[发明专利]民众出行需求预测方法、装置及计算机终端

说明书

本发明公开了一种民众出行需求预测方法、装置、计算机终端和计算机可读存储介质，所述方法包括：获取至少一个区域的相关属性，并获取对应区域的民众出行样本数据，其中，所述出行样本数据包括所述区域的相关属性和对应的民众出行OD信息；构建基于神经网络的出行需求预测模型；将待测区域的相关属性数据输入所述出行需求预测模型预以测待测区域的民众出行OD信息。本发明通过获取不同区域的出行样本数据以进行建模分析并将区域的相关属性作为其输入参数，可实现对待测区域的民众出行OD信息进行准确预测，还可提前为交通运力等提供可靠的数据参考等。

技术领域

本发明涉及智能交通技术领域，尤其涉及一种民众出行需求预测方法、装置及计算机终端。

背景技术

居民出行是其完成社会属性和个人属性综合性行为，人们需要通过出行完成工作、交际和社会活动等社会属性，在不同场所购物、娱乐和自我满足以实现其个人属性。通过对居民出行数据的分析和建立相应的出行行为模型，实现对居民出行需求的准确预测，有助于交管部门和交通运营机构及时调整疏导策略和运力安排，缓解城市区域交通压力和站点客流聚集滞留情况。

然而，目前的城镇的交通运行在上下班高峰期、节假日和重大活动等特定时间点均容易在对应区域出现交通拥堵或人群聚集滞留等现象。这些问题很大程度上源于对民众出行需求的预期不准确，因此以常规的运力安排往往不能应对非常情况下的出行需求。

发明内容

鉴于上述问题，本发明提出一种民众出行需求预测方法，通过获取不同区域内的出行样本数据进行建模分析并将区域的多种相关属性作为其输入参数，实现对该区域的出行需求进行准确预测，可解决现有技术中预测不准确的问题等。

本发明实施例提出一种民众出行需求预测方法，包括：

获取至少一个区域的相关属性，并获取对应区域的民众出行样本数据，其中，所述出行样本数据包括所述区域的相关属性和对应的民众出行OD信息；

构建基于神经网络的出行需求预测模型；

其中，所述构建包括：将所述区域的相关属性作为输入参数以确定所述神经网络的输入层节点；将所述区域的民众出行OD信息作为输出参数以确定输出层节点；确定隐含层节点数目；利用经过归一化处理后的出行样本数据进行训练及验证；

将待测区域的相关属性数据输入所述出行需求预测模型以预测所述待测区域的民众出行OD信息。

在上述民众出行需求预测方法中，可选地，每一区域的所述出行样本数据中的民众出行OD信息的获取，包括：

获取所述区域内的移动通信设备的识别号；

当所述移动通信设备到达所述区域或离开所述区域时，获取所述识别号对应的移动通信设备在预设时段内的位置数据；

从所述位置数据中获取所述区域的民众的出行OD信息。

在上述民众出行需求预测方法中，可选地，所述出行OD信息包括出行目的地、出发地和停留点间的出行方式，所述“从所述位置数据中获取所述区域的民众的出行OD信息”，包括：

根据所述位置数据获取所述移动通信设备的运行速度和包含停留点的行程轨迹；

根据所述停留点间的运行速度判断对应的出行方式；

根据所述行程轨迹判断所述出行目的地及出发地。

在上述民众出行需求预测方法中，可选地，所述停留点包括短停留点和长停留点，所述停留点的判定包括：

若所述移动通信设备在同一位置停留的时间大于第一停留时间值且不超过第二停留时间值，则判定当前位置为一短停留点；

若所述移动通信设备在同一位置停留时间大于第二停留时间值，则判定所述当前位置为一长停留点。