【技術實現步驟摘要】
本申請屬于交通工程，尤其涉及一種站點流量的預測方法、裝置、設備、存儲介質及程序產品。
技術介紹
1、od(origin-destination，起點-終點)流量預測任務是在給定的歷史od數據(及相應的環境信)下，預測后續時段的od數據。通過對不同區域的od數據進行預測分析，來挖掘人口流動區域格局和區域出行特征，從而為交通規劃，城市建設，人口管理一系列常提供決策支持。
2、現有技術中，od流量預測的方法為：od流量預測任務是首先將觀察時間內的od流量處理整理等時間間隔的od矩陣，矩陣的每一項(i,j)表示站點i在該時間段內到達站點j的流量；隨后構建基于od稀疏時空殘差神經網絡模型，使用卷積神經網絡從時空兩個維度對所構建的多步od矩陣進行特征提取，最后將提取的特征經過非線性預測模型輸出得到od預測結果。然而，這種預測方法的準確性較低。
技術實現思路
1、本申請實施例提供了一種站點流量的預測方法、裝置、設備、存儲介質及程序產品，能夠解決現有的流量預測任務的準確性較低的問題。
2、第一方面，本申請實施例提供一種站點流量的預測方法，方法包括：
3、獲取第一站點的第一動態特征和第一聚合特征，以及第二站點的第二動態特征和第二聚合特征，其中，所述第一動態特征用于表征所述第一站點在當前時刻及之前的實際流量狀態，所述第一聚合特征用于表征所述第一站點和地鐵站的其他站點的關聯關系和共享流量狀態，所述第二動態特征用于表征所述第二站點在當前時刻及之前的實際流量狀態，所述第二
4、根據所述第一動態特征、所述第一聚合特征、所述第二動態特征和所述第二聚合特征預測所述第一站點和所述第二站點之間的第一流量。
5、在一些實施例中，所述獲取第一站點的第一動態特征，包括：
6、獲取和所述第一站點關聯的用戶出行數據；
7、根據所述用戶出行數據轉換為所述第一動態特征。
8、在一些實施例中，所述根據所述用戶出行數據轉換為所述第一動態特征之后，所述方法還包括：
9、在獲取第一出行數據的情況下，將第一動態特征和第三動態特征進行拼接操作，得到所述第一出行數據對應的消息向量，其中，所述第一出行數據為用戶在第一站點和第三站點之間單次出行的數據，所述第三動態特征用于表征所述第三站點在當前時刻及之前的實際流量狀態；
10、獲取所述第一出行數據發生的第二時刻，以及第二出行數據發生的第三時刻，其中，所述第二出行數據為所述第一出行數據的上一次用戶在第一站點和第三站點之間單次出行的數據；
11、根據所述第二時刻、所述第三時刻以及所述消息向量更新所述第一動態特征。
12、在一些實施例中，所述獲取第一站點的第一聚合特征，包括：
13、對所述地鐵站中所有站點進行層次化聚類，得到多層虛擬站點以及各所述虛擬站點的虛擬特征，其中，每層包括至少一個虛擬站點，在所述多層虛擬站點中，上一層級的虛擬站點為下一層級虛擬站點的聚類中心，最底層級的虛擬站點為真實的站點的聚類中心；
14、獲取所述多層虛擬站點中任意兩層相鄰的虛擬站點之間的第一關聯權重，以及所述多層虛擬站點中最底部的層級的虛擬站點和所述第一站點之間的第二關聯權重；
15、根據各所述虛擬站點的虛擬特征，第一關聯權重以及所述第二關聯權重確定所述第一聚合特征。
16、在一些實施例中，所述根據各所述虛擬站點的虛擬特征，第一關聯權重以及所述第二關聯權重確定所述第一聚合特征，包括：
17、將所述多層虛擬站點中第一層級中的虛擬站點，將所述虛擬站點的虛擬特征確定為所述虛擬站點的聚合特征，所述第一層級為所述多層虛擬站點中最頂部的層級；
18、對所述多層虛擬站點中第二層級中的虛擬站點，根據所述第二層級以及所述第二層級的上一層級的虛擬站點之間的第一關聯關系，所述第二層級的上一層級的虛擬站點的聚合特征，確定所述第二層級中虛擬站點的聚合特征；
19、根據所述第一站點和所述多層虛擬站點中最底部的層級的虛擬站點之間的第二關聯權重，以及所述最底部的層級中虛擬站點的聚合特征，確定所述第一聚合特征。
20、在一些實施例中，所述對所述地鐵站中所有站點進行層次化聚類，得到多層虛擬站點以及各所述虛擬站點的虛擬特征之后，所述方法還包括：
21、在所述地鐵站中存在真實的站點的動態特征發生變更的情況下，獲取發生變更的第三動態特征；
22、根據所述第三動態特征、所述第一關聯權重和所述第二關聯權重逐層更新各虛擬站點的虛擬特征。
23、在一些實施例中，所述根據所述第一動態特征、所述第一聚合特征、所述第二動態特征和所述第二聚合特征預測所述第一站點和所述第二站點之間的第一流量，包括：
24、將所述第一動態特征和所述第一聚合特征進行拼接，得到第一拼接特征；
25、將所述第二動態特征和所述第二聚合特征進行拼接，得到第二拼接特征；
