本技术涉及数据处理，尤其涉及的是一种基于出行链的地铁通勤乘客出行od预测方法及相关设备。
背景技术：
1、随着科学技术的发展，交通运输行业也得到了迅速发展。在城市公共交通的组成部分中，轨道交通具有准时、环保、运量大等优势，成为居民出行的重要选择之一，因此，针对轨道交通的数据分析和优化控制也是交通控制的一个重要部分。
2、目前，通勤是最大的出行需求之一，大多数公共交通优化围绕通勤进行。客流预测是掌握乘客需求以优化交通资源配置的重要手段之一。相关技术中，通常针对具体站点或具体时段(例如通勤时段)，进行针对乘客集体的客流量变化预测。相关技术的问题在于，仅进行客流量变化预测，缺乏针对乘客的具体出行需求预测，不利于对乘客出行需求进行精细化分析。
3、因此，相关技术还有待改进和发展。
技术实现思路
1、本技术的主要目的在于提供一种基于出行链的地铁通勤乘客出行od预测方法及相关设备，旨在解决相关技术中仅进行客流量变化预测，缺乏针对乘客的具体出行需求预测，不利于对乘客出行需求进行精细化分析的技术问题。
2、为了实现上述目的，本技术第一方面提供一种基于出行链的地铁通勤乘客出行od预测方法，其中，上述基于出行链的地铁通勤乘客出行od预测方法包括：
3、获取目标地铁通勤乘客对应的历史出行数据，其中，上述历史出行数据包括多条出行记录，每一条上述出行记录包括进站点、出站点、进站日期、进站时间、出站日期与出站时间；
4、根据上述历史出行数据中各出行记录的进站日期和进站时间，对各上述出行记录进行排序，基于排序后的出行记录构建上述目标地铁通勤乘客对应的目标乘客出行链，其中，上述目标乘客出行链中包括多个od数据对，一个od数据对用于表征一条出行记录所包括的信息；
5、获取数据对目标个数，根据上述数据对目标个数从上述目标乘客出行链中确定目标od数据对；
6、根据上述目标od数据对，通过已训练的od预测模型获得上述目标地铁通勤乘客对应的目标预测od数据。
7、可选的，在上述获取数据对目标个数之前，上述方法还包括：
8、获取地铁通勤乘客对应的地铁通勤乘客出行链；
9、根据上述地铁通勤乘客出行链，通过条件概率的方式计算上述通勤乘客出行链中od数据对之间的关联度，以根据上述关联度确定上述数据对目标个数。
10、可选的，上述根据上述地铁通勤乘客出行链，通过条件概率的方式计算上述通勤乘客出行链中od数据对之间的关联度，以根据上述关联度确定上述数据对目标个数，包括：
11、获取数据对候选个数，其中，上述数据对候选个数的初始值为1；
12、基于上述数据对候选个数从上述通勤乘客出行链中选取连续的od数据对作为候选连续数据对集合，并获取上述候选连续数据对集合对应的下一od数据对；
13、通过条件概率的方式计算上述候选连续数据对集合与其对应的下一od数据对之间的关联度；
14、若上述关联度满足预设的关联度判断条件，则将上述数据对候选个数确定为上述数据对目标个数，否则，将上述数据对候选个数加1，并返回上述基于上述数据对候选个数从上述通勤乘客出行链中选取连续的od数据对作为候选连续数据对集合的步骤。
15、可选的，上述预设的关联度判断条件包括上述关联度的值大于预设的关联度阈值，和/或基于当前的数据对候选个数计算出的关联度值与基于前一数据对候选个数计算出的关联度值之间的差值小于预设的关联度差值阈值。
16、可选的，上述根据上述目标od数据对，通过已训练的od预测模型获得上述目标地铁通勤乘客对应的目标预测od数据，包括：
17、获取日期划分标签，其中，上述日期划分标签包括星期一、星期二、星期三、星期四、星期五、星期六和星期日；
18、根据上述日期划分标签以及上述目标乘客出行链中各上述od数据对所对应的进站日期，对上述od数据对进行分组，获得各上述日期划分标签下的od数据对；
19、针对每一日期划分标签，根据上述日期划分标签下的od数据对确定该日期划分标签下出现频率满足预设频率阈值的目标od，并根据各上述目标od对应的进站时间均值对上述目标od进行排序获得上述日期划分标签下的目标od序列；
20、基于所有上述日期划分标签下的目标od序列，获得针对自然周的出行模式集合数据；
21、根据上述目标od数据对和上述出行模式集合数据，通过已训练的od预测模型获得上述目标地铁通勤乘客对应的目标预测od数据。
22、可选的，上述根据上述目标od数据对和上述出行模式集合数据，通过已训练的od预测模型获得上述目标地铁通勤乘客对应的目标预测od数据，包括：
23、获取上述目标od数据对中最新的进站日期所对应的所有目标od数据对并作为候选od数据对；
24、确定上述最新的进站日期对应的日期划分标签；
25、根据上述候选od数据对和上述日期划分标签，从上述出行模式集合数据中确定排列在最后上述候选od数据对之后的候选预测数据对，并确定在上述候选预测数据对所对应的日期划分标签下，上述候选预测数据对的发生概率；
26、根据上述候选预测数据对和上述候选预测数据对的发生概率，通过已训练的od预测模型获得上述目标地铁通勤乘客对应的目标预测od数据。
27、可选的，上述方法还包括：
28、获取地铁乘客对应的历史出行数据；
29、根据上述地铁乘客对应的历史出行数据，确定上述地铁乘客在一个自然周内的出行天数，以及上述地铁乘客在每个出行自然日所对应的出行时间间隔；
30、根据上述出行天数和上述出行时间间隔从上述地铁乘客中确定地铁通勤乘客；
