【技术实现步骤摘要】
本专利技术涉及数据处理领域，尤其涉及一种预测方法及装置。
技术介绍
1、随着经济的快速增长、人口增加以及城市的现代化，城市交通拥堵问题日益严重，而城市的公共交通可以缓解交通拥堵。
2、然而，随着轨道交通的快速发展，乘客量急剧增加，许多城市地铁系统超负荷运行，形成巨大的安全隐患。若对地铁客流量进行准确的预测，可以缓解交通拥堵并保障出行人员的安全，比如，通过预测地铁的客流量，管理者可以制定科学的运营计划，合理调度车辆，提高地铁运营效率，且可以为未来地铁建设提供参考信息(例如确定新建地铁站的基本规模、站台长度和疏散人群的能力)，还可以从根本上消除地铁站的安全隐患。
3、因此，如何准确地预测地铁的客流量，是目前亟需解决的问题。
技术实现思路
1、本专利技术提供一种预测方法及装置，用于准确预测设定地点(比如地铁)的客流量。
2、第一方面，本专利技术提供一种预测方法，该方法包括：获取第一信息，第一信息中包括多个设定地点的历史客流量信息、多个设定地点的非客流量信息、以及多个设定地点之间的关联关系，关联关系包括多个设定地点中的任意两个设定地点之间的物理连接关系，使用第一信息训练预设模型，并使用训练后的预设模型预测多个设定地点的未来客流量。
3、通过以上方案，根据设定地点的关联关系构建一个的拓扑结构，该结构既包含了设定地点的客流量信息，也包含了非客流量信息，以及各个设定地点的物理连接关系，并通过预设模型对设定地点进行未来客流量预测，通过这种方式，模型可
4、可选的，非客流量信息包括以下信息的一项或多项：温度信息、天气信息、时间信息、节假日信息、社会活动信息。
5、通过以上方案，通过对时间，天气，地理位置、温度等信息进行融合，使得在进行客流量预测的过程中，不仅参考了客流量信息，还参考了影响客流量的其他因素，使得预测更准确。
6、可选的，预设模型包括两个通道，两个通道具有相同的模型结构和不同的模型参数，使用第一信息训练预设模型，包括：将第一信息分别输入到预设模型的两个通道，并获取两个通道使用各自的模型参数处理第一信息所得到的两个损失值，计算两个损失值的和值，基于和值最小的原则，确定两个通道的最优模型参数，使用训练后的预设模型预测多个设定地点的未来客流量，包括：使用训练后的预设模型的一个通道预测多个设定地点的未来客流量。
7、通过以上步骤，通过设计对偶结构，使得模型能够有效地学习到不同的特征表示，通过计算损失函数，模型能够在训练过程中互相约束两个通道，促使两个通道相互学习并获取特征，这种互补性有助于提高预测性能，显著提高模型的鲁棒性和预测精度。
8、可选的，对于每个通道，包括卷积模块、傅里叶变换模块和编码模块，将第一信息输入到预设模型的每个通道，并获取两个通道使用各自的模型参数处理第一信息所得到的两个损失值，包括：将第一信息输入到通道的卷积模块，通道的卷积模块用于通过图卷积神经网络提取第一信息中的空间特征信息；将空间特征信息输入到通道的傅里叶变换模块，通道的傅里叶变换模块用于过滤空间特征信息中的噪声数据；将过滤后的空间特征信息输入到通道的编码模块，通道的编码模块用于计算第一信息中的位置特征信息，使用损失函数计算每个通道的损失值。
9、通过以上步骤，先通过卷积模块提取空间特征信息，捕捉设定地点之间的空间关系，再通过傅里叶变换模块过滤噪声数据，提高数据质量并去除不必要的干扰信息，最后通过编码模块计算位置特征信息，帮助模型理解数据中的位置相关信息，如此，综合考虑了空间特征、数据清洗和位置信息，有助于提高地铁客流预测的准确性和可靠性，并且通过降低噪声数据的影响来提高模型的整体性能。
10、可选的，将空间特征信息输入到傅里叶变换模块，包括：对空间特征信息进行傅里叶变换获得第一隐式特征，并使用第二权重值对第一隐式特征进行傅里叶逆变换，获得第二隐式特征，第二隐式特征为去掉噪声后的空间特征信息。
11、通过以上步骤，通过傅里叶变换和逆变换，可以对隐式特征进行分解和捕获，并过滤掉额外信息中的噪声数据，保留对客流影响重要的特征，使得这些特征对应的权重更大，非必要特征的权重更小。
