摘要
本发明涉及一种基于半监督学习的公交用户属性预测模型构建方法、设备及介质,该方法包括:获取包含出行信息、职住信息和用户属性信息的城市居民出行调查数据,预处理后得到公交用户的第一出行链;获取城市公交刷卡数据,预处理后得到公交用户的第二出行链;根据设定规则识别出所述第二出行链中公交用户的职住信息,分别利用人口密度数据和土地价格数据为第一出行链和第二出行链添加用户的职住空间特征;以第一出行链数据为训练数据,训练初始公交用户属性预测模型,并引入第二出行链数据进行半监督学习,迭代更新得到最终的公交用户属性预测模型。与现有技术相比,本发明可更加准确可靠地预测公交用户属性。
技术关键词
属性预测模型
半监督学习
预测模型构建方法
站点
地地址
居民出行调查数据
XGBoost模型
刷卡
教师
轮廓系数
出行方式
栅格
样本
地点
训练特征
标签
序列特征
系统为您推荐了相关专利信息
联网收费数据
分布式计算架构
全局数据同步
策略
动态数据同步
图像分类模型
半监督学习
样本
机器学习模型
半监督训练
构建轨道交通
布局形式
铁路列车
城市轨道交通车站
构建数学模型