[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

本發明提供了一種線上線下關聯的城市客流量預測方法，一方面充分捕獲了歷史客流量數據的時間依賴性，并結合了天氣、節假日、重大活動事件等外部因素特征，另一方面通過各區域中用戶在不同狀態下的線上訪問內容情況構建了線上線下行為的關聯性。將兩部分的特征通過一個訓練好的單隱層全連接網絡融合后能夠更加準確地預測所有區域的客流量漫入漫出情況，充分考慮突發事件對客流量變化的影響。

技術領域

本發明涉及智慧城市應用相關的客流量預測技術、以及大數據分析、深度神經網絡技術領域，具體涉及一種線上線下關聯的城市客流量預測方法。

背景技術

隨著物聯網技術的快速發展，物聯網技術使得城市向更加智能的方向發展。基于物聯網的智慧城市涉及大量城市中密布的傳感器，異構網絡基礎設施，智能信息處理和城市計算等技術。城市客流量預測是面向智慧城市應用的重要組成部分之一。

當前，廣泛的智能物聯網設備和服務為我們提供了更多獲取城市人群流量數據的便利。我們可以通過授權的智能設備從互連的數據網絡中獲得多種用于城市人群檢測的安全數據，包括用戶軌跡數據和在線瀏覽數據等。這些異構人群信息的集成網絡系統有助于城市安全規劃和管理。隨著社會的進步和城市化進程的加快，城市人口快速增長。大規模的城市人群移動給城市公共安全帶來了巨大挑戰，城市客流量預測，特別是即時客流量預測，對于城市公共安全至關重要。

本申請發明人在實施本發明的過程中，發現現有技術的方法，至少存在如下技術問題：

現有的技術方法依賴歷史數據進行預測，不能很好地預測突發事件所帶來的人流量變化。

發明內容

本發明提出一種線上線下關聯的城市客流量預測方法，用于解決或者至少部分解決現有技術的方法依賴歷史數據進行預測，從而預測準確性不高的技術問題。

為了解決上述技術問題，本發明提供了一種線上線下關聯的城市客流量預測方法，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。

在一種實施方式中，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。

在一種實施方式中，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。

在一種實施方式中，空間網絡區域某一時刻漫入數和漫出數的計算方式為：