CN113743684A - 人流量预测方法、电子设备、计算机可读存储介质 - Google Patents

人流量预测方法、电子设备、计算机可读存储介质 Download PDF

Info

Publication number
CN113743684A
CN113743684A CN202111305645.2A CN202111305645A CN113743684A CN 113743684 A CN113743684 A CN 113743684A CN 202111305645 A CN202111305645 A CN 202111305645A CN 113743684 A CN113743684 A CN 113743684A
Authority
CN
China
Prior art keywords
flow
target station
people
attracted
pedestrian
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111305645.2A
Other languages
English (en)
Other versions
CN113743684B (zh
Inventor
郭宇鹏
王晓
毛少将
雷庆庆
李沛然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CRSC Communication and Information Group Co Ltd CRSCIC
Original Assignee
CRSC Communication and Information Group Co Ltd CRSCIC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CRSC Communication and Information Group Co Ltd CRSCIC filed Critical CRSC Communication and Information Group Co Ltd CRSCIC
Priority to CN202111305645.2A priority Critical patent/CN113743684B/zh
Publication of CN113743684A publication Critical patent/CN113743684A/zh
Application granted granted Critical
Publication of CN113743684B publication Critical patent/CN113743684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种人流量预测方法、电子设备、计算机可读存储介质，人流量预测方法包括：根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量；其中，所述基本人流量用于指示日常生活出行人数；根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量；其中，所述突发性人流量用于指示突发性事件吸引的人流量，所述周期性人流量用于指示周期性事件吸引的人流量；根据所述目标车站的基本人流量和峰值人流量计算所述目标车站所在第二区域的总人流量；其中，所述第一区域大于所述第二区域。

Description

人流量预测方法、电子设备、计算机可读存储介质
技术领域
本公开实施例涉及数据处理技术领域，特别涉及人流量预测方法、电子设备、计算机可读存储介质。
背景技术
传统的人流量预测方法首先是通过票务系统或者是人工统计的方式获取历史的人流量数据，然后根据历史的人流量数据使用回归算法或者深度学习算法进行人流量预测。回归算法虽然可解释性较强但是对于复杂情况难以进行拟合和预测，深度学习算法虽然预测能力较强，但是可解释性较差。
发明内容
本公开实施例提供一种人流量预测方法、电子设备、计算机可读存储介质。
第一方面，本公开实施例提供一种人流量预测方法，包括：
根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量；其中，所述基本人流量用于指示日常生活出行人数；
根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量；其中，所述突发性人流量用于指示突发性事件吸引的人流量，所述周期性人流量用于指示周期性事件吸引的人流量；
根据所述目标车站的基本人流量和峰值人流量计算所述目标车站所在第二区域的总人流量；其中，所述第一区域大于所述第二区域。
在一些示例性实施例中，所述根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量包括：
按照公式
Figure 139399DEST_PATH_IMAGE001
计算所述目标车站的基本人流量；其中，
Figure 541562DEST_PATH_IMAGE002
为所述目标车站的基本人流量，T为时间，
Figure 351386DEST_PATH_IMAGE003
为时间T对应的第一权重，P为所述乘车概率，S为所述目标车站的位置信息，
Figure 875908DEST_PATH_IMAGE004
为所述目标车站所在的第一区域的居住人数。
在一些示例性实施例中，所述根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量包括：
根据突发性事件的吸引程度、突发性事件影响力范围内的居住人数和乘车概率计算所述目标车站的突发性人流量；
分别计算每一个周期性事件吸引的人流量，将所有周期性事件吸引的人流量相加得到所述周期性人流量；
