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：北京交通大学

摘要：本发明提供了一种基于多任务级联深度学习的轨道交通客流预测方法。该方法包括：多任务级联深度学习客流预测模型构建轨道交通网络的长期拓扑邻接图与长期地理邻接图，并输入到构建的自适应供需共享嵌入网络中，多任务级联深度学习客流预测模型自适应供需共享嵌入网络多任务级联深度学习客流预测模型输出起点站点的供给特征和终点站点的需求特征；将起点站点的供给特征输入到进站客流预测器，得到预测的进站客流；将终点站点的需求特征输入到出站客流预测器，得到预测的出站客流；对预测得到的进站客流、出站客流以及OD对间的线级阻抗指标，按照自适应供需共享嵌入网络学习到的起终站点供需特征的维度进行密集嵌入，并按照OD对的起终点进行连接，得到OD对的属性特征，根据所述OD对的属性特征通过多头自注意力网络捕捉不同特征间的高阶交互关系，得到预测的OD客流。本发明方法可以提供更准确、泛化能力更强的端到端的客流预测。

主权项：1.一种基于多任务级联深度学习的轨道交通客流预测方法，其特征在于，包括：构建进站客流预测器、出站客流预测器和自适应供需共享嵌入网络，建立轨道交通网络的长期拓扑邻接图与长期地理邻接图，将所述长期拓扑邻接图与长期地理邻接图输入到自适应供需共享嵌入网络，所述自适应供需共享嵌入网络输出起点站点的供给特征和终点站点的需求特征；将起点站点的供给特征输入到进站客流预测器，得到预测的进站客流；将终点站点的需求特征输入到出站客流预测器，得到预测的出站客流；对所述进站客流、出站客流、OD对间的线路级指标按照起终点供需特征的维度进行密集嵌入，并按照OD对起终点进行连接，得到OD对的属性特征，根据所述OD对的属性特征通过多头自注意力网络捕捉不同特征间的高阶交互关系，得到预测的OD客流；所述的构建自适应供需共享嵌入网络，包括：所述自适应供需共享嵌入网络由多个GAT模块和不同融合层的门控机制组成，每个融合层包含三个学习单元:供应属性学习单元、需求属性学习单元和共享学习单元，每个单元的任务是获取特定的知识，对于每个学习单元，GAT子模块分别构建在拓扑图和地理图上，捕获站点之间的异构空间依赖关系；所述的建立轨道交通网络的长期拓扑邻接图与长期地理邻接图，将所述长期拓扑邻接图与长期地理邻接图输入到自适应供需共享嵌入网络，所述自适应供需共享嵌入网络输出起点站点的供给特征和终点站点的需求特征，包括：构建轨道交通站点的长期拓扑邻接图与长期地理邻接图，长期拓扑邻接图中的节点表示轨道交通站点，边表示站点间的线路，边权重表示边线路长度，长期地理图中的节点表示轨道交通站点，设定站点的空间距离在设定距离以内的站点是空间上邻接的，设定节点的属性信息包括节点在网络中的节点属性和节点的场所属性；将长期拓扑邻接图与长期地理邻接图输入到自适应供需共享嵌入网络中，自适应供需共享嵌入网络融合图注意力网络与门控机制，捕捉长期时空邻近效应，嵌入得到站点的供给与需求特征，自适应供需共享嵌入网络输出两个长期图网络，一个长期图网络的节点属性表示该点作为起点站点的供给特征，另一个长期图网络的节点属性表示该点作为终点站点的需求特征；用At′和Ag′分别表示轨道交通站点的长期拓扑邻接矩阵与长期地理邻接矩阵: 其中，dist·表示相邻站点之间的拓扑网络距离，SD为相应距离的标准差，函数geovi,vj表示站点vi到vj的物理地理距离，η表示距离阈值；自适应供需共享嵌入网络在连续空间图上的长期拓扑邻接和地理邻接矩阵At和Ag表示为: 式中，At′γ和Ag′γ分别表示第γ年的长期拓扑邻接矩阵和长期地理邻接矩阵；结合长期拓扑邻接矩阵At、长期地理邻接矩阵Ag及站点级别属性特征，基于DGL深度图库自动构建轨道交通网络长期拓扑邻接图与长期地理邻接图；所述的对所述进站客流、出站客流、OD对间的线路级指标按照起终点供需特征的维度进行密集嵌入，并按照OD对起终点进行连接，得到OD对的属性特征，根据所述OD对的属性特征通过多头自注意力网络捕捉不同特征间的高阶交互关系，得到预测的OD客流，包括：进站客流经过密集嵌入层得到第一个密集嵌入特征，出站客流经过密集嵌入层作为第二个密集嵌入特征，OD对属性特征经过密集嵌入层作为第三个密集嵌入特征，从表示起点供给特征的长期图中提取起点站的供给特征作为第四个特征，从表示终点供给特征的长期图中提取终点站的供给特征作为第五个特征，将所述第一个密集嵌入特征、第二个密集嵌入特征、第三个密集嵌入特征、第四个特征和第五个特征按照OD对起终点的顺序进行拼接，形成OD对的属性特征；根据OD对的属性特征通过多头自注意力网络捕捉不同特征间的高阶交互关系，得到预测OD客流值；根据预测的进站客流、出站客流及OD客流计算多任务损失函数值，根据多任务损失函数值进行反向传播，更新多任务级联深度学习客流预测模型的参数，循环往复执行直至达到迭代终止条件，得到训练好的进站客流预测器、出站客流预测器和自适应供需共享嵌入网络，所述训练好的进站客流预测器、出站客流预测器和自适应供需共享嵌入网络构成多任务级联深度学习客流预测模型；获取待预测的轨道交通站点的长期拓扑邻接图与长期地理邻接图，并输入到多任务级联深度学习客流预测模型中，多任务级联深度学习客流预测模型输出进站客流、出站客流及OD客流的预测结果。

全文数据：

权利要求：

百度查询： 北京交通大学 一种基于多任务级联深度学习的轨道交通客流预测方法