买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门大学

摘要：本发明公开了一种基于多视图集成学习的公交车载重预测方法及装置，该方法采集多种视图数据集，并分别根据载重视图数据集、时间视图数据集、站点视图数据集和视频视图数据集训练不同的基学习器，根据不同的基学习器预测得到多个载重预测值，对多个载重预测值进行加权平均处理，采用遗传算法对加权平均处理的加权系数进行优化，根据最优加权系数计算得到最终载重预测值。本发明能够在公交车行驶前预测下一站的整车载重，将预测值输入到整车控制系统中，为能量管理和安全驾驶提供依据，为公交车控制策略的计算提供足够时间。

主权项：1.一种基于多视图集成学习的公交车载重预测方法，其特征在于，包括以下步骤：S1，获取公交车在所有站点的历史运行数据，所述历史运行数据包括历史时间段内所有站点的载重数据、时间数据、站点数据、视频数据和车门开关数据，根据所述历史运行数据构建视图数据集，所述视图数据集包括载重视图数据集、时间视图数据集、站点视图数据集和视频视图数据集；S2，基于所述视图数据集分别训练不同的基学习器，所述基学习器包括基于所述载重视图数据集构建的站间载重状态转移矩阵、基于所述时间视图数据集构建的载重识别神经网络模型、基于所述站点视图数据集构建的各个站点的载重分布模型以及基于所述视频视图数据集构建的乘客人数识别模型，所述站间载重状态转移矩阵的建立具体包括：将所述载重视图数据集中的载重分为h个状态，并统计所述载重视图数据集中的连续两个站点的载重数据，得到站间载重状态转移概率： 其中，Nij代表当前站点载重状态为i和下一站点载重状态为j的连续两个站点的个数，pij代表由载重状态i转移至载重状态j的状态转移概率，根据pij建立h×h的站间载重状态转移矩阵P；所述载重识别神经网络模型的建立具体包括：以每一站点的启动时刻作为所述时间数据，将所述时间数据是否为法定节假日作为第一特征，将所述时间数据转化为每天运营时刻值作为第二特征，对所述第一特征和第二特征进行标准化处理，将所述第一特征、第二特征和载重分别作为前馈神经网络的输入和标签，训练得到所述载重识别神经网络模型；所述载重分布模型的建立具体包括：根据所述站点视图数据集中的所述载重数据和站点数据统计各个站点的载重的概率分布规律，并采用正态分布拟合得到各个站点的载重分布模型；S3，根据第n-1个站点的数据或第n个站点的数据分别采用不同的所述基学习器预测得到第n个站点的载重预测值其中n＝1,2…k，k为所述视图数据集中包含的所有站点数，m为1、2、3、4，所述步骤S3具体包括：S31，将第n-1个站点的载重输入到所述站间载重状态转移矩阵，并结合蒙特卡洛算法，预测第n个站点的载重预测值S32，将第n个站点的启动时间输入到所述载重识别神经网络模型中，预测出第n个站点的载重预测值S33，根据第n个站点的名称和第n个站点的载重分布模型，利用蒙特卡洛算法，预测第n个站点的载重预测值S34，提取第n个站点有车门开启的时间段内的乘客上下车的视频数据，将该时间段的乘客上下车的视频数据作为所述乘客人数识别模型的输入，统计第n个站点的乘客上下车人数，以每人70kg的重量预测第n个站点的载重预测值S4，基于所述第n个站点的载重预测值优化计算得到所述第n个站点的最终载重预测值。

全文数据：

权利要求：

百度查询： 厦门大学 基于多视图集成学习的公交车载重预测方法及装置