[发明专利]一种城市空中交通UAM流量预测方法及系统

权利要求书

1.一种城市空中交通UAM流量预测方法，其特征在于，包括如下步骤：

基于同一区域，构建训练样本集，所述训练样本集包括UAM地区的交通出行目标样本集和非UAM地区的地面交通出行辅助样本集；根据非UAM地区中UAM起降点位置构建泰森多边形集合；

基于改进的Boosting算法对训练样本集进行迭代训练得到多个弱分类器；其中每次训练时根据当前弱分类器对目标样本集的分类错误率，设置当前弱分类器的权重和更新目标样本集的样本权重，以及结合辅助样本集中样本的分类标签和置信概率，更新辅助样本集的样本权重和原始标签，根据更新后的训练样本集训练下一个弱分类器；

加权组合各弱分类器得到预测模型；

再次获取非UAM地区的地面交通出行数据作为待预测数据集，传入预测模型中，将被分类为UAM的待预测数据映射至泰森多边形集合中，预测出非UAM地区的UAM出行流量。

2.根据权利要求1所述的城市空中交通UAM流量预测方法，其特征在于，所述训练样本集中每个样本包括出行特征向量和原始标签，其中出行特征向量包括：出行时长、出行费用、出行距离、出行者年龄、出行时段、出行者性别、出行者最高学历、出行者是否拥有私家车和出行者年收入，目标样本集的原始标签包括：UAM、公交、地铁、出租车和私家车；辅助样本集的原始标签包括：公交、地铁、出租车和私家车。

3.根据权利要求2所述的城市空中交通UAM流量预测方法，其特征在于，所述当前弱分类器对目标样本集的分类错误率是目标样本集中分类标签与原始标签不一致的样本权重之和。

4.根据权利要求3所述的城市空中交通UAM流量预测方法，其特征在于，所述当前弱分类器的权重通过下式设置：

所述目标样本集的样本权重通过下式更新：

其中，α_k为第k个弱分类器的权重，e_k为第k个弱分类器对目标样本集的分类错误率，为目标样本集中第i个样本在第k个弱分类器中的样本权重，为目标样本集中第i个样本的出行特征向量，为目标样本集中第i个样本的原始标签，为目标样本集中第i个样本在第k个弱分类器中的分类标签，为更新样本权重时目标样本集中第i个样本在第k个弱分类器中分类正确或错误时的值。

5.根据权利要求4所述的城市空中交通UAM流量预测方法，其特征在于，所述结合辅助样本集中样本的分类标签和置信概率，更新辅助样本集的样本权重和原始标签，包括：

对辅助样本集中分类标签为非UAM的样本更新样本权重；

将辅助样本集中分类标签为UAM的样本作为待处理样本，获取各待处理样本被当前弱分类器分类到的叶子结点中的样本集合，并计算出各待处理样本的UAM置信概率；按UAM置信概率从大到小排序各待处理样本后，将UAM置信概率前Z的待处理样本的原始标签更新为UAM，并更新所有待处理样本的样本权重，其中，Z∈1,2,...,Z_max-1，Z_max为待处理样本的数量。