[发明专利]用于OD数据的预测模型构建方法及装置有效

专利信息
申请号: 202010336521.X 申请日: 2020-04-26
公开(公告)号: CN111242395B 公开(公告)日: 2020-07-31
发明(设计)人: 韦伟;刘岭;王舟帆;张杰;白光禹 申请(专利权)人: 北京全路通信信号研究设计院集团有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/30;G06N3/04;G06N3/08
代理公司: 北京知联天下知识产权代理事务所(普通合伙) 11594 代理人: 张陆军
地址: 100070 北京市丰台区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 od 数据 预测 模型 构建 方法 装置
【说明书】:

发明属于人工智能预测技术领域,并公开了一种用于OD数据的预测模型构建方法及装置,预测模型构建方法包括:步骤S1:对历史数据进行预处理,选取出至少一间隔历史周期数据集及当日趋势数据集;步骤S2:根据处理后的数据构建OD稀疏时空残差网络模型;步骤S3:利用深度神经网络的反向传播规则和Adam算法对OD稀疏时空残差网络模型进行训练;步骤S4:对OD稀疏时空残差网络模型进行验证并输出。通过构建OD数据稀疏时空残差网络对OD数据复杂时空依赖和分布特性的描述,实现OD数据的精准预测。

技术领域

本发明属于人工智能预测技术领域,特别涉及一种用于OD数据的预测模型构建方法及装置。

背景技术

OD数据是指一定时间段内从出发地(o点)到目的地(d点)之间的社会或经济交互关系变量大小,又称OD量数据。这种一定时间段内空间地理单元之间的交互关系,包括地区之间的经济贸易规模、社会交流频度或旅客与货物运输量。所有出发地(o点)到目的地(d点)之间OD量的组合,称为OD矩阵。对于OD数据的预测通常是进行地区之间社会经济活动规划与决策的一个重要依据。通常OD数据预测的任务,是在给定的历史OD数据(及相应的环境信息)的前提下,预测后续时段的OD数据,从而作为社会经济活动组织与管理决策的重要依据。

以旅客运输为例,对于某一特定的轨道交通线网,从特定出发地(o点)到目的地(d点)之间旅客出行量,也是一种OD数据,称为OD客流量。所有出发地(o点)到目的地(d点)之间OD客流量的组合,可称为OD客流矩阵。通常,OD数据的分布与演化是一种复杂的时空现象,实现精准的客流需求预测仍然存在一定挑战,主要表现在以下几个方面。

1)多重时间依赖

在时间上,OD数据也呈现出多重时间依赖并存的特性。单纯考虑某一维度的时间依赖性往往难以获得理想的预测结果。

当日趋势依赖:例如在时间上,某一研究时段的OD客流需求,往往与其当日历史上临近的多个时段的OD客流量存在依赖关系。

日间隔周期依赖:如某一特定时刻的OD客流量不仅会与其临近的历史时刻客流量存在依赖性,一天(或数天)前的历史同期客流量相关联。

周间隔周期依赖:某一特定时刻的OD客流量,与一周(或数周)前的历史同期客流量存在关联性。

2)复杂空间依赖

OD数据在空间上存在复杂的空间依赖关系,这种空间依赖按成因可进一步划分为出发地依赖和目的地依赖。两种空间依赖与常规空间数据中所体现的空间依赖关系存在显著差异。如何对其进行精准识别,是OD客流精确预测的重要基础。

出发地依赖:从相邻的出发地开始,至某一特定目的地结束的OD量之间,所存在的相互关联关系。例如在地铁线网中,从某一居住区附近的相邻车站出发,到达市中心同一车站的旅客出行量,呈现出相同的变化规律。

目的地依赖:从某一特定出发地开始,至相邻的目的地结束的OD量之间,所存在的相互关联关系。例如在地铁线网中,从某一居住区车站出发,到达市中心相邻车站的旅客出行量,也具有较强的正相关关系。

3)稀疏分布

OD矩阵中除少数元素以外,大部分元素取值为0,呈现出显著的稀疏分布特性。例如,由于车站服务范围用地属性、居民出行行为、路径可达性和其他运输方式竞争等因素的影响,轨道交通线网中大部分的出发车站和目的车站组合并不存在旅客出行需求。在基于时间与空间依赖进行OD数据预测时,若不考虑客流需求的稀疏分布特性,本该取值为0的OD数据值,其预测值往往大于0,这种情况称为预测模型的时空依赖溢出现象。在出现时空依赖溢出现象时,所预测的OD数据值与实际取值之间呈现出较大偏差,从而导致模型的预测精准度降低与过拟合风险增加。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京全路通信信号研究设计院集团有限公司,未经北京全路通信信号研究设计院集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010336521.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top