[发明专利]一种地铁客流量预测方法及装置

说明书

本发明公开了一种地铁客流量预测方法及装置，主要解决现有技术中存在的现有客流量预测方法均为单一模型预测，预测精度不高，得出的预测结果不具有说服力的问题。该种地铁客流量预测方法先对对原始客流量数据进行预处理；然后分别将预处理后的数据输入LSTM模型和SVR模型中输出预测结果；然后将两个模型输出的预测结果通过熵值法求权得到最终的预测结果。通过上述方案，本发明达到了提升客流量预测精度，输出更具说服力预测结果的目的。

技术领域

本发明涉及交通流量预测领域，具体地说，是涉及一种地铁客流量预测方法及装置。

背景技术

随着我国城市化进程的不断加快，城市人口不断增多，以公共交通为导向的城市交通模式使得大城市公共交通主要承担者——地铁及地铁车站成为人员密集场所；客流量过大、人员过度密集不仅易造成车站拥挤，降低乘客出行效率和乘车舒适度，进一步易诱发拥挤踩踏等人身安全事故；因此，对地铁站内客流进行合理控制，对于提高车站大客流应急处置效率、保障车站运营安全具有重要意义。

随着数据挖掘和云计算的发展，数据分析方法变的多种多样，在众多方法中以机器学习为基础的人工智能方法在多个领域都获得了比较好的成果，也成为现阶段研究问题的热点；智慧交通使城市轨道交通的数据得到爆发性的发展，有效的客流量预测可以为地铁交通网提供准确的决策支持，提高地铁交通的服务质量；现有的客流量预测方法均为单一模型预测，预测精度不高，得出的预测结果不具有说服力。

发明内容

本发明的目的在于提供一种地铁客流量预测方法及装置，以解决现有客流量预测方法均为单一模型预测，预测精度不高，得出的预测结果不具有说服力的问题。

为了解决上述问题，本发明提供如下技术方案：

一种地铁客流量预测方法包括以下步骤：

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模型中输出最终的预测结果；

S4、将步骤S2和S3输出的预测结果通过熵值法求权得到预测结果。

本发明对其中三类日均客流量（大，中，小）的站点客流量进行预测分析，算法包括数据预处理、数据集检验、模型训练、熵值法求权四大过程；采用LSTM+SVR组合模型，利用熵值法分别对LSTM和SVR模型的预测结果进行指标归一化，将两种或多种预测模型进行组合，通过各模型之间的优势互补，来降低单个模型在特定问题中的弊端，且预测效果良好，收敛速度不受影响，客流量预测精度提升，且时间复杂度并没有因此上升。

进一步的，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；数据预处理过程包括异常值筛除，站点客流量大、中、小统计，筛选代表站点，尽可能的让意义更大的数据投入到模型训练中。

进一步的，步骤S1中对数据进行预处理后对数据进行检验，检测检验结果是否大于设定阈值，是则进行步骤S2，否则再次对数据进行预处理；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，通过均值法求得为已知，表示整数部分，的值由统计指标的界值表查出，即可得出检验标准，若，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；数据集检验包括代表站点数据集抽样分布及W假设检验，以达到验证数据集可行性的目的。

进一步的，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；