12、可选的，获取第一信息，包括：确定待预测区域内的多个设定地点，针对多个设定地点中的每个设定地点，确定每个设定地点对应的多个兴趣点，并获取每个设定地点和多个兴趣点的历史客流量信息和非客流量信息，根据多个兴趣点对每个设定地点的客流量信息的影响程度，为多个兴趣点分配第二权重值；其中，多个兴趣点为每个设定地点附近设定区域内影响每个设定地点的客流量的其他地点，根据多个设定地点所对应的各个兴趣点的第二权重值，对所述多个设定地点和所述各个兴趣点的历史客流量信息和非客流量信息进行特征聚合，获得第一信息，特征聚合用于指示第一信息的空间特征。
13、通过以上方案，不仅关注设定地点的客流量信息和非客流量信息，也关注影响设定地点客流量的兴趣点的客流量和非客流量信息，如，超市、商场、公园、学校、景区等等，考虑到兴趣点对设定地点客流量的影响，使得预测设定地点的客流量更准确，通过为不同节点分配不同的权重，可以将节点的特征与其邻居节点的特征进行聚合，进而在图卷积网络中可以更好的捕捉节点之间的关系，特征聚合之后可以得到作为下一步图卷积网络的初始特征矩阵。
14、第二方面，本专利技术提供一种预测装置，该装置包括：
15、获取模块，用于获取第一信息，第一信息中包括多个设定地点的历史客流量信息、多个设定地点的非客流量信息、以及多个设定地点之间的关联关系，关联关系包括多个设定地点中的任意两个设定地点之间的物理连接关系；
16、训练模块，用于使用第一信息训练预设模型；
17、预测模块，用于使用训练后的预设模型预测多个设定地点的未来客流量。
18、在一种可能的实现方式中，非客流量信息包括以下信息的一项或多项：温度信息、天气信息、时间信息、节假日信息、社会活动信息。
19、在一种可能的实现方式中，预设模型包括两个通道，两个通道具有相同的模型结构和不同的模型参数，训练模块具体用于：将第一信息分别输入到预设模型的两个通道，并获取两个通道使用各自的模型参数处理第一信息所得到的两个损失值，计算两个损失值的和值，基于和值最小的原则，确定两个通道的最优模型参数，使用训练后的预设模型预测多个设定地点的未来客流量，包括：使用训练后的预设模型的一个通道预测多个设定地点的未来客流量。
20、在一种可能的实现方式中，对于每个通道，包括卷积模块、傅里叶变换模块和编码模块，训练模块具体用于：将第一信息输入到通道的卷积模块，通道的卷积模块用于通过图卷积神经网络提取第一信息中的空间特征信息；将空间特征信息输入到通道的傅里叶变换模块，通道的傅里叶变换模块用于过滤空间特征信息中的噪声数据；将过滤后的空间特征信息输入到通道的编码模块，通道的编码模块本文档来自技高网...
【技术保护点】
1.一种预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述非客流量信息包括以下信息的一项或多项：
3.如权利要求1所述的方法，其特征在于，所述预设模型包括两个通道，两个通道具有相同的模型结构和不同的模型参数；
4.如权利要求3所述的方法，其特征在于，对于所述每个通道：
5.如权利要求3所述的方法，其特征在于，所述将所述空间特征信息输入到所述傅里叶变换模块，包括：
6.如权利要求1所述的方法，其特征在于，所述获取第一信息，包括：
7.一种预测装置，其特征在于，包括：
8.一种预测装置，其特征在于，包括：处理器，所述处理器和存储器耦合，所述存储器用于存储计算机程序或指令，所述处理器用于执行所述计算机程序或指令，以实现如权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，其存储有可由计算机设备执行的计算机程序，当所述程序在计算机设备上运行时，使得所述计算机设备执行权利要求1至6中任一所述方法的步骤。
10.一种计算机程序产品
...【技术特征摘要】
1.一种预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述非客流量信息包括以下信息的一项或多项：
3.如权利要求1所述的方法，其特征在于，所述预设模型包括两个通道，两个通道具有相同的模型结构和不同的模型参数；
4.如权利要求3所述的方法，其特征在于，对于所述每个通道：
5.如权利要求3所述的方法，其特征在于，所述将所述空间特征信息输入到所述傅里叶变换模块，包括：
6.如权利要求1所述的方法，其特征在于，所述获取第一信息，包括：
7....
【专利技术属性】
技术研发人员：刘浩，高攀，孟庆欢，洪义隽，王玉翔，
申请(专利权)人：上海上湖信息技术有限公司，
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。