[发明专利]一种基于深度学习的区域人群密度预测方法及装置

权利要求书

1.一种基于深度学习的区域人群密度预测方法，其特征在于，包括：

将待测区域划分为多个栅格，获取每个所述栅格的历史流入时间序列数据和历史流出时间序列数据；

对所述历史流入时间序列数据和历史流出时间序列数据分别进行深度卷积运算，确定每个所述栅格的流入时空序列数据和流出时空序列数据；

根据所述流入时空序列数据、所述流出时空序列数据和第一预设时间窗口，确定第一流入时间切片数据和第一流出时间切片数据；

基于深度学习模型，分别训练所述第一流入时间切片数据和第一流出时间切片数据，确定第一流入预测数据和第一流出预测数据；

根据所述第一流入预测数据和第一流出预测数据，确定每个所述栅格的人群密度；

所述流入时空序列数据和流出时空序列数据均包括时间信息和空间信息。

2.根据权利要求1所述的方法，其特征在于，所述将待测区域划分为多个栅格，获取每个所述栅格的历史流入时间序列数据和历史流出时间序列数据，包括：

获取待测区域内所有终端设备的测量报告，根据所述测量报告确定所述待测区域对应的历史人流量数据；

根据所述待测区域的经纬度信息，将待测区域划分为多个栅格；

根据所述历史人流量数据，确定每个所述栅格的历史流入时间序列数据和历史流出时间序列数据。

3.根据权利要求2所述的方法，其特征在于，所述根据所述历史人流量数据，确定每个所述栅格的历史流入时间序列数据和历史流出时间序列数据，包括：

根据公式(1)确定每个栅格的历史流入时间序列数据：

其中，表示每个所述栅格的历史流入时间序列数据，P_t^in，i，j为历史人流量数据中t时刻栅格grid(i,j)的历史流入数据，A为计数函数，∑表示t时刻符合计数条件的人员总数，g(t)为t时刻某个人员所在的栅格坐标，I为待测区域中栅格的总行数，J为待测区域中栅格的总列数；

根据公式(2)确定每个栅格的历史流出时间序列数据：

其中，表示每个所述栅格的历史流出时间序列数据，P_t^out，i，j为历史人流量数据中t时刻栅格grid(i,j)的历史流出数据。

4.根据权利要求1所述的方法，其特征在于，所述对所述历史流入时间序列数据和历史流出时间序列数据分别进行深度卷积运算，确定每个所述栅格的流入时空序列数据和流出时空序列数据，包括：

根据公式(3)确定每个所述栅格的流入时空序列数据：

其中，为栅格的流入时空序列数据，为每个所述栅格的历史流入时间序列数据，C为卷积核；I为待测区域中栅格的总行数，J为待测区域中栅格的总列数，m，n为卷积参数；

根据公式(4)确定每个所述栅格的流出时空序列数据：

其中，为栅格的流出时空序列数据，为每个所述栅格的历史流出时间序列数据，C为卷积核。

5.根据权利要求1所述的方法，其特征在于，所述深度学习模型包括但不限于：深度全连接网络、深度残差网络或长短期记忆神经网络。

6.根据权利要求1-5任一所述的方法，其特征在于，所述方法还包括：

根据所述流入时空序列数据、所述流出时空序列数据和第一预设周期，确定第二流入时间切片数据和第二流出时间切片数据；

基于深度学习模型，分别训练所述第二流入时间切片数据和第二流出时间切片数据，确定第二流入预测数据和第二流出预测数据；

相应地，所述根据所述第一流入预测数据和第一流出预测数据，确定每个所述栅格的人群密度，包括：

根据所述第一流入预测数据、第二流入预测数据、第一流出预测数据和第二流出预测数据，确定每个所述栅格的人群密度。