[发明专利]基于多模型融合的人口分布估计方法、装置及存储介质

说明书

本发明公开了一种基于多模型融合的人口分布估计方法、装置及存储介质，所述方法包括：将人口分布估计区域划分为多个地理单元；获取每个地理单元的人口分布影响因子；基于地理单元之间的邻接关系生成一阶邻接矩阵，分别根据每个地理单元的人口分布影响因子和每个地理单元的一阶邻接矩阵生成每个地理单元的多源空间表示数据；分别将每个地理单元的多源空间表示数据和人口分布影响因子作为预置的人口分布估计模型的输入，由人口分布估计模型分别输出每个地理单元的人口估计值，其中，人口分布估计模型包括空间矩阵特征编码模型、全局属性特征编码模型、数据融合模型及分类器模型。本发明考虑了空间信息和属性信息，能取得很好的人口分布估计效果。

技术领域

本发明涉及深度学习和人口分布估计技术领域，具体涉及一种基于多模型融合的人口分布估计方法、装置及存储介质。

背景技术

人口空间分布是指人口在一定时期内的分布情况。对于资源利用、城市灾害评估、调控环境和城市化进程而言，准确了解人口分布和人口数量至关重要。以调查为基础的人口普查可以提供一个国家人口的全面概况，但一方面，人口普查需耗费较多人力物力资源，另一方面，按行政区划划分的人口分布估计的空间分辨率较低，不适合细粒度的城市管理，实施成本较高。

发明内容

本发明解决的问题是现有的按行政区划划分的人口分布估计的空间分辨率较低。

本发明提出一种基于多模型融合的人口分布估计方法，包括：

将人口分布估计区域划分为多个地理单元；

获取每个所述地理单元的人口分布影响因子；

基于所述地理单元之间的邻接关系生成每个所述地理单元的一阶邻接矩阵，分别根据每个所述地理单元的人口分布影响因子和每个所述地理单元的一阶邻接矩阵生成每个所述地理单元的多源空间表示数据；

分别将每个所述地理单元的多源空间表示数据和人口分布影响因子作为预置的人口分布估计模型的输入，由所述人口分布估计模型分别输出每个所述地理单元的人口估计值，其中，所述人口分布估计模型包括空间矩阵特征编码模型、全局属性特征编码模型、数据融合模型及分类器模型，所述空间矩阵特征编码模型用于从所述多源空间表示数据中提取局部空间特征，所述全局属性特征编码模型用于从所述人口分布影响因子中提取全局属性特征，所述数据融合模型用于将所述局部空间特征和所述全局属性特征融合得到融合特征，所述分类器模型用于基于所述融合特征生成所述人口估计值。

可选地，所述多源空间表示数据为高维张量形式。

可选地，所述人口分布影响因子包括以下至少一者：夜间遥感灯光程度、地理单元与每个兴趣点类别的最短距离、地理单元与每个路网类别的最短距离、土地覆盖、地形坡度、植被指数、草地比例、耕地比例和不透水面比例。

可选地，所述将人口分布估计区域划分为多个地理单元包括：

获取所述人口分布估计区域的基础影像数据；

对所述基础影像数据进行统一坐标投影，并使用邻接法将其重采样到预设分辨率大小，将所述预设分辨率对应的基础影像中的每个网格作为一个地理单元。

可选地，所述空间矩阵特征编码模型包括卷积神经网络模型。

可选地，所述卷积神经网络模型包括：输入层、卷积层、池化层、全连接层和输出层，其中，输入矩阵大小为3×3，卷积核和池化核的大小为2×2，所述卷积层由多个权重共享内核和一个非线性激活函数组成，所述卷积层的输出经过所述全连接层处理后得到所述局部空间特征。

可选地，所述全局属性特征编码模型包括多层感知器模型，所述多层感知器模型包括输入层、隐藏层和输出层。