[发明专利]一种基于手机数据的精细尺度城市人群数量预测方法

权利要求书

1.一种基于手机数据的精细尺度城市人群数量预测方法，其特征在于：所述方法的整体步骤为：

步骤一、手机定位数据时空重构；

步骤二、空间搜索邻域设定；

步骤三、人工神经网络模型构建；

步骤四、空间单元人群数量预测；

步骤五、人群数量预测结果精度评估；

所述步骤一中手机定位数据时空重构的具体方法为：以手机基站的平均空间距离为边长划分规则网格空间单元、以手机定位数据采样的平均时间间隔为时长划分等长时段，对手机定位数据进行时空重构，从而统计生成各时段内、各空间单元上的城市人群数量观测值，以及针对任意两个相邻时段、从前一时段到后一时段流入任一空间单元的人群空间分布特征；

任一时段内，若某个手机用户的采样点多于一个，则选择停留时间最长的采样点所在空间单元作为该用户在该时段所在空间单元；若该手机用户的采样点有且仅有一个，则选择该采样点所在空间单元作为该用户在该时段所在空间单元；若该手机用户的采样点缺失，则选择上一时段该手机用户所在空间单元作为该用户在该时段所在空间单元；

所述步骤二中空间搜索邻域设定的具体方法为：基于步骤一所获得的从前一时段t_i到后一时段t_i+1流入任一空间单元g_c的人群空间分布特征，以g_c为中心、以g_c的网格边框为初始空间搜索邻域，并对该空间搜索邻域不断进行向外等比扩张，直至由该空间搜索邻域内流入g_c的人群数量累计百分比占所有流入g_c人群数量的95％时，记录该空间搜索邻域范围的大小；依次扫描所有时段、所有空间单元，选取最大的范围，将其设定为空间搜索邻域，并由此设定该空间搜索范围以内的所有空间单元g_m与中心空间单元g_c之间具有时空相关性；

所述步骤三中人工神经网络模型构建的具体方法为：

Ⅰ、采用公式一表示不同空间单元之间的时空相关性的函数关系：

其中，表示中心空间单元g_c在t_i+1时段的人群数量预测值，表示空间单元g_m在t_i时段的人群数量观测值，g_m为位于g_c的空间搜索邻域内的所有空间单元；f表示和之间的函数关系；

Ⅱ、将步骤Ⅰ中的输入数据代入人工神经网络中，进行网络模型的构建，具体为：将人工神经网络结构分为三层：第一层为输入层，输入数据为第二层为隐藏层，用于建立输入与输出之间的函数映射关系；第三层为输出层，输出数据为

2.根据权利要求1所述的基于手机数据的精细尺度城市人群数量预测方法，其特征在于：所述步骤四中空间单元人群数量预测包括模型训练和模型预测两个阶段：

模型训练阶段：基于步骤一生成的t_i-1和t_i时段内所有空间单元城市人群数量观测值，以及步骤三构建的人工神经网络模型，进行模型训练；

模型预测阶段：基于已训练模型，以及步骤一生成的t_i时段内所有空间单元城市人群数量观测值，进行模型预测，预测结果为t_i+1时段内所有空间单元城市人群数量预测值。

3.根据权利要求2所述的基于手机数据的精细尺度城市人群数量预测方法，其特征在于：所述步骤五中人群数量预测结果精度评估的具体方法为：基于步骤四生成的不同时段、不同空间单元的人群数量预测结果，采用统计方法，从时空分布、人口规模、多时间尺度的角度，进行模型预测精度分析。