[发明专利]客流预测方法、装置、计算设备及存储介质在审
申请号: | 202111552204.2 | 申请日: | 2021-12-17 |
公开(公告)号: | CN116308471A | 公开(公告)日: | 2023-06-23 |
发明(设计)人: | 余振华;徐战胜;陈伟通;王威威;潘培根 | 申请(专利权)人: | 华为技术有限公司 |
主分类号: | G06Q30/0202 | 分类号: | G06Q30/0202;G06Q30/0201;G06Q10/04;G06Q10/0631;G06Q50/26;G06Q50/30 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 张月婷 |
地址: | 518129 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 客流 预测 方法 装置 计算 设备 存储 介质 | ||
1.一种客流预测方法,其特征在于,所述方法包括:
获取目标空间在待预测时段的过去同一时段的普通日的历史客流数据和第一系数,其中,所述待预测时段位于第一节假日,所述第一系数表示在所述待预测时段之前的相同年份中所述第一节假日和普通日在历史客流数据上的差异;
根据所述目标空间在所述待预测时段的过去同一时段的普通日的历史客流数据和所述第一系数预测所述目标空间在所述待预测时段的客流预测结果。
2.根据权利要求1所述的方法,其特征在于,所述第一系数表示:在所述待预测时段的前一年中,所述目标空间在所述待预测时段的过去同一时段的所述第一节假日的历史客流数据和所述目标空间在所述待预测时段的过去同一时段的普通日的历史客流数据之间的差异。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:获取第二系数,所述第二系数表示所述第一节假日的历史客流数据和普通日的历史客流数据在年度增长率上的差异;
所述根据所述目标空间在所述待预测时段的过去同一时段的普通日的历史客流数据和所述第一系数预测所述目标空间在所述待预测时段的客流预测结果,包括:
根据所述目标空间在所述待预测时段的过去同一时段的普通日的历史客流数据、所述第一系数和所述第二系数,预测所述目标空间在所述待预测时段的所述客流预测结果。
4.根据权利要求3所述的方法,其特征在于,所述第二系数表示:所述目标空间在所述待预测时段的过去同一时段的所述第一节假日的历史客流数据和所述目标空间在所述待预测时段的过去同一时段的普通日的历史客流数据在年度增长率上的差异。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述目标空间包括站点、线路、线网、断面中的任意一种或多种类型;所述历史客流数据包括历史进站量、历史出站量、历史换乘量、历史客运量中的一种或多种类型;所述客流预测结果包括预测进站量、预测出站量、预测换乘量、预测客运量中的一种或多种类型。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述方法还包括:获取所述目标空间在所述待预测时段的天气特征,所述天气特征包括温度、降雨量、风力、湿度、空气质量中的一种或多种;
所述根据所述目标空间在所述待预测时段的过去同一时段的普通日的历史客流数据和所述第一系数预测所述目标空间在所述待预测时段的客流预测结果,包括:
根据所述目标空间在所述待预测时段的过去同一时段的普通日的历史客流数据、所述第一系数和所述天气特征,预测所述目标空间在所述待预测时段的所述客流预测结果。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述待预测时段位于所述第一节假日和活动事件的举办日;
所述方法还包括:获取所述目标空间在所述待预测时段的活动特征;
所述根据所述目标空间在所述待预测时段的过去同一时段的普通日的历史客流数据和所述第一系数预测所述目标空间在所述待预测时段的客流预测结果,包括:
根据所述目标空间在所述待预测时段的过去同一时段的普通日的历史客流数据、所述第一系数和所述活动特征,预测所述目标空间在所述待预测时段的所述客流预测结果。
8.根据权利要求7所述的方法,其特征在于,所述活动特征包括日期、时段、活动开始时间、活动结束时间、星期数、活动类型、活动规模、时间影响系数、距离影响系数中的一种或多种,其中,所述时间影响系数表示所述待预测时段在时间上受所述活动事件影响的程度,所述距离影响系数表示所述目标空间在距离上受所述活动事件影响的程度。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述获取目标空间在待预测时段的过去同一时段的普通日的历史客流数据,包括:
获取出发地-目的地OD数据;
基于K则最短路径算法并结合行车时间、步行时间、等待时间中的一种或多种,对所述OD数据进行路径匹配,从而获得所述目标空间在所述待预测时段的过去同一时段的普通日的历史客流数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为技术有限公司,未经华为技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111552204.2/1.html,转载请声明来源钻瓜专利网。