[发明专利]客运站环境温度预测方法及装置

说明书

本发明提供了一种客运站环境温度预测方法及装置，包括：接收与当前时间对应的采集数据；基于所述采集数据采用预设的第一LSTM模型进行预测，得到环境特征变量预测结果；基于所述环境特征变量预测结果采用预设的LightGBM模型，得到相应的温度预测值。本发明利用LSTM模型和LightGBM模型进行未来时间的温度值预测，能够减少温度预测值与未来温度真实值的误差，从而提高了未来温度值的预测准确率，进而辅助客运站工作人员进行提前决策，如提前设定合适的空调温度值与通风量大小，达到节能减排的目的。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种客运站环境温度预测方法及装置。

背景技术

智能高铁已成为目前铁路运输领域的发展方向，推进智能车站的建设是构建智能高铁的重要组成部分。客运站作为城市间重要的桥梁，智能化体验、舒适旅行也成为了人们所追求的目标。某些大型客运站人流进出量大，容易出现人流密集、拥挤的情况，而其内部的空气环境直接影响着旅客舒适度的体验，尤其是温度成为了环境指数中重要的物理量。站内风水系统的调节直接受环境温度影响，随着环境温度高低的变化，风水系统可提前调节为合适的大小，从而可达到最佳的旅客感知体验。

车站环境温度值有两个特点，一是一种时间序列，即数据会随时间发展而展现出一种规律性，受季节与白天黑夜的影响呈现一种周期性波动；二是规律之中又有其特殊性，如会受湿度值、PM2.5、CO2等环境因素的影响而发生波动，对于车站人员密集场所，这些因素的影响会更大。然而，现有技术缺乏对车站环境温度的整体预测感知能力，并且一些现有算法并不适用于进行车站环境温度值预测，即不能针对车站环境温度值的特点进行有效预测，预测结果缺乏参考意义，这并不利于推进智能车站的建设。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种客运站环境温度预测方法及装置。

第一方面，本发明实施例提供一种客运站环境温度预测方法，包括：

接收与当前时间对应的采集数据；其中，所述采集数据为环境传感器采集的湿度值、二氧化碳值、PM2.5值、以及PM10值；

将当前时间对应的湿度值、二氧化碳值、PM2.5值、以及PM10值中的一项或多项数值作为输入数据输入至预设的第一LSTM模型进行预测，得到环境特征变量预测结果；其中，所述环境特征变量预测结果为与所述输入数据对应的预测结果；与所述输入数据对应的预测结果包括：预设未来时间的湿度值，和/或，二氧化碳值，和/或，PM2.5值，和/或，PM10值；所述预设的第一LSTM模型为采用湿度值、二氧化碳值、PM2.5值、以及PM10值中的一项或多项样本数值作为输入数据，以及，与所述样本数值对应的环境特征变量预测结果作为输出数据，基于机器学习算法训练得到的；

将所述环境特征变量预测结果输入至预设的LightGBM模型，得到相应的温度预测值；其中，所述预设的LightGBM模型为采用环境特征变量预测结果样本数值作为输入数据，以及，与所述样本数值对应的温度预测值作为输出数据，基于机器学习算法训练得到的。

进一步地，所述预设的第一LSTM模型为采用湿度值、二氧化碳值、PM2.5值、以及PM10值中的一项或多项样本数值作为输入数据，以及，与所述样本数值对应的环境特征变量预测结果作为输出数据，基于机器学习算法训练得到的，包括：

将所述样本数值整理成长短期记忆神经网络LSTM需要的三维结构(TrainX,SeqLen,Dim_in)；其中，第一维度TrainX表示对应的所述样本数值，第二维度SeqLen表示所述样本数值所采集的序列数据，第三维度Dim_in表示所述样本数值对应的特征维度；

基于所述三维结构(TrainX,SeqLen,Dim_in)将所述样本数值划分训练集和测试集，然后基于机器学习算法训练。

进一步地，还包括：

获取与所述当前时间对应的未来预设时间段内环境传感器采集的温度值集合；