一种基于LBS的大型活动重点通行道路人流分时段预测方法

专利主权项内容

1.一种基于LBS的大型活动重点通行道路人流分时段预测方法，其特征在于，包括以下步骤：S1、LBS数据圈定，设定需要举办大型活动的场馆及重点道路，通过LBS接口圈定电子围栏，收集区域内人流数据；S2、数据准备，准备历史数据和预测数据；S3、数据查探，检测历史数据和预测数据中的异常情形；S4、数据预处理，对历史数据和预测数据进行预处理；S5、建模与训练，以LSTM构建人流预测网络，将预处理后的历史数据和预测数据输入人流预测网络内进行训练，得到人流预测模型；S6、模型评估，评估人流预测模型的性能；S7、分时段预测，通过人流预测模型预测该大型活动场馆及重点道路的分时段人流数据；在步骤S2中，历史数据包括第一历史要素、第二历史要素、第三历史要素、第四历史要素；所述第一历史要素用于提供场馆建成以来举办过的大型活动的活动内容数据信息；所述第二历史要素用于提供场馆建成以来举办大型活动时场馆及重点道路的人数数据信息；所述第三历史要素用于提供场馆建成以来举办大型活动时的日期数据信息；所述第四历史要素用于提供场馆建成以来举办大型活动时的天气数据信息；在步骤S2中，预测数据包括第一预测要素，第二预测要素，第三预测要素，第四预测要素；所述第一预测要素用于提供下一场大型活动的活动内容数据信息；所述第二预测要素用于提供下一场大型活动的人数数据信息；所述第三预测要素用于提供下一场大型活动的日期数据信息；所述第四预测要素用于提供下一场大型活动的天气数据信息；在步骤S4中，数据预处理包括数据清洗和特征工程，数据清洗用于处理历史数据，确保历史数据的质量与统一性；特征工程用于将第三历史要素、第三预测要素、第四历史要素和第四预测要素转换为数值特征；特征工程中将第三历史要素、第三预测要素、第四历史要素和第四预测要素进行分类并进行映射，映射后进行编码转换得到新的特征，使每个特征对应欧式空间的一个点；数据清洗包括填充缺失值、去除异常值、归一化处理；所述历史数据与预测数据利用MinMaxScaler进行归一化处理；在步骤S5中，将经过数据预处理的数据转化为时间序列数据，使用时间序列数据输入人流预测网络，训练人流预测模型。