城市人流监控方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种城市人流监控方法、装置、电子设备及存储介质，所述方法包括：获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等；基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据，所述标准化网格数据包括多个标准轨迹点，所述多个标准轨迹点之间的时间间隔相等；根据所述标准化网格数据生成人流监控视图。本发明专利技术实施例降低了GPS信号、网络信号以及设备电源等不确定性因素对生成人流监控视图的影响，使人流监控更具灵活性，无需手动进行专业的特征提取，降低了城市人流监控对专业技术人员的依赖，提高了城市人员流动情况监控的通用性。

【技术实现步骤摘要】
城市人流监控方法、装置、电子设备及存储介质
本专利技术实施例涉及智慧城市
，尤其涉及一种城市人流监控方法、装置、电子设备及存储介质。
技术介绍
在智慧城市领域，实时的监控并预测城市中的人员流动情况对许多城市计算应用(如公共资源动态调度、高拥堵地区预警等)非常重要，政府交通部门以及基于位置的服务提供企业在制定决策及优化服务时需要两类信息：当前时间人口分布及流动情况和接下来一段时间内人口流动的预测情况。目前，城市人员流动情况的监控，需要专业人员从收集的原始人流大数据中提取关键信息，处理成方便一般人员理解的形式。这种处理方式依赖于专业技术人员的处理，对于技术人员的依赖性过高，从而使得城市人员流动情况的监控成本较高。
技术实现思路
有鉴于此，本专利技术实施例提供一种城市人流监控方法、装置、电子设备及存储介质，以提高城市人员流动情况监控的通用性，降低城市人流监控对专业技术人员的依赖。第一方面，本专利技术实施例提供一种城市人流监控方法，包括：获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点本文档来自技高网...

【技术保护点】
1.一种城市人流监控方法，其特征在于，包括：/n获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等；/n基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据，所述标准化网格数据包括多个标准轨迹点，所述多个标准轨迹点之间的时间间隔相等；/n根据所述标准化网格数据生成人流监控视图。/n

【技术特征摘要】
1.一种城市人流监控方法，其特征在于，包括：
获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等；
基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据，所述标准化网格数据包括多个标准轨迹点，所述多个标准轨迹点之间的时间间隔相等；
根据所述标准化网格数据生成人流监控视图。


2.如权利要求1所述的方法，其特征在于，基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据包括：
对所述原始人流数据进行校准，得到校准轨迹数据，所述校准轨迹数据包括多个校准轨迹点，所述多个校准轨迹点之间的时间间隔相等；
将所述校准轨迹数据与所述城市网格数据进行匹配，得到标准化网格数据。


3.如权利要求1所述的方法，其特征在于，根据所述标准化网格数据生成人流监控视图包括：
根据所述标准化网格数据确定人流特征参数，所述人流特征参数包括人流密度、人流量和人流转移量；
根据所述人流特征参数生成人流监控视图。


4.如权利要求3所述的方法，其特征在于，根据所述人流特征参数生成人流监控视图包括：
基于深度学习模型，根据所述人流特征参数获取人流预测参数；
根据所述人流预测参数生成人流监控视图。


5.如权利要求4所述的方法，其特征在于，基于深度学习模型，根据所述人流特征参数获取人流预测参数包括：
将所述人流密度输入ConvLSTM网络模型，得到人流预测密度；
将所述人流量输入ConvLSTM网络模型，得到人流预测量。


6.如权利要...

【专利技术属性】
技术研发人员：宋轩，蔡泽坤，姜仁河，杨闯，柴崎亮介，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：广东;44