System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及通信,具体涉及一种人群预测模型训练方法及相关方法、装置和设备。
技术介绍
1、随着城市交通的快速发展,乘坐公共交通工具出行已经成为了生活在城市的人群的重要交通方式,因此需要灵活的调用公共交通工具的数量、班次、路线等运营数据,从而实现更加高效的公共交通运输。
2、相关技术中,通过确定公共交通覆盖的整个范围中的每个社区,然后对每个社区内的客流量进行分析得到分析结果,最后根据分析结果来确定出站点的人口流量。
3、但是,对每个社区内的客流量进行分析得到分析结果的做法比较简单粗糙,得到的分析结果存在不准确性,从而导致最终根据分析结果确定的运营数据也存在不准确的问题。
技术实现思路
1、本申请实施例提供一种人群预测模型训练方法及相关方法、装置和设备,它能够提升人群预测的准确性。
2、一种人群预测模型训练方法,包括:
3、获取对象的刷卡数据,并根据刷卡数据和第一交通工具的预设交通数据确定出对象的出行信息和第一站点对应的目标交通数据;
4、根据出行信息和目标交通数据生成第一站点的第一特征数据;
5、确定第一站点相关联的第一栅格以及相关联的关联站点,并根据相关联的第一栅格和关联站点确定出第一站点的第二特征数据;
6、确定与第一站点相关联的第二交通工具对应的第二站点以及第二站点对应的第二栅格;
7、根据第二栅格和第一栅格确定出第一站点对应的第三特征数据;
8、根据第一特征数据、第二特征
9、一种人群预测方法,包括:
10、确定出第一交通工具对应的目标站点以及目标站点对应的预测时间和位置信息;
11、获取目标站点对应的人群特征数据;
12、将目标站点对应的预测时间、位置信息和人群特征数据输入至本申请实施例提供的人群预测模型训练方法训练出的人群预测模型中,得到目标站点在预测时间对应的预测人群流入总量。
13、一种人群预测模型训练装置,包括:
14、第一获取模块,用于获取对象的刷卡数据,并根据刷卡数据和第一交通工具的预设交通数据确定出对象的出行信息和第一站点对应的目标交通数据;
15、第一生成模块,用于根据出行信息和目标交通数据生成第一站点的第一特征数据;
16、第二生成模块,用于确定第一站点相关联的第一栅格以及相关联的关联站点,并根据相关联的第一栅格和关联站点确定出第一站点的第二特征数据;
17、第一确定模块,用于确定与第一站点相关联的第二交通工具对应的第二站点以及第二站点对应的第二栅格;
18、第三生成模块,用于根据第二栅格和第一栅格确定出第一站点对应的第三特征数据;
19、训练模块,用于根据第一特征数据、第二特征数据以及第三特征数据中的至少一种数据对基础模型进行训练,得到人群预测模型。
20、在一些实施方式中,刷卡数据包括刷卡时间,预设交通数据包括第一交通工具的离到站时间,第一获取模块,用于:
21、根据刷卡数据和第一交通工具的预设交通数据确定出对象的出行信息,包括:
22、根据刷卡时间和离到站时间确定出对象的出行驻留时间;
23、根据出行驻留时间确定出对象的出行信息。
24、在一些实施方式中,第一获取模块,用于:
25、根据刷卡时间确定出相邻的第一刷卡时间和第二刷卡时间,第一刷卡时间在第二刷卡时间之后;
26、在离到站时间中,将最接近第一刷卡时间且在第一刷卡时间之前的到站时间确定为上车时间;
27、根据第二刷卡时间和上车时间确定出对象的出行驻留时间。
28、在一些实施方式中,刷卡数据包括刷卡车辆标识,预设交通数据包括第一交通工具的车辆标识,第一获取模块,用于:
29、在车辆标识中确定出与刷卡车辆标识相匹配的目标车辆标识;
30、在预设交通数据中将目标车辆标识对应的交通数据确定为第一站点对应的目标交通数据。
31、在一些实施方式中,第二生成模块,用于:
32、获取第一站点的第一站点位置,以及每一栅格的中心位置;
33、将距离第一站点位置在第一预设距离范围内的中心位置确定为目标中心位置;
34、将目标中心位置对应的栅格确定为第一站点相关联的第一栅格。
35、在一些实施方式中,第二生成模块,用于:
36、在预设交通数据中确定出第一交通工具对应的班次信息以及站点信息;
37、根据班次信息和站点信息确定出在第一站点的预设站点距离内的站点,并将预设站点距离内的站点确定为第一站点相关联的关联站点。
38、在一些实施方式中,第二生成模块,用于:
39、获取相关联的第一栅格对应的第一关联人群信息;
40、获取第一站点和关联站点对应的第二关联人群信息;
41、根据第一关联人群信息和第二关联人群信息确定出第一站点的第二特征数据。
42、在一些实施方式中,第二生成模块,用于:
43、获取第一预设时间段内第一站点的人群流入量和人群流出量,以及每一关联站点的人群流入量和人群流出量;
44、将第一站点的人群流入量和人群流出量以及每一关联站点的人群流入量和人群流出量确定为第二关联人群信息。
45、在一些实施方式中,第一确定模块,用于:
46、确定所述第一站点的第一站点位置,将距离所述第一站点位置在第二预设距离范围内的第二交通工具的站点确定为与所述第一站点相关联的第二站点;
47、获取所述第二站点的第二站点位置,将距离所述第二站点位置在第三预设距离范围内的栅格确定为所述第二站点对应的第二栅格。
48、在一些实施方式中,第三生成模块,用于:
49、获取所述第一栅格和所述第二栅格之间对应的重叠区域,并确定第二预设时间段内所述重叠区域的人群流入量;
50、确定第二预设时间段内所述第一栅格对应的人群流入量;
