【技术实现步骤摘要】
本申请涉及智能交通，特别涉及一种城市出行流量预测方法、装置、设备及介质。
技术介绍
1、近年来，我国城市建成环境日益集约化，促使城市人类出行活动越来越复杂。主动感知预测不同城市区域间人类出行交互流量大小对于城市管理和城市更新等现实决策至关重要。以往城市内部人类出行交互预测方法依赖于现场调查采集的出行样本，辅以城市内部建成环境属性构建线性回归模型预估城市区域之间的年交通流量等平稳状态数值。现场调查样本数据量小，且时间成本高，因此基于现场调查等传统采集样本的人类出行流量预测方法大多仅适用于年际等时间大尺度交互预测应用，无法做到天、时甚至分钟级别动态的人类交互预测。当前，通过使用原位传感器、移动传感器、卫星定位系统等泛在测绘设备，结合先进的卷积神经网络等深度学习模型，现有技术有机会能更准确地理解和捕捉城市内部人类出行流的复杂关系和演化规律，为城市规划、交通优化和智能交通系统的发展提供了更为可靠和实用的决策支持。
2、当前，城市区域之间的人类交互出行流量预测方法主要分为基于回归方法、基于概率方法和基于深度学习模型方法。基于回归的方法...
【技术保护点】
1.一种城市出行流量预测方法，其特征在于，包括：
2.根据权利要求1所述的城市出行流量预测方法，其特征在于，所述基于所述多个出行轨迹和其他网格区域，获取在每个时间段所述网格区域的车辆流出量、车辆流入量和所述网格区域与每个其他网格区域之间的有向出行流量，包括：
3.根据权利要求1所述的城市出行流量预测方法，其特征在于，所述基于在每个时间段每个网格区域的车辆流出量、车辆流入量、所述目标区域在T个时间段的天气状况数据以及兴趣点数据，获取在每个时间段所述网格区域的特征向量，包括：
4.根据权利要求1所述的城市出行流量预测方法，其特征在于，所...
【技术特征摘要】
1.一种城市出行流量预测方法，其特征在于，包括：
2.根据权利要求1所述的城市出行流量预测方法，其特征在于，所述基于所述多个出行轨迹和其他网格区域，获取在每个时间段所述网格区域的车辆流出量、车辆流入量和所述网格区域与每个其他网格区域之间的有向出行流量，包括：
3.根据权利要求1所述的城市出行流量预测方法，其特征在于，所述基于在每个时间段每个网格区域的车辆流出量、车辆流入量、所述目标区域在t个时间段的天气状况数据以及兴趣点数据，获取在每个时间段所述网格区域的特征向量，包括：
4.根据权利要求1所述的城市出行流量预测方法，其特征在于，所述基于所述时间段所有网格区域的特征向量构建网格区域关系图，包括：
5.根据权利要求4所述的城市出行流量预测方法，其特征在于，所述根据所述网格区域关系图获取所述时间段的表征向量，包括：
6.根据权利要求5所述的城市出行流量预测方法，其特征...
【专利技术属性】
技术研发人员：王达，刘奕汛，石岩，刘宝举，邓敏，
申请(专利权)人：中南大学，
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。