一种基于小波神经网络的区域短期人流量趋势预测方法及其系统技术方案

一种基于小波神经网络的短期区域人流量趋势预测方法，步骤如下：步骤S1：采集信令数据并清洗得到高精度的手机信令数据集；步骤S2：计算用户时空位置得到用户的移动速度、方向和经纬度数据；步骤S3：将目标区域网格化并计算时间段的区域人流量；步骤S4：构建小波神经网络，并将网格区域人流量数据划分为训练集和测试集，训练小波神经网络，直到准确率达到预设值或者预设最大训练次数，得到训练后的小波神经网络模型；步骤S5：根据小波神经网络模型和真实数据，实现区域内短期人流量的预测。还包括实现本发明专利技术方法的系统。本发明专利技术充分利用信令数据，实现区域内短期人流量的预测，对推进交通智能化具有重要意义。

【技术实现步骤摘要】
一种基于小波神经网络的区域短期人流量趋势预测方法及其系统
本专利技术涉及数据挖掘与分析领域，具体涉及一种基于小波神经网络的区域短期人流量趋势预测方法及其系统。
技术介绍
近年来，城市交通发展迅速，但仍存交通拥堵、交通不便等问题亟待解决，区域人流量短时预测可用于人流监测和路线优化，为交通管理部门提供监测预警和智能决策，进一步提高城市的科学管理水平，该预测可以方便直观了解人口聚散情况，服务于城市安全维稳重点区域人口聚集预警，提升紧急状况应急能力，实现交通规划决策智能化。随着蜂窝网络的全面密集覆盖和手机的普及，使用手机信令数据来获取交通参数在目前已经成为一种有效可行的方式，由于其不仅成本低和全面覆盖，还可以准确、实时、全天候获取交通参数信息等优点，为区域人流预测提供有力的数据基础。
技术实现思路
本专利技术要克服现有技术上上述缺点，提出基于小波神经网络的区域短期人流量趋势预测方法及其系统，为交通管理部门提供监测预警和智能决策以提升紧急状况应急能力。为了实现上述目的，本专利技术采用如下技术方案：步骤S本文档来自技高网...

【技术保护点】
1.基于小波神经网络的区域短期人流量趋势预测方法，其特征在于，包括以下步骤：/n步骤S1：获取若干样本手机信令数据(数据来源：城市运营商及其相关单位)，根据信令数据清洗规则得到高精度的手机信令数据集；/n步骤S2：计算用户时空位置得到用户的移动速度、方向和经纬度数据；/n步骤S3：将目标区域网格化并计算时间段的区域人流量；/n步骤S4：构建小波神经网络，并将网格区域人流量数据划分为训练集和测试集，并训练小波神经网络，直到准确率达到预设值，得到训练后的小波神经网络模型；/n步骤S5：根据小波神经网络模型和真实数据，实现区域内短期人流量的预测。/n

【技术特征摘要】
1.基于小波神经网络的区域短期人流量趋势预测方法，其特征在于，包括以下步骤：
步骤S1：获取若干样本手机信令数据(数据来源：城市运营商及其相关单位)，根据信令数据清洗规则得到高精度的手机信令数据集；
步骤S2：计算用户时空位置得到用户的移动速度、方向和经纬度数据；
步骤S3：将目标区域网格化并计算时间段的区域人流量；
步骤S4：构建小波神经网络，并将网格区域人流量数据划分为训练集和测试集，并训练小波神经网络，直到准确率达到预设值，得到训练后的小波神经网络模型；
步骤S5：根据小波神经网络模型和真实数据，实现区域内短期人流量的预测。


2.根据权利要求1所述的方法，其特征在于，步骤S1具体包括：
(1.1)获取若干样本手机信令数据(数据来源：城市运营商及其相关单位)；
(1.2)删除所述信令数据中的错误数据得到初始目标定位数据；
(1.3)采用k-means结合LOF离群点检测法剔除离群数据；
(1.4)在所述信令数据中提取用户的时间和空间信息，由此创建用户信令数据<imsi，ts，lo，la>构建信令数据集，其中imsi表示用户识别码，ts表示时间戳，<lo，la>表示位置经纬度。


3.根据权利要求1所述的方法，其特征在于，步骤S2具体包括：
(2.1)所述用户的时间与位置数据按照时间排序，采用曼哈顿距离作为距离度量记为用户前后两个点之间的距离dis，其中<loi，lai>分别为单个用户的手机信令数据的第i个经度和纬度：



(2.2)通过计算距离得到用户两点之间的速度v，并更新用户信令数据集<imsi，ts，lo，la，v>，其中tsi为单个用户信令数据的第i个经纬度信息的时间戳：



(2.3)获取用户移动方向dir：





4.根据权利要求1所述的方法，其特征在于，步骤S3具体包括：
(3.1)所述区域网格化，将目标地区划分成n*n个网格，使得每个网格的边长在500m～550m范围；
(3.2)所述区域网格化，将用户信令数据集归入网格中，以网格序号作为横纵坐标代替经纬度，网格序号记做gi和gj，其中其中loMin为目标地区最小经度，laMin为目标地区最小纬度，loDif为目标地区最大经度与最小经度的差值，laDif为目标地区最大纬度与最小纬度的差值。
(3.3)所述区域网格化，将得到的数据按照时间间隔处理得到每个网格在每个时间段的人流量数据，并将数据分为训练集和测试集。


5.根据权利要求1或4所述的方法，其特征在于，步骤S4具体包括：
(4.1)所述小波神经网络模型，以网格化人流量数据集作为输入，其格式为其中xi为区域的某一时刻，yi为时刻对应的人流量，以短期人流量预测数据作为输出。
(4.2)所述的小波神经网络模型，其特征在于，激活函数选择小波函数由此建立网络模型ui＝xT*w(:,i)，此处ui、hi为隐藏层第i个节点的输入和输出，y为输出结果。
(4.3)所述的小波神经网络模型，其中网络参数为θ＝(w,b,a,c)，基于模型建立的优化目标函数为其中为预测输出，R(θ)为正则项。
(4.4)所述的小波神经网络模型，根据训练集初始化并训练小波神经网络模型，直到准确率达到预设值或者达到预设最大训练次数，得到训练后的小波神经网络模型。


6.实现权利要求1所述的基于小波神经网络的区域短期人流量趋势预测方法的系统，其特征在于：包括：依次连接的手机信令收集模块、用户运动特征计...

【专利技术属性】
技术研发人员：王瀛，李志敏，杨星浩，赵记伟，朱桑，
申请(专利权)人：浙江中医药大学，
类型：发明
国别省市：浙江;33