将所述突发性人流量和所述周期性人流量相加得到所述峰值人流量。
在一些示例性实施例中，所述根据突发性事件的吸引程度、突发性事件影响力范围内的居住人数和乘车概率计算所述目标车站的突发性人流量包括：
按照公式
Figure 36762DEST_PATH_IMAGE005
计算所述目标车站的突发性人流量；
其中，
Figure 977036DEST_PATH_IMAGE006
为所述目标车站的突发性人流量，P为所述乘车概率，Pe为所述突发性事件的吸引程度、Nc为所述突发性事件影响力范围内的居住人数。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个成规模公司；
所述分别计算每一个周期性事件吸引的人流量包括：
对于每一个所述成规模公司，根据所述成规模公司的总人数和乘车概率计算所述成规模公司吸引的人流量；
将所有所述成规模公司吸引的人流量相加得到所述周期性事件吸引的人流量。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个商业街；
所述分别计算每一个周期性事件吸引的人流量包括：
对于每一个所述商业街，根据所述目标车站所在的第一区域的居住人数、所述商业街的吸引力系数和乘车概率计算所述商业街吸引的人流量；
将所有所述商业街吸引的人流量相加得到所述周期性事件吸引的人流量。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个学校；
所述分别计算每一个周期性事件吸引的人流量包括：
对于每一个所述学校，根据所述学校的总人数、学生乘车概率计算所述学校吸引的人流量；
将所有所述学校吸引的人流量相加得到所述周期性事件吸引的人流量。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个医院；
所述分别计算每一个周期性事件吸引的人流量包括：
对于每一个所述医院，根据所述目标车站所在的第一区域的居住人数、乘车概率和所述医院的吸引力系数计算所述医院吸引的人流量；
将所有所述医院吸引的人流量相加得到所述周期性事件吸引的人流量。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个景区；
所述分别计算每一个周期性事件吸引的人流量包括：
对于每一个所述景区，根据所述目标车站所在的第一区域的居住人数、乘车概率和景区影响力系数计算所述景区吸引的人流量；
将所有所述景区吸引的人流量相加得到所述周期性事件吸引的人流量。
第二方面，本公开实施例提供一种电子设备，包括：至少一个处理器；存储器，所述存储器上存储有至少一个程序，当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述任意一种人流量预测方法。
第三方面，本公开实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，所述程序被处理器执行时实现上述任意一种人流量预测方法。
本公开实施例提供的人流量预测方法，基于基本人流量和峰值人流量来预测目标车站所在第二区域的总人流量，既有较强的预测能力又有较强的可解释性。
附图说明
附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制。通过参考附图对详细示例性实施例进行描述，在附图中：
图1为本公开一个实施例提供的人流量预测方法的流程图；
图2为本公开另一个实施例提供的人流量预测装置的组成框图。
具体实施方式
为使本领域的技术人员更好地理解本公开的技术方案，下面结合附图对本公开提供的人流量预测方法、电子设备、计算机可读存储介质进行详细描述。
在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。
在不冲突的情况下，本公开各实施例及实施例中的各特征可相互组合。
如本文所使用的，术语“和/或”包括至少一个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加至少一个其它特征、整体、步骤、操作、元件、组件和/或其群组。
除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定。
图1为本公开一个实施例提供的人流量预测方法的流程图。
第一方面，参照图1，本公开一个实施例提供一种人流量预测方法，包括：
步骤100、根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量；其中，所述基本人流量用于指示日常生活出行人数。
在一些示例性实施例中，目标车站所在的第一区域可以是包括目标车站的任何区域，例如可以是包括目标车站的区、镇、市等。只要是其中居住的人有可能去目标车站乘车，均可以归入到第一区域范围内。
在一些示例性实施例中，所述根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量包括：按照公式
Figure 31580DEST_PATH_IMAGE007
计算所述目标车站的基本人流量；其中，
Figure 399107DEST_PATH_IMAGE008
为所述目标车站的基本人流量，T为时间，为时间T对应的第一权重，P为所述乘车概率，S为所述目标车站的位置信息，
Figure 47257DEST_PATH_IMAGE009
为所述目标车站所在的第一区域的居住人数。
在一些示例性实施例中，不同时间T对应不同的第一权重
Figure 853539DEST_PATH_IMAGE009
。例如，工作日对应的第一权重
Figure 637956DEST_PATH_IMAGE009
、周末对应的第一权重
Figure 504281DEST_PATH_IMAGE009
