买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种机场到港旅客乘坐出租车短时需求集成预测方法，包括：采集机场到港旅客乘坐出租车订单数据、机场到港航班数据、机场到港旅客乘坐地铁闸门数据、机场天气报文数据；将数据处理为综合时间序列数据集和复合流量数据集；采用K‑Means模型对复合流量数据集进行无监督聚类，基于复合流量相似性距离进行相似性度量，记最终聚类数为K；基于聚类结果对综合时间序列数据集分类，划分训练集和测试集；建立并训练K个LSTM‑Att模型、XGBoost模型和LightGBM模型，作为初级学习器，构建堆叠法集成预测模型，预测并评价机场到港旅客乘坐出租车短时需求。本发明基于相似性度量，有助于集成不同预测模型以提升到港旅客需求预测精度，提高机场陆侧集疏运系统管理的效率。

主权项：1.一种机场到港旅客乘坐出租车短时需求集成预测方法，其特征在于，步骤如下：1采集机场到港旅客乘坐出租车订单数据、机场到港航班数据、机场到港旅客乘坐地铁闸门数据、机场天气报文数据；2将上述步骤1中采集到的数据分别处理为机场到港旅客乘坐出租车流量时间序列数据、机场到港旅客下机流量时间序列数据集、机场到港旅客乘坐地铁流量时间序列数据和天气时间序列数据，结合时间特征生成综合时间序列数据集；将得到的机场到港旅客乘坐出租车流量时间序列数据、机场到港旅客下机流量时间序列数据集、机场到港旅客乘坐地铁流量时间序列数据构建为复合流量数据集；3采用K-Means模型对步骤2中的复合流量数据集进行无监督聚类，基于复合流量相似性距离进行相似性度量，计算不同类别数下的轮廓系数，选取轮廓系数最大的类别数作为无监督聚类算法的K值，得到K个聚类结果；4针对步骤3中的聚类结果对步骤2中的综合时间序列数据集进行分类，将每个分类结果划分为训练集和测试集；5建立K个LSTM-Att模型，分别用聚类后第g类别的训练集数据训练第g个LSTM-Att模型，g∈[1,K]，得到K个训练后的LSTM-Att模型；6建立K个XGBoost模型，分别用聚类后第g类别的训练集数据训练第g个XGBoost模型，g∈[1,K]，得到K个训练后的XGBoost模型；7建立K个LightGBM模型，分别用聚类后第g类别的训练集数据训练第g个LightGBM模型，g∈[1,K]，得到K个训练后的LightGBM模型；8建立K个堆叠法集成预测模型，用步骤5、步骤6、步骤7中的第g个模型作为初级学习器，g∈[1,K]，学习不同模型的权重，得到K个训练后的堆叠法集成预测模型；9基于集成预测模型对K个测试集进行预测。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种机场到港旅客乘坐出租车短时需求集成预测方法