[发明专利]城市出行需求预测方法

权利要求书

1.一种城市出行需求预测方法，其特征在于，包括：

对于城市中的任一区域，获取当前时间段的前一个时间段内该区域的出行需求特征和人群流动特征；其中，所述出行需求特征包括待出行的用户数量；

将所述出行需求特征和所述人群流动特征输入至图卷积神经网络模型，输出该区域在所述当前时间段的出行需求预测结果；

其中，所述图卷积神经网络模型是基于训练样本数据以及预先确定的出行需求预测结果进行训练后得到；

其中，获取当前时间段的前一个时间段内该区域的出行需求特征和人群流动特征的步骤之前还包括：

获取所述训练样本数据，根据所述训练样本数据构建有向图；

根据所述有向图构建图卷积神经网络模型；

将所述训练样本数据输入至所述图卷积神经网络模型，对所述图卷积神经网络模型进行训练；

根据所述训练样本数据构建有向图的步骤具体包括：

将各所述区域作为所述有向图的顶点；

对于任意两个所述区域，根据所述训练样本数据获取从两个所述区域中的一个区域到所述两个区域中的另一个区域的人口流出量；

将所述一个区域到所述另一个区域的方向作为所述一个区域的顶点与所述另一个区域的顶点之间边的方向；

将所述一个区域到所述另一个区域的人口流出量作为所述一个区域的顶点与所述另一个区域的顶点之间边的权重。

2.根据权利要求1所述的城市出行需求预测方法，其特征在于，所述训练样本数据包括人群流动特征样本和出行需求特征样本；

相应地，获取所述训练样本数据的步骤具体包括：

对应任一所述区域，获取该区域的移动网络数据；其中，该区域的移动网络数据包括该区域中各基站在紧邻当前时间段之前的预设时间段内被访问的用户客户端集合和流量记录；

将所述预设时间段划分为多个子时间段，根据各所述子时间段产生的所述移动网络数据获取各所述子时间段的用户客户端位置，根据各所述子时间段的用户客户端位置获取各所述区域在各所述子时间段的人群流动特征样本；

在各所述子时间段内对互联网出行软件进行网络抓包，对网络抓包所获取的数据包内容进行协议分析，根据协议分析结果和所述协议分析结果对应的所述用户客户端位置获取各所述区域在各所述子时间段内的出行需求特征样本。

3.根据权利要求2所述的城市出行需求预测方法，其特征在于，根据各所述子时间段的用户客户端位置获取各所述区域在各所述子时间段的人群流动特征样本的步骤具体包括：

对于任一所述子时间段和任一所述区域，统计在该子时间段的前一个子时间段所述用户客户端位置在该区域，且在该子时间段所述用户客户端位置不在该区域的用户数量，将所述用户数量作为该区域在该子时间段的人群流动特征样本。

4.根据权利要求1-3任一所述的城市出行需求预测方法，其特征在于，获取当前时间段的前一个时间段内该区域的出行需求特征和人群流动特征的步骤还包括：

获取该区域在所述当前时间段之前的日周期性时间段内的出行需求特征和人群流动特征，将所述日周期性时间段内的出行需求特征和人群流动特征输入至图卷积神经网络模型；

相应地，将所述出行需求特征和所述人群流动特征输入至图卷积神经网络模型，输出该区域在所述当前时间段的出行需求预测结果的步骤具体包括：

将所述出行需求特征和所述人群流动特征输入至所述图卷积神经网络模型，获取所述图卷积神经网络模型的最后一个卷积层输出的第一特征；

将所述日周期性时间段内的出行需求特征和人群流动特征输入至所述图卷积神经网络模型，获取所述最后一个卷积层输出的第二特征；

将所述第一特征和第二特征进行融合，根据融合结果获取所述出行需求预测结果。