申请/专利权人：北京交通大学

申请日：2020-05-14

公开（公告）日：2024-05-21

公开（公告）号：CN111597971B

主分类号：G06F18/10

分类号：G06F18/10;G06N3/044;G06N3/08;G06Q10/04;G06Q50/40

优先权：

专利状态码：有效-授权

法律状态：2024.05.21#授权;2020.09.22#实质审查的生效;2020.08.28#公开

摘要：本发明提供了一种城市轨道交通短期进站客流量预测方法。该方法包括：构建Wave‑LSTM预测模型，利用训练数据集对Wave‑LSTM预测模型进行训练，获取待预测站点的历史进站量数据序列；利用选取的小波函数和分解次数对所述历史进站量数据序列进行分解，得到重构进站量数据序列；将重构进站量数据序列输入到训练好的Wave‑LSTM预测模型，Wave‑LSTM预测模型输出对应的预测进站量数据序列，将所有的预测进站量数据序列相加，得到预测出的待预测站点的所有时间段内的进站量客流数据。本发明充分利用了小波变换的数学显微镜的优点和LSTM可学习长序列依赖的特点，将具有趋势的低频信号与包含噪声信息的高频信号分开，从而提取到各站点进站客流的关键特征，提高客流预测精度。

主权项：1.一种城市轨道交通短期进站客流量预测方法，其特征在于，构建Wave-LSTM预测模型，利用训练数据集对所述Wave-LSTM预测模型进行训练，得到训练好的Wave-LSTM预测模型，所述方法包括：获取待预测站点的历史进站量数据序列；利用选取的小波函数和分解次数对所述历史进站量数据序列进行分解，得到重构进站量数据序列；将所述重构进站量数据序列输入到训练好的Wave-LSTM预测模型，Wave-LSTM预测模型输出对应的预测进站量数据序列，将所有的预测进站量数据序列相加，得到预测出的所述待预测站点的所有时间段内的进站量客流数据，所述的构建Wave-LSTM预测模型，利用训练数据集对所述LSTM预测模型进行训练，得到训练好的Wave-LSTM预测模型，包括：构建Wave-LSTM预测模型的训练数据集，该训练数据集为所述待预测站点的历史客流数据的前90％，利用该训练数据集采用控制变量的方法，选取不同迭代次数和不同隐藏单元数依次对待预测站点的历史进站量数据的重构进站量数据序列进行预测，将预测结果与待预测站点的真实进站量数据进行比较，选择预测效果最好的迭代次数和隐藏单元数参数作为Wave-LSTM模型的参数，得到训练好的LSTM预测模型，所述的获取待预测站点的历史进站量数据序列，包括：将待预测站点的各个进口AFC设备终端采集的客流数据进行统计汇总，得到待预测站点的历史进站量数据Fs，该历史进站量数据Fs为一个一维的进站量序列数据，表达式如下： 其中s为站点，t为时段，Fs为站点s的历史进站量序列，fts为站点s在第t个时间段内的进站客流，所述的利用选取的小波函数和分解次数对所述历史进站量数据序列进行分解，得到重构进站量数据序列，包括：利用选取的小波函数和分解次数使用Mallat算法对一维的进站量序列数据进行分解，分解过程表示为式2和式3，其中H和G分别为该小波变换中的低通滤波器和高通滤波器，m为分解次数，Dm为经m次分解后得到的高频细节信号，Am为经m次分解后得到的低频近似信号；Dm＝HAm-12Am＝GAm-13A0为原始序列，经过第一次分解后，得到包含原始序列A0主要信息的低频近似信号A1，以及包含误差的高频细节信号D1；下一次将低频近似信号A1分解为A2和D2，以此进行下去，经过m次分解后得到m+1个分解序列：D1，D2，……，Dm和Am；采用重构算法对步骤S3中得到的m+1个分解序列D1，D2，……，Dm和Am分别进行重构进行单支重构，单支重构过程如式4所示：Am-1＝H*Am+G*Dm4其中H*和G*分别为该小波在重构过程中的低通滤波器和高通滤波器，且是H和G的对偶算子；采用单支重构算法对所述m+1个分解序列进行单支重构，低频分解序列D1，D2，……，Dm的单支重构的过程是对其进行奇数位补零，再通过低通滤波器H*直至得到与原始信号长度相同的序列，得到重构进站量数据序列d1、d2、…、dm；高频分解序列的单支重构需要对其补零后需通过高通滤波器G*操作，直至得到与原始信号长度相同的数据，得到重构进站量数据序列序am，重构进站量数据序列d1、d2、…、dm、am和原始序列A0的关系如式5所示，A0＝d1+d2+…+dm+am5其中dm为高频细节信号Dm的重构进站量数据序列，am为低频近似信号Am的重构进站量数据序列，所述的小波函数和分解次数的选取过程，包括：利用基于MATLAB软件的小波分解工具箱对所述进站量序列数据进行小波分解，得到低频近似信号，分析在不同小波和不同分解次数下得到的低频近似信号的光滑性，选取光滑性最好的低频近似信号作为适合所述待预测站点的小波函数waves和分解次数x。

全文数据：

权利要求：

百度查询： 北京交通大学 一种城市轨道交通短期进站客流量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD