[发明专利]人流量预测方法、电子设备、计算机可读存储介质

说明书

本公开提供了一种人流量预测方法、电子设备、计算机可读存储介质，人流量预测方法包括：根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量；其中，所述基本人流量用于指示日常生活出行人数；根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量；其中，所述突发性人流量用于指示突发性事件吸引的人流量，所述周期性人流量用于指示周期性事件吸引的人流量；根据所述目标车站的基本人流量和峰值人流量计算所述目标车站所在第二区域的总人流量；其中，所述第一区域大于所述第二区域。

技术领域

本公开实施例涉及数据处理技术领域，特别涉及人流量预测方法、电子设备、计算机可读存储介质。

背景技术

传统的人流量预测方法首先是通过票务系统或者是人工统计的方式获取历史的人流量数据，然后根据历史的人流量数据使用回归算法或者深度学习算法进行人流量预测。回归算法虽然可解释性较强但是对于复杂情况难以进行拟合和预测，深度学习算法虽然预测能力较强，但是可解释性较差。

发明内容

本公开实施例提供一种人流量预测方法、电子设备、计算机可读存储介质。

第一方面，本公开实施例提供一种人流量预测方法，包括：

根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量；其中，所述基本人流量用于指示日常生活出行人数；

根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量；其中，所述突发性人流量用于指示突发性事件吸引的人流量，所述周期性人流量用于指示周期性事件吸引的人流量；

根据所述目标车站的基本人流量和峰值人流量计算所述目标车站所在第二区域的总人流量；其中，所述第一区域大于所述第二区域。

在一些示例性实施例中，所述根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量包括：

按照公式计算所述目标车站的基本人流量；其中，为所述目标车站的基本人流量，T为时间，为时间T对应的第一权重，P为所述乘车概率，S为所述目标车站的位置信息，为所述目标车站所在的第一区域的居住人数。

在一些示例性实施例中，所述根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量包括：

根据突发性事件的吸引程度、突发性事件影响力范围内的居住人数和乘车概率计算所述目标车站的突发性人流量；

分别计算每一个周期性事件吸引的人流量，将所有周期性事件吸引的人流量相加得到所述周期性人流量；

将所述突发性人流量和所述周期性人流量相加得到所述峰值人流量。

在一些示例性实施例中，所述根据突发性事件的吸引程度、突发性事件影响力范围内的居住人数和乘车概率计算所述目标车站的突发性人流量包括：

按照公式计算所述目标车站的突发性人流量；

其中，为所述目标车站的突发性人流量，P为所述乘车概率，P_e为所述突发性事件的吸引程度、N_c为所述突发性事件影响力范围内的居住人数。

在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个成规模公司；

所述分别计算每一个周期性事件吸引的人流量包括：

对于每一个所述成规模公司，根据所述成规模公司的总人数和乘车概率计算所述成规模公司吸引的人流量；

将所有所述成规模公司吸引的人流量相加得到所述周期性事件吸引的人流量。