(19)中华 人民共和国 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 202111533794.4 (22)申请日 2021.12.15 (71)申请人 中国科学院深圳先进技 术研究院 地址 518055 广东省深圳市南 山区深圳大 学城学苑大道1068号 (72)发明人 郑富荣　叶洁瑕　赵娟娟　高希彤　 叶可江　须成忠　 (74)专利代理 机构 深圳市科进知识产权代理事 务所(普通 合伙) 44316 代理人 刘建伟 (51)Int.Cl. G06Q 10/04(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于多视图客流变化趋势建模的客流分布 预测方法及装置 (57)摘要 本发明涉及深度学习与城市交通规划技术 交叉领域， 具体涉及一种基于多视图客流变化趋 势建模的客流分布预测方法及装置。 该方法及装 置根据当前时段从多视图角度使用节点和边一 起构建动态完全图， 节点和边分别提取出行地特 征和目的站特征， 将原有孤立的出行地节点与目 的站节点通过节点间的关系构建起联系， 并根据 构建起的联系数据推算下个时段全网的客流分 布量， 使节点在交通路网中感知更多的相关信 息， 从而有效提升下游目的站点预测任务的准确 率。 权利要求书2页 说明书10页 附图1页 CN 114169632 A 2022.03.11 CN 114169632 A 1.一种基于多视图客流变化趋势建模的客流分布预测方法， 其特征在于， 包括以下步 骤： 根据当前时段从多视图角度使用节点和边 一起构建动态完全图； 节点和边分别提取出行地特征和目的站特征， 将原有孤立的出行地节点与目的站节点 通过节点间的关系构建起联系； 根据构建起的联系数据推算下个时段全网的客 流分布量。 2.根据权利要求1所述的基于多视图客流变化趋势建模的客流分布预测方法， 其特征 在于， 包括以下 具体步骤： 构建各站点作为起始站点的客流变化趋势深层表示， 基于两类实时观测到的与起始站 点相关的动态客流， 并融合站点临近关系， 从两个视图建模起始站点在不同角度的客流变 化趋势， 最后并将这两个视图的结果融合作为 起始站点的客 流趋势表示； 构建各站点作为目的站点的客流变化趋势深层表示， 基于两类实时观测到的与目的站 点相关的动态客流， 并融合站点临近关系， 从两个视图建模目的站点在不同角度的客流变 化趋势， 最后并将这两个视图的结果融合作为目的站点的客 流趋势表示； 结合站点间临近关系构建起始站点到目的站点的转移矩阵， 并结合构建到的起始站点 和目的站点的客 流变化趋势， 推算下个时段全网的客 流分布量。 3.根据权利要求2所述的基于多视图客流变化趋势建模的客流分布预测方法， 其特征 在于， 所述基于 两类实时观测到的与目的站点相关的动态客 流， 并融合站点临近关系包括： 基于最近时段的入站客流和在最近时段已完成出行的目的站点分配向量， 并融合站点 临近关系和时间、 天气影响因素。 4.根据权利要求2所述的基于多视图客流变化趋势建模的客流分布预测方法， 其特征 在于， 所述基于 两类实时观测到的与目的站点相关的动态客 流， 并融合站点临近关系包括： 基于最近时段的出站客流和在最近时段已完成出行的目的站点分配向量， 并融合站点 临近关系和时间、 天气影响因素。 5.根据权利要求2所述的基于多视图客流变化趋势建模的客流分布预测方法， 其特征 在于， 利用相同的客 流变化趋势学习器将两个视图的结果融合。 6.根据权利要求5所述的基于多视图客流变化趋势建模的客流分布预测方法， 其特征 在于， 所述 客流变化趋势学习器用于： 首先将最近时段地铁系统各站点的客流动态信息、 站点临近矩阵、 以及其它影响客流 动态变化趋势的全局因素， 组织成为支持复杂时空关系学习的图序列； 然后使用基于扩展的GAT图注意力神经网络， 通过聚合临近站点的客流变化信息来建 模最近各观测时间段 各站点客流变化的动态不确定性； 接着利用门限循环单元模型建模客流总体随时间的变化趋势， 最终得到各站点的客流 变化趋势深层表示。 7.根据权利要求6所述的基于多视图客流变化趋势建模的客流分布预测方法， 其特征 在于， 通过聚合邻居节点的客流信息来缓解由于局部观测数据的随机性所带来的模型对客 流变化趋势的不确定性学习。 8.根据权利要求6所述的基于多视图客流变化趋势建模的客流分布预测方法， 其特征 在于， 从全局的角度使用KDD技术， 通过一个全网共享转换矩阵来建模起点和目的站 点之间权　利　要　求　书 1/2 页 2 CN 114169632 A 2的转换关系。 9.一种基于多视图客 流变化趋势建模的客 流分布预测装置， 其特 征在于， 包括： 起始站动态特征学习 模块， 用于根据当前时段从多视图角度使用节点和边一起构建动 态完全图； 目的站动态特征学习模块， 用于节点和边分别提取出行地特征和目的站特征， 将原有 孤立的出 行地节点与目的站 节点通过节点间的关系构建起联系； 起始站‑目的站转移模块， 用于根据构建起的联系数据推算下个时段全网的客流分布 量。 10.根据权利要求9所述的基于多视图客流变化趋势建模的客流分布预测装置， 其特征 在于， 具体包括： 所述起始站动态特征学习模块， 用于构建各站点作为起始站点的客流变化趋势深层表 示， 基于两类实时观测到的与起始站 点相关的动态客流， 并融合站 点临近关系， 从两个视图 建模起始站 点在不同角度的客流变化趋势， 最后并将这两个视图的结果融合作为起始站 点 的客流趋势表示； 所述目的站动态特征学习模块， 用于构建各站点作为目的站点的客流变化趋势深层表 示， 基于两类实时观测到的与目的站 点相关的动态客流， 并融合站 点临近关系， 从两个视图 建模目的站 点在不同角度的客流变化趋势， 最后并将这两个视图的结果融合作为目的站 点 的客流趋势表示； 所述起始站 ‑目的站转移模块， 用于结合站点间临近关系构建起始站点到目的站点的 转移矩阵， 并结合构建到的起始站点和目的站点的客流变化趋势， 推算下个时段全网的客 流分布量。权　利　要　求　书 2/2 页 3 CN 114169632 A 3