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！

摘要：本发明涉及数据预测技术领域，具体涉及一种城市道路人流量预测方法及系统，所述方法包括：获取若干条待选道路，并实时监测每条待选道路的数据信息；根据数据信息训练神经网络获取每条待选道路的配套成熟度，并基于数据信息评估每条待选道路的分流比例，结合配套成熟度计算每条待选道路的定向流量因子和常驻功能性，通过定向流量因子和常驻功能性得到待选道路的衡流因子；获取每一待选道路的若干条近邻道路，获取近邻道路上的人流量，根据人流量计算得到待选道路的流式因子；基于每条待选道路和近邻道路计算损失函数，获取损失函数最小处对应的一组特征数入组，得到最优的预测输入特征；基于最优的预测输入特征，对待选道路的人流量进行预测。

主权项：1.一种城市道路人流量预测方法，其特征在于，所述方法包括：获取若干条待选道路，并实时监测每条待选道路的数据信息；根据数据信息训练神经网络获取每条待选道路的配套成熟度，并基于数据信息评估每条待选道路的分流比例，结合配套成熟度计算每条待选道路的定向流量因子和常驻功能性，通过定向流量因子和常驻功能性得到待选道路的衡流因子；获取每一待选道路的若干条近邻道路，获取近邻道路上的人流量，根据人流量计算得到待选道路的流式因子；基于每条待选道路和近邻道路计算损失函数，获取损失函数最小处对应的一组特征输入组，得到最优的预测输入特征；基于最优的预测输入特征，对待选道路的人流量进行预测；根据数据信息训练神经网络获取每条待选道路的配套成熟度，包括：根据数据信息选取每条待选道路的特征，所述特征包括每条待选道路的交通状况、基础设施、商铺数量、商铺类型和人流量；将所有待选道路记为样本道路，基于特征对每一样本道路进行打分，根据分值种类的不同获取相应等级的配套成熟度；获取分类网络结构和交叉熵函数，基于已经获取分值种类的样本道路按照比例划分为训练集样本和验证集样本，将训练集样本输入分类网络结构进行训练，直至交叉熵函数收敛，完成分类网络结构的训练；将每一样本道路输入训练后的分类网络结构，输出配套成熟度；基于数据信息评估每条待选道路的分流比例，结合配套成熟度计算每条待选道路的定向流量因子，包括：统计所有待选道路一年内每日早晨八点至晚上十点间所有的人流量，及每一待选道路中每日商铺产生的交易次数，根据人流量和交易次数计算每一待选道路当日的实际交易转化比，得到每一待选道路一年内所有日的实际交易转化比曲线；基于任意两条待选道路一年内的实际交易转化比曲线计算均方误差，并作为两条待选道路的聚类度量，对所有待选道路进行k-means聚类获取若干个聚簇；计算不同聚簇内的所有待选道路配套成熟度的平均值和标准差得到每条待选道路的定向流量因子；平均值比标准差获取的比值能够反映出显性配套对实际交易转化比的影响程度，将该比值离差归一化后得到每条待选道路的定量流量因子；计算每条待选道路的常驻功能性，包括：获取一年内经过每条待选道路的所有汽车的出发点和目的地，同一待选道路的行车记录次数，及一年内具有相同出发点和目的地但不经过待选道路，和或出发点与目的地在相同待选道路上的所有行车记录数量；将同一待选道路的行车记录次数除以相同出发点和目的地的所有行车记录数量得到待选道路对同一类行车记录的功能性，对经过同一待选道路，但不同出发点和目的地的所有类行车记录的功能性加和求均得到每条待选道路的常驻功能性；通过定向流量因子和常驻功能性得到待选道路的衡流因子，对应的计算公式为： ；其中，表示第条待选道路的衡流因子；表示第条待选道路；表示第条待选道路的定向流量因子；表示第条待选道路的常驻功能性；获取每一待选道路的若干条近邻道路，获取近邻道路上的人流量，根据人流量计算得到待选道路的流式因子，包括：获取待选道路及近邻道路上每日早晨八点至晚上十点间每小时的人流量，求均得到每日单位时间的流式人流量，及每日单个小时的最大人流量，对应的计算公式为： ；其中，表示第条待选道路的流式因子；表示第条待选道路；表示第条待选道路周边的近邻道路数量；表示第条近邻道路；表示第条待选道路每日单个小时的最大人流量；表示第条待选道路每日单位时间的流式人流量；表示第条近邻道路每日单个小时的最大人流量；表示第条近邻道路每日单位时间的流式人流量；基于每条待选道路和近邻道路计算损失函数，获取损失函数最小处对应的一组特征数入组，得到最优的预测输入特征，包括：基于任意两条待选道路的衡流因子的差值与流式因子的差值计算欧式范数，对所有待选道路进行k-means聚类获取k个聚簇，并根据衡流因子与流式因子得到参照分类结果；获取预测模型，基于神经网络获取若干个子分类器，用于区分k类不同的道路簇，界定待选道路获取T个多维特征，设定预测模型存在E个特征输入，且，将T个多维特征随机组合为若干种E个特征输入组；通过若干个子分类器和不同的特征输入组得到每一特征输入组对应的分类结果，每种分类结果为k类不同的道路簇，与参照分类结果进行比对，损失最小对应的特征输入组为最优的预测输入特征。

全文数据：

权利要求：

百度查询： 杭州路过网络有限公司 一种城市道路人流量预测方法及系统