和节假日对应的第一权重
Figure 639727DEST_PATH_IMAGE009
可以取不同的值。
在一些示例性实施例中，乘车概率P为目标车站在预设时间段内的运输量均值和第一区域内的居住人数的比值。预设时间段例如可以是年。具体可以根据统计值进行计算得到。
步骤101、根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量；其中，所述突发性人流量用于指示突发性事件吸引的人流量，所述周期性人流量用于指示周期性事件吸引的人流量。
在一些示例性实施例中，所述根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量包括：根据突发性事件的吸引程度、突发性事件影响力范围内的居住人数和乘车概率计算所述目标车站的突发性人流量；分别计算每一个周期性事件吸引的人流量，将所有周期性事件吸引的人流量相加得到所述周期性人流量；将所述突发性人流量
Figure 249700DEST_PATH_IMAGE010
和所述周期性人流量
Figure 148343DEST_PATH_IMAGE011
相加得到所述峰值人流量。
其中，E表示突发事件，T为时间，S为目标车站的位置信息。
在一些示例性实施例中，所述根据突发性事件的吸引程度、突发性事件影响力范围内的居住人数和乘车概率计算所述目标车站的突发性人流量包括：按照公式
Figure 451148DEST_PATH_IMAGE012
计算所述目标车站的突发性人流量；其中，
Figure 808311DEST_PATH_IMAGE013
为所述目标车站的突发性人流量，P为所述乘车概率，Pe为所述突发性事件的吸引程度、Nc为所述突发性事件影响力范围内的居住人数。
在一些示例性实施例中，突发性事件的吸引程度Pe为参加突发性事件的人数和第一区域内的居住人数的比值。具体可以根据统计值进行计算得到。
在一些示例性实施例中，突发性事件影响力范围可以是第一区域，也可以是小于第一区域，也可以大于第一区域。本公开实施例对突发性事件影响力范围的大小不作限定。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个成规模公司；所述分别计算每一个周期性事件吸引的人流量包括：对于每一个所述成规模公司，根据所述成规模公司的总人数和乘车概率计算所述成规模公司吸引的人流量；将所有所述成规模公司吸引的人流量相加得到所述周期性事件吸引的人流量。
也就是说，按照公式
Figure 221975DEST_PATH_IMAGE014
计算周期性事件吸引的人流量；其中，Fpg为周期性事件吸引的人流量，
Figure 980983DEST_PATH_IMAGE015
为时间T对应的第二权重，
Figure 126794DEST_PATH_IMAGE016
为第j个成规模公司的总人数，P为乘车概率，J为第一区域内具有的成规模公司数量。
在一些示例性实施例中，不同时间T对应不同的第二权重
Figure 95887DEST_PATH_IMAGE015
。例如，工作日对应的第二权重
Figure 250925DEST_PATH_IMAGE015
为1、周末和节假日对应的第二权重
Figure 130019DEST_PATH_IMAGE015
为0。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个商业街；所述分别计算每一个周期性事件吸引的人流量包括：对于每一个所述商业街，根据所述目标车站所在的第一区域的居住人数、所述商业街的吸引力系数和乘车概率计算所述商业街吸引的人流量；将所有所述商业街吸引的人流量相加得到所述周期性事件吸引的人流量。
也就是说，按照公式
Figure 446731DEST_PATH_IMAGE017
计算周期性事件吸引的人流量；其中，Fpc为周期性事件吸引的人流量，
Figure 903120DEST_PATH_IMAGE018
为时间T对应的第三权重，
Figure 533953DEST_PATH_IMAGE019
为目标车站所在的第一区域的居住人数，
Figure 126608DEST_PATH_IMAGE020
为第k个商业街的吸引力系数，P为乘车概率，K为第一区域内具有的商业街数量。
在一些示例性实施例中，第k个商业街的吸引力系数
Figure 817484DEST_PATH_IMAGE020
为第k个商业街的人流量和第一区域内的居住人数的比值。具体可以根据统计值进行计算得到。
在一些示例性实施例中，不同时间T对应不同的第三权重
Figure 761169DEST_PATH_IMAGE018
。例如，工作日对应的第三权重
Figure 523588DEST_PATH_IMAGE021
、周末对应的第三权重
Figure 111696DEST_PATH_IMAGE018
和节假日对应的第三权重
Figure 832527DEST_PATH_IMAGE021
可以取不同的值。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个学校；所述分别计算每一个周期性事件吸引的人流量包括：对于每一个所述学校，根据所述学校的总人数、学生乘车概率计算所述学校吸引的人流量；将所有所述学校吸引的人流量相加得到所述周期性事件吸引的人流量。
也就是说，按照公式
Figure 138875DEST_PATH_IMAGE022
计算周期性事件吸引的人流量；其中，Fsc为周期性事件吸引的人流量，
Figure 236144DEST_PATH_IMAGE023
为时间T对应的第四权重，
Figure 209916DEST_PATH_IMAGE024
为第l个学校的总人数，
Figure 101648DEST_PATH_IMAGE025
为学生乘车概率，L为第一区域内具有的学校数量。
