基于深度学习的地铁进出站客流预测方法技术

本发明专利技术提供一种基于深度学习的地铁进出站客流预测方法，包括：获取多个目标地铁站历史进出站客流量数据；以预设时长为单位划分时段，从时间和空间维度提取所述目标地铁站在各个时段内进/出站客流量的若干特征，得到各个训练样本；采用所述训练样本对深度学习神经网络模型进行训练，得到所述目标地铁站的进/出站客流预测模型；采用所述进/出站客流预测模型对各个所述目标地铁站的进/出站客流进行预测。本发明专利技术应用了大数据技术和深度学习算法，能够准确预测地铁站进出站客流量情况。能够准确预测地铁站进出站客流量情况。能够准确预测地铁站进出站客流量情况。

【技术实现步骤摘要】
基于深度学习的地铁进出站客流预测方法


[0001]本专利技术涉及客流预测
，特别涉及一种基于深度学习的地铁进出站客流预测方法、电子设备和计算机可读存储介质。

技术介绍

[0002]准确预测大型活动期间城市轨道交通关键站点客流，是城市轨道交通管理与运营部门制定运输组织计划的重要依据，也是实现活动期间交通保障的关键。在分析大型活动举办前，期间城市轨道交通历史客流特征的基础上，考虑周边大型活动特征构建车站客流预测模型，以实现对未来大型活动期间城市轨道交通客流的预测。地铁车站客流在不同时间有较大的起伏，影响客流的未知因素较多。传统的车站客流分析主要以统计报告为主，无法满足车站管理需要。

技术实现思路

[0003]本专利技术的目的是提供一种基于深度学习的地铁进出站客流预测方法、电子设备和计算机可读存储介质，应用大数据技术和深度学习算法，准确预测地铁站进出站客流量情况。
[0004]为了实现以上目的，本专利技术通过以下技术方案实现：
[0005]一种基于深度学习的地铁进出站客流预测方法，其特征在于，包括：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的地铁进出站客流预测方法，其特征在于，包括：获取多个目标地铁站历史进出站客流量数据；以预设时长为单位划分时段，从时间和空间维度提取所述目标地铁站在各个时段内进/出站客流量的若干特征，得到各个训练样本；采用所述训练样本对深度学习神经网络模型进行训练，得到所述目标地铁站的进/出站客流预测模型；采用所述进/出站客流预测模型对各个所述目标地铁站的进/出站客流进行预测。2.如权利要求1所述的基于深度学习的地铁进出站客流预测方法，其特征在于，所述时间维度的特征包括日期、月份、周几、是否为工作日、是否为周末、天气、时间段；所述空间维度的特征包括地铁站点、进/出站、是否有活动、活动规模等级。3.如权利要求1所述的基于深度学习的地铁进出站客流预测方法，其特征在于，所述深度学习模型中各个特征的初始权重采用TSNE算法计算。4.如权利要求1所述的基于深度学习的地铁进出站客流预测方法，其特征在于，所述深度学习神经网络模型为随机森林回归模型。5.如权利要求1所述的基于深度学习的地铁进出站客流预测方法，其特征在于，在训练所述深度学习神经网络模型的过程中，采用方差得分、平均绝对误差和均方根误差对训练效果进行评价，以调整所述深度学习神经网络模型的参数。6.如权利要求1所述的基于深度学习的地铁进出站客流预测方法，其特征在于，在得到所述目标地铁站的进/出站客流预测模型之后，所述方法还包括：从时间和空间维度提取所述目标地铁站在当前时段内进/出站客流量的若干特征，得到新的训练样本；采用新的训练样本对所述目标地铁站的进/出...

【专利技术属性】
技术研发人员：张奕男，袁广超，张广宇，何绪兰，马清文，朱志祥，宋振江，管观洋，
申请(专利权)人：卡斯柯信号有限公司，
类型：发明
国别省市：