Pred-in-Open-Env 1.0.0

A model to predict pedestrian flow in open environment

Pred_in_Open_Env是一个基于RNN的开放街区人流量预测模型
可进行三个任务：

--全点位未来 10/20/30 分钟人数预测及人数流向接口

参数1为currentTime,其含义为当前时间，需按照以下格式（yyyy-MM-dd HH:mm:ss）

参数2为forecastDuration，含义为预测的时间，可选择（10，20，30）三个时段

可变参数:
step:预测时间步数
to_GPU:是否加载到GPU训练
update:本次训练是否更新并保存历史平均值与模型参数
运行示例:

python run.py task1 --currentTime "2024-10-22 10:20:00" --forecastDuration 10

或者在run.py中添加语句

task1("2024-10-22 10:20:00",10)

--全点位在指定时间范围内实际人数与预测人数趋势

参数1为startTime,其含义为预测开始时间，需按照以下格式（yyyy-MM-dd HH:mm:ss）

参数2为endTime,其含义为预测结束时间，需按照以下格式（yyyy-MM-dd HH:mm:ss）

参数3为duration，含义为指定数据时间间隔，10/20/30，表示返回数据的时间间隔为10/20/30分钟

可变参数:
to_GPU:是否加载到GPU训练
update:本次训练是否更新并保存历史平均值与模型参数
运行示例:

python run.py task2 --startTime "2024-10-22 10:20:00" --endTime "2024-10-22 15:20:00" --duration 10

或者在run.py中添加语句

task2("2024-10-22 10:20:00","2024-10-22 15:20:00",10)

--指定点位指定时间范围内实际人数与预测人数趋势

参数1为startTime,其含义为预测开始时间，需按照以下格式（yyyy-MM-dd HH:mm:ss）

参数2为endTime,其含义为预测结束时间，需按照以下格式（yyyy-MM-dd HH:mm:ss）

参数3为duration，含义为指定数据时间间隔，10/20/30，表示返回数据的时间间隔为10/20/30分钟

参数4为id,其含义为指定点位序号，在1～10选择

可变参数:
to_GPU:是否加载到GPU训练
update:本次训练是否更新并保存历史平均值与模型参数
运行示例:

python run.py task3 --startTime "2024-10-22 10:20:00" --endTime "2024-10-22 15:20:00" --duration 10 --id 1

或者在run.py中添加语句

task3("2024-10-22 10:20:00","2024-10-22 15:20:00",10,1)