在一些示例性实施例中，不同时间T对应不同的第四权重
Figure 629713DEST_PATH_IMAGE023
。例如，工作日对应的第四权重为
Figure 796252DEST_PATH_IMAGE023
1、周末和节假日对应的第四权重
Figure 93372DEST_PATH_IMAGE023
为0。
在一些示例性实施例中，学生乘车概率
Figure 421585DEST_PATH_IMAGE026
为学生乘车人数和学校的总人数的比值。具体可以根据统计值进行计算得到。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个医院；所述分别计算每一个周期性事件吸引的人流量包括：对于每一个所述医院，根据所述目标车站所在的第一区域的居住人数、乘车概率和所述医院的吸引力系数计算所述医院吸引的人流量；将所有所述医院吸引的人流量相加得到所述周期性事件吸引的人流量。
也就是说，按照公式
Figure 436946DEST_PATH_IMAGE027
计算周期性事件吸引的人流量；其中，Fh为周期性事件吸引的人流量，
Figure 876018DEST_PATH_IMAGE028
为时间T对应的第五权重，
Figure 558803DEST_PATH_IMAGE029
为目标车站所在的第一区域的居住人数，
Figure 57917DEST_PATH_IMAGE030
为第m个医院的吸引力系数，P为乘车概率，M为第一区域内具有的医院数量。
在一些示例性实施例中，不同时间T对应不同的第五权重
Figure 560574DEST_PATH_IMAGE031
。例如，工作日对应的第五权重
Figure 803336DEST_PATH_IMAGE028
、周末对应的第五权重
Figure 92627DEST_PATH_IMAGE028
和节假日对应的第五权重
Figure 762643DEST_PATH_IMAGE028
可以取不同的值。
在一些示例性实施例中，第m个医院的吸引力系数
Figure 752595DEST_PATH_IMAGE032
为第m个医院的就诊人数和第一区域内的居住人数的比值。具体可以根据统计值进行计算得到。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个景区；所述分别计算每一个周期性事件吸引的人流量包括：对于每一个所述景区，根据所述目标车站所在的第一区域的居住人数、乘车概率和景区影响力系数计算所述景区吸引的人流量；将所有所述景区吸引的人流量相加得到所述周期性事件吸引的人流量。
也就是说，按照公式
Figure 533470DEST_PATH_IMAGE033
计算周期性事件吸引的人流量；其中，Fh为周期性事件吸引的人流量，
Figure 925268DEST_PATH_IMAGE034
为时间T对应的第六权重，
Figure 766185DEST_PATH_IMAGE035
为目标车站所在的第一区域的居住人数，
Figure 243434DEST_PATH_IMAGE036
为第n个景区的景区影响力系数，P为乘车概率，N为第一区域内具有的景区数量。
在一些示例性实施例中，不同时间T对应不同的第六权重
Figure 827999DEST_PATH_IMAGE034
。例如，工作日对应的第六权重
Figure 74304DEST_PATH_IMAGE034
、周末对应的第六权重
Figure 86122DEST_PATH_IMAGE034
和节假日对应的第六权重
Figure 785088DEST_PATH_IMAGE037
可以取不同的值。
在一些示例性实施例中，第n个景区的景区影响力系数
Figure 173344DEST_PATH_IMAGE036
为第n个景区的人流量和第一区域内的居住人数的比值。具体可以根据统计值进行计算得到。
步骤102、根据所述目标车站的基本人流量和峰值人流量计算所述目标车站所在第二区域的总人流量；其中，所述第一区域大于所述第二区域。
在一些示例性实施例中，第二区域是指目标车站附近的区域，包括车站牌、购票区、乘车等候区等。
在一些示例性实施例中，将目标车站的基本人流量
Figure 274155DEST_PATH_IMAGE038
和峰值人流量
Figure 863399DEST_PATH_IMAGE039
相加得到总人流量；其中，E表示突发事件。
本申请实施例中的第一权重、第二权重、第三权重、第四权重、第五权重、第六权重可以根据历史人流量数据进行训练得到，训练过程中采用均方差函数值来计算误差，并使用梯度下降法进行逼近。
本公开实施例提供的人流量预测方法，基于基本人流量和峰值人流量来预测目标车站所在第二区域的总人流量，既有较强的预测能力又有较强的可解释性。
第二方面，本公开另一个实施例提供一种电子设备，包括：至少一个处理器；存储器，存储器上存储有至少一个程序，当至少一个程序被至少一个处理器执行，使得至少一个处理器实现上述任意一项的人流量预测方法。
其中，处理器为具有数据处理能力的器件，其包括但不限于中央处理器（CPU）等；存储器为具有数据存储能力的器件，其包括但不限于随机存取存储器（RAM，更具体如SDRAM、DDR等）、只读存储器（ROM）、带电可擦可编程只读存储器（EEPROM）、闪存（FLASH）。
在一些实施例中，处理器、存储器通过总线相互连接，进而与计算设备的其它组件连接。
第三方面，本公开另一个实施例提供一种计算机可读存储介质，计算机可读从介质上存储有计算机程序，程序被处理器执行时实现上述任意一种人流量预测方法。
图2为本公开另一个实施例提供的人流量预测装置的组成框图。
