[发明专利]一种计算人口在不同微环境的活动模式概率密度函数的方法和系统

权利要求书

1.一种计算人口在不同微环境的活动模式概率密度函数的方法，其特征在于，包括以下步骤：

步骤一：获取目标区域内常住人口的静态空间分布数据，在目标区域内采用随机抽样法开展公众行为模式的问卷调研，得到公众行为模式数据；

步骤二：采用随机森林机器学习分类算法，获得特定特征的个体在一天内特定时段开始前决定其在下一时段进行特定活动及选择特定活动场所的概率分布函数；

A_i，t，d＝f(Age_i，Sex_i，Edu_i，Car_i，A_i，t-1，d)；

L_i，t，d＝f(Age_i，Sex_i，Edu_i，Car_i，L_i，t-1，A_i，t，d)；

式中：i为个体i；t为一天的某一时段t；d为星期属性，用于判断是工作日还是周末；Age_i为个体i的年龄；Sex_i为个体i的性别；Edu_i为个体i的教育程度；Car_i为个体i的家庭车辆数；A_i,t,d为个体i在t时段的行为活动类型；L_i,t,d为个体i在t时段所处的微环境类型；A_i,t-1,d为个体i在t-1时段的行为活动类型；L_i,t-1,d为个体i在t-1时段所处的微环境类型；f为个体行为活动决策规则的函数形式，由随机森林分类算法导出。

步骤三：结合基于公众行为模式数据构建的个体行为活动决策规则、目标区域人口背景以及目标区域人口总体分布，采用主体行为模型进行仿真模拟，得到目标区域内所有个体在特定时段做出个体的行为活动决策后公众的行为活动的分布。

2.根据权利要求1所述的一种计算人口在不同微环境的活动模式概率密度函数的方法，其特征在于，步骤一中公众行为模式数据包括被调研者的性别、年龄、教育程度、收入和家庭车辆数。

3.根据权利要求2所述的一种计算人口在不同微环境的活动模式概率密度函数的方法，其特征在于，公众行为模式数据通过活动类型和活动场所两个维度获取。

4.根据权利要求3所述的一种计算人口在不同微环境的活动模式概率密度函数的方法，其特征在于，活动类型包括睡眠、安静的活动、轻度体力活动、中度体力活动和重度体力活动；活动场所包括室内环境、室外环境和交通环境。

5.根据权利要求2或3或4所述的一种计算人口在不同微环境的活动模式概率密度函数的方法，其特征在于，公众行为模式数据采集在工作日和非工作日共同开展，污染天气提高数据采集密度。

6.根据权利要求1所述的一种计算人口在不同微环境的活动模式概率密度函数的方法，其特征在于，步骤三中模型仿真时先创建主体，然后将目标区域人口普查统计数据与创建的主体关联，运行模型得到公众行为活动的分布。

7.根据权利要求6所述的一种计算人口在不同微环境的活动模式概率密度函数的方法，其特征在于，目标区域人口普查统计数据缺少部分由行为模式调研数据表征。

8.根据权利要求6所述的一种计算人口在不同微环境的活动模式概率密度函数的方法，其特征在于，主体创建个数至少是公众行为模式数据样本数的50倍。

9.根据权利要求8所述的一种计算人口在不同微环境的活动模式概率密度函数的方法，其特征在于，公众行为活动分布数据信息包括模拟时段、坐标系及投影信息、网格编号、网格中心点经度、网格中心点纬度和网格内进行特定活动的人口数。

10.一种计算人口在不同微环境的活动模式概率密度函数的系统，其特征在于，使用任一如权利要求1-9所述的一种计算人口在不同微环境的活动模式概率密度函数的方法，所述系统包括信息获取单元，数据处理单元和模型仿真单元；信息获取单元先采集行为模式数据，然后将数据发送到数据处理单元进行分析处理获得个体行为决策规则；最后通过模型仿真单元输出仿真结果。