本發(fā)明屬于交通技術(shù)領(lǐng)域，具體涉及基于機(jī)器學(xué)習(xí)的地鐵短時(shí)客流預(yù)測(cè)方法。

背景技術(shù)：

隨著我國(guó)城市化進(jìn)程的加快，城市交通問題日益突出，而城市軌道交通系統(tǒng)是解決大中城市公共交通的根本途徑，較為封閉且人群聚集量大。實(shí)時(shí)、準(zhǔn)確的軌道交通客流預(yù)測(cè)對(duì)城市軌道交通運(yùn)營(yíng)編組設(shè)計(jì)優(yōu)化至關(guān)重要。本研究提出將地鐵歷史客流數(shù)據(jù)與實(shí)時(shí)信息相結(jié)合，借助機(jī)器學(xué)習(xí)預(yù)測(cè)地鐵短時(shí)突發(fā)客流的方法。研究發(fā)現(xiàn)，基于歷史客流與實(shí)時(shí)信息相結(jié)合的預(yù)測(cè)，能夠精確穩(wěn)定地預(yù)測(cè)地鐵短時(shí)客流。

但是，現(xiàn)有的方法存在如下問題：

1、傳統(tǒng)的預(yù)測(cè)方法，預(yù)測(cè)結(jié)果精度不高。

2、現(xiàn)有預(yù)測(cè)精度較高的模型較為復(fù)雜，而且數(shù)據(jù)質(zhì)量要求高，甚至需要融合多源數(shù)據(jù)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種基于機(jī)器學(xué)習(xí)的地鐵短時(shí)客流預(yù)測(cè)方法，其目的在于能夠在數(shù)據(jù)來源單一的條件下，借助機(jī)器學(xué)習(xí)方法建立較為簡(jiǎn)單的預(yù)測(cè)模型來預(yù)測(cè)地鐵短時(shí)客流，并且達(dá)到較高的預(yù)測(cè)精度。

一種基于機(jī)器學(xué)習(xí)的地鐵短時(shí)客流預(yù)測(cè)方法，包括以下步驟：

步驟一：獲取待統(tǒng)計(jì)的地點(diǎn)區(qū)間內(nèi)的所有地鐵刷卡記錄；

步驟二：根據(jù)步驟一的地鐵刷卡記錄，以乘客連續(xù)兩次的進(jìn)出站刷卡記錄分別為一次出行的o和d，統(tǒng)計(jì)每日的乘客的出行od，求出每日的地鐵客流的od分布；

步驟三：按照步驟二求出的od分布，統(tǒng)計(jì)每日待統(tǒng)計(jì)的地點(diǎn)區(qū)間內(nèi)所有地鐵區(qū)間在單位時(shí)間窗內(nèi)的客流；同時(shí)，由步驟一中的地鐵刷卡記錄直接統(tǒng)計(jì)得到每日地鐵所有站點(diǎn)在單位時(shí)間窗內(nèi)的客流；

步驟四：構(gòu)建地鐵客流網(wǎng)絡(luò)g，以單位時(shí)間窗內(nèi)的地鐵站點(diǎn)客流為節(jié)點(diǎn)，以單位時(shí)間窗內(nèi)的地鐵區(qū)間客流為邊的權(quán)重，建立地鐵客流網(wǎng)絡(luò)g；

步驟五：對(duì)于待統(tǒng)計(jì)的地點(diǎn)區(qū)間內(nèi)的每一個(gè)目標(biāo)地鐵區(qū)間，以步驟四中所建立的地鐵客流網(wǎng)絡(luò)g中的所有節(jié)點(diǎn)和邊作為其備選特征，取特征訓(xùn)練數(shù)據(jù)集d＝{(x1,y1),(x2,y2),…,(xn,yn)},xi∈r^d,y∈r，矩陣x＝(x1,x2,…,xn)^t表示訓(xùn)練集樣本的x輸入，xi∈r^d，其中r表示實(shí)數(shù)，d表示維數(shù)，矩陣y＝(y1,y2,..,yn)^t表示訓(xùn)練集樣本的y輸入，yn與xn對(duì)應(yīng)，構(gòu)成一個(gè)樣本，n為樣本數(shù)，利用遞歸特征消除算法作為特征選擇方法，找出目標(biāo)時(shí)間窗內(nèi)對(duì)每一目標(biāo)地鐵區(qū)間影響最大的前k個(gè)特征；

步驟六：利用梯度提升回歸樹方法建立回歸預(yù)測(cè)模型，將步驟五中挑選出的對(duì)目標(biāo)區(qū)間影響最大的前k個(gè)特征，作為回歸模型的輸入，納入后續(xù)的回歸預(yù)測(cè)，此時(shí)輸入的樣本xi的維數(shù)是k維，目標(biāo)值列矩陣y＝(y1,y2,..,yn)^t與特征選擇方法中的目標(biāo)值一致。

所述的一種基于機(jī)器學(xué)習(xí)的地鐵短時(shí)客流預(yù)測(cè)方法，所述的步驟一中，地鐵刷卡記錄只選擇所有包括完整出行od的地鐵刷卡記錄。

所述的一種基于機(jī)器學(xué)習(xí)的地鐵短時(shí)客流預(yù)測(cè)方法，所述的步驟二中，以乘客的出行od為最短路徑出行od。

所述的一種基于機(jī)器學(xué)習(xí)的地鐵短時(shí)客流預(yù)測(cè)方法，所述的步驟五中，所述的遞歸特征消除算法包括以下步驟：

步驟1：初始化：原始特征集合s＝{1,2,…,d}，特征排序集

步驟2：當(dāng)s不為空時(shí)，執(zhí)行步驟3，否則結(jié)束遞歸特征消除算法并輸出特征排序集f；

步驟3：獲取候選特征集合的訓(xùn)練樣本即訓(xùn)練數(shù)據(jù)集：d＝{(x1,y1),(x2,y2),…,(xn,yn)},xi∈r^d,d∈s,y∈r，作為輸入；

步驟4：利用線性回歸模型：yi＝ω0+ω1xi1+ω2xi2+…+ωdxid，得到每個(gè)特征的重要程度，即線性回歸模型的系數(shù)ωk,k＝1,2,…,d；

步驟5：找出排序準(zhǔn)則分?jǐn)?shù)最小的特征p＝argminkωk，ωk表示第k個(gè)特征的排序準(zhǔn)則分?jǐn)?shù)即重要程度，此時(shí)對(duì)應(yīng)線性回歸的中的權(quán)重系數(shù)，p表示當(dāng)前排序準(zhǔn)則分?jǐn)?shù)最小的特征，argminkωk表示整個(gè)函數(shù)取最小值時(shí)，自變量k的取值，即p；

步驟6：更新特征集f＝{p}∪f；

步驟7：在s中去除特征s＝s/p，返回步驟2。

所述的一種基于機(jī)器學(xué)習(xí)的地鐵短時(shí)客流預(yù)測(cè)方法，所述的步驟六中，所述的梯度提升回歸樹方法包括以下步驟：

步驟1：初始化估計(jì)一個(gè)使損失函數(shù)極小化的常數(shù)值，其中常數(shù)值c要使得的值最小，即c和yi接近，此時(shí)f0(x)是只有一個(gè)節(jié)點(diǎn)的樹；

步驟2：迭代地建立m棵提升樹，以訓(xùn)練數(shù)據(jù)集d＝{(x1,y1),(x2,y2),…,(xn,yn)},x∈r^k,y∈r作為輸入，其中矩陣x＝(x1,x2,…,xn)^t表示訓(xùn)練集樣本的x輸入，xi∈r^k，其中維數(shù)為k維，列矩陣y＝(y1,y2,..,yn)^t表示訓(xùn)練集樣本的y輸入，yn與xn對(duì)應(yīng)，構(gòu)成一個(gè)樣本，n為樣本數(shù)；計(jì)算損失函數(shù)的負(fù)梯度在當(dāng)前模型的值其中i＝1,…,n，為求導(dǎo)符號(hào)，n為迭代次數(shù)，并將它作為殘差的估計(jì)值；

步驟3：對(duì)于rmi擬合一棵回歸樹，得到第m棵樹的葉節(jié)點(diǎn)區(qū)域rmj,j＝1,2,…,j，j為葉子節(jié)點(diǎn)個(gè)數(shù)；對(duì)每個(gè)葉子節(jié)點(diǎn)循環(huán)；

步驟4：利用線性搜索估計(jì)葉節(jié)點(diǎn)區(qū)域的值使損失函數(shù)極小化，更新其中rmj表示第m棵樹的葉節(jié)點(diǎn)區(qū)域；

步驟5：即為最終的模型。

本發(fā)明的技術(shù)效果在于，采用遞歸特征消除算法完成特征選擇，挑選出目標(biāo)區(qū)間在目標(biāo)時(shí)間窗內(nèi)的重要特征。采用梯度提升回歸樹方法建立回歸預(yù)測(cè)模型，實(shí)現(xiàn)地鐵短時(shí)客流預(yù)測(cè)。本方法可以在數(shù)據(jù)源單一的情況下，達(dá)到較高的預(yù)測(cè)精度。利用歷史數(shù)據(jù)建立回歸預(yù)測(cè)模型，結(jié)合實(shí)時(shí)數(shù)據(jù)預(yù)測(cè)地鐵短時(shí)客流，對(duì)城市軌道交通運(yùn)營(yíng)編組設(shè)計(jì)優(yōu)化提供幫助。

附圖說明

圖1為本發(fā)明所述基于機(jī)器學(xué)習(xí)的地鐵短時(shí)客流的預(yù)測(cè)方法的流程圖；

圖2應(yīng)用本方法預(yù)測(cè)深圳地鐵短時(shí)客流的結(jié)果展示圖，表示所有地鐵區(qū)間在一周內(nèi)平均相對(duì)誤差的概率分布。

圖3(a--f)應(yīng)用本方法預(yù)測(cè)深圳地鐵華僑城站至世界之窗站的短時(shí)客流，表示11月1日至11月6日每一天預(yù)測(cè)值與真值的客流對(duì)比情況。

具體實(shí)施方式

如圖1所示，本實(shí)施例的研究區(qū)域即待統(tǒng)計(jì)的地點(diǎn)區(qū)間選擇為深圳市，通過過濾深圳通地鐵拍卡數(shù)據(jù)，清洗掉不滿足條件的記錄,并且假設(shè)每對(duì)od按照最短路徑出行，求出每日od分布，根據(jù)統(tǒng)計(jì)的單位時(shí)間窗內(nèi)地鐵區(qū)間客流和地鐵進(jìn)出站客流，生成深圳地鐵客流網(wǎng)絡(luò)。記錄起止時(shí)間分別為2014年10月1日和2014年12月31日，2014年深圳地鐵共有118個(gè)地鐵站點(diǎn)，252個(gè)區(qū)間。選取十月的所有客流作為歷史數(shù)據(jù)，通過遞歸特征消除算法挑選特征，并且建立回歸預(yù)測(cè)模型。十月平均每天約有3094757條刷卡記錄。具體實(shí)施方式包括以下步驟：

步驟一：獲取深圳地鐵拍卡數(shù)據(jù)，清洗掉不滿足條件的記錄(用于本研究的數(shù)據(jù)須包含完整出行od)。

步驟二：基于深圳通拍卡數(shù)據(jù)，乘客連續(xù)兩次的進(jìn)出站刷卡記錄分別為一次出行的o和d，統(tǒng)計(jì)每日乘客的出行od。假設(shè)每對(duì)od按照最短路出行，求出每日深圳地鐵客流的od分布。

步驟三：按照步驟二求出的od分布，統(tǒng)計(jì)每日所有深圳地鐵區(qū)間在單位時(shí)間窗內(nèi)的客流。同時(shí)，由深圳通拍卡數(shù)據(jù)即步驟一中得到的包含完整出行od的拍卡數(shù)據(jù)，直接統(tǒng)計(jì)得到每日深圳地鐵所有站點(diǎn)在單位時(shí)間窗內(nèi)的客流。本研究時(shí)間窗長(zhǎng)度設(shè)置為15min，考慮到地鐵運(yùn)營(yíng)時(shí)間，每日統(tǒng)計(jì)時(shí)間為6:00—24:00，因此全天共有96個(gè)時(shí)間窗。