第四方面，参照图2，本公开另一个实施例提供一种人流量预测装置，包括：基本人流量计算模块201，用于根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量；其中，所述基本人流量用于指示日常生活出行人数；峰值人流量计算模块202，用于根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量；其中，所述突发性人流量用于指示突发性事件吸引的人流量，所述周期性人流量用于指示周期性事件吸引的人流量；总人流量计算模块203，用于根据所述目标车站的基本人流量和峰值人流量计算所述目标车站所在第二区域的总人流量；其中，所述第一区域大于所述第二区域。
在一些示例性实施例中，基本人流量计算模块201具体用于：按照公式
Figure 439874DEST_PATH_IMAGE040
计算所述目标车站的基本人流量；其中，
Figure 241608DEST_PATH_IMAGE041
为所述目标车站的基本人流量，T为时间，
Figure 321559DEST_PATH_IMAGE042
为时间T对应的第一权重，P为所述乘车概率，S为所述目标车站的位置信息，
Figure 816126DEST_PATH_IMAGE043
为所述目标车站所在的第一区域的居住人数。
在一些示例性实施例中，峰值人流量计算模块202具体用于：根据突发性事件的吸引程度、突发性事件影响力范围内的居住人数和乘车概率计算所述目标车站的突发性人流量；分别计算每一个周期性事件吸引的人流量，将所有周期性事件吸引的人流量相加得到所述周期性人流量；将所述突发性人流量和所述周期性人流量相加得到所述峰值人流量。
在一些示例性实施例中，峰值人流量计算模块202具体用于采用以下方式实现所述根据突发性事件的吸引程度、突发性事件影响力范围内的居住人数和乘车概率计算所述目标车站的突发性人流量：按照公式
Figure 614317DEST_PATH_IMAGE044
计算所述目标车站的突发性人流量；其中，
Figure 219742DEST_PATH_IMAGE045
为所述目标车站的突发性人流量，P为所述乘车概率，Pe为所述突发性事件的吸引程度、Nc为所述突发性事件影响力范围内的居住人数。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个成规模公司；峰值人流量计算模块202具体用于采用以下方式实现所述分别计算每一个周期性事件吸引的人流量：对于每一个所述成规模公司，根据所述成规模公司的总人数和乘车概率计算所述成规模公司吸引的人流量；将所有所述成规模公司吸引的人流量相加得到所述周期性事件吸引的人流量。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个商业街；峰值人流量计算模块202具体用于采用以下方式实现所述分别计算每一个周期性事件吸引的人流量：对于每一个所述商业街，根据所述目标车站所在的第一区域的居住人数、所述商业街的吸引力系数和乘车概率计算所述商业街吸引的人流量；将所有所述商业街吸引的人流量相加得到所述周期性事件吸引的人流量。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个学校；峰值人流量计算模块202具体用于采用以下方式实现所述分别计算每一个周期性事件吸引的人流量：对于每一个所述学校，根据所述学校的总人数、学生乘车概率计算所述学校吸引的人流量；将所有所述学校吸引的人流量相加得到所述周期性事件吸引的人流量。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个医院；峰值人流量计算模块202具体用于采用以下方式实现所述分别计算每一个周期性事件吸引的人流量：对于每一个所述医院，根据所述目标车站所在的第一区域的居住人数、乘车概率和所述医院的吸引力系数计算所述医院吸引的人流量；将所有所述医院吸引的人流量相加得到所述周期性事件吸引的人流量。
在一些示例性实施例中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个景区；峰值人流量计算模块202具体用于采用以下方式实现所述分别计算每一个周期性事件吸引的人流量：对于每一个所述景区，根据所述目标车站所在的第一区域的居住人数、乘车概率和景区影响力系数计算所述景区吸引的人流量；将所有所述景区吸引的人流量相加得到所述周期性事件吸引的人流量。
上述人流量预测装置的具体实现过程与前述实施例人流量预测方法的具体实现过程相同，这里不再赘述。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质（或非暂时性介质）和通信介质（或暂时性介质）。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息（诸如计算机可读指令、数据结构、程序模块或其它数据）的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘（DVD）或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储器、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据，并且可包括任何信息递送介质。
本文已经公开了示例实施例，并且虽然采用了具体术语，但它们仅用于并仅应当被解释为一般说明性含义，并且不用于限制的目的。在一些实例中，对本领域技术人员显而易见的是，除非另外明确指出，否则可单独使用与特定实施例相结合描述的特征、特性和/或元素，或可与其它实施例相结合描述的特征、特性和/或元件组合使用。因此，本领域技术人员将理解，在不脱离由所附的权利要求阐明的本公开的范围的情况下，可进行各种形式和细节上的改变。

Claims (11)

1.一种人流量预测方法，包括：
根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量；其中，所述基本人流量用于指示日常生活出行人数；
