[发明专利]一种重大公共卫生事件下交通出行需求的预测方法

权利要求书

1.一种重大公共卫生事件下交通出行需求的预测方法，其特征在于，包括如下步骤：

S1：对于需要进行交通出行需求预测的地区，通过多元线性回归方法得到初步回归结果，通过预先训练好的时序图卷积网络模型进行时空残差预测，得到残差预测结果；

S2：将所述初步回归结果与所述残差预测结果相加，得到最终预测结果；

其中，所述时序图卷积网络模型的训练过程包括如下步骤：

SS1：构建不同地区的交通出行需求数据库，包括不同地区的交通出行需求矩阵；

SS2：计算每两个地区的交通出行需求矩阵的DTW距离，得到DTW距离矩阵；

SS3：以所述DTW距离为相似性度量标准，对所述DTW距离矩阵进行时空相关性聚类，将不同地区的交通出行需求矩阵划分为多个不同的交通出行需求模式；

SS4：对于不同的交通出行需求模式，通过多元线性回归方法得到待回归交通出行需求特征的回归值，计算所述待回归交通出行需求特征的回归值与所述待回归交通出行需求特征的实际值之间的回归残差；

SS5：根据不同地区的交通出行需求矩阵包含的交通出行需求特征，建立交通出行需求特征图，每个交通出行需求特征为所述交通出行需求特征图的一个节点，各个交通出行需求特征之间的皮尔逊相关系数为所述交通出行需求特征图的边；

SS6：根据建立的交通出行需求特征图，搭建时序图卷积网络模型，利用所述时序图卷积网络模型对计算得到的回归残差的时空变化模式进行学习，得到预先训练好的时序图卷积网络模型。

2.如权利要求1所述的重大公共卫生事件下交通出行需求的预测方法，其特征在于，步骤SS1中，单个地区的交通出行需求矩阵为：

(1)

其中，p表示单个地区的交通出行需求矩阵中特征的个数，t表示从观测日开始的总天数；表示第i天第j个交通出行需求特征的值，i=1,2,…,t，j=1,2,…,p。

3.如权利要求2所述的重大公共卫生事件下交通出行需求的预测方法，其特征在于，步骤SS2中，计算每两个地区的交通出行需求矩阵的DTW距离，具体包括：

根据M地区的交通出行需求矩阵和N地区的交通出行需求矩阵，计算矩阵和矩阵的DTW距离如下：

(2)

其中，是由矩阵的第m行构成的向量，表示M地区第m天的交通出行需求，m=1,2,…,t；是由矩阵的第n行构成的向量，表示N地区第n天的交通出行需求，n=1,2,…,t；

(3)

(4)

其中，表示向量与向量的DTW距离，表示向量与向量的DTW距离，表示向量与向量的DTW距离，表示向量与向量的DTW距离；是由矩阵的第m-1行构成的向量，表示M地区第m-1天的交通出行需求；是由矩阵的第n-1行构成的向量，表示N地区第n-1天的交通出行需求；表示向量与向量的欧式距离；为矩阵的第m行第j列，表示M地区第m天第j个交通出行需求特征；为矩阵的第n行第j列，表示N地区第n天第j个交通出行需求特征。