(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 202111367153.6 (22)申请日 2021.11.18 (71)申请人 中通服咨询设计 研究院有限公司 地址 210019 江苏省南京市 建邺区楠溪江 东街58号 (72)发明人 李玉萍　张巍　徐磊　杨晓波　 崔昕　 (74)专利代理 机构 江苏圣典律师事务所 32 237 代理人 于瀚文　胡建华 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/30(2012.01) G06F 16/182(2019.01) G06F 30/27(2020.01) G06F 119/12(2020.01) (54)发明名称 一种基于改进KNN的分布式地铁客流预测方 法 (57)摘要 本发明提供了一种基于改进 KNN的分布式地 铁客流预测方法， 包括： 搭建集群环境； 获取具体 一个地铁站的所有的历史入站刷卡记录以及预 测当天的入站刷卡记录； 利用分布式系统， 将地 铁入站刷卡记录按照小时划分， 作为一小时内的 地铁客流； 计算所有的历史入站人数与预测当天 的入站人数的向量距离； 选 取不同的K值， 并且计 算偏差和方差， 得到最优的K值； 利用历史入站人 数数据， 训练LightGBM算法模型； 选 择K条向量距 离最小的历史入站人数数据， 输入模型， 得到一 组预测值。 根据LightGBM的预测值， 用KNN公式预 测当天每小时的地铁客流。 本方法融合了KNN和 LightGBM算法， 有效地利用了 所有历史数据来预 测地铁客 流情况， 并且 模型准确率较高。 权利要求书2页 说明书5页 附图3页 CN 114118555 A 2022.03.01 CN 114118555 A 1.一种基于改进KN N的分布式地铁客 流预测方法， 其特 征在于， 包括如下步骤： 步骤1： 搭建Hadoop分布式环境， Hadoop分布式环境包括HDFS分布式文件系统， 搭建服 务器的Spark分布式环境； 步骤2： 获取具体一个地铁站 的所有的历史入站刷卡记录以及预测当天的入站刷卡记 录， 存入HDFS分布式文件系统； 步骤3： 根据历史入站刷卡记录， 按照小时划分， 利用分布式系统统计出一天中每个小 时的刷卡数量， 作为 一小时内的地铁客 流； 步骤4： 分布式计算所有的历史入站人数与预测当天的入站人数的向量距离， 按照升序 排列； 步骤5： 对于步骤4中得到的数据， 选取不同的K值， 计算第一至第K个向量距离的偏差和 方差， 当偏差和方差最小时， 得到最优的K值； 步骤6： 根据最优的K值， 利用历史的客 流数据， 用来训练L ightGBM算法模型； 步骤7： 根据 最优的K值， 选择K条历史入站人数的数据， 输入到LightGBM算法模型， 得到 K组每小时的预测值； 步骤8： 根据K组每小时的预测值， 利用K近邻预测当天每小时的地铁客 流。 2.根据权利要求1所述的一种基于改进KNN的分布式地铁客流预测方法， 其特征在于， 步骤2中， 对于历史入站刷卡记录和预测当天的入站刷卡记录， 以入站刷卡记录作为入站人 数， 记录的结构包括记录时间和用户识别号。 3.根据权利要求2所述的一种基于改进KNN的分布式地铁客流预测方法， 其特征在于， 步骤3中， 从HDFS分布式文件系统中读取历史入站刷卡记录数据， 并对读取的数据进 行分布 式并行处 理， 得到每一天的人 数数据， 一天中按照小时划分。 4.根据权利要求3所述的一种基于改进KNN的分布式地铁客流预测方法， 其特征在于， 步骤4中， 利用了Ha doop的MapReduc e过程进行计算， MapReduce包括Map阶段和Reduce阶段， 具体包括如下步骤： 步骤4‑1： 读取n天的历史入站人数sn＝{xn1， xn2，…， xn24}， xni代表第n天i时的人数， i取 值为1～24且i为整数， 读取预测当天的数据q＝{y1， y2，…， yk}， yk代表预测当天k时的人数， k取值为2～23， 且为整数； 步骤4‑2： 分布式计算向量距离 i＝1， 2，…， n， 具体的， 将键值对 ＜i， si＞作为Map阶段的输入， 其中si为第i天的历史入站人数； 将＜Li， i＞作为Map阶段的 输出； 在Reduce阶段， 对＜Li， i＞进行升序排序， 并交换参数位置， 记为＜i， Mi＞， Mi表示升序 排列第i位的向量距离， 将结果保存到 HDFS分布式文件系统。 5.根据权利要求4所述的一种基于改进KNN的分布式地铁客流预测方法， 其特征在于， 步骤5包括： 步骤5‑1： 读取结果＜i， Mi＞， 分布式计算{Mi|i＝1， 2， …， K}的偏差B和方差V， 具体的， 先生成键值对＜i， (M1， M2，…Mi)＞， 作为Map阶段的输入， 将＜i， (B， V)＞作为Map阶段的输 出； 步骤5‑2： 当K值在1到n之间变化时， 存在一个最优的K值， 使得偏差B和方差V最低， 选取权　利　要　求　书 1/2 页 2 CN 114118555 A 2此时的K值。 6.根据权利要求5所述的一种基于改进KNN的分布式地铁客流预测方法， 其特征在于， 步骤6包括： 步骤6‑1： 初始化变量x＝ k， 预测当天k时的人 数； 步骤6‑2： 将历史前k小时的历史入站人数数据作为特征值， 第x小时的历史入站人数数 据作为目标值； 步骤6‑3： 将历史入站人 数数据进行归一 化操作； 步骤6‑4： 利用K折交叉验证法训练L ightGBM算法模型， L ightGBM算法模型记为CLFx； 步骤6‑5： 更新x＝x+1， 重复步骤6 ‑2至步骤6 ‑5， 直到x＝24。 7.根据权利要求6所述的一种基于改进KNN的分布式地铁客流预测方法， 其特征在于， 步骤7中， 将K条历史入站人数数据作为输入， 通过LightGBM算法模型CLFx得到多组预测 值 λxi， i＝1，…， K， x＝k， …， 24， λxi代表第i条历史入站 人数对应的LightGB M算法预测的第x小 时的人数。 8.根据权利要求7所述的一种基于改进KNN的分布式地铁客流预测方法， 其特征在于， 步骤8中， 利用公式 x＝k，…， 24来计算当天每小时的地铁客流， yx表示x 时的预测的人 数。 9.根据权利要求8所述的一种基于改进KNN的分布式地铁客流预测方法， 其特征在于， 还包括步骤9： 将预测结果可视化， 以时间为横坐标， 以人数为 纵坐标， 用两条折线代表实际 人数和预测的人 数， 生成折线图。权　利　要　求　书 2/2 页 3 CN 114118555 A 3