[发明专利]流量预测模型的训练方法、装置和电子设备

说明书

本申请提出一种流量预测模型的训练方法、装置和电子设备，其中训练方法包括：获取每个区域的历史流量特征，以及影响区域流量的影响因素的特征数据，并输入到流量预测模型中；在流量预测模型中，针对每个区域，对各个区域的历史流量特征和特征数据进行特征融合，以获取每个区域对应的预测流量；根据每个区域对应的预测流量和标签流量，对流量预测模型进行调整，以得到目标流量预测模型。由此，该方法可从模型的输入层开始引入影响因素的特征数据对每个区域的预测流量的影响，从而在模型的整个过程中引入影响因素的特征数据，并将各个区域的历史流量特征和特征数据进行融合，可准确反映特征数据对预测流量的影响，有利于提高模型的性能。

技术领域

本申请涉及深度学习技术领域，尤其涉及一种流量预测模型的训练方法、装置、电子设备和存储介质。

背景技术

目前，流量预测技术被广泛应用于交通规划、数据统计等领域中，例如，可采用流量预测技术对城市的多个区域进行人流量预测，在人流量较多的区域设置公共交通设施，例如公交站、地铁站、公共自行车等。相关技术中的流量预测方法，大多采用模型来进行流量预测，然而相关技术中的流量预测模型，无法准确反映影响因素的特征数据对预测流量的影响，不利于流量预测模型的性能。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请第一方面实施例提出一种流量预测模型的训练方法，将每个区域的历史流量特征，以及影响区域流量的影响因素的特征数据输入到流量预测模型中，可从流量预测模型的输入层开始引入影响因素的特征数据对每个区域的预测流量的影响，从而在流量预测模型的整个过程中引入影响因素的特征数据，并将各个区域的历史流量特征和特征数据进行融合，以获取每个区域对应的流量预测模型的预测流量，能够有效解决相关技术中影响因素的特征数据与历史流量特征的融合较为滞后的问题，能够准确反映影响因素的特征数据对预测流量的影响，有利于提高流量预测模型的性能。

本申请第二方面实施例提出一种流量预测模型的训练装置。

本申请第三方面实施例提出一种电子设备。

本申请第四方面实施例提出一种计算机可读存储介质。

本申请第一方面实施例提出了一种流量预测模型的训练方法，包括：获取每个区域的历史流量特征，以及影响区域流量的影响因素的特征数据，并输入到所述流量预测模型中；在所述流量预测模型中，针对每个区域，对各个区域的所述历史流量特征和所述特征数据进行特征融合，以获取每个区域对应的所述流量预测模型的预测流量；根据每个区域对应的所述预测流量和标签流量，对所述流量预测模型进行调整，以得到目标流量预测模型。

根据本申请实施例的流量预测模型的训练方法，将每个区域的历史流量特征，以及影响区域流量的影响因素的特征数据输入到流量预测模型中，可从流量预测模型的输入层开始引入影响因素的特征数据对每个区域的预测流量的影响，从而在流量预测模型的整个过程中引入影响因素的特征数据，并将各个区域的历史流量特征和特征数据进行融合，以获取每个区域对应的流量预测模型的预测流量，能够有效解决相关技术中影响因素的特征数据与历史流量特征的融合较为滞后的问题，能够准确反映影响因素的特征数据对预测流量的影响，有利于提高流量预测模型的性能。

另外，根据本申请上述实施例的流量预测模型的训练方法还可以具有如下附加的技术特征：

在本申请的一个实施例中，所述流量预测模型包括N个特征提取层，第N层输出每个区域的所述预测流量，则所述在所述流量预测模型中，针对每个区域，对各个区域的所述历史流量特征和所述特征数据进行特征融合，包括：针对每个区域在第i层，对各个区域在前一层的流量特征，以及所述影响因素在前一层的特征数据进行融合，得到每个区域在所述第i层的流量特征，其中，N≥i≥1。