[发明专利]一种基于社团检测的客流量预警方法

说明书

本发明提供了一种基于社团检测的客流量预警方法，通过计算各个区域点间人员流动情况的特征矩阵之间的相似度获得各个点之间的连接关系，构建空间网络图，采用BGLL社团检测算法计算出社团划分情况，计算一系列多个时间点下的社团划分情况，通过LSTM深度神经网络预测下一时刻的社团划分情况，结合各个区域点客流量数进行预警。本发明的方法可以监测各个区域点产生的客流量异常情况，更加灵活地对突发情况进行预警。

技术领域

本发明设计数据挖掘和LSTM长短期记忆神经网络技术领域，具体涉及一种基于社团检测的客流量预警方法。

背景技术

随着社会的进步，城市化步伐的加快，城市人口越来越多，同时，随着人们的生活水平的提高，越来越多的人选择在节假日、休息日去城市旅游。随着城市人口规模和流动性的逐步增大，各类节假日庆祝活动、大型集会活动、娱乐活动等数量的增多，规模扩大，群体安全已经成为了城市公共安防所关注的重要问题之一。

有研究表明人的行为对公共安全事件的产生发展有重大影响，及时发现辨识人的行为并做出风险评估有利于提高公共安全管理水平。对城市各区域客流量进行预测和风险评估对于城市的安全和管理等方面都有重要的意义，同时也具有一定的挑战性。区域的客流量具有以下一些特征：与时间的强关联，即前一段时间的客流量对下一时刻的客流量有很大的影响；外部因素的影响，是否是工作日、节假日，天气情况，以及是否有重大活动等都会对区域内客流量产生影响。

如果能够准确地预测城市各个中心区域的客流量以及客流量的异常情况，就可以更好地调配安保人员，同时进行智能引导和疏散，减少公共安全事故的发生，也减少经济损失。

本发明申请人在实施本发明的过程中，发现现有的技术中至少存在以下技术问题：在进行客流量预警时普遍通过阈值来进行划分，具有一定的绝对性，只能监测人流量比较大的时候的情况，不能灵活地判断突发状况的产生；只针对单一区域进行分析，不能考虑多个区域之间人员流动情况的关系。

由上述可知，现有的技术方法存在比较大的局限性，有明显的技术问题。

发明内容

本发明就是针对现有技术的不足，提供了一种基于社团检测的客流量预警方法，用以解决现有的技术方法中不能灵活检测客流突发变动情况以及无法考虑多个区域间的关联性的技术问题。

本发明所设计的基于社团检测的客流量预警方法，其特征在于，包括以下步骤：

步骤S1：构建各个区域点人员流动信息的特征矩阵，计算各个区域点人员流动情况矩阵的相似度，将该相似度作为各个区域点之间的连接的边的权重，构建一张空间上的网络图；

步骤S2：通过一种根据网络中各点间连接边的权重进行社团划分的社团检测的方法，将人员流动情况相似的区域点划分进同一个社区；

步骤S3：获得一系列时间点上的社团划分情况，得到社团划分编号的序列，通过深度神经网络进行社团结构的预测分析。

进一步地，所述步骤S1的具体过程包括：

步骤S1.1：构建各个区域点上的特征矩阵，特征矩阵包含的元素为：该统计时刻下的区域内用户数量，该统计时刻下区域内漫入人数，该统计时刻下区域内漫出人数，该统计时刻下净流入人数，漫入数与总人数的比例，漫出数与总人数的比例；

步骤S1.2：采用欧式距离方法分别计算各个区域点特征矩阵间的相似度，得到两个点的特征矩阵之间的距离d之后再得到相似度S，得到的相似度S是一个在(0,1]区间内的值；

步骤S1.3：构建不同时间点下的区域图，选取一系列时间点，并计算这些时间下的各个区域点间的人员流动情况的相似度，由此构建出具有时序性的空间区域网络图。

更进一步地，所述步骤S1.2中计算相似度时首先采用欧式距离的方式计算两个区域点的人员流动情况特征矩阵的距离，具体计算方法为：