[發明專利]基于城市區域多模態融合的人群流量預測方法

在審

• 申請號: 202011227802.8
• 申請日: 2020-11-06
• 公開（公告）號: CN112396218A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 顧晶晶;孫明;凌超
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱炳斐

本發明公開了一種基于城市區域多模態融合的人群流量預測方法，包括：獲取城市數據并進行預處理；將城市劃分成等大小的網格區域，并構建相應大小結構的城市數據矩陣；計算每個網格區域的流行度、興趣點差異性矩陣、熱度值；基于熱度值，對人類活動數據進行OPTICS聚類，將城市劃分成多種類的功能區域；計算每個網格區域的歐幾里得距離、流量相似度、興趣點相似度，并基于劃分好的功能區域構建多模態相關性圖；基于多模態相關性圖，使用基于圖卷積神經網絡結構的多模態融合模型，對區域人群流量進行預測。本發明方法能夠劃分更加真實、多元的熱點區域，并充分利用城市區域之間潛在的多種相關性。在基于海量的城市時空數據計算中，具有更良好的預測效果。

技術領域

本發明屬于模式分析領域，特別涉及一種基于城市區域多模態融合的人群流量預測方法。

背景技術

隨著經濟的飛速發展，人民的生活水平不斷提高，人們的出行方式日益多樣化，出行次數也大幅上升。但與此同時，城市的交通擁堵問題也日益嚴重。隨著位置技術服務Location Based Services(LBS)的普及和計算機計算能力的提高，城市居民的出行信息被采集，生成了大量的人類活動行為數據集。大數據的應用使得我們有機會發現一些現代城市中的各種出行行為的規律，以幫助解決快速的城市化帶來的一系列問題。

如果能夠及時準確的預測和分析人群活動的規律，許多城市化問題，比如交通擁堵、交通資源調度等問題就會迎刃而解。但由于不同年齡段、不同工作、不同文化背景的人們對興趣點的偏好不同，城市中的人們流向是多種多樣的以及城市環境的高度動態性，精確的城市人群流量預測一直是個難點。

通常情況下，對于城市的流量預測主要通過采集歷史數據并使用某種數學模型來預測未來的流量情況，一般分為基于統計與機器學習方法、基于概率圖模型的方法以及基于深度學習的方法。例如，A.Abadi等人提出了一種自回歸綜合移動平均(AutoregressiveIntegrated Moving Average，ARIMA)模型進行數據驅動的方法來預測城市交通流量。Longbiao Chen等提出了一種基于動態集群的過度預測框架來預測站點式共享自行車的流量。C.Thirumalai等人提出了一個深度神經網絡模型，使用歷史自行車數據來預測共享自行車的未來使用情況，并使用基于門控循環單元的循環神經網絡(Recurrent NeuralNetwork,RNN)進行城市交通流量預測。

雖然現有研究工作中有大量關于城市人群活動數據的流量預測的工作，但是現有的工作主要是通過解決問題中的眾多約束或圖形模型來執行帶有一些環境變量的交通量預測。然而，環境方面的變量很多，用戶無法考慮所有這些變量。另外，這也會使優化變得極其復雜且難以解決。

發明內容

本發明的目的在于針對上述現有技術存在的問題，提供一種基于城市區域多模態融合的人群流量預測方法，利用多模態融合，結合圖卷積神經網絡以及城市數據的時空相關性，挖掘城市區域多重相關性，更好地預測人群流量。

實現本發明目的的技術解決方案為：一種基于城市區域多模態融合的人群流量預測方法，所述方法包括以下步驟：

步驟1，獲取城市數據，并對數據進行預處理以消除噪聲數據；

步驟2，將城市劃分成等大小(H×W)的網格區域g_i，并構建相應大小結構的城市數據矩陣：人類活動數據矩陣M_flow、城市興趣點數據矩陣M_poi和天氣溫度數據矩陣M_ext；

步驟3，計算每個網格區域的流行度PR_i、興趣點差異性矩陣f，并進一步計算網格區域的熱度值H_i；

步驟4，基于網格區域的熱度值H_i，對人類活動數據進行OPTICS聚類，將城市劃分成多種類的功能區域C；