[发明专利]一种基于LSTM的客流预测方法

说明书

本发明属于交通客流预测技术领域，涉及一种基于LSTM的客流预测方法。本发明基于AFC数据、航班时刻表、天气、日期四种数据，通过对影响机场轨道交通客流的关键因素进行分析提取，其中，对于AFC数据，提取出各个时间片内的机场到市区方向的客流量和市区到机场方向的客流量；对于航班时刻表数据，提取出各个时间片内计划起飞的航班数以及计划降落的航班数；之后对每一个时间片标注其对应的日期、时段以及天气信息，以及对各项输入数据进行标准化处理；最后通过设计时间‑特征协同注意力机制，使得LSTM网络可以动态捕捉不同时序上多维特征对机场客流的影响程度，从而有效提高了机场轨道交通客流预测模型的预测精度。

技术领域

本发明属于交通客流预测技术领域，涉及一种基于长短期记忆人工神经网络（LSTM）并结合时间-特征协同注意力机制的机场轨道交通客流预测方法。

背景技术

随着我国民航业的迅猛发展，机场客运量逐年增加，根据我国民航局数据统计，2019年全年完成运输总周转量1292.7亿吨公里、旅客运输量6.6亿人次，同比分别增长7.1%、7.9%。不断增长的客运量不仅对机场枢纽的运营管理带来压力，同时还给机场枢纽的集输运系统带来了很大的挑战。机场轨道交通凭借其运量大、速度快、准点性高的优势，成为了衔接机场与市区的重要交通方式，且未来承担的机场客流分担率还将进一步提高。统计数据显示，全球共有将近240个机场己经建设或规划了衔接机场的轨道交通，截至2018年底，我国大陆共有35个城市开通城市轨道交通运营线路185条，运营线路总长度5761.4公里。

虽然目前我国交通基础设施建设取得了长足的发展，但是枢纽机场与轨道交通之间衔接不畅问题仍然十分突出，机场轨道交通时常出现“客流-运力”不匹配问题，成为机场整体运转效率的瓶颈。因此，为了提高机场运转效率以及机场轨道交通运营组织水平，亟需实现机场轨道交通客流的精准预测，为提升枢纽运营水平提供关键支撑。

发明内容

为了弥补现有机场轨道交通客流预测方面研究的不足，本发明提出了一种基于LSTM并结合时间-特征协同注意力机制的机场轨道交通客流预测方法。本发明结合AFC数据、航班时刻表、天气、日期四种数据，通过对影响机场轨道交通客流的关键因素进行分析提取，以及对数据进行标准化处理，构建机场轨道交通短时客流预测模型，从而实现待测机场轨道交通客流的准确预测。

为实现上述目的，本发明提供了一种基于LSTM的客流预测方法，包括如下步骤：

S1: 获取待测机场轨道交通线路所在城市N天的AFC原始数据、与待测机场轨道交通线路连接的机场的航班时刻表原始数据、天气数据，

S2:对所述AFC原始数据和所述航班时刻表原始数据进行预处理，保留有效AFC数据和有效航班时刻表数据；

S3:对获取的有效AFC数据进行整理，提取出N天中各个时间片内的所述机场到市区方向的客流量、N天中各个时间片内的市区到所述机场方向的客流量；并对获取的有效航班时刻表数据进行整理，提取出N天中各个时间片内所述机场计划起飞航班数以及计划降落航班数；

S4: 对步骤S3中提取的数据进行标准化处理；

S5：对每个时间片内的数据标注其对应的日期信息、时段信息以及天气状况；

S6：基于标准化处理后的数据以及标注有对应的日期信息、时段信息以及天气状况的数据，构建数据集并分为训练集和测试集；

S7:基于 LSTM网络并结合时间-特征协同注意力机制，建立机场轨道交通客流预测模型，包括LSTM层、时间-特征协同注意力层和两个全连接层；利用训练集和测试集，对所建立的机场轨道交通客流预测模型进行训练和测试，得到最终的机场轨道交通客流预测模型并利用该机场轨道交通客流预测模型对机场轨道交通的实时客流进行预测。