31、响应于目标对象触发的交互操作，从上述地铁通勤乘客中确定目标地铁通勤乘客；
32、基于上述目标地铁通勤乘客对应的历史出行数据获得上述目标地铁通勤乘客对应的模型训练数据，基于上述模型训练数据对待训练的od预测模型进行训练，获得上述目标地铁通勤乘客对应的已训练的od预测模型。
33、本技术第二方面提供一种基于出行链的地铁通勤乘客出行od预测系统，其中，上述基于出行链的地铁通勤乘客出行od预测系统包括：
34、数据获取模块，用于获取目标地铁通勤乘客对应的历史出行数据，其中，上述历史出行数据包括多条出行记录，每一条上述出行记录包括进站点、出站点、进站日期、进站时间、出站日期与出站时间；
35、数据处理模块，用于根据上述历史出行数据中各出行记录的进站日期和进站时间，对各上述出行记录进行排序，基于排序后的出行记录构建上述目标地铁通勤乘客对应的目标乘客出行链，其中，上述目标乘客出行链中包括多个od数据对，一个od数据对用于表征一条出行记录所包括的信息；
36、数据提取模块，用于获取数据对目标个数，根据上述数据对目标个数从上述目标乘客出行链中确定目标od数据对；
37、预测模块，用于根据上述目标od数据对，通过已训练的od预测模型获得上述目标地铁通勤乘客对应的目标预测od数据。
38、本技术第三方面提供一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于出行链的地铁通勤乘客出行od预测程序，上述基于出行链的地铁通勤乘客出行od预测程序被上述处理器执行时实现任意一项上述基于出行链的地铁通勤乘客出行od预测方法的步骤。
39、本技术第四方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有基于出行链的地铁通勤乘客出行od预测程序，上述基于出行链的地铁通勤乘客出行od预测程序被处理器执行时实现任意一项上述基于出行链的地铁通勤乘客出行od预测方法的步骤。
40、由上可见，本技术方案中，获取目标地铁通勤乘客对应的历史出行数据，其中，上述历史出行数据包括多条出行记录，每一条上述出行记录包括进站点、出站点、进站日期、进站时间、出站日期与出站时间；根据上述历史出行数据中各出行记录的进站日期和进站时间，对各上述出行记录进行排序，基于排序后的出行记录构建上述目标地铁通勤乘客对应的目标乘客出行链，其中，上述目标乘客出行链中包括多个od数据对，一个od数据对用于表征一条出行记录所包括的信息；获取数据对目标个数，根据上述数据对目标个数从上述目标乘客出行链中确定目标od数据对；根据上述目标od数据对，通过已训练的od预测模型获得上述目标地铁通勤乘客对应的目标预测od数据。
41、与现有技术相比，本技术方案中并不是针对具体站点或具体时进行针对乘客集体的客流量变化预测，而是针对具体的目标地铁通勤乘客个体，基于其历史出行数据构建目标乘客出行链，进而确定目标od数据对，以实现针对目标地铁通勤乘客个体的具体出行需求预测，有利于对乘客出行需求进行精细化分析。
1.一种基于出行链的地铁通勤乘客出行od预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于出行链的地铁通勤乘客出行od预测方法，其特征在于，在所述获取数据对目标个数之前，所述方法还包括：
3.根据权利要求2所述的基于出行链的地铁通勤乘客出行od预测方法，其特征在于，所述根据所述地铁通勤乘客出行链，通过条件概率的方式计算所述通勤乘客出行链中od数据对之间的关联度，以根据所述关联度确定所述数据对目标个数，包括：
4.根据权利要求3所述的基于出行链的地铁通勤乘客出行od预测方法，其特征在于，所述预设的关联度判断条件包括所述关联度的值大于预设的关联度阈值，和/或基于当前的数据对候选个数计算出的关联度值与基于前一数据对候选个数计算出的关联度值之间的差值小于预设的关联度差值阈值。
5.根据权利要求1所述的基于出行链的地铁通勤乘客出行od预测方法，其特征在于，所述根据所述目标od数据对，通过已训练的od预测模型获得所述目标地铁通勤乘客对应的目标预测od数据，包括：
6.根据权利要求5所述的基于出行链的地铁通勤乘客出行od预测方法，其特征在于，所述根据所述目标od数据对和所述出行模式集合数据，通过已训练的od预测模型获得所述目标地铁通勤乘客对应的目标预测od数据，包括：
7.根据权利要求1至6任意一项所述的基于出行链的地铁通勤乘客出行od预测方法，其特征在于，所述方法还包括：
8.一种基于出行链的地铁通勤乘客出行od预测系统，其特征在于，所述系统包括：
9.一种智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于出行链的地铁通勤乘客出行od预测程序，所述基于出行链的地铁通勤乘客出行od预测程序被所述处理器执行时实现如权利要求1至7任意一项所述基于出行链的地铁通勤乘客出行od预测方法的步骤。
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上存储有基于出行链的地铁通勤乘客出行od预测程序，所述基于出行链的地铁通勤乘客出行od预测程序被处理器执行时实现如权利要求1至7任意一项所述基于出行链的地铁通勤乘客出行od预测方法的步骤。