步驟四：構(gòu)建深圳地鐵客流網(wǎng)絡(luò)g。2014年深圳地鐵共有118個(gè)地鐵站點(diǎn)，252個(gè)地鐵區(qū)間，以單位時(shí)間窗內(nèi)的地鐵站點(diǎn)客流為節(jié)點(diǎn)，以單位時(shí)間窗內(nèi)的地鐵區(qū)間客流為邊的權(quán)重，建立深圳地鐵客流網(wǎng)絡(luò)g。

步驟五：特征選擇。對(duì)于每一目標(biāo)地鐵區(qū)間，步驟四中所建立的深圳地鐵客流網(wǎng)絡(luò)g中的所有節(jié)點(diǎn)和邊作為其備選特征，利用遞歸特征消除算法，找出目標(biāo)時(shí)間窗內(nèi)對(duì)每一目標(biāo)地鐵區(qū)間影響最大的前k個(gè)特征。特征訓(xùn)練數(shù)據(jù)集d＝{(x1,y1),(x2,y2),…,(xn,yn)},x∈r^d,y∈r.將10月所有客流納入特征選擇訓(xùn)練，n＝31。其中，特征矩陣x^(n×d)＝(x1,x2,…,xn)^t由整個(gè)深圳地鐵252個(gè)區(qū)間前1、2時(shí)間窗客流和118個(gè)地鐵站前1、2時(shí)間窗進(jìn)出站客流組成，總共包含976個(gè)備選特征，即特征維數(shù)d＝976。具體表示為xn＝(itervaliflowk,stajflowkin,stajflowkout),i＝1,2,…,252；j＝1,2,…,118；k＝1,2詳情見表1：

表1備選特征詳情

目標(biāo)值列矩陣y＝(y1,y2,..,yn)^t由n天內(nèi)目標(biāo)區(qū)間在目標(biāo)時(shí)間窗內(nèi)的客流組成。本研究采用遞歸特征消除算法進(jìn)行特征選擇，具體實(shí)現(xiàn)過程見算法1：

步驟六：建立回歸預(yù)測(cè)模型。將步驟五中挑選出的對(duì)目標(biāo)區(qū)間影響最大的前k個(gè)特征，即深圳地鐵客流網(wǎng)絡(luò)g中對(duì)目標(biāo)區(qū)間最重要的節(jié)點(diǎn)和邊，作為回歸模型的輸入，納入后續(xù)的回歸預(yù)測(cè)，此時(shí)輸入的樣本xi的維數(shù)是k維。目標(biāo)值列矩陣y＝(y1,y2,..,yn)^t由n天內(nèi)目標(biāo)區(qū)間在目標(biāo)時(shí)間窗內(nèi)的客流組成，與特征選擇方法的目標(biāo)值一致。本研究利用梯度提升回歸樹方法建立回歸預(yù)測(cè)模型，具體實(shí)現(xiàn)過程見算法2：

預(yù)測(cè)11月1日至11月7日所有區(qū)間在所有時(shí)間窗內(nèi)的客流，并將預(yù)測(cè)值與觀測(cè)值進(jìn)行比較。誤差衡量方法采用平均絕對(duì)百分誤差(mape)，絕對(duì)百分比誤差方差(vape)以及均方根誤差(rmse)，將單位時(shí)間窗內(nèi)的區(qū)間客流量按照不同等級(jí)分別計(jì)算誤差，即區(qū)間客流量在1000以下或2000以上或二者之間，結(jié)果如表2所示：

表2.預(yù)測(cè)誤差

求出11月1日至11月7日所有地鐵區(qū)間所有時(shí)間窗內(nèi)的預(yù)測(cè)值與真值相對(duì)誤差的平均值，其概率分布如圖2所示，94.4％的地鐵區(qū)間誤差在20％以內(nèi)。

以華僑城至世界之窗這一地鐵區(qū)間為例，將其每一天所有時(shí)間窗的客流預(yù)測(cè)值與真值比較，其結(jié)果如圖3所示，圖3.a—f分別表示11月1日至11月6日每天從早上6點(diǎn)至晚上24點(diǎn)，客流預(yù)測(cè)值與真值的擬合情況，由圖可以看出預(yù)測(cè)結(jié)果精度較高。