[發明專利]一種線上線下關聯的城市客流量預測方法

有效

• 申請號: 202010953142.5
• 申請日: 2020-09-11
• 公開（公告）號: CN112183824B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 周蜀杰;曾園園;江昊
• 申請（專利權）人: 武漢大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06Q50/30;G06N3/08;G06N3/04;G06F17/16
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 羅飛

1.一種線上線下關聯的城市客流量預測方法，其特征在于，包括：

S1：構建基于擴張因果卷積的線下客流量分布特征提取模塊，用于根據捕獲時間依賴關系的特征以及外部特征，得到線下客流量分布特征；

S2：構建線上訪問注意點分布特征提取模塊，用于根據用戶在線下進入、離開、停留不同區域的三種情況下的線上訪問內容分類的情況獲得線上訪問注意點分布特征；

S3：構建線上線下交互模塊，用于融合線下客流量分布特征和線上訪問注意點分布特征，并預測出下一時刻的客流量；

S4：線下客流量分布特征提取模塊、線上訪問注意點分布特征提取模塊以及線上線下交互模塊構成城市客流量預測模型，并對預測模型進行訓練；

S5：利用訓練好的城市客流量預測模型對城市客流量進行預測；

其中，S1中捕獲時間依賴關系的特征為張量形式，通過下述方式得到：

根據功能類型對空間區域網絡進行劃分，統計每個時刻下各個空間區域的漫入數和漫出數，構建二維客流量矩陣，連續多個時刻上的矩陣構成時間序列；

將構成的連續時刻上的二維矩陣按照不同的時間間隔進行分片，分片后構成三個張量，分別用于捕獲長期依賴、周期性依賴和短期依賴關系。

2.如權利要求1所述的城市客流量預測方法，其特征在于，基于擴張因果卷積的線下客流量分布特征提取模塊為多層DCNN網絡，S1具體包括：

將用于捕獲時間依賴關系的三個張量作為輸入，通過多層DCNN網絡學習輸出特征矩陣，再通過哈德瑪積將三種特征以及外部特征進行融合，輸出表征時間依賴關系的客流量特征Xflow，作為線下客流量分布特征。

3.如權利要求 1所述的城市客流量預測方法，其特征在于，空間網絡區域某一時刻漫入數和漫出數的計算方式為：

其中，P是t時刻用戶移動軌跡的集合，Tr:l₁→l₂→…→l_|Tr|是用戶軌跡，k為軌跡的所經過的區域總數，_k表示最終到達的區域，_k-1表示軌跡中前一個經過的區域，(i,j)表示第i類區域中的第j個區域。

4.如權利要求2所述的城市客流量預測方法，其特征在于，基于擴張因果卷積的線下客流量分布特征提取模塊通過歷史的時間序列來預測下一時刻的客流量矩陣，該過程抽象為計算極大似然函數的過程，具體如下：

其中，w是模型中訓練得到的參數，擴張因果卷積網絡由多層擴張卷積構成，每一層擴張卷積后輸出一個特征圖，特征圖由下式得到：

其中d是擴張因子，M_l-1是通道數，在每層因果卷積中對輸入的向量的每d個元素應用卷積核，以獲得距離較遠的節點之間的關聯關系，每層因果卷積后輸出一個2通道的特征矩陣，最終輸出預測的漫入漫出數矩陣，并通過一個Tanh函數歸一化至[-1,1]區間。

5.如權利要求1所述的城市客流量預測方法，其特征在于，S2中用戶在線下進入、離開、停留不同區域的三種情況下的線上訪問內容分類的情況采用張量形式表示，通過以下方式獲取：

構建三種情況下的線上線下關聯關系張量，分別計算用戶進入、離開、停留某區域的情況下訪問不同類別線上內容的用戶數。

6.如權利要求5所述的城市客流量預測方法，其特征在于，線上訪問注意點分布特征提取模塊為多層DCNN網絡，S2具體包括：

將構建出的三種情況下的線上線下特征關聯的張量作為輸入，分別得到每種情況下的關聯性特征矩陣，再通過哈德瑪積進行矩陣融合得到融合后的線上線下關聯特征X_AP。