基于CPO算法优化深度神经网络的公交线路客流预测方法技术

本发明专利技术提供基于CPO算法优化深度神经网络的公交线路客流预测方法，属于公共交通的技术领域。包括以下步骤：数据收集与整理；获取多源数据并对数据进行预处理；挖掘公交系统中特征；将公交系统中特征融入到客流预测模型中；使用训练集对获取的CNN‑LSTM‑Attention模型进行训练；通过验证集，计算CPO优化层的适应度函数，输出性能评价与客流预测结果，获取验证后的CNN‑LSTM‑Attention模型；应用验证后的CNN‑LSTM‑Attention模型对公交线路客流进行预测。本发明专利技术方法有效的实现多因素综合考虑：有效融合多种影响公交客流的因素。通过深度神经网络强大的特征学习能力，挖掘这些因素与客流之间的潜在关系，从而全面、细致地反映客流变化的内在驱动机制，使预测结果更贴合实际运营场景。

【技术实现步骤摘要】

本专利技术涉及公共交通的，具体而言，尤其涉及基于cpo算法优化深度神经网络的公交线路客流预测方法。

技术介绍

1、现有技术中，为了优化公交线路客流预测方法，准确的公交线路客流预测能够为公交运营企业提供关键的决策依据。通过提前知晓不同时段、不同站点的客流量情况，企业可以合理安排车辆的发车频次和调配车辆资源。在客流量高峰时段，增加发车数量，缩短乘客等待时间，提高服务质量；而在客流量低谷时段，则适当减少发车频次，避免资源浪费，降低运营成本。

2、对于城市交通基础设施的规划与建设而言，公交线路客流预测也起着不可或缺的作用。政府部门和交通规划机构可以依据客流预测结果，评估现有公交站点、公交枢纽以及公交线路布局的合理性，并据此制定未来的基础设施发展规划。

3、同时，预测公交线路客流有助于提升乘客的整体出行体验。乘客可以提前获取公交线路的客流信息，合理规划自己的出行时间和路线，避开客流量大、拥挤的时段和线路。例如，在一些智能公交应用程序中，如果能够提供准确的客流预测数据，乘客就可以根据这些信息选择相对宽松的出行时段，减少在公交车上的拥挤感，提高出本文档来自技高网...

【技术保护点】

1.基于CPO算法优化深度神经网络的公交线路客流预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于CPO算法优化深度神经网络的公交线路客流预测方法，其特征在于，所述客流统计数据包括：数据创建时间、线路ID即公交线路的编号、车辆ID即公交车辆的编号、站点序号即站点在线路上某个方向上的序号、上行或下行、上车人数即当前站点上车人数、下车人数即当前站点下车人数以及刷卡ID即当前站点刷卡者编号；

3.根据权利要求1所述的基于CPO算法优化深度神经网络的公交线路客流预测方法，其特征在于，所述时间特征值获取的过程包括以下步骤：

4.根据权利要求1所述...

【技术特征摘要】

1.基于cpo算法优化深度神经网络的公交线路客流预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于cpo算法优化深度神经网络的公交线路客流预测方法，其特征在于，所述客流统计数据包括：数据创建时间、线路id即公交线路的编号、车辆id即公交车辆的编号、站点序号即站点在线路上某个方向上的序号、上行或下行、上车人数即当前站点上车人数、下车人数即当前站点下车人数以及刷卡id即当前站点刷卡者编号；

3.根据权利要求1所述的基于cpo算法优化深度神经网络的公交线路客流预测方法，其特征在于，所述时间特征值获取的过程包括以下步骤：

4.根据权利要求1所述的基于cpo算法优化深度神经网络的公交线路客流预测方法，其特征在于，所述天气特征值获取的过程包括以下步骤：

5.根据权利要求1所述的基于cpo算法优化深度神经网络的公交线路客流预测方法，其特征在于，...

【专利技术属性】
技术研发人员：翟华伟，曹洢凡，崔立成，袁小东，邱敬宝，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：