根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量；其中，所述突发性人流量用于指示突发性事件吸引的人流量，所述周期性人流量用于指示周期性事件吸引的人流量；
根据所述目标车站的基本人流量和峰值人流量计算所述目标车站所在第二区域的总人流量；其中，所述第一区域大于所述第二区域。
2.根据权利要求1所述的人流量预测方法，其中，所述根据目标车站所在第一区域的居住人数和乘车概率计算所述目标车站的基本人流量包括：
按照公式
Figure 600155DEST_PATH_IMAGE001
计算所述目标车站的基本人流量；其中，
Figure 48454DEST_PATH_IMAGE002
为所述目标车站的基本人流量，T为时间，
Figure 234716DEST_PATH_IMAGE003
为时间T对应的第一权重，P为所述乘车概率，S为所述目标车站的位置信息，
Figure 161083DEST_PATH_IMAGE004
为所述目标车站所在的第一区域的居住人数。
3.根据权利要求1所述的人流量预测方法，其中，所述根据所述目标车站的突发性人流量和周期性人流量计算所述目标车站的峰值人流量包括：
根据突发性事件的吸引程度、突发性事件影响力范围内的居住人数和乘车概率计算所述目标车站的突发性人流量；
分别计算每一个周期性事件吸引的人流量，将所有周期性事件吸引的人流量相加得到所述周期性人流量；
将所述突发性人流量和所述周期性人流量相加得到所述峰值人流量。
4.根据权利要求3所述的人流量预测方法，其中，所述根据突发性事件的吸引程度、突发性事件影响力范围内的居住人数和乘车概率计算所述目标车站的突发性人流量包括：
按照公式
Figure 381980DEST_PATH_IMAGE005
计算所述目标车站的突发性人流量；
其中，
Figure 938864DEST_PATH_IMAGE006
为所述目标车站的突发性人流量，P为所述乘车概率，Pe为所述突发性事件的吸引程度、Nc为所述突发性事件影响力范围内的居住人数。
5.根据权利要求3所述的人流量预测方法，其中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个成规模公司；
所述分别计算每一个周期性事件吸引的人流量包括：
对于每一个所述成规模公司，根据所述成规模公司的总人数和乘车概率计算所述成规模公司吸引的人流量；
将所有所述成规模公司吸引的人流量相加得到所述周期性事件吸引的人流量。
6.根据权利要求3所述的人流量预测方法，其中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个商业街；
所述分别计算每一个周期性事件吸引的人流量包括：
对于每一个所述商业街，根据所述目标车站所在的第一区域的居住人数、所述商业街的吸引力系数和乘车概率计算所述商业街吸引的人流量；
将所有所述商业街吸引的人流量相加得到所述周期性事件吸引的人流量。
7.根据权利要求3所述的人流量预测方法，其中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个学校；
所述分别计算每一个周期性事件吸引的人流量包括：
对于每一个所述学校，根据所述学校的总人数、学生乘车概率计算所述学校吸引的人流量；
将所有所述学校吸引的人流量相加得到所述周期性事件吸引的人流量。
8.根据权利要求3所述的人流量预测方法，其中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个医院；
所述分别计算每一个周期性事件吸引的人流量包括：
对于每一个所述医院，根据所述目标车站所在的第一区域的居住人数、乘车概率和所述医院的吸引力系数计算所述医院吸引的人流量；
将所有所述医院吸引的人流量相加得到所述周期性事件吸引的人流量。
9.根据权利要求3所述的人流量预测方法，其中，所述周期性事件包括：所述目标车站所在的第一区域内包含有至少一个景区；
所述分别计算每一个周期性事件吸引的人流量包括：
对于每一个所述景区，根据所述目标车站所在的第一区域的居住人数、乘车概率和景区影响力系数计算所述景区吸引的人流量；
将所有所述景区吸引的人流量相加得到所述周期性事件吸引的人流量。
10.一种电子设备，包括：
至少一个处理器；
存储器，所述存储器上存储有至少一个程序，当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现权利要求1-9任意一项所述的人流量预测方法。
11.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1-9任意一项所述的人流量预测方法。
CN202111305645.2A 2021-11-05 2021-11-05 人流量预测方法、电子设备、计算机可读存储介质 Active CN113743684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111305645.2A CN113743684B (zh) 2021-11-05 2021-11-05 人流量预测方法、电子设备、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111305645.2A CN113743684B (zh) 2021-11-05 2021-11-05 人流量预测方法、电子设备、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113743684A true CN113743684A (zh) 2021-12-03
CN113743684B CN113743684B (zh) 2022-03-15

