[发明专利]一种地铁站人流量峰值的预测方法、装置和计算机设备

权利要求书

1.一种地铁站人流量峰值的预测方法，所述方法包括：

从预设的数据源获取地铁站的历史人流量数据，根据所述历史人流量数据将对应地铁站标记为人流密集地铁站，并获得所述人流密集地铁站的人流量峰值时段，根据所述人流密集地铁站和对应的所述人流峰值时段构建训练样本集；

将所述训练样本集中的所述人流密集地铁站和对应的所述人流峰值时段输入预先设置的预测模型，所述预测模型包括：基于图卷积的时空特征提取网络、基于全连接网络的峰值判别网络和峰值预测网络；其中，构建所述预先设置的预测模型的步骤包括：定义各层图卷积的线性变换可学习参数矩阵，用于对所述人流密集地铁站的特征向量进行行线性变换；定义邻接可学习参数矩阵，用于对所述人流密集地铁站的特征向量进行相互交换；基于图卷积网络定义人流量时空特征提取网络，基于分类与回归框架将所述人流量时空特征提取网络分别接入基于全连接网络层的峰值判别网络和峰值预测网络；

由所述时空特征网络提取所述人流密集地铁站的人流量时空特征，由所述峰值判别网络和所述峰值预测网络输出峰值判别结果和峰值预测结果，根据所述人流量时空特征、所述峰值判别结果、所述峰值预测结果以及预先设置的基于调整类别权重的损失函数，训练所述预测模型，得到训练好的预测模型；其中，基于调整类别权重的损失函数的构建方式包括：根据所述峰值判别网络和所述峰值预测网络的分类损失与回归损失的比例调整因子、调整类别损失的权重参数、正类样本和负类样本的修正交叉熵损失、正类样本和负类样本的预测均方根误差，构建峰值判别损失函数和峰值预测损失函数；

获取地铁站的实时人流量数据，将所述实时人流量数据输入训练好的预测模型，得到所述实时人流量数据的峰值判别结果和峰值预测结果。

2.根据权利要求1所述的预测方法，其特征在于，所述从预设的数据源获取地铁站的历史人流量数据，根据所述历史人流量数据将对应地铁站标记为人流密集地铁站，并获得所述人流密集地铁站的人流量峰值时段，根据所述人流密集地铁站和对应的所述人流峰值时段构建训练样本集的步骤包括：

从预设的数据源获取地铁站的历史人流量数据；

根据所述历史人流量数据和预设的人流密集站点阈值，将对应地铁站标记为人流密集地铁站；

根据预设的观察时间窗口和预设的人流密集时段阈值，从所述历史人流量数据中得到所述人流密集地铁站的人流量峰值时段；

根据所述人流密集地铁站和对应的所述人流峰值时段构建训练样本集。

3.根据权利要求1至2中任意一项所述的预测方法，其特征在于，由所述时空特征网络提取所述人流密集地铁站的人流量时空特征，由所述峰值判别网络和所述峰值预测网络输出峰值判别结果和峰值预测结果，根据所述人流量时空特征、所述峰值判别结果、所述峰值预测结果以及预先设置的基于调整类别权重的损失函数，训练所述预测模型，得到训练好的预测模型的步骤包括：

由所述时空特征网络提取所述人流密集地铁站的人流量时空特征，由所述峰值判别网络和所述峰值预测网络输出峰值判别结果和峰值预测结果；

根据所述人流量时空特征、所述峰值判别结果和所述峰值预测结果，获得预先设置的基于调整类别权重的损失函数的值；

当所述损失函数的值大于预设值时，采用梯度下降法计算并设置所述预测模型中的预测参数的值；

当所述损失函数的值小于所述预设值时，获得训练好的预测模型。

4.根据权利要求2所述的预测方法，其特征在于，根据预设的观察时间窗口和预设的人流密集时段阈值，从所述历史人流量数据中得到所述人流密集地铁站的人流量峰值时段的步骤，包括：

从所述历史人流量数据中获取在p个预设的时间窗口内进入所述人流密集地铁站的总人数，当所述总人数大于预设的人流密集时段阈值时，将所述p个时间窗口设为所述人流密集地铁站的人流量峰值时段。

5.根据权利要求2所述的预测方法，其特征在于，根据所述历史人流量数据和预设的人流密集站点阈值，将对应地铁站标记为人流密集地铁站的步骤包括：

根据历史人流量数据得到进入地铁站的总人数，将所述总人数大于预设的人流密集站点阈值的地铁站标记为人流密集地铁站。