[发明专利]地铁OD量预测方法、设备、存储介质

权利要求书

1.一种地铁OD量预测方法，其特征在于，所述方法包括：

确定预测时间段的起讫点OD量长期预测值；

获取当前的测量变量；

根据所述测量变量对所述预测时间段进行OD量短期预测，得到OD量短期预测值；

综合所述OD量短期预测值和所述OD量长期预测值，得到所述预测时间段的OD量最终预测值。

2.根据权利要求1所述的方法，其特征在于，所述确定预测时间段的起讫点OD量长期预测值之前，还包括：

获取OD样本数据；

获取日期特征标签，所述日期特征标签为星期标签和/或节假日标签；

根据所述OD样本数据和日期特征标签构建训练集；

基于所述训练集对神经网络模型进行训练，得到OD量长期预测模型；

根据所述OD量长期预测模型确定各时间段的OD量长期预测值，所述各时间段中包括所述预测时间段；

所述确定预测时间段的起讫点OD量长期预测值，包括：

从各时间段的OD量长期预测值中，获取所述预测时间段的OD量长期预测值。

3.根据权利要求2所述的方法，其特征在于，所述获取OD样本数据，包括：

从站台闸机获取到各用户的刷卡记录；

根据所述刷卡记录，确定各用户的OD出行数据及对应的出行时间；

根据所述出行时间，确定每个时间段内OD出行数据总数量，形成OD样本数据。

4.根据权利要求3所述的方法，其特征在于，所述刷卡记录包括用户标识、刷卡时间、刷卡站点标识；

所述根据所述刷卡记录，确定各用户的OD出行数据及对应的出行时间，包括：

根据用户标识，确定每个用户的刷卡记录；

依次选取一个用户的刷卡记录，通过刷卡时间和刷卡站点标识，确定每次出行起始站点、终止站点、出行时间段；根据起始站点和终止站点确定目标出行，将所有目标出行均作为OD出行数据，且将目标出行的出行时间段确定为OD出行数据对应的出行时间。

5.根据权利要求3所述的方法，其特征在于，所述根据所述OD样本数据和日期特征标签构建训练集，包括：

将每个时间段内OD出行数据总数量与日期特征标签进行拼接组合，形成训练集。

6.根据权利要求1所述的方法，其特征在于，所述测量变量，包括如下的一种或多种：预设时间段内的OD量，交通拥挤度，OD起始站点的人流量，向量化的天气信息。

7.根据权利要求1所述的方法，其特征在于，所述根据所述测量变量对所述预测时间段进行OD量短期预测，得到OD量短期预测值，包括：

确定多个预测模型；

基于所述测量变量和所述建训练集对每个预测模型进行训练，得到多个OD量短期预测模型；

根据各OD量短期预测模型确定预测时间段的OD量短期预测待处理值；

确定所有OD量短期预测待处理值的均值；

计算各OD量短期预测待处理值与所述均值的偏差；

根据所述偏差，确定OD量短期预测值。

8.根据权利要求7所述的方法，其特征在于，所述多个预测模型包括如下的至少两种：神经网络模型，长短期记忆网络模型，梯度提升决策树模型，支持向量回归模型，卷积神经网络模型。

9.一种电子设备，其特征在于，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-8任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；所述计算机程序被处理器执行以实现如权利要求1-8任一项所述的方法。