一种基于通信数据和神经网络的实时地铁人流密度预测方法

摘要

本发明涉及一种基于通信数据和神经网络的实时地铁人流密度预测方法，属于大数据与深度学习技术领域。包括数据预处理、构建和训练权值共享循环神经网络模型、实时预测地铁人流密度三个步骤，先构建地铁进出站数据集B，对一定距离范围内的通信数据进行清洗得到数据集C，以K个地铁站为聚类中心对数据集C进行处理，统计每类包含的乘客数p并作为t时刻的潜在乘客；组合数据集B、C，得到数据集A(t)；再构建和训练权值共享循环神经网络模型，输入A(t)，计算t时刻下的隐藏层神经元输出ht，然后计算共享层的输出st，最终计算输出yt，即可。本发明可以准确、快速地给出实时的地铁人流密度的预测，包括地铁站附近特殊情况下的人流密度预测。