[发明专利]一种基于RFID数据的出行路径与节点流量预测方法

权利要求书

1.一种基于RFID数据的出行路径选择与节点流量预测方法，其特征在于，包括以下步骤：

（1）数据整理与提取：将RFID基站数据进行整理，提取其中字段数据包括：车牌ID、日期、通过时间、基站编号；

（2）数据划分：按日期划分数据，根据步骤（1）提取的车牌ID统计每天的出行人数；

（3）出行路径提取：在步骤（2）数据划分的基础上，以车牌ID为唯一标识，对每天每一辆车的数据分别处理：将检测数据按照通过时间排序，即可获得个体车辆先后经过的基站列表，即出行路径；

（4）路径选择规律总结：利用步骤（3）获取的每天的出行路径，基于神经网络模型，总结出行路径选择规律，具体操作如下：

（41）在每条出行路径的结尾添加end标签，作为出行路径结束的标识；

（42）分析每一条路径，提取首个基站形成起点基站列表，记录每一个起点基站出现的概率；

（43）根据出行路径中的基站顺序，从起点基站开始，将每一个基站与其相邻的后一个基站形成组合，当进行到最后一个基站时，同end标签形成组合，记录每一种组合出现的概率；

（5）路径预测：基于步骤（4）的路径选择规律，对未来出行者是否出行及其出行路径进行预测，具体操作过程如下：

（51）出行人数预测：分析每天的出行人数，基于时间序列预测未来出行人数；

（52）出行起点预测：基于步骤（42）获取的起点基站出现的概率，为每一位出行者分配起点基站；

（53）出行路径预测：基于步骤（43）获取的各种组合出现的概率，分配起点之后的下一个基站，依次类推，直至预测到end标签，本条路径预测结束，从下一个起点基站开始继续进行路径预测，直至全部路径预测完成；

（6）节点流量预测：统计所有预测出行路径中每一个基站出现的个数，以此获取各个基站的交通流量，实现节点流量预测。

2.根据权利要求1所述的基于RFID数据的出行路径选择与节点流量预测方法，其特征在于：所述步骤（3）采用循环神经网络RNN，其数据输入为出行路径，通过深度学习获取起点基站出现的概率以及相邻基站组合的概率。