[发明专利]人口流动预测方法及相关装置有效

专利信息
申请号: 202111018383.1 申请日: 2021-09-01
公开(公告)号: CN113642807B 公开(公告)日: 2022-04-12
发明(设计)人: 石淼;张岩;梁洁 申请(专利权)人: 智慧足迹数据科技有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/26;G06N3/04;G06N3/08
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 荣颖佳
地址: 100000 北京市西城区西单*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人口 流动 预测 方法 相关 装置
【权利要求书】:

1.一种人口流动预测方法,其特征在于,应用于数据处理设备,所述数据处理设备配置有预先训练的流动预测模型,所述流动预测模型包括空间关联网络、人口流动网络,所述方法包括:

获取多个区域之间的第一关联系数,包括:

获取所述多个区域之间的静态关联系数以及动态关联系数,其中,所述静态关联系数表示所述多个区域之间的空间距离关系,所述动态关联系数具有表示多个区域之间的人口流动关系;

通过所述空间关联网络对所述静态关联系数以及所述动态关联系数进行处理,获得所述第一关联系数;

获取所述多个区域之间的第一预测流量,其中,所述多个区域之间的第一关联系数与所述多个区域之间的第一预测流量一一对应,包括:

获取所述多个区域各自的人口流动因素;

通过所述人口流动网络对所述人口流动因素进行处理,获得所述第一预测流量;

根据所述多个区域之间的第一关联系数校正所述多个区域之间的第一预测流量,获得所述多个区域之间的第二预测流量。

2.根据权利要求1所述的人口流动预测方法,其特征在于,所述人口流动因素包括区域经济因素、区域气候因素、区域环境因素。

3.根据权利要求1所述的人口流动预测方法,其特征在于,所述方法还包括:

获取待训练的神经网络模型,其中,所述待训练的神经网络模型包括第一网络以及第二网络;

获取样本数据,其中,所述样本数据包括所述多个区域的静态关联样本、动态关联样本以及流动因素样本;

执行至少一次模型训练流程,直到满足预设收敛条件时,获得所述流动预测模型;其中,所述模型训练流程,包括:

通过所述第一网络处理所述静态关联样本以及所述动态关联样本,获得第二关联系数;

通过所述第二网络处理所述流动因素样本,获得所述多个区域之间的第三预测流量;

根据所述第二关联系数校正所述第三预测流量,获得第四预测流量;

根据所述第四预测流量与实际流量之间的差异,调整所述神经网络模型的模型参数。

4.一种人口流动预测装置,其特征在于,应用于数据处理设备,所述数据处理设备配置有预先训练的流动预测模型,所述流动预测模型包括空间关联网络、人口流动网络,所述人口流动预测装置包括:

获取模块,用于获取多个区域之间的第一关联系数,包括:

获取所述多个区域之间的静态关联系数以及动态关联系数,其中,所述静态关联系数表示所述多个区域之间的空间距离关系,所述动态关联系数具有表示多个区域之间的人口流动关系;

通过所述空间关联网络对所述静态关联系数以及所述动态关联系数进行处理,获得所述第一关联系数;

所述获取模块,还用于获取所述多个区域之间的第一预测流量,其中,所述多个区域之间的第一关联系数与所述多个区域之间的第一预测流量一一对应,包括:

获取所述多个区域各自的人口流动因素;

通过所述人口流动网络对所述人口流动因素进行处理,获得所述第一预测流量;

预测模块,用于根据所述多个区域之间的第一关联系数校正所述多个区域之间的第一预测流量,获得所述多个区域之间的第二预测流量。

5.一种数据处理设备,其特征在于,所述数据处理设备包括处理器以及存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,实现权利要求1-3任意一项所述的人口流动预测方法。

6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1-3任意一项所述的人口流动预测方法。

7.一种计算机程序产品,其特征在于,包括计算机程序/指令,所述计算机程序/指令被处理器执行时,实现权利要求1-3任意一项所述的人口流动预测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于智慧足迹数据科技有限公司,未经智慧足迹数据科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111018383.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top