[发明专利]一种基于区域功能增强特征的城市人群流量预测方法及系统

权利要求书

1.一种基于区域功能增强特征的城市人群流量预测方法，其特征在于，包括以下步骤：

步骤一、根据人群移动轨迹数据和城市兴趣点位置数据获取时空轨迹特征集和区域功能增强特征集；所述区域功能增强特征集包括基于兴趣点的区域功能增强特征集和基于轨迹的区域功能增强特征集；

其中，所述基于兴趣点的区域功能增强特征集的获取过程包括：

步骤一一、根据城市地图数据获取城市兴趣点位置数据；

步骤一二、爬取城市道路交通网数据和城市地图数据，根据城市道路分布将城市地图上的城市划分为细粒度分布区域，并与兴趣点位置数据关联映射；

步骤一三、统计城市各个细粒度分布区域内部的不同功能类别的兴趣点的数量与分布情况，获取基于兴趣点的区域功能增强特征集，其中，兴趣点的功能类别有12个；具体获取过程包括：

步骤一三一、根据兴趣点的数量和功能类别计算获得每个细粒度分布区域内每个功能类别的兴趣点对应的TF-IDF值：

式中，表示第j类兴趣点在区域z_k中的个数；表示区域z_k中所有兴趣点的个数；表示细粒度分布区域总数；表示包含第j类兴趣点对应的细粒度分布区域总数；

步骤一三二、根据每个细粒度分布区域内所有功能类别的兴趣点对应的TF-IDF值，获得该细粒度分布区域的12维TF-IDF值；

步骤一三三、对多个细粒度分布区域的多个12维TF-IDF值进行区域聚类，聚类结果即为基于兴趣点的区域功能增强特征集；

所述基于轨迹的区域功能增强特征集的获取过程包括：

步骤一四、根据手机信令数据获取人群移动轨迹数据，所述人群移动轨迹数据包括每个用户的一个或多个停留区域及每个停留区域所对应的转移区域；所述转移区域为用户移动轨迹中某个停留区域相邻的一个或两个其他停留区域；

步骤一五、将所述人群移动轨迹数据输入预训练的词嵌入word2vec模型中，获取各个细粒度分布区域的区域表征向量，所述区域表征向量Z_ij表示为：

其中，p_i和p_j分别表示停留区域和转移区域；

步骤一六、将各个细粒度分布区域的区域表征向量Z_ij与时空影响因子T_ij相乘得到R_ij；所述时空影响因子T_ij表示为：

其中，P_ij表示转移区域p_j到达停留区域p_i的轨迹总数；dur_ij表示转移事件，即由停留区域p_i到达转移区域p_j时在停留区域p_j的停留时长；dur_ik表示由停留区域p_i到达转移区域p_k时在停留区域p_k的停留时长；Z表示城市总区域数；

步骤一七、利用奇异值分解方法对由R_ij组成的矩阵R进行分解，获得区域表征结果；

步骤一八、将多个细粒度分布区域的区域表征结果进行聚类，获得各个细粒度分布区域的聚类类别即为基于轨迹的区域功能增强特征集；

步骤二、将时空轨迹特征集和区域功能增强特征集结合输入预训练的基于机器学习的预测模型中预测人群流量，获得预测结果。

2.根据权利要求1所述的一种基于区域功能增强特征的城市人群流量预测方法，其特征在于，所述兴趣点的功能类别为：旅游景区，教育，医疗，车站，政府机构，文化传媒，汽车服务，公司企业，休闲娱乐，生活服务，住宅区，写字楼。

3.根据权利要求2所述的一种基于区域功能增强特征的城市人群流量预测方法，其特征在于，步骤一中所述时空轨迹特征集的获取过程包括：

根据时间和空间分布将人群移动轨迹数据进行划分，获得多个时段对应的人群移动轨迹数据；根据各个细粒度分布区域每天各个时段的流量情况计算获得各个细粒度分布区域对应的轨迹数量或访问频次的以下特征：标准差，方差，最小值，最大值，中位数，不对称度和平均值；将上述特征作为时空轨迹特征集。