【技术实现步骤摘要】
本专利技术涉及人工智能与交通规划，尤其涉及一种交通出行分布的预测方法及装置。
技术介绍
1、交通出行分布反映了城市内时空分布的出行情况，可以通过预测交通出行分布情况来规划城市内的交通运营。目前交通出行分布情况的预测大都是采用传统的分阶段法。
2、传统的分阶段法即首先利用一个模型预测区域内各地点的出发量与到达量，再利用另一个模型根据上个模型输出的区域内各地点的出发量与到达量，来预测区域内的交通出行分布，该方法问题在于两个模型之间存在关联，因此两个模型所带有的误差会进行累加，导致最终输出的结果准确性较低。
技术实现思路
1、鉴于上述问题，本专利技术提供一种交通出行分布的预测方法及装置，主要目的是为了提升交通出行分布预测结果的准确性。
2、为解决上述技术问题，本专利技术提出以下方案：
3、第一方面，本专利技术提供了一种交通出行分布的预测方法，所述方法包括：
4、获取输入数据，所述输入数据包括目标区域内的建成环境数据、出行成本数据、社会经济数据；
5、利用预先训练好的出行分布预测模型分别提取所述建成环境数据对应的环境特征、所述出行成本数据对应的成本特征、所述社会经济数据对应的经济特征；
6、利用所述出行分布预测模型处理所述环境特征、所述成本特征、所述经济特征，得到目标区域内交通出行分布预测结果。
7、第二方面，本专利技术提供了一种交通出行分布的预测装置，所述装置包括：
8、数据获取单元，用于获取
9、特征提取单元，用于利用预先训练好的出行分布预测模型分别提取所述数据获取单元获取的建成环境数据对应的环境特征、所述出行成本数据对应的成本特征、所述社会经济数据对应的经济特征；
10、特征处理单元，用于利用所述出行分布预测模型处理所述特征提取单元提取的环境特征、所述成本特征、所述经济特征，得到目标区域内交通出行分布预测结果。
11、为了实现上述目的，根据本专利技术的第三方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述第一方面的交通出行分布的预测方法。
12、为了实现上述目的，根据本专利技术的第四方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述第一方面的交通出行分布的预测方法。
13、借由上述技术方案，本专利技术提供的一种交通出行分布的预测方法及装置，可以先确定所要预测的目标区域，然后获取目标区域所对应的输入数据，其中，输入数据包括建成环境数据、出行成本数据、社会经济数据，之后就可以利用预先训练好的出行分布预测模型分别提取建成环境数据对应的环境特征、出行成本数据对应的成本特征、社会经济数据对应的经济特征。再进一步利用出行分布预测模型对得到的数据特征进行处理，最后输出目标区域内交通出行分布预测结果。由此可知，专利技术只利用一个模型即可以得到想要预测的目标区域的交通出行分布预测结果，不会存在模型之间误差累计的情况。有益于最终预测结果的精确度。另外，本专利技术中的出行分布预测模型采用了多源数据集，包括建成环境数据、出行成本数据、社会经济数据等对出行结果影响较大的特征，通过这些特征的介入，使该模型预测得到的某目标区域的交通出行分布结果可以在最大程度上考虑到该目标区域内的各种实际情况，因此结果也更加精准。
14、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种交通出行分布的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用预先训练好的出行分布预测模型分别提取所述建成环境数据对应的环境特征、所述出行成本数据对应的成本特征、所述社会经济数据对应的经济特征，包括：
3.根据权利要求2所述的方法，其特征在于，利用所述出行分布预测模型中特征提取层中的环境特征提取模块提取所述建成环境数据对应的环境特征，包括：
4.根据权利要求3所述的方法，其特征在于，利用所述环境特征提取模块中的第一环境特征提取模块提取目标区域中的起点建成环境数据对应的起点环境特征，包括：
5.根据权利要求3所述的方法，其特征在于，利用所述环境特征提取模块中的第二环境特征提取模块提取目标区域中的终点建成环境数据对应的终点环境特征，包括：
6.根据权利要求1-5中任一项所述的方法，其特征在于，利用所述出行分布预测模型处理所述环境特征、所述成本特征、所述经济特征，得到目标区域内交通出行分布预测结果，包括：
7.根据权利要求1所述的方法，其特征在于，得到目标区域内交通出行分
8.根据权利要求1所述的方法，其特征在于，通过以下步骤获取所述训练好的出行分布预测模型：
9.根据权利要求8所述的方法，其特征在于，利用所述测试数据集分别对所述多个出行分布预测模型进行验证，得到训练好的出行分布预测模型，包括：
10.一种交通出行分布的预测装置，其特征在于，所述装置包括：
11.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1至权利要求9中任意一项所述的交通出行分布的预测方法。
12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行如权利要求1至权利要求9中任意一项所述的交通出行分布的预测方法。
...【技术特征摘要】
1.一种交通出行分布的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用预先训练好的出行分布预测模型分别提取所述建成环境数据对应的环境特征、所述出行成本数据对应的成本特征、所述社会经济数据对应的经济特征，包括：
3.根据权利要求2所述的方法，其特征在于，利用所述出行分布预测模型中特征提取层中的环境特征提取模块提取所述建成环境数据对应的环境特征，包括：
4.根据权利要求3所述的方法，其特征在于，利用所述环境特征提取模块中的第一环境特征提取模块提取目标区域中的起点建成环境数据对应的起点环境特征，包括：
5.根据权利要求3所述的方法，其特征在于，利用所述环境特征提取模块中的第二环境特征提取模块提取目标区域中的终点建成环境数据对应的终点环境特征，包括：
6.根据权利要求1-5中任一项所述的方法，其特征在于，利用所述出行分布预测模型处理所述环境特征、所述...
【专利技术属性】
技术研发人员：郭继孚，缐凯，李寻，许晗，于云，张磊，朱重远，白盛光，
申请(专利权)人：北京交通发展研究院，
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。