[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

说明书

本发明实施例提供一种基于深度学习的区域人群密度预测方法及装置。该方法包括：将待测区域划分为多个栅格，获取每个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，确定每个栅格的流入时空序列数据和流出时空序列数据；根据流入时空序列数据、流出时空序列数据和第一预设时间窗口，确定流入时间切片数据和流出时间切片数据；基于深度学习模型，分别训练流入时间切片数据和流出时间切片数据，确定流入预测数据和流出预测数据；根据流入预测数据和流出预测数据，确定每个栅格的人群密度。本发明实施例根据时间特征和空间特征进行预测，提高了预测精度。

技术领域

本发明实施例涉及机器学习技术领域，具体涉及一种基于深度学习的区域人群密度预测方法及装置。

背景技术

随着国民经济的迅速发展，人民生活水平不断提高，大型演唱会、体育比赛或节日庆典等公众群体性聚集活动不断增多。由于区域人群密度突然增加造成的公共安全事件时有发生。为保证公众活动场所的人员安全，保证大型活动的人员交通畅通，对区域人群进行密度预测，用以保障社会公共安全。

现有的人员密度预测方法通过监控视频获取区域内每个子区域的人流量数据，根据区域空间特征进行深度学习，预测区域的人员密度。然而，基于区域的预测方法仅考虑“空间”数据特征，导致预测精度较低。

发明内容

针对现有技术中的缺陷，本发明实施例提供了一种基于深度学习的区域人群密度预测方法及装置。

第一方面，本发明实施例提供一种基于深度学习的区域人群密度预测方法，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。

第二方面，本发明实施例提供一种基于深度学习的区域人群密度预测装置，包括：

获取模块，用于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；

卷积模块，用于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；

提取模块，用于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；

训练模块，用于基于深度学习模型，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；

预测模块，用于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。

第三方面，本发明实施例提供一种电子设备，包括：