[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

说明书

本发明公开了一种基于手机数据的精细尺度城市人群数量预测方法，其整体步骤为：手机定位数据时空重构；空间搜索邻域设定；人工神经网络模型构建；空间单元人群数量预测；人群数量预测结果精度评估。本发明突破了现有技术中仅考虑单一空间单元人群数量时间相关性的局限性，以及对较长时期人群数量历史数据的依赖，实现了精细时空尺度下的城市人群数量近实时预测，该预测结果可为探索城市居民活动规律、优化公共资源配置、协助城市交通诱导、制定公共安全应急预案等提供科学依据。

技术领域

本发明涉及一种预测方法，尤其涉及一种基于手机数据的精细尺度城市人群数量预测方法。

背景技术

精细尺度下，城市中每个空间单元上的人群数量随时间的发展变化均可视为一个时间序列。因此，现有的精细尺度城市人群数量预测问题，大多基于时间序列分析方法，转化为单一空间单元人群数量时间序列的预测问题。现有的时间序列分析方法主要包括两类：参数模型和非参数模型：参数模型形式简单明确，该模型由一些参数表达，假设函数形式已给定，仅需估计其中未知参数。当模型参数假设成立时，预测精度较高；相对于参数模型，非参数模型更具灵活性，该模型不是事先假定函数形式，而是从历史数据中获取因变量与自变量之间的关系进而建立一个近似模型。

总的来说，参数模型和非参数模型在精细尺度城市人群数量预测方面都具有一定的应用价值。然而，基于时间序列分析方法的城市人群数量预测研究存在两个方面的局限性：

第一，现有基于时间序列分析方法的人群数量预测过程中仅考虑单一空间单元上的人群数量时间相关性，未考虑不同空间单元之间的人群数量空间相关性，限制了精细尺度城市人群数量预测方法的精度；

第二，现有基于时间序列分析方法的人群数量预测过程中依赖于较长时期人群数量的历史数据，限制了精细尺度城市人群数量预测方法的响应速度。

发明内容

为了解决上述技术所存在的不足之处，本发明提供了一种基于手机数据的精细尺度城市人群数量预测方法。

为了解决以上技术问题，本发明采用的技术方案是：一种基于手机数据的精细尺度城市人群数量预测方法，其整体步骤为：

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。

进一步地，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。