【技术实现步骤摘要】
一种公铁联运运量预测方法、装置、设备及可读存储介质
[0001]本专利技术涉及公铁联运运量预测
，具体涉及一种公铁联运运量预测方法、装置、设备及可读存储介质。
技术介绍
[0002]运输系统是一个复杂动态的系统，货运量预测始终是一个研究的难点。目前来看存在以下几种预测方法。基于统计学的时间序列预测方法，常用的方法包括移动平均，指数平滑等方法，宋光平分别利用三种主流方法的组合模型对铁路货运量进行预测，证明了组合模型相对于单一模型提高了预测精度。汤银英构建了Holt—Winter乘法模型对铁路月度货运量进行预测，与传统预测模型比较后证明了该模型有效性。强添纲利用周期性的差分整合移动平均自回归模型(SARIMA)模型预测了地铁客流量，并与神经网络模型进行比较。基于统计学的时间序列预测方法建模简单，能够快速计算结果，但其对数据本身的要求较高。
[0003]另一类是基于机器学习的预测方法，Bhattacharya等加入时间和天气两个纬度特征，利用贝叶斯分类器构建了区域出租车数量预测模型。Yang等提出了利用长短期记忆神经...
【技术保护点】
【技术特征摘要】
1.一种公铁联运运量预测方法，其特征在于，包括以下步骤：S1、获取公路货源数据，并进行数据预处理；S2、采用基于最优轮廓系数的DBSCAN聚类算法对预处理后的公路货源数据进行聚类，得到单日公路货运需求点聚类结果；S3、对单日公路货运需求点聚类结果进行逆向地理编码匹配，得到地理位置匹配结果；S4、采用频繁项集挖掘算法对地理位置匹配结果进行挖掘，得到公路货运需求热点区域；S5、选取公铁联运枢纽节点备选点，结合公路货运需求热点区域，构建轴辐式公铁联运枢纽节点选址模型，求解得到公铁联运枢纽点及其服务区域；S6、对各个公铁联运枢纽点的服务区域内的货运特征进行挖掘，得到各个公铁联运枢纽点的服务货物类型；S7、从公路货源数据中提取各个公铁联运枢纽点的各类型服务货物的货物量，采用整合滑动平均自回归模型预测下一时刻的货物量。2.根据权利要求1所述的一种公铁联运运量预测方法，其特征在于，步骤S2具体包括以下分步骤：S21、设定初始邻域半径和最小点数的值域和变换步长；S22、从需求集合点中随机选择一个初始需求点；S23、判断该需求点的邻域半径范围内是否存在最小点数的需求点；若是，则将存在的所有需求点聚类为一簇，并跳转至步骤S24；否则，将该需求点判断为噪声点，并跳转至步骤S22；S24、遍历簇中的各个需求点，判断所选择的需求点的邻域半径范围内是否存在最小点数的需求点；若是，则将存在的所有需求点并入该簇，并跳转至步骤S25；否则，直接跳转至步骤S25；S25、判断簇中是否还存在未遍历的需求点；若是，则跳转至步骤S24；否则，跳转至步骤S26；S26、判断需求集合点中是否还存在未处理的需求点；若是，则跳转至步骤S22；否则，跳转至步骤S27；S27、判断邻域半径和最小点数是否达到最大值；若是，则跳转至步骤S28；否则，根据变换步长对邻域半径和最小点数进行更新，并跳转至步骤S22；S28、计算每个簇的轮廓系数并打上簇类标记，得到每个需求点的经纬度坐标和所属聚类簇标签。3.根据权利要求2所述的一种公铁联运运量预测方法，其特征在于，所述每个簇的轮廓系数的计算方式为：根据需求点的经纬度坐标，计算每个需求点到其所属簇内其它需求点的球面距离，并计算平均距离；
根据需求点的经纬度坐标，计算每个需求点到其它簇内所有需求点的球面距离，并计算平均距离；根据每个需求点到其所属簇内其它需求点的平均距离和每个需求点到其它簇内所有需求点的平均距离，计算每个需求点的轮廓系数；对每个簇内的所有需求点的轮廓系数求平均，得到每个簇的轮廓系数。4.根据权利要求3所述的一种公铁联运运量预测方法，其特征在于，所述球面距离的计算公式为：其中，d为两个需求点的球面距离，r为地球半径，为两个需求点的纬度，为两个需求点的经度。5.根据权利要求3所述的一种公铁联运运量预测方法，其特征在于，所述每个需求点的轮廓系数的计算公式为：其中，为第i个需求点的轮廓系数，为第i个需求点到其所属簇内其它需求点的平均距离，为第i个需求点到其它簇内所有需求点的...
【专利技术属性】
技术研发人员：钱秋君，甘蜜，欧启辰，黄曦，张璐，冯云霞，王宜琛，
申请(专利权)人：成贵铁路有限责任公司，
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。