申请/专利权人：北京交通大学

申请日：2020-12-16

公开（公告）日：2024-04-26

公开（公告）号：CN112801340B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/26;G06N3/0442;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2021.06.01#实质审查的生效;2021.05.14#公开

摘要：本发明提供了一种基于多层级城市信息单元画像的人群密度预测方法。该方法包括：从城市管理层级出发，定义多层级城市信息单元和城市信息单元包含的数据；对城市信息单元数据进行预处理，利用长短期记忆网络LSTM、图嵌入算法分别提取城市信息单元的时间和空间特征，通过塔式聚合结构聚合多层级城市信息单元包含的特征，在多层级城市信息单元画像的基础上构建多任务决策模型；根据多层级城市信息单元画像的多任务决策模型进行城市各网格、区域的人群密度预测。本发明提出“城市信息单元”的概念，通过塔式聚合结构聚合多层级城市信息单元的特征，然后对多层级城市信息单元进行多任务联合学习，最终建立多层级城市信息单元画像的模型。

主权项：1.一种基于多层级城市信息单元画像的人群密度预测方法，其特征在于，包括：从城市管理层级出发，定义多层级城市信息单元和城市信息单元包含的数据；对城市信息单元数据进行预处理，利用长短期记忆网络LSTM、图嵌入算法分别提取城市信息单元的时间和空间特征，通过塔式聚合结构聚合多层级城市信息单元包含的特征，在多层级城市信息单元画像的基础上构建多任务决策模型；根据多层级城市信息单元画像的多任务决策模型进行城市各网格、区域的人群密度预测；所述的从城市管理层级出发，定义多层级城市信息单元和城市信息单元包含的数据，包括：设置城市按管理层级包括市、行政区、街道、区域和网格，不同管理层级形成包含关系，根据城市按管理层级将城市划分为在地理上相互独立的多个城市信息单元，每个城市信息单元包含城市管理中积累的基础政务数据以及社会传感数据，每一层的城市信息单元包含目标变量的时间特征和空间特征，本层单元内部所有下一层单元的联合特征，以及本区域的外部变量天气特征，节假日特征，基于多层级城市信息单元构建城市信息的整体架构；对城市信息单元数据进行预处理，利用长短期记忆网络LSTM、图嵌入算法分别提取城市信息单元的时间和空间特征，通过塔式聚合结构聚合多层级城市信息单元包含的特征，在多层级城市信息单元画像的基础上构建多任务决策模型，包括：利用LSTM学习城市信息单元的时间特征，采用图嵌入算法node2vec学习城市信息单元之间的空间特征，通过人工提取城市信息单元的外部数据特征，将所述时间特征、空间特征和外部数据特征进行拼接，作为城市信息单元的联合特征，通过塔式聚合结构从下至上聚合多层级城市信息单元包含的数据，所述塔式聚合结构中从下至上依次为：输入层、网格层、区域层和街道层，对城市信息单元的各层的特征分配权重，得到对应层级的画像；在多层级城市信息单元画像的基础上构建多任务决策模型，在各层级之间构建加权的多任务损失函数，利用多任务损失函数进行多任务决策模型的训练，建立多层级城市信息单元画像的多任务决策模型，针对多层级城市信息单元的不同层级画像模型分别构建不同的任务损失函数，多层级城市信息单元画像模型的损失函数为各层级画像模型的损失函数的加权和；所述多任务损失函数如下所示： 多层级城市信息单元画像的模型中包含多个层级城市信息单元的时间特征、空间特征、迁徙指数、天气特征和节假日特征，各个特征均通过向量进行表示。

全文数据：

权利要求：

百度查询： 北京交通大学 一种基于多层级城市信息单元画像的人群密度预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD