[发明专利]城市轨道交通的客流预测方法

权利要求书

1.一种城市轨道交通的客流预测方法，其特征在于，包括如下流程步骤：

步骤S110：编写数据接口，从Teradata大数据框架中获取实时的客流数据；

步骤S120：对客流数据预处理，将客流量数据建模为二维数据；

步骤S130：根据所述二维数据搭建卷积神经网络模型；

步骤S140：训练卷积神经网络模型；

步骤S150：利用训练好的卷积神经网络模型，从时间和空间两个维度同时预测多站客流量数据；

所述步骤S120具体包括：

以一定的时间间隔统计各地铁站的客流量数据；

将客流量数据同时除以最大客流量值，完成客流量数据的归一化：

，其中，表示客流量；

以地铁线路为单位，将客流量数据建模为以时间为横坐标，不同车站客流为纵坐标的二维客流数据；

所述步骤S130具体包括：

搭建的卷积神经网络，依次包括输入层、卷积层、池化层、全连接层和输出层；

输出层中每个神经元对应所述地铁线路上的一个地铁站；

池化层采用平均池化；

使用平方损失函数衡量真实值与目标值的偏离程度：

；

其中，表示损失函数，为样本量，为真实值，为预测值；

使用小批量梯度下降算法优化模型，参数更新如下式所示，每次使用个样本更新参数；

；其中，表示更新的参数，表示更新步长，表示预测函数，表示更新一次的样本数量，表示第个特征，表示第个样本的真实值，为特征个数，表示第个特征和第个样本对应的特征值；

使用dropout的方法，防止模型出现过拟合。

2.根据权利要求1所述的城市轨道交通的客流预测方法，其特征在于，所述步骤S110具体包括：

客流数据存储于Teradata数据仓库的数据应用层，使用SQL接口定时从数据仓库中获取实时的AFC客流数据。

3.根据权利要求1所述的城市轨道交通的客流预测方法，其特征在于，所述时间间隔为5分钟。

4.根据权利要求1所述的城市轨道交通的客流预测方法，其特征在于，所述步骤S140具体包括：

使用网格搜索算法查找模型的最优超参数组合，根据最优超参数组合训练卷积神经网络模型；其中，所述最优超参数组合包括训练次数为50、批处理数量为5、卷积层神经元个数为50和训练步长为6。

5.根据权利要求4所述的城市轨道交通的客流预测方法，其特征在于，所述步骤S150具体包括：

在卷积神经网络中用前个时刻的二维数据预测下一时刻客流量数据；

卷积神经网络的预测如下式所示：

其中，代表卷积神经网络模型，、、分别表示不同站的历史客流量数据，、和则为不同站的下一时刻客流量预测值。