[发明专利]基于动态时空相关性的OD需求预测方法及系统

权利要求书

1.基于动态时空相关性的OD需求预测方法，其特征在于，包括：

获取与目标城市相关的历史乘客需求数据记录，并计算与目标时段相关的不同周期的历史OD矩阵，构建OD需求数据集；

构建OD需求预测模型，基于OD需求数据集，以不同周期的历史OD矩阵为输入、目标时段的OD矩阵为输出，对构建的OD需求预测模型进行训练；

采样与待预测时段相关的不同周期的OD矩阵，输入到训练好的OD需求预测模型，得到待预测时段的OD矩阵；

其中，所述OD需求预测模型，利用动态时空相关性，提取需求变化特征和城市区域相似性特征，基于两个特征的融合结果，进行OD需求的学习和预测。

2.如权利要求1所述的基于动态时空相关性的OD需求预测方法，其特征在于，所述乘客需求数据，包含起始区域、终点区域和时间戳信息；

所述与目标时段相关的不同周期，具体为：周周期数据、日周期数据和近期数据。

3.如权利要求2所述的基于动态时空相关性的OD需求预测方法，其特征在于，所述周周期数据为：获取目标时段的前预设周数范围对应时段的历史OD矩阵，并连接得到周周期数据；

所述日周期数据为：获取目标时段的前预设天数范围对应时段的历史OD矩阵，并连接得到日周期数据；

所述近期数据为：获取目标时段的前预设时段数范围对应时段的历史OD矩阵，并连接得到近期数据。

4.如权利要求1所述的基于动态时空相关性的OD需求预测方法，其特征在于，所述OD需求预测模型，包括需求变化特征提取层、城市区域相似性特征提取层、特征融合层、GRU层和多头时间卷积层。

5.如权利要求4所述的基于动态时空相关性的OD需求预测方法，其特征在于，所述需求变化特征提取层，具体为：

(1)基于BiLSTM模型，分别在目的地方向和起始点方向上，获取城市区域之间的需求变化趋势特征；

(2)利用图卷积方法，在相邻时间步长上，执行空间图卷积，聚合每个区域及其相邻区域的时空卷积特征；

(3)对所述需求变化趋势特征和时空卷积特征进行融合，得到需求变化特征。

6.如权利要求4所述的基于动态时空相关性的OD需求预测方法，其特征在于，所述城市区域相似性特征提取层，具体为：

通过卷积运算聚合相邻网格的特征信息，提取网格流量特征；

提取目标时段的外部因素信息，包括目标时段的周属性和时属性；

基于提取的网格流量特征和外部因素信息，使用transformer计算网格之间相似性，得到城市网格嵌入特征；

基于城市网格嵌入特征，进行形状变化和上采样，得到城市区域相似性特征。

7.如权利要求4所述的基于动态时空相关性的OD需求预测方法，其特征在于，所述多头时间卷积层，具体为：

将需求变化特征和城市区域相似性特征的融合结果拆分为多头，使用时间卷积层融合相邻时间信息，得到最终的目标时段OD矩阵。

8.基于动态时空相关性的OD需求预测系统，其特征在于，包括数据构建模块、模型构建模块和需求预测模块：

所述数据构建模块，被配置为：获取与目标城市相关的历史乘客需求数据记录，并计算与目标时段相关的不同周期的历史OD矩阵，构建OD需求数据集；

所述模型构建模块，被配置为：构建OD需求预测模型，基于OD需求数据集，以不同周期的历史OD矩阵为输入、目标时段的OD矩阵为输出，对构建的OD需求预测模型进行训练；

所述需求预测模块，被配置为：采样与待预测时段相关的不同周期的OD矩阵，输入到训练好的OD需求预测模型，得到待预测时段的OD矩阵；

其中，所述OD需求预测模型，利用动态时空相关性，提取需求变化特征和城市区域相似性特征，基于两个特征的融合结果，进行OD需求的学习和预测。