公开(公告)号：CN113240179B

公开(公告)日：2022-02-11

申请号：CN202110541130.6

申请日：2021-05-18

Applicant: 重庆邮电大学

Inventor： 王豪 ,  陈欣 ,  秦杰 ,  肖弋杭 ,  夏英 ,  张旭

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F16/215 ,  G06F16/2458 ,  G06F16/29 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种融合时空信息的轨道人流量预测方法及系统，属于数据挖掘领域。首先对地铁人流量原始数据进行清洗、集成、变换、规约等预处理操作，将地铁流量数据转化为具有时间、空间属性的双通道流矩阵；然后建模时空数据的时间临近度、周期性、趋势变化的流量变化序列，设计出三个残差单元分支，再对每个分支采用卷积神经网络来捕捉区域关联性，搭建基于深度学习的预测模型；最后利用迁移学习的方法，对已建立的模型和实时数据组进行特征提取，通过实时模型预测将预测结果下发至移动端，实现地铁人流量预测系统的实时性与轻量化。本发明解决了现有传统地铁人流量预测系统存在的预测精确度低以及实时性较差的问题，进而减轻城市交通的承载压力。

公开(公告)号：CN113240179A

公开(公告)日：2021-08-10

申请号：CN202110541130.6

申请日：2021-05-18

Applicant: 重庆邮电大学

Inventor： 王豪 ,  陈欣 ,  秦杰 ,  肖弋杭 ,  夏英 ,  张旭

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F16/215 ,  G06F16/2458 ,  G06F16/29 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种融合时空信息的轨道人流量预测方法及系统，属于数据挖掘领域。首先对地铁人流量原始数据进行清洗、集成、变换、规约等预处理操作，将地铁流量数据转化为具有时间、空间属性的双通道流矩阵；然后建模时空数据的时间临近度、周期性、趋势变化的流量变化序列，设计出三个残差单元分支，再对每个分支采用卷积神经网络来捕捉区域关联性，搭建基于深度学习的预测模型；最后利用迁移学习的方法，对已建立的模型和实时数据组进行特征提取，通过实时模型预测将预测结果下发至移动端，实现地铁人流量预测系统的实时性与轻量化。本发明解决了现有传统地铁人流量预测系统存在的预测精确度低以及实时性较差的问题，进而减轻城市交通的承载压力。