基于时序卷积注意力的多路段列车客流预测方法及装置制造方法及图纸

本发明专利技术提供一种基于时序卷积注意力的多路段列车客流预测方法及装置，方法包括：获取多路段列车客流数据；将多路段列车客流数据输入多路段客流预测模型中，获得多路段客流预测模型输出的多路段列车客流预测数据；其中，多路段客流预测模型通过多路段列车客流样本数据训练获得，多路段客流预测模型包括线性单元和非线性单元，多路段列车客流预测数据是将多路段列车客流数据分别通过线性单元和非线性单元后输出的结果相加得到的。本发明专利技术通过同时捕获多路段客流中的线性特征以及空间关系、短期时序和长期时序特征，对铁路客流的不同特征进行深入挖掘，从多个方面深度、完整地表示客流的时间和空间特征，提高客流预测的效果。提高客流预测的效果。提高客流预测的效果。

【技术实现步骤摘要】
基于时序卷积注意力的多路段列车客流预测方法及装置


[0001]本专利技术涉及铁路客流预测
，尤其涉及一种基于时序卷积注意力的多路段列车客流预测方法及装置。

技术介绍

[0002]随着近几年铁路运营管理模式不断升级，高速铁路网络从“四纵四横”向“八纵八横”迈进，铁路客运也伴随着国内经济迅速发展，取得了辉煌成就。得益于铁路客运的快捷和便利，高铁已经逐渐成为旅客出行的首选之一。但面对日益增长的出行需求，如何将资源合理配置、根据市场的动态变化来调整运营策略、增加运营收益成了铁路部门面临的挑战。为了解决这些问题，需要更深入地了解客流变化趋势并对铁路客流做出准确的预测。因此铁路客流的分析与预测是铁路相关领域实行科学管理的基石，是把握客流动态变化趋势的必要措施。另一方面，随着国内经济快速发展，基于城市群的高速铁路网也基本成型，对基于铁路网的客流分布研究也越来越多。从客流预测的角度来说，如何设计深度学习模型从而更好地利用铁路网中多路段的客流数据成为了急需解决的问题。
[0003]传统的客流预测方法包括基于时间序列模型的方法、基于回归分析的方法和基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序卷积注意力的多路段列车客流预测方法，其特征在于，包括：获取多路段列车客流数据；将所述多路段列车客流数据输入多路段客流预测模型中，获得所述多路段客流预测模型输出的多路段列车客流预测数据；其中，所述多路段客流预测模型通过多路段列车客流样本数据训练获得，所述多路段客流预测模型包括线性单元和非线性单元，所述多路段列车客流预测数据是将所述多路段列车客流数据分别通过所述线性单元和非线性单元后输出的结果相加得到的。2.根据权利要求1所述的基于时序卷积注意力的多路段列车客流预测方法，其特征在于，所述线性单元用于提取所述多路段列车客流数据中的线性特征，所述非线性单元用于提取所述多路段列车客流数据短期时序特征、不同路段客流间的空间关系特征和长期时序特征。3.根据权利要求2所述的基于时序卷积注意力的多路段列车客流预测方法，其特征在于，所述线性单元用于提取所述多路段列车客流数据中的线性特征，包括：所述线性单元用于通过自回归模型提取所述多路段列车客流数据中的线性特征，输出线性分量预测结果。4.根据权利要求2所述的基于时序卷积注意力的多路段列车客流预测方法，其特征在于，所述非线性单元用于提取所述多路段列车客流数据短期时序特征、不同路段客流间的空间关系特征和长期时序特征，包括：所述非线性单元用于通过卷积神经网络提取所述多路段列车客流数据短期时序特征和不同路段客流间的空间关系特征，获得卷积结果；所述非线性单元还用于通过时序卷积注意力网络提取所述卷积结果的长期时序特征，输出非线性分量预测结果。5.根据权利要求4所述的基于时序卷积注意力的多路段列车客流预测方法，其特征在于...

【专利技术属性】
技术研发人员：李平，葛一飞，李天瑞，杜圣东，栾中，曹鸿飞，李聪旭，崔梦真，王雪影，
申请(专利权)人：中国铁道科学研究院集团有限公司电子计算技术研究所西南交通大学，
类型：发明
国别省市：