一种公交串车预警方法、装置、设备及介质与流程

本申请实施例涉及公交车，尤其涉及一种公交串车预警方法、装置、设备及介质。

背景技术：

1、两辆或以上的同线路公交车同时到达公交站的现象称之为公交串车。串车是公交非准点运营的消极现象，其导致乘客平均候车时间增加、前后车载客量不均等问题。

2、引起公交串车的因素主要分为正向影响因素和负向影响因素，目前常利用lightgbm结合正向影响因素和负向影响因素实现公交串车的预测，但该方式无法获得正向影响因素和负向影响因素之间的特征交互，从而影响到串车预测的准确率。

技术实现思路

1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

2、本发明实施例的主要目的在于提出一种公交串车预警方法、装置、设备及介质，能够提升公交串车的预警准度

3、为实现上述目的，本发明实施例的第一方面提供了一种公交串车预警方法，所述公交串车预警方法包括如下步骤：

4、根据当前公交运行数据确定影响公交串车的多个正向因素的特征向量和多个负向因素的特征向量；

5、通过预设的第一图卷积网络执行多轮图卷积操作，其中，每一轮图卷积操作用于学习每一个所述正向因素的特征向量与其余所述正向因素的特征向量以及所述负向因素的特征向量之间在对应路径上的特征交互关系，在多轮图卷积操作之后得到每一个所述正向因素的特征向量的多重向量组；

6、通过预设的第二图卷积网络执行多轮图卷积操作，其中，每一轮图卷积操作用于学习每一个所述负向因素的特征向量与其余所述负向因素的特征向量以及所述正向因素的特征向量之间在对应路径上的特征交互关系，在多轮图卷积操作之后得到每一个所述负向因素的特征向量的多重向量组；

7、将所述正向因素的特征向量的多重向量组和所述负向因素的特征向量的多重向量组外积，并根据外积结果判断是否串车。

8、在一些实施例中，所述第一图卷积网络执行c轮图卷积操作，所述第一图卷积网络在第c轮图卷积操作学习每一个所述正向因素的特征向量与其余所述正向因素的特征向量以及所述负向因素的特征向量之间的特征交互关系包括：

9、

10、

11、其中，表示第i个正向因素的特征向量在第c轮图卷积操作之后更新的特征向量，表示第i个正向因素的特征向量在第c-1轮图卷积操作之后更新的特征向量，mi表示第i个正向因素的特征向量的相邻特征向量的数量，mj表示第j个负向因素的特征向量的相邻特征向量的数量，表示第j个负向因素的特征向量在第c-1轮图卷积操作之后更新的特征向量，是表示第i个正向因素的特征向量在第c轮图卷积操作之后得到的c重向量组，σ表示激活函数，表示可学习权重矩阵，表示第i个正向因素的特征向量，∥为拼接操作。

12、在一些实施例中，所述第二图卷积网络执行c轮图卷积操作，所述第二图卷积网络在第c轮图卷积操作学习每一个所述负向因素的特征向量与其余所述负向因素的特征向量以及所述正向因素的特征向量之间的特征交互关系包括：

13、

14、

15、其中，表示第j个负向因素的特征向量在第c轮图卷积操作之后更新的特征向量，表示第j个负向因素的特征向量在第c-1轮图卷积操作之后更新的特征向量，表示第i个正向因素的特征向量在第c-1轮图卷积操作之后更新的特征向量，是表示第j个负向因素的特征向量在第c轮图卷积操作之后得到的c重向量组，表示第j个负向因素的特征向量。

16、在一些实施例中，所述将所述正向因素的特征向量的多重向量组和所述负向因素的特征向量的多重向量组外积包括：

17、

18、x(h0,0,h0,1,…hi,j,…hc,c)

