[发明专利]一种客流量预测方法、装置、设备和存储介质

说明书

本发明实施例公开了一种客流量预测方法、装置、设备和存储介质，在本发明实施例中，首先确定细粒度时间段与粗粒度时间段，之后，获取每个站点每天在每个细粒度时间段的第一历史客流量以及每个站点每天在每个粗粒度时间段的第二历史客流量；根据第一历史客流量计算每个站点每天的平均历史客流量；之后，获取每个粗粒度时间段的粗粒度客流量预测值；最后，基于平均历史客流量、粗粒度客流量预测值、第一历史客流量以及第二历史客流量，对每个站点的细粒度时间段进行分类，根据预设规则计算每个站点不同类别的细粒度时间段的客流量预测值。解决了现有技术在对地铁的客流量进行预测时，存在着预测结果的准确率低的技术问题。

技术领域

本申请实施例涉及轨道交通领域，尤其涉及一种客流量预测方法、装置、设备和存储介质。

背景技术

目前，轨道交通作为一个便捷快速的交通工具，已经成为人们重要的交通出行方式，轨道交通为我们带来便利的同时，也给国家和地区的经济带来了很大的发展和促进作用。随着目前乘坐轨道交通的人越来越多，实现轨道交通的客流预测，在规避交通堵塞，提前部署站点安保措施等方面具有重要的意义。目前，交通行业的客流量预测的技术主要有：1.时间序列方法预测：利用节点的AR(自回归模型)、MA(移动平均模型)、ARMA(自回归滑动平滑模型)等时间序列进行预测。2.机器学习和深度学习方法预测：利用线性回归算法、XGBOOST回归算法以及神经网络算法(RNN循环神经网络、LSTM长短期记忆网络)，在构造建模的特征的基础上，通过训练拟合出客流预测模型。

然而，现有的对客流量进行预测的方式，存在着以下问题：

1.在预测细粒度(比如30分钟)的地铁客流时，没有充分利用粗粒度(比如60分钟)的地铁客流预测结果。由于时间粒度越粗，其预测准确率越高，而粗粒度是由多个细粒度组成的，特别是对于粗粒度预测效果好，而细粒度预测效果差的站点。现有技术在预测细粒度的客流时，没有充分考虑粗粒度的预测结果，虽然乘客的进出站时间会受到很多因素的影响，但是都是集中在一定时间的范围之内，若在粗粒度的基础上预测细粒度的地铁客流，能够提高预测的准确率。

2.由于地铁客流在实际的过程当中很容易受到其他因素的影响(比如屏蔽门故障等)，导致历史每个时段的进出站人数并不是完全一致的，现有技术在利用客流预测模型得到客流的预测结果后，并没有利用实时的客流数据实时对客流预测模型的预测结果进行修正，导致预测结果的准确性较低。

3.现有技术在对客流量进行修正时，没有充分考虑到个体行为。由于地铁客流量是由多个个体组成的，因此每个个体的行为会对真实的客流量造成影响，进而影响预测的客流量和真实的客流量的误差，导致预测结果的准确性降低，同时个体行为的旅游时间，会影响到需要修正的影响时刻范围和对应的每个影响时刻的权重，然而现有技术并没有考虑到这一点。

综上所述，现有技术在对地铁的客流量进行预测时，存在着预测结果的准确率低的技术问题。

发明内容

本发明实施例提供了一种客流量预测方法、装置、设备和存储介质，解决了现有技术在对地铁的客流量进行预测时，存在着预测结果的准确率低的技术问题。

第一方面，本发明实施例提供了一种客流量预测方法，包括以下步骤：

确定细粒度时间段与粗粒度时间段，所述粗粒度时间段的时长为所述细粒度时间段的时长的整数倍；

获取每个站点每天在每个所述细粒度时间段的第一历史客流量以及每个站点每天在每个所述粗粒度时间段的第二历史客流量；

根据所述第一历史客流量计算所述每个站点在每个所述细粒度时间段对应的平均历史客流量；

获取每个站点在每个所述粗粒度时间段的粗粒度客流量预测值；