[发明专利]基于深度学习和乘客行为模式的短期公交客流预测方法

摘要

本发明公开了一种基于深度学习和乘客行为模式的短期公交客流预测方法，包括以下步骤：1、对公交客流影响因素进行识别与特征提取；2、对公交客流数据结构进行重新构造，将输入样本细分小时客流x_t重新构造为细分小时客流矩阵X_t，使其能够适应CNN和ConvLSTM模型；3、以历史客流、影响公交客流的外部因素和内部因素作为输入数据，根据8种不同维度的数据输入方案，即考虑内部影响因素的7种组合数据输入方案和1种不考虑内部影响因素的数据输入方案，利用深度学习模型对公交客流进行预测，通过多次试验获取公交客流预测的平均相对误差和绝对误差。所述方法同时考虑公交客流的外部和内部因素，不仅可以预测公交客流总量，还可以预测公交客流组成结构。

主权项

1.一种基于深度学习和乘客行为模式的短期公交客流预测方法，其特征在于，所述方法包括以下步骤：步骤1、对公交客流影响因素进行识别与特征提取：所述影响因素同时考虑外部因素和内部因素，选取出行时间、是否高峰时段、天气状况和工作日性质这4个指标作为影响公交客流的外部因素，并对其中的是否高峰时段、天气状况和工作日性质这3个离散型指标进行了量化，选取公交卡刷卡类型、乘客对公交线路依赖度和乘客出行行为模式这3个指标作为影响公交客流的内部因素，并分析影响公交客流内部因素和外部因素的相互作用机制及其对公交客流生成的影响，通过聚类对乘客类型进行划分；步骤2、对公交客流数据结构进行重新构造，将输入样本细分小时客流xt重新构造为细分小时客流矩阵Xt，使其能够适应CNN和ConvLSTM模型，充分利用卷积运算的特性和优势；步骤3、以历史客流、影响公交客流的外部因素和内部因素作为输入数据，根据8种不同维度的数据输入方案，即考虑内部影响因素的7种组合数据输入方案和1种不考虑内部影响因素的数据输入方案，利用深度学习模型对公交客流进行预测，通过多次试验获取公交客流预测的平均相对误差和绝对误差。