多视图客流变化趋势建模的客流分布预测方法，其特征在于，所述客流变化趋势学习器用于：首先将最近时段地铁系统各站点的客流动态信息、站点临近矩阵、以及其它影响客流动态变化趋势的全局因...
【专利技术属性】
技术研发人员：郑富荣，叶洁瑕，赵娟娟，高希彤，叶可江，须成忠，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：
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。