51、根据所述重叠区域的人群流入量和所述第一栅格对应的人群流入量确定出所述第一交通工具被所述第二交通工具替代的评分值,所述第三特征数据包括所述评分值。
52、在一些实施方式中,训练模块,用于:
53、确定所述第一站点对应的目标时间、所述第一站点在所述目标时间对应的人群流入总量以及所述第一站点的坐标信息;
54、根据所述第一特征数据、所述第二特征数据以及所述第三特征数据中的至少一种数据,以及所述人群流入总量、所述目标时间和所述坐标信息对基础模型进行训练,得到人群预测模型。
55、在一些实施方式中,训练模块,用于:
56、将所述第一特征数据、所述第二特征数据以及所述第三特征数据中的至少一种数据,以及所述人群流入总量本文档来自技高网...
【技术保护点】
1.一种人群预测模型训练方法,其特征在于,包括:
2.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述刷卡数据包括刷卡时间,所述预设交通数据包括所述第一交通工具的离到站时间;
3.根据权利要求2所述的人群预测模型训练方法,其特征在于,所述根据所述刷卡时间和所述离到站时间确定出所述对象的出行驻留时间,包括:
4.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述刷卡数据包括刷卡车辆标识,所述预设交通数据包括所述第一交通工具的车辆标识;
5.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述确定所述第一站点相关联的第一栅格,包括:
6.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述确定所述第一站点相关联的关联站点,包括:
7.根据权利要求6所述的人群预测模型训练方法,其特征在于,所述根据所述相关联的第一栅格和所述关联站点确定出所述第一站点的第二特征数据,包括:
8.根据权利要求7所述的人群预测模型训练方法,其特征在于,所述获取所述第一站点和所述关联站点对应的第二关
9.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述确定与所述第一站点相关联的第二交通工具对应的第二站点以及所述第二站点对应的第二栅格,包括:
10.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述根据所述第二栅格和所述第一栅格确定出所述第一站点对应的第三特征数据,包括:
11.根据权利要求1-10任一项所述的人群预测模型训练方法,其特征在于,所述根据所述第一特征数据、所述第二特征数据以及所述第三特征数据中的至少一种数据对基础模型进行训练,得到人群预测模型,包括:
12.根据权利要求11所述的人群预测模型训练方法,其特征在于,所述根据所述第一特征数据、所述第二特征数据以及所述第三特征数据中的至少一种数据,以及所述人群流入总量、所述目标时间和所述坐标信息对基础模型进行训练,得到人群预测模型,包括:
13.一种人群预测方法,其特征在于,包括:
14.一种人群预测模型训练装置,其特征在于,包括:
15.一种人群预测装置,其特征在于,包括:
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1-12任一项所述的人群预测模型训练方法或者权利要求13所述的人群预测方法。
17.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可以在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-12任一项所述的人群预测模型训练方法或者权利要求13所述的人群预测方法。
...【技术特征摘要】
1.一种人群预测模型训练方法,其特征在于,包括:
2.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述刷卡数据包括刷卡时间,所述预设交通数据包括所述第一交通工具的离到站时间;
3.根据权利要求2所述的人群预测模型训练方法,其特征在于,所述根据所述刷卡时间和所述离到站时间确定出所述对象的出行驻留时间,包括:
4.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述刷卡数据包括刷卡车辆标识,所述预设交通数据包括所述第一交通工具的车辆标识;
5.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述确定所述第一站点相关联的第一栅格,包括:
6.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述确定所述第一站点相关联的关联站点,包括:
7.根据权利要求6所述的人群预测模型训练方法,其特征在于,所述根据所述相关联的第一栅格和所述关联站点确定出所述第一站点的第二特征数据,包括:
8.根据权利要求7所述的人群预测模型训练方法,其特征在于,所述获取所述第一站点和所述关联站点对应的第二关联人群信息,包括:
9.根据权利要求1所述的人群预测模型训练方法,其特征在于,所述确定与所述第一站点相关联的第二交通工具对应的第二站点以及所述第二站点对应的第二栅格,包括:
10.根据权利要求...
【专利技术属性】
技术研发人员:潘天鹭,王耀威,张纯,吴益灵,袁锦宇,黄文柯,王握,
申请(专利权)人:鹏城实验室,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。