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：华侨大学;蓝海(福建)信息科技有限公司

摘要：本发明提供一种基于SRFE‑BLP‑Transformer的城际网约车长期出行需求预测方法、装置、设备和介质，涉及城际网约车需求技术领域。预测方法包含：S1、获取历史订单数据。S2、根据时间将订单划分到运营时间切片作为需求量特征，并对运营时间切片的特征进行编码，获取特征编码。S3、先采用斯皮尔曼相关分析各特征与需求量特征之间的相关性强度，再采用递归特征消除算法选择特征，获取有效特征。S4、按时间顺序排序有效特征并归一化处理，再按预设时长分割数据，获取输入数据。S5、通过双向长短时记忆网络捕捉输入数据的时间依赖性并添加位置编码，再通过Transformer捕捉输入数据中不同位置之间的长距离依赖关系并线性变换，获取预测结果。

主权项：1.一种基于SRFE-BLP-Transformer的城际网约车长期出行需求预测方法，其特征在于，包含：获取某线路的城际网约车的历史订单数据，并进行预处理；根据订单的预约时间将预处理后的订单划分到对应的运营时间切片作为需求量特征，并对运营时间切片的多个特征进行编码，获取各个时间切片的多个特征编码；其中，特征包含时间特征、外部特征、历史数据特征；根据所述各个时间切片的多个特征编码，先采用斯皮尔曼相关分析各特征与需求量特征之间的相关性强度，初步筛选模型的输入特征，然后再采用递归特征消除算法进行特征选择，逐步移除对模型贡献最小的特征，获取有效特征集；按照时间顺序对运营时间切片的有效特征进行排序，并对排序后的特征进行归一化处理，然后按照预设的时间步长分割归一化处理后的特征数据，获取模型的输入数据；其中，所述输入数据为时刻之前的历史个时间切片数据；，其中表示某时间切片的数据，表示时间窗大小，表示输入的历史时间步长，表示输入样本的特征数量；，为时间特征，所述时间特征包含星期、节假日特征，为外部特征，所述外部特征包含天气、降水量、温度、风力特征，为历史数据特征，为当前时间切片的需求量特征；通过双向长短时记忆网络捕捉输入数据的时间依赖性，并添加位置编码增强对绝对位置的理解，然后通过Transformer捕捉输入数据中不同位置之间的长距离依赖关系，并通过线性变换将Transformer的输出映射到预测空间，获取该线路的城际网约车长期出行需求的预测结果；其中，所述预测结果为时刻之后的个时间切片数据；，其中为时间切片的需求量特征，表示输出的时间步长；获取城际网约车的历史订单数据，并进行预处理，具体包括：获取城际网约车的历史订单数据；清洗所述历史订单数据中的干扰数据；其中，所述干扰数据包括重复数据、非乘客乘坐数据、无效数据；所述重复数据是指一名乘客在同一天内发出多次出行请求却只被成功服务一次或都未被服务的情况；清洗历史订单数据中的重复数据，具体为：根据乘客ID的唯一性，对重复数据进行判断是否保留，若同一乘客在同一天有多次出行请求的订单且都未被服务，则判断各订单是否在同一时间切片，若同一时间切片存在两单或两单以上，则保留该时间切片的第一单；若同一乘客在同一天内有多次出行请求的订单且有一单被服务，则删除其余出行请求失败的订单；根据订单的预约时间将预处理后的订单划分到对应的运营时间切片作为需求量特征，并对运营时间切片的多个特征进行编码，获取各个时间切片的多个特征编码；其中，特征包含时间特征、外部特征、历史数据特征，具体包括：根据预处理后的历史订单数据，在订单数据的起始日期和结束日期之间，根据预设的时间窗大小将网约车的运营时间划分为多个运营时间切片；根据订单的预约时间将预处理后的订单划分到对应的运营时间切片作为需求量特征；其中，需求量特征作为预测的标签；对运营时间切片的多个特征进行读热编码，获取各个时间切片的多个特征编码；其中，特征包括星期特征、节假日特征、天气特征、降水量特征、温度特征、风力特征，以及历史数据特征；在训练时，步骤“按照时间顺序对运营时间切片的有效特征进行排序，并对排序后的特征进行归一化处理，然后按照预设的时间步长分割归一化处理后的特征数据，获取模型的输入数据”用于获取数据集，而非模型的输入数据；其中，数据集按比例分为训练数据集和测试数据集；训练数据集和测试数据集分别包含模型的输入数据和真实的输出数据。

全文数据：

权利要求：

百度查询： 华侨大学 蓝海(福建)信息科技有限公司 基于SRFE-BLP-Transformer的城际网约车长期出行需求预测方法、装置、设备和介质