一种基于时空动态神经网络的城市人流预测方法技术

本发明专利技术公开了一种基于时空动态神经网络的城市人流预测方法，包括：获取城市人流历史移动轨迹数据，将城市人流数据抽象成“图像帧”，根据时间将城市人流数据划分为训练数据集和测试数据集，将城市人流数据抽象成“图像帧”，使其处理方法转化为图像处理方法，将“图像帧”输入三维卷积神经网络，提取时间特性和空间特性，捕捉城市人流的流动性特征；把空间特征输入到残差卷积块，捕捉空间上距离较远的区域人流相互之间的影响；通过训练模型得到城市区域人流预测结果。本发明专利技术通过构建时空动态图和残差卷积块，结合城市区域人口流动特性和空间全局相关特性，对未来一段时间的城市区域人流流动进行预测，具有较快的收敛速度和准确率上的提升优势。率上的提升优势。率上的提升优势。

【技术实现步骤摘要】
一种基于时空动态神经网络的城市人流预测方法


[0001]本专利技术属于流量预测的
，尤其涉及一种基于时空动态神经网络的城市人流预测方法。

技术介绍

[0002]联合国最新报告显示，全球农村人口“城市化”进程在不断加速。数据显示，在1950年，全球城市人口比例仅为30％，但是到2018年，居住在城市的人口比例达到了55％。人口大量涌入城市，城市的交通变得拥挤。为解决这些问题，在现代智能交通系统(ITS)中，人流预测是为出行者和交通机构提供准确可靠的交通信息不可或缺的一部分。提前了解交通信息(如交通拥堵情况、交通量、人流量)，城市可以实施更好的交通管理策略，旅客可以制定更好的路线规划。因此，准确的交通预测有助于减少时间成本、经济损失和碳排放。在实际应用中，多种类型的城市数据都可以用来计算区域的人口流入、流出量，例如手机信令数据、出租车GPS轨迹数据、公共交通数据(公交车或地铁刷卡数据)等。
[0003]流量预测的目的是根据城市历史流量信息提供未来一段时间的流量信息，早期预测人流主要使用经典序列预测方法，如自回归积分滑动平均模型(Aut本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空动态神经网络的城市人流预测方法，其特征在于，包括以下步骤：步骤1：构建城市时空人流轨迹图，首先获取城市人流移动轨迹信息，对人流数据进行清洗；将城市按网格切分，间隔一个小时统计每个网格的进出人流量，将城市人流数据抽象成“图像帧”；然后把图像帧序列按时间序列拼接起来，调整维度到三维卷积神经网络要求的大小；步骤2：训练神经网络，在上述城市时空人流网格图基础上，首先使用三维卷积神经网络模型对时间维度和空间维度同时进行卷积，捕获人群的流动性特征和时空上的异质性；然后用全连神经网络和卷积神经网络相结合的模块捕获距离该地区较远的地区人流对这个地区的影响，并用残差解决梯度爆炸问题；最后用二维卷积神经网络将模型进行融合，利用反向传播技术，不断优化参数，提升模型的效果；步骤3：生成预测结果，将要预测时刻的前一段时刻的人流张量矩阵输入到训练好的神经网络中，生成所在区域预测时刻的人流张量；将预测值和真实值进行对比，观察模型的好坏。2.如权利要求1所述的基于时空动态神经网络的城市人流预测方法，其特征在于，在步骤S1中，其构建和计算方法如下：以城市人流移动轨迹信息提供的数据作为分析对象，将城市按照经纬度进行划分，得到N*M的网格，每隔一个小时对区域内的进出人流量数据进行统计，按时间序列构建城市区域人流进出数据集，城市人口...

【专利技术属性】
技术研发人员：朱尧，任建华，张霄雁，孟祥福，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：