技术特征：
1.一种地铁od量预测方法，其特征在于，所述方法包括：确定预测时间段的起讫点od量长期预测值；获取当前的测量变量；根据所述测量变量对所述预测时间段进行od量短期预测，得到od量短期预测值；综合所述od量短期预测值和所述od量长期预测值，得到所述预测时间段的od量最终预测值。2.根据权利要求1所述的方法，其特征在于，所述确定预测时间段的起讫点od量长期预测值之前，还包括：获取od样本数据；获取日期特征标签，所述日期特征标签为星期标签和/或节假日标签；根据所述od样本数据和日期特征标签构建训练集；基于所述训练集对神经网络模型进行训练，得到od量长期预测模型；根据所述od量长期预测模型确定各时间段的od量长期预测值，所述各时间段中包括所述预测时间段；所述确定预测时间段的起讫点od量长期预测值，包括：从各时间段的od量长期预测值中，获取所述预测时间段的od量长期预测值。3.根据权利要求2所述的方法，其特征在于，所述获取od样本数据，包括：从站台闸机获取到各用户的刷卡记录；根据所述刷卡记录，确定各用户的od出行数据及对应的出行时间；根据所述出行时间，确定每个时间段内od出行数据总数量，形成od样本数据。4.根据权利要求3所述的方法，其特征在于，所述刷卡记录包括用户标识、刷卡时间、刷卡站点标识；所述根据所述刷卡记录，确定各用户的od出行数据及对应的出行时间，包括：根据用户标识，确定每个用户的刷卡记录；依次选取一个用户的刷卡记录，通过刷卡时间和刷卡站点标识，确定每次出行起始站点、终止站点、出行时间段；根据起始站点和终止站点确定目标出行，将所有目标出行均作为od出行数据，且将目标出行的出行时间段确定为od出行数据对应的出行时间。5.根据权利要求3所述的方法，其特征在于，所述根据所述od样本数据和日期特征标签构建训练集，包括：将每个时间段内od出行数据总数量与日期特征标签进行拼接组合，形成训练集。6.根据权利要求1所述的方法，其特征在于，所述测量变量，包括如下的一种或多种：预设时间段内的od量，交通拥挤度，od起始站点的人流量，向量化的天气信息。7.根据权利要求1所述的方法，其特征在于，所述根据所述测量变量对所述预测时间段进行od量短期预测，得到od量短期预测值，包括：确定多个预测模型；基于所述测量变量和所述建训练集对每个预测模型进行训练，得到多个od量短期预测模型；根据各od量短期预测模型确定预测时间段的od量短期预测待处理值；确定所有od量短期预测待处理值的均值；
计算各od量短期预测待处理值与所述均值的偏差；根据所述偏差，确定od量短期预测值。8.根据权利要求7所述的方法，其特征在于，所述多个预测模型包括如下的至少两种：神经网络模型，长短期记忆网络模型，梯度提升决策树模型，支持向量回归模型，卷积神经网络模型。9.一种电子设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-8任一项所述的方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；所述计算机程序被处理器执行以实现如权利要求1-8任一项所述的方法。
技术总结
本申请提供一种地铁OD量预测方法、设备、存储介质，该方法包括：确定预测时间段的OD量长期预测值；获取当前的测量变量；根据测量变量对预测时间段进行OD量短期预测，得到OD量短期预测值；综合OD量短期预测值和OD量长期预测值，得到预测时间段的OD量最终预测值。本申请提供的方法综合OD量短期预测值和OD量长期预测值，得到预测时间段的OD量最终预测值，使得OD量最终预测值既有OD量长期预测的预测参数少的特点，又有短期预测的预测精确特点，在提供精确预测的同时降低预测复杂度，进而为地铁运营方提供运营计划设计的可靠依据。运营方提供运营计划设计的可靠依据。运营方提供运营计划设计的可靠依据。
技术研发人员：李子牧 张蕾 王伟
受保护的技术使用者：交控科技股份有限公司
技术研发日：2022.05.18
技术公布日：2022/8/26