基于迁移学习的新地铁站流量预测方法

本发明涉及一种基于迁移学习的新地铁站流量预测方法，建立包含新地铁站和成熟地铁站客流数据的序列，对成熟地铁站进行聚类；构建attention‑LSTM模型对客流量预测源模型进行训练，得到不同类别中性能最优的源模型；计算新地铁站与聚类中心车站之间的余弦相似度，选取相似度最高的聚类中心车站对应的最优源模型，作为新地铁站的适配源模型；以各类成熟地铁站历史客流量预测为源任务，以新地铁站客流量预测为目标任务，进行知识迁移，完成新地铁站的客流量预测。本发明引入迁移学习机制，充分利用既有线路或相似站点的历史客流特征，将源域中的有效知识迁移到新地铁站客流预测任务中，从而缓解新地铁站历史数据不足带来的建模困难。