26、將所述第一拼接特征和所述第二拼接特征輸入預先訓練好的預測模型，得到所述第一流量。
27、第二方面，本申請實施例提供一種站點流量的預測裝置，裝置包括：
28、獲取模塊，用于獲取第一站點的第一動態特征和第一聚合特征，以及第二站點的第二動態特征和第二聚合特征，其中，所述第一動態特征用于表征所述第一站點在當前時刻及之前的實際流量狀態，所述第一聚合特征用于表征所述第一站點和地鐵站的其他站點的關聯關系和共享流量狀態，所述第二動態特征用于表征所述第二站點在當前時刻及之前的實際流量狀態，所述第二聚合特征用于表征所述第二站點和地鐵站的其他站點的關聯關系和共享流量狀態，所述第一站點和第二站點均屬于所述地鐵站；
29、預測模塊，用于根據所述第一動態特征、所述第一聚合特征、所述第二動態特征和所述第二聚合特征預測所述第一站點和所述第二站點之間的第一流量。
30、第三方面，本申請實施例提供了一種站點流量的預測設備，設備包括：處理器以及存儲有計算機程序指令的存儲器；
31、處理器執行計算機程序指令時實現如上的站點流量的預測方法。
32、第四方面，本申請實施例提供了一種計算機存儲介質，計算機存儲介質上存儲有計算機程序指令，計算機程序指令被處理器執行時實現如上的站點流量的預測方法。
33、第五方面，本申請實施例提供了一種計算機程序產品，所述計算機程序產品包括計算機程序指令，所述計算機程序指令被處理器執行時實現如上的站點流量的預測方法。
34、在本申請中，由于動態特征能夠反映站點在當前時刻及之前的實際流量狀態，捕捉即時和歷史的出行行為，而聚合特征能夠反映第一站點、第二站點和其他站點的關聯關系和共享流量狀態。因此基于需要預測流量的兩個站點的動態特征和聚合特征，可以再任意時刻給出任意站點間流量的預測，本文檔來自技高網...
【技術保護點】
1.一種站點流量的預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的站點流量的預測方法，其特征在于，所述獲取第一站點的第一動態特征，包括：
3.根據權利要求2所述的站點流量的預測方法，其特征在于，所述根據所述用戶出行數據轉換為所述第一動態特征之后，所述方法還包括：
4.根據權利要求1所述的站點流量的預測方法，其特征在于，所述獲取第一站點的第一聚合特征，包括：
5.根據權利要求4所述的站點流量的預測方法，其特征在于，所述根據各所述虛擬站點的虛擬特征，第一關聯權重以及所述第二關聯權重確定所述第一聚合特征，包括：
6.根據權利要求4所述的站點流量的預測方法，其特征在于，所述對所述地鐵站中所有站點進行層次化聚類，得到多層虛擬站點以及各所述虛擬站點的虛擬特征之后，所述方法還包括：
7.根據權利要求1所述的站點流量的預測方法，其特征在于，所述根據所述第一動態特征、所述第一聚合特征、所述第二動態特征和所述第二聚合特征預測所述第一站點和所述第二站點之間的第一流量，包括：
8.一種站點流量的預測裝置，其
9.一種站點流量的預測設備，其特征在于，所述站點流量的預測設備包括：處理器以及存儲有計算機程序指令的存儲器；
10.一種計算機存儲介質，其特征在于，所述計算機存儲介質上存儲有計算機程序指令，所述計算機程序指令被處理器執行時實現如權利要求1-8中任一項所述的站點流量的預測方法。
11.一種計算機程序產品，其特征在于，所述計算機程序產品包括計算機程序指令，所述計算機程序指令被處理器執行時實現權利要求1-8中任一項所述的站點流量的預測方法。
...【技術特征摘要】
1.一種站點流量的預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的站點流量的預測方法，其特征在于，所述獲取第一站點的第一動態特征，包括：
3.根據權利要求2所述的站點流量的預測方法，其特征在于，所述根據所述用戶出行數據轉換為所述第一動態特征之后，所述方法還包括：
4.根據權利要求1所述的站點流量的預測方法，其特征在于，所述獲取第一站點的第一聚合特征，包括：
5.根據權利要求4所述的站點流量的預測方法，其特征在于，所述根據各所述虛擬站點的虛擬特征，第一關聯權重以及所述第二關聯權重確定所述第一聚合特征，包括：
6.根據權利要求4所述的站點流量的預測方法，其特征在于，所述對所述地鐵站中所有站點進行層次化聚類，得到多層虛擬站點以及各所述虛擬站點的虛擬特征之后，所述方法還包括...
【專利技術屬性】
技術研發人員：郭珊妮，張家樹，黃姍，陳立峰，范宇星，陳樂，
申請(專利權)人：中移動信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。