System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能交通交通流量预测的,尤其涉及一种实时铁路客流量预测方法、系统、介质以及电子设备。
技术介绍
1、目前铁路客运站的客流日益增长,人们对车站安全的智能化需求也逐渐提升到新的高度。铁路客运站作为人群高度集中、事故多发的场合,有着极高的安全保障需求。
2、近年来铁路客运站因人群拥挤、非法入侵等造成的旅客伤亡事件层出不穷,每值重大节假日前后,旅客人数陡增,异常事故发生的概率也随之增长,因此如何有效分析预测铁路客运站中客流的分布,并针对潜在的异常行为做出预警和对策,是保护车站人员安全,提升旅客出行体验,推进铁路客运站智能化发展亟待解决的问题。
3、目前铁路客运站中具有大量视频监控设备,现有方式分析客站视频监控需要大量作业人员,且人工分析视频效率低下,容易疲劳,不利于客流分析及异常事件的发现和处理。
4、当然现有技术中也有如公开号为cn111860989a所提出的一种基于蚁群算法优化的lstm神经网络短时交通流量预测方法,其采用传统的lstm神经网路预测模型,记忆单元状态的变化要比记忆单元输出变化慢很多,慢的路径记录较长时段的信息,快的路径记录短时的信息,通过记忆单元状态和记忆单元输出的不断变化,实现了长短信息的记录。lstm通过细胞状态及隐藏层细胞的输出将各存储单元链接起来,实现网络的延续,即利用lstm神经网络预测模型可以同时保留时间序列的长期记忆和短期记忆,进而用于如铁路客流量这种具有较大非线性变化与不确定性的预测。
5、但在上述方法,传统lstm神经网络预测模型的预测精
技术实现思路
1、针对现有技术中所存在的不足,本专利技术提供了一种实时铁路客流量预测方法、系统、介质以及电子设备,解决了现有技术中存在预测精度较差,无法满足现有交通管理决策、交通规划、路径诱导等方面的技术需求的问题。
2、本专利技术的至少一个实施例提供了一种实时铁路客流量预测方法,包括:
3、s1、获取在目标时间段内的特征信息,所述特征信息表征影响客流量的相关信息;
4、s2、将所述特征信息输入至lstm预测模型中,其中,所述lstm预测模型包括根据时间序列排列并递归连接的多个记忆单元,每个记忆单元具有第一遗忘门、第二遗忘门、输入门和输出门,不同的记忆单元对应了不同的时间段;
5、将所述特征信息输入至目标时间段对应的记忆单元的第一遗忘门中,获取第一遗忘门的输出;
6、s3、将所述第一遗忘门的输出、目标时间段前一时间段的记忆单元输出以及所述特征信息共同作为sigmoid神经网络层的输入,并得到第二遗忘门激活值;
7、s4、将第二遗忘门激活值通过所述输入门和输出门,确定目标时间段的记忆单元输出;
8、s5、根据目标时间段的记忆单元的输出值,利用lstm预测模型输出预测值,将预测值作为目标时间段下预测的客流量。
9、本专利技术公开提供的技术方案至少具有如下有益效果:
10、本专利技术将特征信息输入至lstm预测模型中,使上述特征信息在经过一次遗忘过程后,再次进入至第二遗忘门中并得到第二遗忘门激活值,第二遗忘门激活值能够伸入的体现出特征信息不同时间段变量间的耦合关系,更加充分的选择将要遗忘的历史信息,提高了预测的精度,使其能够满足现有交通管理决策、交通规划、路径诱导等方面的技术需求。
11、本专利技术的至少一个实施例还提供了一种实时铁路客流量预测系统,包括:
12、数据获取模块,获取在目标时间段内的特征信息,所述特征信息表征影响客流量的相关信息;
13、分析模块,将所述特征信息输入至lstm预测模型中,其中,所述lstm预测模型包括根据时间序列排列并递归连接的多个记忆单元,每个记忆单元具有第一遗忘门、第二遗忘门、输入门和输出门,不同的记忆单元对应了不同的时间段;
14、将所述特征信息输入至目标时间段对应的记忆单元的第一遗忘门中,获取第一遗忘门的输出;
15、将所述第一遗忘门的输出、目标时间段前一时间段的记忆单元输出以及所述特征信息共同作为sigmoid神经网络层的输入,并得到第二遗忘门激活值;
16、将第二遗忘门激活值通过所述输入门和输出门,确定目标时间段的记忆单元输出;
17、预测模块,根据目标时间段的记忆单元的输出值,利用lstm预测模型输出预测值,将预测值作为目标时间段下预测的客流量。
18、本专利技术的至少一个实施例还提供了一种计算机可读介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如上述的实时铁路客流量预测方法的步骤。
19、本专利技术的至少一个实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并在处理器上运行的程序,处理器执行程序时实现如上述的实时铁路客流量预测方法的步骤。
本文档来自技高网...【技术保护点】
1.实时铁路客流量预测方法,其特征在于,包括:
2.根据权利要求1所述的实时铁路客流量预测方法,其特征在于:
3.根据权利要求1所述的实时铁路客流量预测方法,其特征在于,将所述特征信息输入至目标时间段对应的记忆单元的第一遗忘门中,获取第一遗忘门的输出,包括:
4.根据权利要求3所述的实时铁路客流量预测方法,其特征在于,将所述第一遗忘门的输出、目标时间段前一时间段的记忆单元输出以及所述特征信息共同作为sigmoid神经网络层的输入,并得到第二遗忘门激活值,包括:
5.根据权利要求3所述的实时铁路客流量预测方法,其特征在于,将第二遗忘门激活值通过所述输入门和输出门,确定目标时间段的记忆单元输出,包括:
6.根据权利要求5所述的实时铁路客流量预测方法,其特征在于,依据所述记忆单元状态,确定目标时间段的记忆单元输出,包括:
7.根据权利要求1所述的实时铁路客流量预测方法,其特征在于,所述LSTM预测模型的构建过程包括如下步骤:
8.实时铁路客流量预测系统,其特征在于,包括:
9.一种计算机可读
10.一种电子设备,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述的实时铁路客流量预测方法的步骤。
...【技术特征摘要】
1.实时铁路客流量预测方法,其特征在于,包括:
2.根据权利要求1所述的实时铁路客流量预测方法,其特征在于:
3.根据权利要求1所述的实时铁路客流量预测方法,其特征在于,将所述特征信息输入至目标时间段对应的记忆单元的第一遗忘门中,获取第一遗忘门的输出,包括:
4.根据权利要求3所述的实时铁路客流量预测方法,其特征在于,将所述第一遗忘门的输出、目标时间段前一时间段的记忆单元输出以及所述特征信息共同作为sigmoid神经网络层的输入,并得到第二遗忘门激活值,包括:
5.根据权利要求3所述的实时铁路客流量预测方法,其特征在于,将第二遗忘门激活值通过所述输入门和输出门,确定目标时间段的记忆单元输出,包括:
6.根据权利...
【专利技术属性】
技术研发人员:吴月,钟园,李明昊,于海涛,王炯,
申请(专利权)人:北京市智慧交通发展中心北京市机动车调控管理事务中心,
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。