一种社区人员流量预测方法、系统、存储介质及设备技术方案

本发明专利技术属于人员流量预测技术领域，提供了社区人员流量预测方法、系统、存储介质及设备。其中社区人员流量预测方法包括获取与待测时间段相邻的历史时间段内的社区人员流动相关数据；所述社区人员流动相关数据包括流动数量、流动方向及外部影响因素数据；采用变分模态分解方法对历史时间段内的社区人员流动相关数据进行预处理，提取多个本征模态分量和残差分量；将本征模态分量输入到时间序列模型并输出初始社区人员流量预测结果，将残差分量输入到采用余量预测模型并输出社区人员流量外部影响预测结果，将初始社区人员流量预测结果与社区人员流量外部影响预测结果叠加，得到最终社区人员流量预测结果。其能够提高社区人员流量预测精度及资源配置。流量预测精度及资源配置。流量预测精度及资源配置。

【技术实现步骤摘要】
一种社区人员流量预测方法、系统、存储介质及设备


[0001]本专利技术属于人员流量预测
，尤其涉及一种社区人员流量预测方法、系统、存储介质及设备。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]社区作为一种人类固定的生活区域，一般具有比较稳定的社会经济活动模式，尤其在时间和空间上的分布会具有一定的规律性，比如上班下班、上学放学、晚间聚餐、周末购物出游等活动，都会带来周期性的人群流量高峰期；但同时人群的流动也受到很多外在因素的影响，比如天气状况、交通状况、周末和特定节假日等因素。专利技术人发现，传统的社区人员流量预测未考虑上述外在因素，非线性表达能力不强，不能更贴近实际社区人员流量情况，降低了社区人流量预测结果的准确性，进而影响社区门禁的管控及人力资源配置。

技术实现思路

[0004]为了解决上述
技术介绍
中存在的至少一项技术问题，本专利技术提供一种社区人员流量预测方法、系统、存储介质及设备，其采用基于LSTM神经网络的预测模型，相对传统的人流量预测方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种社区人员流量预测方法，其特征在于，包括：获取与待测时间段相邻的历史时间段内的社区人员流动相关数据；所述社区人员流动相关数据包括流动数量、流动方向及外部影响因素数据；采用变分模态分解方法对历史时间段内的社区人员流动相关数据进行预处理，提取多个本征模态分量和残差分量；将本征模态分量输入到时间序列模型并输出初始社区人员流量预测结果，将残差分量输入到采用余量预测模型并输出社区人员流量外部影响预测结果，再将初始社区人员流量预测结果与社区人员流量外部影响预测结果叠加，得到最终的社区人员流量预测结果。2.如权利要求1所述的社区人员流量预测方法，其特征在于，所述余量预测模型为残差分量与外部影响因素数据之间的相关性，采用SVR模型拟合而构建的。3.如权利要求1或2所述的社区人员流量预测方法，其特征在于，所述外部影响因素数据包括气象数据、交通状况数据和特定节假日数据。4.如权利要求1所述的社区人员流量预测方法，其特征在于，所述时间序列模型为基于LSTM神经网络的时间序列模型。5.如权利要求4所述的社区人员流量预测方法，其特征在于，所述基于LSTM神经网络的时间序列模型包括输入层、LSTM层、Dropout层、全连接层和输出层。6.如权利要求1或4所述的社区人员流量预测方法，其特征在于...

【专利技术属性】
技术研发人员：汪明，谢浩田，逯广浩，张宜阳，常征，卫正，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：