19、其中，x(h0,0,h0,1,…hi,j,…hc,c)为交互体，是的转置矩阵，为外积。

20、在一些实施例中，所述根据所述交互体预测串车结果包括：

21、采用卷积神经网络，以外积结果作为输入数据，得到所述卷积神经网络输出串车的预测结果。

22、在一些实施例中，所述正向因素包括乘客数、发车间隔、公交专用道和主路上行驶距离。

23、在一些实施例中，所述负向因素包括前车乘客数、站间速度差、时段和日期。

24、为实现上述目的，本发明实施例的第二方面提供了一种公交串车预警装置，所述公交串车预警装置包括：

25、因素获取单元，用于根据当前公交运行数据确定影响公交串车的多个正向因素的特征向量和多个负向因素的特征向量；

26、特征交互单元，用于通过预设的第一图卷积网络执行多轮图卷积操作，其中，每一轮图卷积操作用于学习每一个所述正向因素的特征向量与其余所述正向因素的特征向量以及所述负向因素的特征向量之间在对应路径上的特征交互关系，在多轮图卷积操作之后得到每一个所述正向因素的特征向量的多重向量组；通过预设的第二图卷积网络执行多轮图卷积操作，其中，每一轮图卷积操作用于学习每一个所述负向因素的特征向量与其余所述负向因素的特征向量以及所述正向因素的特征向量之间在对应路径上的特征交互关系，在多轮图卷积操作之后得到每一个所述负向因素的特征向量的多重向量组；

27、串车预测单元，用于将所述正向因素的特征向量的多重向量组和所述负向因素的特征向量的多重向量组外积，并根据外积结果判断是否串车。

28、本申请的一个实施例提供了一种公交串车预警方法，本方法一方面通过图卷积网络学习每一个正向因素的特征向量与负向因素的特征向量之间的潜在交互、以及每一个负向因素的特征向量与正向因素的特征向量之间的潜在交互，这样能够提升最后模型的预测准确度；一方面通过外积学习正向因素的特征向量的多重向量组和负向因素的特征向量的多重向量组之间的交互，然后用卷积神经网络进一步学习深层的交互，进而提高卷积神经网络输出的串车预警准确度。

29、为实现上述目的，本发明实施例的第三方面提供的电子设备，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行上述第一方面的一种公交串车预警方法。

30、为实现上述目的，本发明实施例的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述第一方面的一种公交串车预警方法。

31、可以理解的是，上述第二方面至第四方面和相关技术相比存在的有益效果和上述第一方面和相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。

技术特征：

1.一种公交串车预警方法，其特征在于，所述公交串车预警方法包括如下步骤：

2.根据权利要求1所述的公交串车预警方法，其特征在于，所述第一图卷积网络执行c轮图卷积操作，所述第一图卷积网络在第c轮图卷积操作学习每一个所述正向因素的特征向量与其余所述正向因素的特征向量以及所述负向因素的特征向量之间的特征交互关系包括：

3.根据权利要求2所述的公交串车预警方法，其特征在于，所述第二图卷积网络执行c轮图卷积操作，所述第二图卷积网络在第c轮图卷积操作学习每一个所述负向因素的特征向量与其余所述负向因素的特征向量以及所述正向因素的特征向量之间的特征交互关系包括：

4.根据权利要求3所述的公交串车预警方法，其特征在于，所述将所述正向因素的特征向量的多重向量组和所述负向因素的特征向量的多重向量组外积包括：

5.根据权利要求4所述的公交串车预警方法，其特征在于，所述根据所述交互体预测串车结果包括：

6.根据权利要求1所述的公交串车预警方法，其特征在于，所述正向因素包括乘客数、发车间隔、公交专用道和主路上行驶距离。

7.根据权利要求1所述的公交串车预警方法，其特征在于，所述负向因素包括前车乘客数、站间速度差、时段和日期。

8.一种公交串车预警装置，其特征在于，所述公交串车预警装置包括：

9.一种电子设备，其特征在于，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行权利要求1至7任一项所述的公交串车预警方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1至7任一项所述的公交串车预警方法。

技术总结本申请涉及了一种公交串车预警方法、装置、设备及介质，方法一方面通过图卷积网络学习每一个正向因素的特征向量与负向因素的特征向量之间的潜在交互、以及每一个负向因素的特征向量与正向因素的特征向量之间的潜在交互，这样能够提升最后模型的预测准确度；一方面通过外积学习正向因素的特征向量的多重向量组和负向因素的特征向量的多重向量组之间的交互，然后用卷积神经网络进一步学习深层的交互，进而提高卷积神经网络输出的串车预警准确度。技术研发人员：刘克锋,彭琪,陈伟龙,陈静,龚进,廖超平,胡锦栋,曹宇,宋扬受保护的技术使用者：湖南智慧畅行交通科技有限公司技术研发日：技术公布日：2024/7/4