[发明专利]一种地铁客流量预测方法及装置

权利要求书

1.一种地铁客流量预测方法，其特征在于，包括以下步骤：

S1、对原始客流量数据进行预处理；

S2、经步骤S1预处理后的数据输入LSTM模型中输出预测结果；

S3、经步骤S1预处理后的数据输入SVR模型中输出预测结果；

S4、将步骤S2和S3输出的预测结果通过熵值法求权得到最终的预测结果；

步骤S4的具体过程如下：

S401、分别将步骤S2和S3输出的预测结果进行指标归一化得到x′_ij；

S402、根据步骤S401指标归一化后的预测结果，计算其概率分布i，j为矩阵索引值，x′_ij分别表示第i个时刻的第j个模型的预测结果；

S403、根据步骤S402得到的概率分布计算熵值然后根据熵值计算熵值冗余度h_j＝1-s_j；

S404、根据步骤S403的熵值冗余度，计算各项指标权重

S405、根据步骤S404的指标权重计算最终预测结果

w_ij为对应坐标的指标权重，和分别表示来自SVR模型的预测结果，以及来自LSTM模型的预测结果。

2.根据权利要求1所述的一种地铁客流量预测方法，其特征在于，步骤S1的具体过程为：采集各个站点的客流量数据，过滤出客流量数据中的异常数据后，对各站点的客流量进行大小排序。

3.根据权利要求2所述的一种地铁客流量预测方法，其特征在于，步骤S1中对数据进行预处理后进行数据检验，检测检验结果w是否大于检验标准w_α，若w＜w_α则认为样本数据所来自的总体不服从正态分布，再次对数据进行预处理；若w＞w_α则认为样本数据所来自的总体服从正态分布，进行步骤S2和S3；数据检验的具体过程为：将预处理后各站点的客流量样本数据，各站点分别取n个样本数据由大到小排序，输入下式中判断这n个数据是否符合正态分布；

其中表示样本观测均值，表示整数部分，a_i(w)的值由统计指标a_i(w)的界值表查出，即可得出检验标准w_α，若w＜w_α，则认为样本数据所来自的总体不服从正态分布，反之则服从正态分布。

4.根据权利要求1所述的一种地铁客流量预测方法，其特征在于，步骤S2的详细过程如下：

S201、经步骤S1处理后的数据，分成训练集和测试集；

S202、将步骤S201的训练集输入LSTM模型中训练模型；

S203、将步骤S201的测试集输入步骤S202训练后的LSTM模型中，计算神经元输出值，计算输出值与实际值的偏差，检测两者误差是否小于预期值，是则输出预测结果，否则执行步骤S204；

S204、更新权值重复执行步骤S203。

5.根据权利要求4所述的一种地铁客流量预测方法，其特征在于，步骤S3的具体过程如下：

S301、经步骤S1处理后的数据，分成训练集和测试集；

S302、将步骤S301的训练集输入SVR模型中训练模型；

S303、将步骤S301的测试集输入步骤S302训练后的SVR模型中，输出预测结果，检测预测结果是否小于预期值，是则输出预测结果，否则执行步骤S304；

S304、重新执行步骤S303。

6.根据权利要求1所述的一种地铁客流量预测方法，其特征在于，步骤S401中指标归一化的方法如下：

x′_ij为第i个时刻预测结果的第j个模型方法指标的数值(i＝1,2…,n；j＝1,2,…,m)；x_ij为未归一化的原始预测结果。

7.一种地铁客流量预测装置，其特征在于，包括

存储器：用于存储可执行指令；

处理器：用于执行所述存储器中存储的可执行指令，实现如权利要求1-6任一项所述的一种地铁客流量预测方法。