[发明专利]一种地铁个体乘客目的站点实时预测方法及装置

权利要求书

1.一种地铁个体乘客目的站点实时预测方法，其特征在于，包括以下步骤：

S100:从自动收费系统所收集到的智能交通卡交易数据中获取乘客历史出行信息；

S200:对所述乘客历史出行信息进行个人特征提取、群体特征提取和上下文特征提取；

S300:构建随机森林模型，将所述乘客历史出行信息中的个人特征、群体特征和上下文特征输入至随机森林模型，由所述随机森林模型输出乘客的地铁目的站点；

对所述乘客历史出行信息进行上下文特征提取包括：基于实时数据提取时间特征和换乘信息特征；

其中时间特征包括：当前所属的周特征F_w、时段特征F_t、节假日特征F_h，其中时段特征F_t的计算方法：将一天按固定的间隔τ划分为K个时段，第k时段所表示的时间范围为{(k-1)τ,kτ}，按照当前乘客的进站时间t_O计算其所属时段；

换乘信息特征：判断当前进站乘客的上一次乘车交易记录是否属于公交出行，并且与当前接收到的交易记录时间的差值是否小于此公交站点与当前进站站点之间所需花费的最长时间，如果小于，则提取该公交站点的经纬度信息F_g、路线F_n，否则将此特征标识为null值；

对所述乘客历史出行信息进行个人特征提取包括：从乘客历史出行信息中提取出行序列特征和出行语义特征；

出行序列特征F_a：基于当前乘客的进站站点S_O，提取从S_O进站后，乘客前往其它各个站点的平均次数，用|s|维向量表示，第i个元素表示乘客从S_O出发前往s_i的平均次数；

出行语义特征F_s：针对工作日和周末分别提取乘客在一天的各个时段停留在各个站点的平均频次，最终形成2×K×|S|维张量F_s；其中2表示工作日和周末，K表示一天的时间段数量，|S|表示站点数量；其中在某站点停留的定义如下，如果个体乘客的一次地铁出站记录与下一次地铁进站记录满足条件：所涉及的站点相同且时间间隔大于1小时，则称其在相隔时段内在此站点停留。

2.根据权利要求1所述的地铁个体乘客目的站点实时预测方法，其特征在于，所述方法还包括步骤：

S150:对所述乘客历史出行信息进行预处理，所述预处理包括：个体出行记录聚合和异常信息剔除。

3.根据权利要求2所述的地铁个体乘客目的站点实时预测方法，其特征在于，所述乘客历史出行信息中记录每一位乘客每一次乘坐公共交通工具的信息，每条交易记录包含四个字段：CardID、TrmnlID、TrnsctTime、TrnsctyType；其中CardID是智能交通卡的唯一标识；TrmnlID是地铁站或公交车站的标识；TrnsctTime是交易时间，TrnsctyType是交易类型；

在所述乘客历史出行信息中，给定一个由N个地铁站点S＝{s₁,s₂,…,s_|S|}组成的地铁网络，以及所有乘客的历史智能交通卡交易数据和每一位乘客P的实时地铁进站记录，包括进站站点S_O、进站时间t_O、实时估计乘客P的目的站点S_d。

4.根据权利要求3所述的地铁个体乘客目的站点实时预测方法，其特征在于，所述个体出行记录聚合包括：

基于个体乘客的ID和出行时间，将每一位个体乘客的历史出行信息按照刷卡时间排序并聚合成集合R'＝{r₁,r₂,…,r_|R'|}，其中r_i表示此乘客的一次出行交易记录；

所述异常信息剔除包括：

剔除只记录乘客的进站记录没有出站记录，或者只有出站记录没有进站记录的情况，从R'过滤后的个体乘客出行记录集合记作R＝{r₁,r₂,…,r_|R|}。