[发明专利]一种基于边缘协同交替方向乘子法的地铁客流预测方法

说明书

本发明是一种基于边缘协同交替方向乘子法的地铁客流预测方法，该包括如下步骤：S1、从本地节点中采集原始客流量数据并进行数据的预处理S2、将经步骤S1预处理的数据集传递给边缘服务器S3、在边缘服务器中，使用边缘协同交替方向乘子法进行套索训练S4、得到预测结果。本发明通过边缘协同交替方向乘子法训练套索模型，对地铁站客流量进行预测分析，若干次迭代后得出最后的预测结果，本发明可应用于地铁等公共交通系统的人流量预测领域，尤其对地铁的短时客流量预测，对地铁运营及管理的决策起到重要参考作用。

技术领域

本发明属于公共交通系统流量预测领域，具体的说是涉及地铁客实时流量预测，尤其是一种基于边缘协同交替方向乘子法的地铁客流预测方法。

背景技术

地铁作为城市重要的交通配套设施，极大地牵动线下客流走向，现已成为城市公共交通的主要承担者。人流预测作为现代交通管理的一项重要任务，在智能交通服务的诸多任务中发挥着重要作用。进行地铁客流量预测，对地铁客流量进行合理控制，对于保障乘客安全以及确保地铁的高效运营具有重要意义。在地铁网络的作用下，某时刻各地铁站人流量可通过空间位置、地铁线路运行计划、通勤人群等因素直接或间接地影响其他地铁站的人流量，即各地铁站在短时客流量在统计学角度存在内在联系。

ZL2017107571356公开了一种基于大数据分析的地铁客流预测方法，该方法基于递归神经网络(RNN)技术，建立预测模型参数，并根据系统自身预测的客流数与实际发生的客流数据进行比对，持续优化预测模型参数来提高客流预测数据的精确度，但是该系统通过广域网进行数据通信，从而导致较长时延以及巨大带宽占用等问题，对现有Internet带来了巨大挑战；同时，由于板载资源和电池容量等因素影响，在IoT设备上运行计算密集型程序是不切实际的。现有的客流量预测方法均基于集中式云计算进行预测，因此具有上述不足之处。

发明内容

为了解决上述问题，本发明提供了一种基于边缘协同交替方向乘子法的地铁客流预测方法，该方法通过边缘协同交替方向乘子法训练套索模型，对地铁站客流量进行预测分析，若干次迭代后得出最后的预测结果，本发明可应用于地铁等公共交通系统的人流量预测领域，尤其对地铁的短时客流量预测，对地铁运营及管理的决策起到重要参考作用，

为了达到上述目的，本发明是通过以下技术方案实现的：

本发明是一种基于边缘协同交替方向乘子法的地铁客流预测方法，包括如下步骤：

S1、从本地节点中采集原始客流量数据并进行数据的预处理。

通过各站点的边缘节点进行原始数据的采集，并依靠边缘节点板载资源和本地网络对数据进行提取、异常检测、筛选以及识别和整合，从而尽可能地降低偶然误差，提高训练模型的有效性和可靠性，最终得到地铁人流数据包括如下特征：包括某一给定时间段该地铁站经异常检测后的客流量。

S2、将经步骤S1预处理的数据集传递给边缘服务器。

本地节点借助局域网内部通信等方式通过在网络边缘进行数据传输，避开接入因特网而将其预处理过的数据传递到边缘服务器，数据传输到边缘服务器后，边缘服务器将对数据进行向量化、归一化、模型加截距等预处理，为步骤S3的训练做准备。

经步骤S2处理后，得到的训练数据的特征为：一个m行(n+1)列的矩阵，矩阵每行表示某个给定时间采集到的数据，矩阵第一列表示拟合模型所添加截距，第2-(n+1)列表示(归一化后的)n个地铁站的人流量数据。

S3、在边缘服务器中，使用边缘协同交替方向乘子法进行套索训练；

引入边缘协同交替方向乘子法，将边缘协同交替方向乘子法应用于套索模型以分布式方式进行套索训练，采用逐次逼近的思想来进行迭代运算，具体包括如下步骤：

S3.1训练算法的初始化：初始化测试误差为无穷大，初始化系数矩阵ω为n*1的全0阵，定义步长和迭代次数；