(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 202111203957.2 (22)申请日 2021.10.15 (71)申请人 交控科技股份有限公司 地址 100070 北京市丰台区智成北街3号院 交控大厦1号楼1层101室 (72)发明人 孙铭　付哲　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 代理人 王宇杨 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06N 20/00(2019.01) G06N 20/20(2019.01) G06N 3/08(2006.01)G06F 21/62(2013.01) (54)发明名称 一种轨道交通短时客 流预测方法及装置 (57)摘要 本发明提供一种轨道交通短时客流预测方 法及装置， 包括： 将初始化的联邦模型发送至每 个客户端； 接收由每个客户端发送的本地模型， 本地模型是每个客户端根据各自的训练数据对 联邦模型进行预训练生成的； 对 所有的本地模型 进行安全聚合， 获取新的联邦模型； 将新的联邦 模型作为初始化的联邦模型， 迭代执行上述步 骤， 直至获取短时客流预测模型； 将轨道交通的 客流数据输入至短时客流预测模 型， 以获取由短 时客流预测结果。 本发明提供的轨道交通短时客 流预测方法及装置， 通过联邦学习技术以构建短 时客流预测模 型， 实现了对多客户端数据的安全 协同训练， 打破轨道交通行业运营 公司的数据孤 岛瓶颈， 有效地提升了模型的泛化性能， 以更准 确的辅助铁路运营决策。 权利要求书2页 说明书10页 附图4页 CN 113919577 A 2022.01.11 CN 113919577 A 1.一种轨道交通短时客 流预测方法， 其特 征在于， 包括： 步骤1： 将初始化的联邦模型发送至每 个客户端； 步骤2： 接收由每个客户端发送的本地模型， 所述本地模型是每个客户端根据各自的训 练数据对所述联邦模型进行 预训练生成的； 步骤3： 对所有的本地模型进行安全聚合， 获取新的联邦模型； 步骤4： 将所述新的联邦模型作为初始化的联邦模型， 且由每个所述客户端对各自的训 练数据进行 更新； 步骤5： 迭代执行上述步骤1至步骤4， 直至满足预设迭代终止条件， 获取短时客流预测 模型； 步骤6： 将轨道 交通的客流数据输入至所述短时客流预测模型， 以获取由所述短时客流 预测模型输出的短时客 流预测结果。 2.根据权利要求1所述的轨道交通短时客 流预测方法， 其特 征在于， 还 包括： 确定规则数据范例， 并将所述规则数据范例 发送给每个所述客户端， 以供每个所述客 户端根据所述规则数据范例对各自采集的历史客流数据进 行数据格式调整， 生成格式对齐 数据； 确定数据预处理算子， 并将所述数据预处理算子发送给每个所述客户端， 以供每个所 述客户端根据所述数据预 处理算子对各自的格式对齐数据进 行数据特征变换， 生成各自的 训练数据。 3.根据权利要求2所述的轨道 交通短时客流预测方法， 其特征在于， 所述确定数据 预处 理算子， 包括： 根据所述规则数据范例， 并结合短时客流预测的需求， 统计分析对所述联邦模型进行 预训练的数据特 征； 将所述统计分析对所述联邦模型进行预训练 的数据特征的分析步骤， 存储为所述数据 预处理算子。 4.根据权利要求2所述的轨道 交通短时客流预测方法， 其特征在于， 所述历史客流数据 包括乘客身份ID、 支付方式、 闸机ID、 地铁线路、 进站站台编号、 出站站台编号、 进站时间、 出 站时间以及乘客状态中的至少一种； 每个所述客户端根据所述规则数据范例对各自采集的历史客流数据进行数据格式调 整， 具体为： 根据所述规则数据范例对 所述历史客流数据进 行统计， 并将统计生成起讫点矩 阵作为所述格式对齐数据； 相应地， 每个所述客户端根据 所述数据预处理算子对各自的格式对齐数据进行数据 特 征变换， 具体为： 分别从站 点维度和时间维度对所述起讫点矩阵进 行数据提取， 获取站 点客 流切面数据和断面客流切面数据， 并将所述站 点客流切面数据和断面客流切面数据作为所 述训练数据。 5.根据权利要求4所述的轨道 交通短时客流预测方法， 其特征在于， 在每个所述客户端 获取站点 客流切面数据和断面 客流切面数据之后， 还 包括： 根据每个所述站点客流切面数据或者所述断面客流切面数据所对应的日期以及时间， 在每个所述站点 客流切面数据或者所述断面 客流切面数据中加入附加特 征信息； 所述附加特征信息包括节假日信息、 周末信息、 春运信息、 上周同日同短时内客流量、权　利　要　求　书 1/2 页 2 CN 113919577 A 2各时刻高峰等级经验值中的至少一个。 6.根据权利要求1所述的轨道 交通短时客流预测方法， 其特征在于， 所述预设迭代终止 条件具体为： 迭代次数达到预设迭代次数， 或者相邻 两次迭代过程中所更新的模型参数之间的差值 小于预设阈值， 或者后一次算获取到的模型性能满足预设精度要求。 7.根据权利要求1所述的轨道 交通短时客流预测方法， 其特征在于， 所述对所有的本地 模型进行安全聚合， 获取新的联邦模型， 包括： 获取每个所述本地模型的模型参数； 按照模型参数的类型， 对每一类型的所有模型参数进行加权求平均获取所述新的联邦 模型的所有新的模型参数， 以构建所述 新的联邦模型。 8.一种轨道交通短时客 流预测装置， 其特 征在于， 包括： 数据发送单 元， 用于将初始化的联邦模型发送至每 个客户端； 数据接收单元， 用于接收由每个客户端发送的本地模型， 所述本地模型是每个客户端 根据各自的训练数据对所述联邦模型进行 预训练生成的； 模型聚合单 元， 用于对所有的本地模型进行安全聚合， 获取新的联邦模型； 迭代训练单元， 用于控制所述数据发送单元、 所述数据接收单元和所述模型聚合单元 迭代运行， 直至满足预设迭代终止条件， 获取短时客流预测模型； 在每次迭代的过程中， 每 个客户端对各自的训练数据进行一次更新； 客流预测单元， 用于利用所述短时客流预测模型对接收到的轨道 交通的客流数据进行 识别， 输出短时客 流预测结果。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7任 一项所述轨道交通短时客 流预测方法步骤。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1至7任一项所述轨道交通短时客 流预测方法步骤。权　利　要　求　书 2/2 页 3 CN 113919577 A 3