[發明專利]一種區域人流量預測方法及系統

有效

• 申請號: 201610835257.8
• 申請日: 2016-09-20
• 公開（公告）號: CN107844848B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 雷鳴;王興武;郭慈;顏海濤;梅錚;魯銀冰;柯于皇
• 申請（專利權）人: 中國移動通信集團湖北有限公司;中國移動通信集團公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 張振偉;蔣雅潔

本發明實施例公開了一種區域人流量預測方法，所述方法包括：按照預定規則對預定區域歷史N天內的所有人流量數據進行分類，形成至少兩類歷史人流量數據；對每類所述歷史人流量數據分別采用相同模型訓練得到各自對應的預測模型系數；根據每類所述歷史人流量數據各自對應的所述預測模型系數，預測所述預定區域未來時刻的人流量。本發明實施例同時公開了一種區域人流量預測系統。

技術領域

本發明涉及人流量預測技術，尤其涉及一種區域人流量預測方法及系統。

背景技術

在各個景區或城市公共場所區域，監控人流分布和增長趨勢，對可能發生的突發事件進行預警，防止類似踩踏事件的發生，提高管理水平，提升服務質量，顯得尤為重要。人流量的預測目前主要是根據視頻監控或者WIFI定位方式統計當前區域人數，數據覆蓋狹隘，人流量預測精度不高。在移動互聯網時代，基于位置信息服務(LBS，Location BasedService)的應用日益廣泛的。移動電信運營商在提供LBS服務時具有天然的優勢。借助移動基站信息和龐大的用戶數量，可以較精確地預測人流量。

現有的基于LBS服務預測人流量技術通常是對歷史數據進行模型訓練得到參數模型，再將當前時刻的人流量信息輸入參數模型中預測得到未來時刻的人流量。現有技術在人流預測上有一定程度上的實現，但是還存在兩個重大的問題：

第一，在預測人流量時，采用的是對歷史數據進行模型訓練得到參數模型，而對歷史數據并沒有做數據分類。由于區域人流量變化符合一定的規律性，如節假日比工作日人流量通常要多，那么未按照規律對歷史數據進行分類，而對所有數據整體訓練得到參數模型，這樣無法避免地致使訓練的模型系數與實際情況有較大誤差，影響了模型的構造，進而影響人流量預測精度。

第二，目前是將當前時刻的人流量信息輸入參數模型中，根據參數模型直接得到未來時刻的人流量。這里缺乏考慮當前時刻人流量變化趨勢對于未來時刻人流量預測的影響。在當前時刻人流量突變的情況下，現有技術缺乏自適應性，預測會產生較大的誤差。

發明內容

為解決上述技術問題，本發明實施例期望提供一種區域人流量預測方法及系統，以期至少部分或全部解決現有技術中存在的上述技術問題。

本發明的技術方案是這樣實現的：

本發明提供一種區域人流量預測方法，所述方法包括：

按照預定規則對預定區域歷史N天內的所有人流量數據進行分類，形成至少兩類歷史人流量數據；其中，N為大于等于2的整數；

對每類所述歷史人流量數據分別采用相同模型訓練，得到各自對應的預測模型系數；

根據每類所述歷史人流量數據各自對應的所述預測模型系數，預測所述預定區域未來時刻的人流量。

上述方案中，所述按照預定規則對預定區域歷史N天內的所有人流量數據進行分類，包括：

按照每個歷史人流量數據產生的日期類型對所有歷史人流量數據進行分類，將屬于同一日期類型的歷史人流量數據劃為一類；其中，所述日期類型包括工作日、周末和/或節假日。

上述方案中，所述按照每個歷史人流量數據產生的日期類型對所有歷史人流量數據進行分類，將屬于同一日期類型的歷史人流量數據劃為一類，包括：

獲取每個歷史人流量數據的產生時間；

根據所述產生時間判斷每個歷史人流量數據的日期類型歸屬于所述工作日、周末和/或節假日；

將歸屬于所述工作日、周末和/或節假日日期類型的歷史人流量數據分別劃為一類。

上述方案中，對每類所述歷史人流量數據分別采用相同模型訓練，得到各自對應的預測模型系數，包括：