基于双注意力机制和双向双层LSTM的公交行程时间预测方法技术

本发明专利技术涉及一种基于双注意力机制和双向双层LSTM的公交车行程时间预测方法，步骤S1:获取公交车属性数据和进出站数据,构建行程时间基础数据集；步骤S2:获取公交车的基础特征、运行时间及运行时的天气特征，构建行程时间特征数据集；步骤S3:基于相关系数和方差分析，对行程时间特征数据集中的特征因子与行程时间进行相关性分析，舍去不相关和相关性差的特征因子，并与行程时间基础数据集进行匹配，获取行程时间预测数据集；步骤S4:构建双注意力机制和双向双层LSTM神经网络公交车行程时间预测模型，将行程时间预测数据集输入到模型中，对公交车的行程时间进行预测，输出公交车的预计行程时间。本发明专利技术能够更准确的公交车预计行程时间，实现高效的公交调度。实现高效的公交调度。实现高效的公交调度。

【技术实现步骤摘要】
基于双注意力机制和双向双层LSTM的公交行程时间预测方法


[0001]本专利技术涉及城市智能交通领域，具体涉及一种基于双注意力机制和双向双层LSTM的公交车行程时间预测方法。

技术介绍

[0002]公交车作为公共交通的重要组成部分，具有人均面积小，人均耗能低，承载能力大，总体运输成本低等优势。通过提升公交车的服务水平，吸引更多的人使用公共交通，有助于缓解城市交通拥堵，减少城市空气污染，保障城市健康良好的运行。因此，大力发展公交车是实现城市交通可持续发展，促进人与社会的良性循环，互动发展的重要举措。
[0003]目前公交调度主要通过调度人员从自身的经验出发进行估计，或基于传统的公交车行程时间预测模型(如：历史数据模型、时间序列模型、回归预测模型、支持向量机模型、卡尔曼滤波模型等)获取预计行程时间。该种方式估计误差往往较大，常出现调度不够及时，导致“串车”或“大间隔”的现象，进而导致公交车的运营效率较低，服务水平较差，吸引力不高，使用率远没有达到理想水平。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双注意力机制和双向双层LSTM的公交车行程时间预测方法，其特征在于，包括如下步骤：步骤S1:获取公交车属性数据和进出站数据,并预处理，构建行程时间基础数据集；步骤S2:获取公交车的基础特征、运行时间及运行时的天气特征，构建行程时间特征数据集；步骤S3:基于相关系数和方差分析，对行程时间特征数据集中的特征因子与行程时间进行相关性分析，舍去不相关和相关性差的特征因子，并与行程时间基础数据集进行匹配，获取行程时间预测数据集；步骤S4:构建双注意力机制和双向双层LSTM神经网络公交车行程时间预测模型，将行程时间预测数据集输入到模型中，对公交车的行程时间进行预测，输出公交车的预计行程时间。2.根据权利要求1所述的基于双注意力机制和双向双层LSTM的公交车行程时间预测方法，其特征在于，所述步骤S1具体为：步骤S11:获取公交车属性数据和进出站数据，直接剔除重复记录和异常的数据并补全缺失数据；步骤S12:根据公交运营班次编号，将公交车属性数据和进出站数据进行匹配，获取各运营班次的公交车运行时间，构建行程时间基础数据集。3.根据权利要求1所述的基于双注意力机制和双向双层LSTM的公交车行程时间预测方法，其特征在于，所述步骤S2具体为：获取公交车的车辆编号、驾驶员编号、车辆发车时间、发车间隔；获取上一天相似时间段、上一周相同特征日的相似时间段从始发站到终点站的运行时间；获取车辆运行时的天气特征包括天气类型、湿度、风速、温度，构建行程时间特征数据集。4.根据权利要求1所述的基于双注意力机制和双向双层LSTM的公交车行程时间预测方法，其特征在于，所述步骤S3具体为：步骤S31：利用皮尔逊相关系数相关系数对连续型特征因子和公交车运行时间之间做相关性分析，获取变量间的相关性；步骤S32：将天气类型、司机编号、公交车编...

【专利技术属性】
技术研发人员：邬群勇，姚江涛，杨谊潇，汪小钦，周榆欣，
申请(专利权)人：福州大学，
类型：发明
国别省市：