一种客流量预测方法、系统、存储介质及设备

本申请涉及一种预测方法，特别涉及一种客流量预测方法、系统、存储介质及设备，属于智能交通。

背景技术：

1、流量预测是智能交通系统优化运营调度、缓解高峰时段拥堵、提升乘客出行体验的关键技术环节。目前，存在以下两个主要技术瓶颈：

2、交通客流不仅受自身历史规律影响，还与天气（如降雨、气温）、节假日、站点周边活动等多种外部因素强相关。现有模型，如lstm，在融合此类高维、异构的外部特征时效率低下，通常需要手动构造复杂的特征滞后项，不仅增加了模型复杂度，还容易引入冗余特征干扰，导致预测误差波动较大。

3、深度学习模型（如lstm）通常被视为“黑箱”，其内部决策逻辑难以理解。运营管理部门不仅需要一个准确的预测结果，更希望了解哪些因素（如暴雨天气、节假日）导致了客流变化，以及各自的影响权重是多少。现有模型难以量化各特征的贡献度，从而限制了基于模型输出的精细化、智能化调度策略的制定与优化空间。

技术实现思路

1、有鉴于此，本申请提供一种客流量预测方法、系统、存储介质及设备，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择。

2、本申请实施例的技术方案是这样实现的：

3、本申请提供一种客流量预测方法，包括以下步骤：获取目标城市的多源历史数据，并基于所述多源历史数据构建时空特征矩阵；构建初始客流量预测模型，根据所述时空特征矩阵对所述初始客流量预测模型进行训练和验证，以获得目标客流量预测模型；以及，基于目标输入数据，通过所述目标客流量预测模型输出设定时间段的客流量预测值，同时输出全局特征重要性排名。

4、进一步优选的：获取到所述多源历史数据后，还包括：对所述多源历史数据进行预处理；其中，所述预处理至少包括数据清洗和数据对齐。

5、进一步优选的：所述多源历史数据包括客流量数据、气象数据、日历信息和活动信息。

6、进一步优选的：基于所述多源历史数据构建时空特征矩阵，包括：基于预处理后的客流量数据构造时间滞后特征，以获得客流量特征；基于预处理后的气象数据和活动信息进行编码，以获得场景特征；基于预处理后的日历信息进行标准化，以获得日历特征；以及，根据所述客流量特征、场景特征和日历特征构建时空特征矩阵。

7、进一步优选的：根据所述时空特征矩阵对所述初始客流量预测模型进行训练和验证，以获得目标客流量预测模型，包括：将所述时空特征矩阵划分为训练集、验证集和测试集；通过所述训练集对所述初始客流量预测模型进行迭代训练，同时通过所述验证集监控所述初始客流量模型的模型性能，以当验证集损失连续预设个训练轮次不下降时终止训练；通过所述测试集对当前训练获得的初始客流量预测模型进行测试，以在测试通过时，获得目标客流量预测模型。

8、进一步优选的：所述初始客流量预测模型包括特征变换器和注意力变换器；将所述时空特征矩阵输入至所述特征变换器，生成特征嵌入向量；通过所述注意力变换器采用多步迭代机制动态筛选关键特征。

9、进一步优选的：所述多步迭代机制，包括：设定迭代步数，在第k步中，通过注意力变换器根据所述特征嵌入向量计算稀疏特征重要性权重，以基于所述稀疏特征重要性权重筛选关键特征，并通过掩码因子对关键特征进行抑制；其中k>1；通过特征变换器对所述关键特征进行非线性变换后进入下一步迭代，最终将各步输出加权求和得到预测值。

10、基于同一构思，本申请还提供一种客流量预测系统，包括：数据获取和处理模块，用于获取目标城市的多源历史数据，并基于所述多源历史数据构建时空特征矩阵；模型构建与训练模块，内置初始客流量预测模型，用于根据所述时空特征矩阵对所述初始客流量预测模型进行训练和验证，以获得目标客流量预测模型；预测与输出模块，用于基于目标输入数据，通过所述目标客流量预测模型输出设定时间段的客流量预测值，同时输出全局特征重要性排名。

11、基于同一构思，本申请还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述的客流量预测方法。

12、基于同一构思，本申请还提供一种设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述的客流量预测方法。

13、本申请实施例由于采用以上技术方案，其具有以下优点：

14、本申请可以自动、动态地从高维特征中筛选出与预测目标最相关的关键特征，同时有效抑制冗余特征的干扰，具有较强的预测精度和泛化能力；并且能够输出全局特征重要性排名，直观量化每个输入特征对最终预测结果的贡献度，具备高可解释性。

15、上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本申请进一步的方面、实施方式和特征将会是容易明白的。

1.一种客流量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的客流量预测方法，其特征在于，获取到所述多源历史数据后，还包括：

3.根据权利要求2所述的客流量预测方法，其特征在于，所述多源历史数据包括客流量数据、气象数据、日历信息和活动信息。

4.根据权利要求3所述的客流量预测方法，其特征在于，基于所述多源历史数据构建时空特征矩阵，包括：

5.根据权利要求4所述的客流量预测方法，其特征在于，根据所述时空特征矩阵对所述初始客流量预测模型进行训练和验证，以获得目标客流量预测模型，包括：

6.根据权利要求5所述的客流量预测方法，其特征在于，所述初始客流量预测模型包括特征变换器和注意力变换器；

7.根据权利要求6所述的客流量预测方法，其特征在于，所述多步迭代机制，包括：

8.一种采用如权利要求1-7任一项所述的客流量预测方法的系统，其特征在于，包括：

9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如权利要求1-7任一项所述的客流量预测方法。

10.一种设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-7任一项所述的客流量预测方法。