融合多源交通大数据与深度学习算法的出行活动预测方法

本发明公开了一种融合多源交通大数据与深度学习算法的出行活动预测方法，主要步骤包括：主要活动预测时，采用决策树算法预测活动模式；采用K‑means聚类算法和肘部法则，根据活动开始时间、时长和地点，将活动分为不同的类别，并识别出在特定时段内频繁进行的主要活动；构建LSTM网络对主要活动的开始时间和持续时长进行预测；采用DBSCAN+K‑means对新活动地点进行预测，采用采用LSTM网络对历史活动地点进行预测。本发明构建的ABM只需要基本输入信息，输入容易获得，更适用于现阶段交通大数据时代。本发明将DLA融入到ABM中以提高其预测能力，可以用来预测尽可能多的活动信息。