[发明专利]基于智能决策的人口流动预测方法、装置及计算机设备

权利要求书

1.一种基于智能决策的人口流动预测方法，其特征在于，包括下述步骤：

获取城市地图；

对所述城市地图进行划分，以所述城市地图中的城市区域为节点，生成城市节点网络；

获取所述城市节点网络中各节点的历史人口信息；

通过图神经网络对所述各节点的历史人口信息进行计算，得到所述各节点的空间特征以及时间序列特征；

根据所述空间特征以及时间序列特征生成所述各节点的点嵌入向量；

基于所述点嵌入向量生成人口流动信息；其中，所述人口流动信息作为节点连接线连接所述各节点；

所述通过图神经网络对所述各节点的历史人口信息进行计算，得到所述各节点的空间特征以及时间序列特征的步骤包括：

将所述各节点的历史人口信息作为节点特征输入图神经网络，以基于空间注意力机制给所述各节点添加空间注意力权重；

根据所述空间注意力权重对所述节点特征进行放缩处理；

对放缩处理后的节点特征进行空间图卷积，得到所述各节点的空间特征；

对所述各节点的空间特征进行时空变换，得到时间序列特征；

基于时间注意力机制给所述时间序列特征添加时间注意力权重；

根据添加的时间注意力权重对所述时间序列特征进行迭代，得到迭代完毕的时间序列特征；

所述根据所述空间特征以及时间序列特征生成所述各节点的点嵌入向量的步骤包括：

将所述各节点的空间特征以及时间序列特征输入所述图神经网络；

获取所述图神经网络中预设隐藏层的输出，作为所述各节点的点嵌入向量；

所述基于所述点嵌入向量生成人口流动信息的步骤包括：

基于所述点嵌入向量分别获取所述各节点的起点特征和终点特征；

将所述城市节点网络作为全连通网络，根据所述各节点的起点特征和终点特征进行点乘运算，生成节点间的边嵌入向量；

通过激活函数激活所述边嵌入向量，生成人口流动信息。

2.根据权利要求1所述的基于智能决策的人口流动预测方法，其特征在于，在所述获取城市地图的步骤之前还包括：

获取训练数据集；

提取所述训练数据集中的城市节点网络、所述城市节点网络中各节点所对应的历史人口信息以及与所述城市节点网络所对应的人口流动信息；

根据提取到的城市节点网络、历史人口信息以及人口流动信息训练初始图神经网络，得到图神经网络。

3.一种基于智能决策的人口流动预测装置，其特征在于，包括：

地图获取模块，用于获取城市地图；

地图划分模块，用于对所述城市地图进行划分，以所述城市地图中的城市区域为节点，生成城市节点网络；

信息获取模块，用于获取所述城市节点网络中各节点的历史人口信息；

信息计算模块，用于通过图神经网络对所述各节点的历史人口信息进行计算，得到所述各节点的空间特征以及时间序列特征；

向量生成模块，用于根据所述空间特征以及时间序列特征生成所述各节点的点嵌入向量；

信息生成模块，用于基于所述点嵌入向量生成人口流动信息；其中，所述人口流动信息作为节点连接线连接所述各节点；

所述信息计算模块还用于将所述各节点的历史人口信息作为节点特征输入图神经网络，以基于空间注意力机制给所述各节点添加空间注意力权重；根据所述空间注意力权重对所述节点特征进行放缩处理；对放缩处理后的节点特征进行空间图卷积，得到所述各节点的空间特征；对所述各节点的空间特征进行时空变换，得到时间序列特征；基于时间注意力机制给所述时间序列特征添加时间注意力权重；根据添加的时间注意力权重对所述时间序列特征进行迭代，得到迭代完毕的时间序列特征；

所述向量生成模块还用于将所述各节点的空间特征以及时间序列特征输入所述图神经网络；获取所述图神经网络中预设隐藏层的输出，作为所述各节点的点嵌入向量；

所述信息生成模块还用于基于所述点嵌入向量分别获取所述各节点的起点特征和终点特征；将所述城市节点网络作为全连通网络，根据所述各节点的起点特征和终点特征进行点乘运算，生成节点间的边嵌入向量；通过激活函数激活所述边嵌入向量，生成人口流动信息。