[发明专利]一种数据稀疏区域的人口流动预测方法及装置

说明书

本发明提供一种数据稀疏区域的人口流动预测方法及装置。该方法包括：利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识；基于区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器，对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量；潜在的因果嵌入向量是观测特征以及缺失特征对应的表征向量；基于源区域与目标区域之间知识蒸馏的迁移学习算法，将预测模型的知识迁移到目标区域，并基于知识和嵌入向量进行目标区域的人口流动预测。本发明提供的数据稀疏区域的人口流动预测方法，能够有效解决稀疏数据导致的预测困境，提高了针对数据稀疏区域的人口流动预测效率和精确度。

技术领域

本发明涉及大数据处理技术领域，具体涉及一种数据稀疏区域的人口流动预测方法及装置。另外，还涉及一种电子设备及处理器可读存储介质。

背景技术

人口流动(Population Mobility)反映了城市的城市结构和人的设施需求分布。准确的人口流动预测可以帮助人们更好地提前了解和规划城市结构和设施需求分布，从而降低人们的出行成本，提高城市的效率。对于发展中城市(即数据稀疏区域)，人口流动性预测起着至关重要的作用，因为良好的城市结构和设施需求分布对于发展中城市的结构布局和未来发展具有重要意义。

目前，现有技术通常基于简单的物理规律对人口流动进行建模和预测，建模能力有限，无法表达复杂的流动模式。随着机器学习和深度学习的快速发展，基于决策树的模型和图神经网络等复杂模型凸显了其对人口流动性预测的强大能力。尽管如此，这些方法需要大量数据来拟合复杂的模型，因此在发展中城市的应用受到了限制。该方法中的每一种都需要为某个城市建立模型，并使用大量数据拟合模型的参数。所以无法帮助预测发展中城市的人口流动，因为数据收集不足使得一些关键特征无法观察到，导致针对数据稀疏区域的人口流动预测效率和精确度较差。因此，如何设计一种数据稀疏区域的人口流动预测方案来提升人口流动预测效率和精确度成为亟待解决的难题。

发明内容

为此，本发明提供一种数据稀疏区域的人口流动预测方法及装置，以解决现有技术中存在的数据稀疏区域的人口流动预测方案局限性较高，从而导致人口流动预测效率和精确度较差的缺陷。

第一方面，本发明提供一种数据稀疏区域的人口流动预测方法，包括：

利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识；

基于所述区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器；利用所述基于因果增强的变分自动编码器对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量；其中，所述潜在的因果嵌入向量是观测特征以及所述缺失特征对应的表征向量；

基于所述源区域与所述目标区域之间知识蒸馏的迁移学习算法，将预测模型的知识迁移到所述目标区域，并基于所述预测模型的知识和所述潜在的因果嵌入向量进行所述目标区域的人口流动预测；其中，所述预测模型是预先基于所述源区域的数据构建的人口流动预测模型。

进一步的，所述利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识，具体包括：

获取所述源区域的数据；基于强化学习的区域因果知识构建策略确定基于区域属性特征排序的因果发现模型，利用所述因果发现模型对所述源区域的数据进行分析，以获得满足预设条件的区域属性特征顺序，并通过贝叶斯检验修剪得到包含区域属性特征之间关系的特征因果图；其中，所述特征因果图用于表示所述区域因果知识。

进一步的，利用所述基于因果增强的变分自动编码器对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量，具体包括：

将所述特征因果图作为特征恢复路径，基于所述初始的变分自动编码器和所述特征恢复路径来学习包含区域属性特征的缺失信息，得到所述潜在的因果嵌入向量。

进一步的，基于所述区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器，具体包括：