轨道交通客流预测方法、装置、设备、介质及产品与流程

本技术涉及轨道交通，特别是涉及一种轨道交通客流预测方法、装置、设备、介质及产品。

背景技术：

1、现阶段轨道交通客流预测多采用 gcn、lstm、transformer 等深度学习模型，存在关键短板：一是面对多源异构数据（如气象文本、运营公告、社交媒体），现有技术采用特征拼接或字典映射，无法深刻理解复杂语境（如无法理解“演唱会散场遇降雨导致网约车排队激增，倒逼地铁进站量突增”的连锁逻辑）；二是将进出站作为双通道特征直接输入同一网络，忽视了“进站是源发驱动，出站是汇入延迟”的微观物理规律，导致预测结果违背物理常识。

2、综上所述，现有的预测方法存在面对多源异构数据时采用特征拼接或字典映射，无法深刻理解复杂语境，且将进出站作为双通道特征直接输入同一网络，导致预测结果违背物理常识的技术问题。

技术实现思路

1、本技术的目的是提供一种轨道交通客流预测方法、装置、设备、介质及产品，可以解决现有的预测方法面对多源异构数据时采用特征拼接或字典映射，无法深刻理解复杂语境，且将进出站作为双通道特征直接输入同一网络，导致预测结果违背物理常识的技术问题。

2、为实现上述目的，本技术提供了如下方案：

3、第一方面，本技术提供了一种轨道交通客流预测方法，包括：

4、获取多源异构数据，其中，多源异构数据包括历史客流和语境数据；

5、将语境数据输入至预设大语言推理模型，确定动态图调制参数；

6、根据动态图调制参数，确定动态邻接矩阵，其中，动态邻接矩阵用于表征在语境数据影响下，多个站点的动态空间连接关系；

7、将历史客流输入至预训练的客流预测模型，确定客流预测结果，其中，客流预测模型包括依次连接的双流解耦输入模块、自适应时间感受野门控模块、基于动态邻接矩阵的空间图注意力聚合模块和非对称旅行时间掩码交叉注意力模块，双流解耦输入模块用于将历史客流解耦为历史进站流和历史出站流，自适应时间感受野门控模块用于分别提取进站流时间特征和出站流时间特征，空间图注意力聚合模块用于基于动态邻接矩阵确定进站流时空特征和出站流时空特征，非对称旅行时间掩码交叉注意力模块用于根据进站流时空特征和出站流时空特征确定客流预测结果。

8、可选地，语境数据包括以下至少之一：气象数据、活动运营数据和社交媒体数据；将语境数据输入至预设大语言推理模型，确定动态图调制参数，具体包括：对语境数据进行检测，得到监测结果；响应于监测结果表明语境数据与预设复杂语境匹配，将语境数据输入至预设大语言推理模型，确定动态图调制参数。

9、可选地，将语境数据输入至预设大语言推理模型，确定动态图调制参数，具体包括：利用预设大语言推理模型对语境数据进行推理，得到推理结果；根据推理结果，调用预设网络预约出租汽车数据接口，获取网络预约出租汽车排队数据；根据排队数据，确定动态图调制参数，其中，动态图调制参数包括事件影响矩阵和语境调制向量。

10、可选地，根据动态图调制参数，确定动态邻接矩阵，具体包括：根据事件影响矩阵，对预设车站语义嵌入矩阵进行修正，得到修正后车站语义嵌入矩阵；根据语境调制向量，对修正后车站语义嵌入矩阵进行动态注意力计算，确定语义激活图，语义激活图用于表征在预设复杂语境下站点间动态关联强度；对预设物理静态图和语义激活图进行加权融合，确定动态邻接矩阵，其中，预设物理静态图用于表征车站之间的静态连通关系。

11、可选地，根据进站流时空特征和出站流时空特征确定客流预测结果，具体包括：以出站流时空特征作为查询，进站流时空特征作为键、值，叠加预构建的站间行程时间偏移掩码做缩放点积注意力运算，得到融合进出站因果传导关系的全局融合时空特征；将全局融合时空特征输入线性预测输出层，映射得到客流预测结果。

12、可选地，在将历史客流输入至预训练的客流预测模型，确定客流预测结果后，还包括：获取与客流预测结果同时间周期的客流真实值；确定客流真实值与客流预测结果的相对误差；响应于相对误差大于预设误差阈值，将语境数据、相对误差和动态邻接矩阵输入至预设大语言推理模型进行归因分析，得到归因分析结果，其中，归因分析结果用于在下一预测周期中对动态图调制参数进行修正。

13、第二方面，本技术提供了一种轨道交通客流预测装置，包括：

14、获取模块，用于获取多源异构数据，其中，多源异构数据包括历史客流和语境数据；

15、第一确定模块，用于将语境数据输入至预设大语言推理模型，确定动态图调制参数；

16、第二确定模块，用于根据动态图调制参数，确定动态邻接矩阵，其中，动态邻接矩阵用于表征在语境数据影响下，多个站点的动态空间连接关系；

17、预测模块，用于将历史客流输入至预训练的客流预测模型，确定客流预测结果，其中，客流预测模型包括依次连接的双流解耦输入模块、自适应时间感受野门控模块、基于动态邻接矩阵的空间图注意力聚合模块和非对称旅行时间掩码交叉注意力模块，双流解耦输入模块用于将历史客流解耦为历史进站流和历史出站流，自适应时间感受野门控模块用于分别提取进站流时间特征和出站流时间特征，空间图注意力聚合模块用于基于动态邻接矩阵确定进站流时空特征和出站流时空特征，非对称旅行时间掩码交叉注意力模块用于根据进站流时空特征和出站流时空特征确定客流预测结果。

18、第三方面，本技术提供了一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的轨道交通客流预测方法的步骤。

19、第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的轨道交通客流预测方法的步骤。

20、第五方面，本技术提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的轨道交通客流预测方法的步骤。

21、根据本技术提供的具体实施例，本技术公开了以下技术效果：

22、本技术提供了一种轨道交通客流预测方法、装置、设备、介质及产品，方法同步采集历史客流与语境数据，依托大语言推理模型解析文本语境内在因果关联并输出动态图调制参数，基于该参数构建可随实时场景变化的动态邻接矩阵，量化突发事件影响下各站点动态空间关联，克服传统手段浅层融合异构信息、无法体现场景对路网空间关系调控作用的弊端；同时通过双流解耦输入模块将历史客流拆分为独立进站、出站数据流，搭配差异化自适应时间感受野门控分别提取适配两类客流变化特征的时序信息，再结合动态邻接矩阵完成空间图注意力聚合得到分离的进站、出站时空特征，最终借助带旅行时间约束的非对称交叉注意力单向完成双流特征融合，遵循先进站、延迟出站的轨道交通出行物理先验，规避进出站特征耦合带来的逻辑冲突，提升多场景下全线各站点进出站客流预测结果的合理性与准确度。进而解决了现有的预测方法面对多源异构数据时采用特征拼接或字典映射，无法深刻理解复杂语境，且将进出站作为双通道特征直接输入同一网络，导致预测结果违背物理常识的技术问题。