(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211065683.X (22)申请日 2022.09.01 (71)申请人 亿雅捷交通系统 （北京） 有限公司 地址 100100 北京市朝阳区惠新 东街甲4号 富盛大厦2座15层 (72)发明人 刘忠良　薛刚　宫大庆　刘玮　 刘芳　李红杰　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06Q 10/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/26(2012.01) G06Q 50/30(2012.01) (54)发明名称 一种地铁短时客流预测方法、 系统、 电子设 备及存储介质 (57)摘要 本发明公开了一种地铁 短时客流预测方法、 系统、 电子设备及存储介质。 该方法包括： 基于不 同时段其他站点的入站流量构建地铁网络图； 获 取不同时段目标站点地理标签范围内的社交媒 体数据； 构建基于注意力的GCN ‑GRU模型； 基于注 意力的GCN ‑GRU模型包 括多个GCN网络模型、 多个 全连接层以及多个GRU网络模型； 将地铁网络图 以及社交媒体数据输入至基于注意力的GCN ‑GRU 模型中， 预测当前时间段目标站点的出站流量。 本发明充分考虑了城市轨道交通网络的空间结 构， 利用来自其他站点进站客流量和事件周边社 交媒体发帖量的突然增加来预测特殊事件期间 的周边站点的出站客流量， 致力于弥补当前技术 的不足。 权利要求书2页 说明书8页 附图1页 CN 115392752 A 2022.11.25 CN 115392752 A 1.一种地铁短时客 流预测方法， 其特 征在于， 包括： 基于不同时段其 他站点的入站流 量构建地铁网络图； 获取不同时段目标站点 地理标签范围内的社交媒体数据； 构建基于注意力的GCN ‑GRU模型； 所述基于注意力的GCN ‑GRU模型包括多个GCN网络模 型、 多个全连接层以及多个GRU网络模型； 将所述地铁网络图以及所述社交媒体数据输入至所述基于注意力的GCN ‑GRU模型中， 预测当前时间段目标站点的出站流 量。 2.根据权利要求1所述的地铁短时客流预测方法， 其特征在于， 将所述地铁网络图以及 所述社交媒体数据输入至所述基于注意力的GCN ‑GRU模型中， 预测当前时间段 目标站点的 出站流量， 具体包括： 将所述地铁网络图输入至所述GCN网络模型中， 提取不同时间段其他站点的入站客流 特征； 将所述社交媒体数据输入至所述全连接层中， 提取不同时段的社交媒体特 征； 对不同时间段其他站点的入站客流特征和不同时段的社交媒体特征进行拼接， 得到拼 接后的特 征； 将所述拼接后的特征输入至所述GRU网络模型中， 预测当前时间段目标站点的出站流 量。 3.根据权利要求1所述的地铁短时客流预测方法， 其特征在于， 所述地铁网络图G＝(V， E， S， AV)， 其中V是节点集， E是边集， 每个节点v∈V表示一个轨道交通站点， 每条边(u， v)∈E 表示一个从节点u向节点v进行穿越的线路， S表示两个方向的轨道交通站点邻接矩阵； AV表 示每个站点的入站流 量。 4.根据权利要求1所述的地铁短时客流预测方法， 其特征在于， 获取不同时段目标站点 地理标签范围内的社交媒体数据， 具体包括： 通过地理位置过 滤器收集具有地理坐标的社交媒体帖子； 从所述社交媒体帖子中筛 选出目标站点 地理标签范围内的社交媒体帖子； 保留筛选出来的社交媒体帖子的时间戳和地理位置作为社交媒体数据。 5.一种地铁短时客 流预测系统， 其特 征在于， 包括： 地铁网络图构建模块， 用于基于不同时段其 他站点的入站流 量构建地铁网络图； 社交媒体数据获取模块， 用于获取不同时段目标站点地理标签范围内的社交媒体数 据； 模型构建模块， 用于构建基于注意力的GCN ‑GRU模型； 所述基于注意力的GCN ‑GRU模型 包括多个GCN网络模型、 多个全连接层以及多个GRU网络模型； 目标站点出站流量预测模块， 用于将所述地铁网络图以及所述社交媒体数据输入至所 述基于注意力的GCN ‑GRU模型中， 预测当前时间段目标站点的出站流 量。 6.根据权利要求5所述的地铁短时客流预测系统， 其特征在于， 所述目标站点出站流量 预测模块包括： 入站客流特征提取单元， 用于将所述地铁网络图输入至所述GCN网络模型中， 提取不同 时间段其 他站点的入站客 流特征； 社交媒体特征提取单元， 用于将所述社交媒体数据输入至所述全连接层中， 提取不同权　利　要　求　书 1/2 页 2 CN 115392752 A 2时段的社交媒体特 征； 拼接单元， 用于对不同时间段其他站点的入站客流特征和不同时段的社交媒体特征进 行拼接， 得到拼接后的特 征； 目标站点出站流量预测单元， 用于将所述拼接后的特征输入至所述GRU网络模型中， 预 测当前时间段目标站点的出站流 量。 7.根据权利要求5所述的地铁短时客流预测系统， 其特征在于， 所述地铁网络图G＝(V， E， S， AV)， 其中V是节点集， E是边集， 每个节点v∈V表示一个轨道交通站点， 每条边(u， v)∈E 表示一个从节点u向节点v进行穿越的线路， S表示两个方向的轨道交通站点邻接矩阵； AV表 示每个站点的入站流 量。 8.根据权利要求5所述的地铁短时客流预测系统， 其特征在于， 所述社交媒体数据获取 模块包括： 收集单元， 用于通过地理位置过 滤器收集具有地理坐标的社交媒体帖子； 筛选单元， 用于从所述社交媒体帖子 中筛选出目标站点地理标签范围内的社交媒体帖 子； 保留单元， 用于保留筛选出来的社交媒体帖子的时间戳和地理位置作为社交媒体数 据。 9.一种电子设备， 其特征在于， 包括存储器及处理器， 所述存储器用于存储计算机程 序， 所述处理器运行所述计算机程序以使所述电子设备执行权利要求1 ‑4中任一项所述的 地铁短时客 流预测方法。 10.一种计算机可读存储介质， 其特征在于， 其存储有计算机程序， 所述计算机程序被 处理器执行时实现权利要求1 ‑4中任一项所述的地铁短时客 流预测方法。权　利　要　求　书 2/2 页 3 CN 115392752 A 3