[发明专利]一种社区人员流量预测方法、系统、存储介质及设备

说明书

本发明属于人员流量预测技术领域，提供了社区人员流量预测方法、系统、存储介质及设备。其中社区人员流量预测方法包括获取与待测时间段相邻的历史时间段内的社区人员流动相关数据；所述社区人员流动相关数据包括流动数量、流动方向及外部影响因素数据；采用变分模态分解方法对历史时间段内的社区人员流动相关数据进行预处理，提取多个本征模态分量和残差分量；将本征模态分量输入到时间序列模型并输出初始社区人员流量预测结果，将残差分量输入到采用余量预测模型并输出社区人员流量外部影响预测结果，将初始社区人员流量预测结果与社区人员流量外部影响预测结果叠加，得到最终社区人员流量预测结果。其能够提高社区人员流量预测精度及资源配置。

技术领域

本发明属于人员流量预测技术领域，尤其涉及一种社区人员流量预测方法、系统、存储介质及设备。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

社区作为一种人类固定的生活区域，一般具有比较稳定的社会经济活动模式，尤其在时间和空间上的分布会具有一定的规律性，比如上班下班、上学放学、晚间聚餐、周末购物出游等活动，都会带来周期性的人群流量高峰期；但同时人群的流动也受到很多外在因素的影响，比如天气状况、交通状况、周末和特定节假日等因素。发明人发现，传统的社区人员流量预测未考虑上述外在因素，非线性表达能力不强，不能更贴近实际社区人员流量情况，降低了社区人流量预测结果的准确性，进而影响社区门禁的管控及人力资源配置。

发明内容

为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种社区人员流量预测方法、系统、存储介质及设备，其采用基于LSTM神经网络的预测模型，相对传统的人流量预测方法，非线性表达能力更强，同时将外在影响因素作为预测模型的一个重要考量，使社区人流量预测结果更加准确可靠，有利于社区错时错峰的安排社区活动、防疫计划和执勤人员分配，在很大程度上节省人力物力。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种社区人员流量预测方法。

在一个或多个实施例中，一种社区人员流量预测方法，包括：

获取与待测时间段相邻的历史时间段内的社区人员流动相关数据；所述社区人员流动相关数据包括流动数量、流动方向及外部影响因素数据；

采用变分模态分解方法对历史时间段内的社区人员流动相关数据进行预处理，提取多个本征模态分量和残差分量；

将本征模态分量输入到时间序列模型并输出初始社区人员流量预测结果，将残差分量输入到采用余量预测模型并输出社区人员流量外部影响预测结果，再将初始社区人员流量预测结果与社区人员流量外部影响预测结果叠加，得到最终的社区人员流量预测结果。

本发明的第二个方面提供一种社区人员流量预测系统。

在一个或多个实施例中，一种社区人员流量预测系统，包括：

数据获取模块，其用于获取与待测时间段相邻的历史时间段内的社区人员流动相关数据；所述社区人员流动相关数据包括流动数量、流动方向及外部影响因素数据；

模态分解模块，其用于采用变分模态分解方法对历史时间段内的社区人员流动相关数据进行预处理，提取多个本征模态分量和残差分量；

流量预测模块，其用于将本征模态分量输入到时间序列模型并输出初始社区人员流量预测结果，将残差分量输入到采用余量预测模型并输出社区人员流量外部影响预测结果，再将初始社区人员流量预测结果与社区人员流量外部影响预测结果叠加，得到最终的社区人员流量预测结果。

本发明的第三个方面提供一种计算机可读存储介质。