[发明专利]一种基于四叉树的出租车时空层次预测方法和存储介质

权利要求书

1.一种基于四叉树的出租车时空层次预测方法，其特征在于，包括以下步骤：

S1、获取目标城市的出租车起点-终点历史信息，包括行程开始时的时间和位置坐标以及行程结束时的时间和位置坐标；

S2、利用Apriori算法统计出租车起点-终点历史信息的频繁次数；

S3、根据步骤S2中获得的频繁次数，使用四叉树区域划分法将目标城市区域划分，得到新城市区域；

S4、根据新城市区域划分结果计算得到每个区域的中心位置，中心位置信息包含纬度和经度，将中心位置的出租车起点-终点历史信息定义为区域的出租车起点-终点历史信息；

S5、利用高斯混合聚类算法将中心位置进行聚类，获得每个中心位置所属的类；

S6、使用双通道矩阵将新城市区域的频繁次数进行统计分析，获得时序的双通道矩阵；

S7、使用预测模型根据时序的双通道矩阵预测出租车在新城市区域流入/流出交通流量，得到时空层次预测结果。

2.根据权利要求1所述的一种基于四叉树的出租车时空层次预测方法，其特征在于，步骤S2中所述Apriori算法具体步骤如下：

对所有区域的所有出租车每小时的访问进行分组，并将访问次数转换为Apriori算法的布尔值，并根据布尔值构建布尔表，布尔表的行代表出租车每小时访问的位置列表，构建布尔表后，使用Apriori算法生成每小时的频繁次数集合。

3.根据权利要求1所述的一种基于四叉树的出租车时空层次预测方法，其特征在于，步骤S3所述的四叉树区域划分法具体步骤如下：

根据所有区域的出租车频繁次数，使用四叉树算法将城市划分为四个四边形区域；

如果某个四边形区域的频繁次数除以该城市总频繁次数的值大于设定阈值，则将该四边形区域划分为四个新四边形区域；

直至所有四边形区域的频繁次数除以该城市总频繁次数的值均大于设定阈值。

4.根据权利要求3所述的一种基于四叉树的出租车时空层次预测方法，其特征在于，所述设定阈值大小为0.05～0.15。

5.根据权利要求3所述的一种基于四叉树的出租车时空层次预测方法寻找中心，其特征在于，步骤S4所述的中心位置为每个四边形区域的对角线相交的位置。

6.根据权利要求1所述的一种基于四叉树的出租车时空层次预测方法，其特征在于，步骤S5所述的高斯混合模型聚类算法，具体过程如下：

对中心位置进行聚类，获得新的聚类区域；根据新的聚类区域的出租车频繁次数生成迁移矩阵，使用斐波那契范式，将迁移矩阵降维成数，作为中心位置除纬度和经度外的第三个特征向量，得到新的聚类矩阵；

最后对新的聚类矩阵进行高斯混合模型聚类，依次迭代，直至获得稳定的聚类结果。

7.根据权利要求1所述的一种基于四叉树的出租车时空层次预测方法，其特征在于，步骤S7中所述预测模型为两个不同且相互独立的预测模型，输入是时序的双通道矩阵，输出是预测的双通道矩阵。

8.根据权利要求7所述的一种基于四叉树的出租车时空层次预测方法，其特征在于，所述预测模型分别为时空残差网络预测模型和时空3D网络预测模型。

9.根据权利要求1所述的一种基于四叉树的出租车时空层次预测方法，其特征在于，所述出租车起点-终点历史信息中位置坐标包含经纬度信息，时间以小时为单位。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9任一项所述的一种基于四叉树的出租车时空层次预测方法的步骤。