The present invention provides a method and system for prediction of crowd flow. The method includes: S1, raster the target area to obtain the grid area, and sample the crowd flow of each time in the raster area at the preset historical time period, in which the period of each period sampling is different; S2, According to the results of each periodic sampling in all the raster areas, the convolution neural network is used to obtain the set of feature graphs corresponding to each period sampled. S3, according to the set of characteristic graph of each period sampled, the prediction value of the crowd flow in the raster area is obtained by using the long short time memory neural network. On the one hand, the present invention combines time and space features to make the result of crowd flow prediction more accurate; on the other hand, it can learn space and time characteristics independently, without human operation, and has high flexibility.
【技术实现步骤摘要】
一种人群流量预测方法及系统
本专利技术属于数据预测领域,更具体地,涉及一种人群流量预测方法及系统。
技术介绍
人群流量预测对地区交通管理和公共安全有着非常重要的作用。如今商业网点和娱乐场所的规模越来越大。生活便利的同时,综合性商业区使得人群逗留时间长,活动类型增多。在人群密集的地方很容易诱发事故,特别是节假日、季节性促销等导致的人群短时高密度聚集。如果可以预测一个区域的人群流动情况,当发现人群流动量较大时,可提前进行交通控制和发出警告,这样就可以减轻或防止事故的方生。对人群流量进行预测,可以用于提高管理部门的信息感知能力和应急处置能力,对于合理控制商业网点人口,预防人群类事故的发生具有重要的意义。目前,在人群流量预测方面,机器学习的方法较为广泛。使用基于统计的特征学习方法描述人群的纹理,可以满足高密度场景下的人群密度预警。但基于规则和特征提取的机器学习方法一方面需要人工提取特征,提取特征的难度较大,具有较强的人为主观性,且较为繁琐;另一方面,为取得较好的预测效果,需要不断的调整和优化特征提取策略,灵活性不高,不具有普适性。
技术实现思路
为克服现有的人群流量预测方法在保证较好的预测效果的情况下预测难度大,繁琐的问题或者至少部分地解决上述问题,本专利技术提供了一种人群流量预测方法及系统。根据本专利技术的第一方面,提供一种人群流量预测方法,包括:S1,对目标区域进行栅格化获取各栅格区域,并对预设历史时间段内各所述栅格区域中各时刻的人群流量进行多次周期采样;其中,每次周期采样的周期各不相同;S2,根据所有所述栅格区域中每次的周期采样结果,使用卷积神经网络获取每次所述 ...
【技术保护点】
1.一种人群流量预测方法,其特征在于,包括:S1,对目标区域进行栅格化获取各栅格区域,并对预设历史时间段内各所述栅格区域中各时刻的人群流量进行多次周期采样;其中,每次周期采样的周期各不相同;S2,根据所有所述栅格区域中每次的周期采样结果,使用卷积神经网络获取每次所述周期采样对应的特征图集合;S3,根据每次所述周期采样对应的特征图集合,使用长短时记忆神经网络获取各所述栅格区域的人群流量预测值。
【技术特征摘要】
1.一种人群流量预测方法,其特征在于,包括:S1,对目标区域进行栅格化获取各栅格区域,并对预设历史时间段内各所述栅格区域中各时刻的人群流量进行多次周期采样;其中,每次周期采样的周期各不相同;S2,根据所有所述栅格区域中每次的周期采样结果,使用卷积神经网络获取每次所述周期采样对应的特征图集合;S3,根据每次所述周期采样对应的特征图集合,使用长短时记忆神经网络获取各所述栅格区域的人群流量预测值。2.根据权利要求1所述的方法,其特征在于,S1中对预设历史时间段内各所述栅格区域中各时刻的人群流量进行多次周期采样的步骤具体包括:对预设历史时间段内各所述栅格区域中各时刻的人群流量进行三次周期采样;其中,一次周期采样的周期为第一时长,一次周期采样的周期为第二时长,一次周期采样的周期为第三时长,所述第一时长大于所述第二时长,所述第二时长大于所述第三时长。3.根据权利要求1所述的方法,其特征在于,所述步骤S1中对预设历史时间段内各所述栅格区域中各时刻的人群流量进行多次周期采样的步骤具体包括:S11,根据用户的位置信息,获取各时刻进入各所述栅格区域的第一人群流量和从各所述栅格区域流出的第二人群流量;S12,对各所述栅格区域的第一人群流量和所述第二人群流量分别进行多次周期采样。4.根据权利要求3所述的方法,其特征在于,所述步骤S11之前还包括:使用插值法对用户的位置信息进行补全。5.根据权利要求3所述的方法,其特征在于,所述步骤S11具体包括:对于任一所述栅格区域中的每个时刻,将当前时刻位于该栅格区域,且当前时刻的上一时刻不在该栅格区域的用户数量作为当前时刻进入该栅格区域的第一人群流量;将当前时刻不在该栅格区域,且当前时刻的下一时刻位于该栅格区域的用...
【专利技术属性】
技术研发人员:李超,袁明明,
申请(专利权)人:北京天元创新科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。