[发明专利]一种城市人口密度动态预测方法及系统

权利要求书

1.一种城市人口密度动态预测方法，其特征在于，包括以下步骤：

步骤1：获取历史时间段内各人口小区的人口密度数据，并构建人口密度矩阵M(N，T，D)；

所述人口密度矩阵三个维度分别为人口小区总数N、时间窗总数T、训练集内的总天数D，时间窗总数T是由24小时除以时间窗长度确定，时间窗长度为Z，取值为1-2小时；

步骤2：构建时空关联的初始训练集；

所述时空关联的初始训练集包括从人口密度矩阵M(N，T，D)中提取每一天人口小区i在时间窗t之前的人口密度子矩阵以及人口小区i在时间窗t时的人口密度值；

Δ表示位于时间窗t之前的时间窗数量；

步骤3：提取所有一小区在每一时间窗t对应的时空关联集合

每个小区i在时间窗t的时空关联集的提取过程为：基于递归特征消除，从人口密度子矩阵中选取与预测目标小区i在时间窗t的人口密度数据最为相关的前p列元素作为p个特征，并以p个特征构建时空关联集合(j′，t′)表示小区j＇在时间窗t＇的人口密度数据集合的索引号，其中，t＝1，2，...，T，i＝1，2，...，N，p的取值范围为5-35；

步骤4：基于时空关联集合，采用回归算法对p个特征权重系数进行参数估计，得到每个小区人口密度动态预测模型

步骤5：将获得的Δ个时间窗内各小区的人口密度代入各小区人口密度动态预测模型获得人口小区i在时间窗t的人口密度。

2.根据权利要求1所述的方法，其特征在于，所述每个小区在时间窗t的人口密度动态预测模型采用多元线性回归模型进行构建，具体过程如下：

首先，基于步骤3获得的时空关联集对应的p个特征，构建小区i在时间窗t的X矩阵，令p个特征权重系数矩阵为ω，小区在时间窗t的预测值矩阵为Y：Xω＝Y；

其中，和分别表示提取出的p列人口密度数据中的第1列和第p列；ω_p为第p个特征的权重系数；和分别表示提出的p列特征中第1和第p个特征向量中的第m个元素，m表示在第m天采集的数据；y₁和y_m分别表示小区i在第1天和第m天中的时间窗t中的人口密度数据；

然后，从步骤1获得的人口密度数据中，提取与X对应的Y值，对预测模型进行训练，得到ω值，获得每个小区人口密度动态预测模型