Family

ID=78727639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111305645.2A Active CN113743684B (zh) 2021-11-05 2021-11-05 人流量预测方法、电子设备、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113743684B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102324122A (zh) * 2011-05-14 2012-01-18 刘宇 可生成乘车方案并能预测客流量的智能乘车系统
WO2016154941A1 (en) * 2015-03-31 2016-10-06 SZ DJI Technology Co., Ltd. Systems and methods for displaying geo-fencing device information
CN106897815A (zh) * 2017-01-17 2017-06-27 北京万相融通科技股份有限公司 一种实时预测车站客流量趋势的方法
CN107844848A (zh) * 2016-09-20 2018-03-27 中国移动通信集团湖北有限公司 一种区域人流量预测方法及系统
CN109492788A (zh) * 2017-09-13 2019-03-19 中移（杭州）信息技术有限公司 预测人流量以及建立人流量预测模型的方法及相关设备
CN110175711A (zh) * 2019-05-17 2019-08-27 北京市天元网络技术股份有限公司 一种基于联合lstm基站小区流量预测方法以及装置
CN111091222A (zh) * 2018-10-24 2020-05-01 上海博泰悦臻网络技术服务有限公司 人流量预测方法、装置及系统
CN111612249A (zh) * 2020-05-20 2020-09-01 北京百度网讯科技有限公司 用于预测人流量的方法、装置、设备以及存储介质
CN111935637A (zh) * 2019-05-13 2020-11-13 西安光启未来技术研究院 一种人流量分析方法、存储介质及处理器
CN112070324A (zh) * 2020-11-11 2020-12-11 江西鹭鹭行科技有限公司 站点客流量预测方法、装置、可读存储介质及计算机设备
CN112381320A (zh) * 2020-11-27 2021-02-19 山东建筑大学 一种社区人员流量预测方法、系统、存储介质及设备
CN112418567A (zh) * 2021-01-22 2021-02-26 中航信移动科技有限公司 人流量预测方法、装置、计算机设备及存储介质
CN112465197A (zh) * 2020-11-16 2021-03-09 浙江云合数据科技有限责任公司 区域人口数量的预测方法、装置、计算机设备及存储介质
CN112988830A (zh) * 2019-12-02 2021-06-18 中移智行网络科技有限公司 人流量统计方法、装置、系统、存储介质和计算机设备
CN112988847A (zh) * 2021-04-20 2021-06-18 广东智九信息科技有限公司 一种基于大数据的景区人数预测系统以及方法
US20210304610A1 (en) * 2020-03-24 2021-09-30 Arudi Srinivas Rajagopal Traffic warning and data capture devices and methods

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102324122A (zh) * 2011-05-14 2012-01-18 刘宇 可生成乘车方案并能预测客流量的智能乘车系统
WO2016154941A1 (en) * 2015-03-31 2016-10-06 SZ DJI Technology Co., Ltd. Systems and methods for displaying geo-fencing device information
CN107844848A (zh) * 2016-09-20 2018-03-27 中国移动通信集团湖北有限公司 一种区域人流量预测方法及系统
CN106897815A (zh) * 2017-01-17 2017-06-27 北京万相融通科技股份有限公司 一种实时预测车站客流量趋势的方法
CN109492788A (zh) * 2017-09-13 2019-03-19 中移（杭州）信息技术有限公司 预测人流量以及建立人流量预测模型的方法及相关设备
CN111091222A (zh) * 2018-10-24 2020-05-01 上海博泰悦臻网络技术服务有限公司 人流量预测方法、装置及系统
CN111935637A (zh) * 2019-05-13 2020-11-13 西安光启未来技术研究院 一种人流量分析方法、存储介质及处理器
CN110175711A (zh) * 2019-05-17 2019-08-27 北京市天元网络技术股份有限公司 一种基于联合lstm基站小区流量预测方法以及装置
CN112988830A (zh) * 2019-12-02 2021-06-18 中移智行网络科技有限公司 人流量统计方法、装置、系统、存储介质和计算机设备
US20210304610A1 (en) * 2020-03-24 2021-09-30 Arudi Srinivas Rajagopal Traffic warning and data capture devices and methods
CN111612249A (zh) * 2020-05-20 2020-09-01 北京百度网讯科技有限公司 用于预测人流量的方法、装置、设备以及存储介质
CN112070324A (zh) * 2020-11-11 2020-12-11 江西鹭鹭行科技有限公司 站点客流量预测方法、装置、可读存储介质及计算机设备
CN112465197A (zh) * 2020-11-16 2021-03-09 浙江云合数据科技有限责任公司 区域人口数量的预测方法、装置、计算机设备及存储介质
CN112381320A (zh) * 2020-11-27 2021-02-19 山东建筑大学 一种社区人员流量预测方法、系统、存储介质及设备
CN112418567A (zh) * 2021-01-22 2021-02-26 中航信移动科技有限公司 人流量预测方法、装置、计算机设备及存储介质
CN112988847A (zh) * 2021-04-20 2021-06-18 广东智九信息科技有限公司 一种基于大数据的景区人数预测系统以及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张敏 等: "基于混合时空感知网络的城市区域人流量预测", 《智能计算机与应用》 *
钟尖: "基于手机信令的综合交通枢纽客流监测技术研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 *

Also Published As

Publication number Publication date
CN113743684B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
CN109871909B (zh) 图像识别方法及装置
Yao et al. Short‐term traffic speed prediction for an urban corridor
US11644323B2 (en) Systems and methods for digital route planning
CN111656140B (zh) 预测交通事故发生地的人工智能系统和方法
CN109543909B (zh) 车辆案件数量的预测方法、装置和计算机设备
US8150611B2 (en) System and methods for providing predictive traffic information
Yang et al. Mixture models for fitting freeway travel time distributions and measuring travel time reliability
US9513134B1 (en) Management of evacuation with mobile objects
CN109661672B (zh) 使用强化学习利用外部存储器增强神经网络
CN112307978B (zh) 目标检测方法、装置、电子设备及可读存储介质
EP3620880A1 (en) A method and a device for deriving a driving strategy for a self-driving vehicle and an electronic control unit for performing the driving strategy and a self-driving vehicle comprising the electronic control unit
CN112862176B (zh) 一种公共服务设施选址方法及装置
US20190166100A1 (en) System and method for traffic volume publication applying differential privacy
CN113743684B (zh) 人流量预测方法、电子设备、计算机可读存储介质
CN114997543A (zh) 人流量预测方法、模型训练方法、电子设备、可读介质
CN110017840B (zh) 导航数据的处理方法和装置、电子设备、计算机可读介质
Mohammadian et al. Improved numerical method for Aw-rascle type continuum traffic flow models
CN105654126A (zh) 一种计算设备、核矩阵评估方法以及多核学习方法
US20210278226A1 (en) Method and apparatus for processing transit time of navigation path, device and computer storage medium
CN111383357A (zh) 一种适应目标数据集的网络模型微调方法、系统、终端和存储介质
CN114882713B (zh) 基于多场景的信号控制方法、系统、设备和存储介质
Zhong et al. Finite mixture survival model for examining the variability of urban arterial travel time for buses, passenger cars and taxis
CN117668378A (zh) 路线推荐方法和装置
CN110599052B (zh) Ota酒店评价方法、系统、电子设备和介质
CN111858543B (zh) 商业地图的质量评估方法、装置及计算设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant