[发明专利]城市人流监控方法、装置、电子设备及存储介质

权利要求书

1.一种城市人流监控方法，其特征在于，包括：

获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等；

基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据，所述标准化网格数据包括多个标准轨迹点，所述多个标准轨迹点之间的时间间隔相等；

根据所述标准化网格数据生成人流监控视图。

2.如权利要求1所述的方法，其特征在于，基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据包括：

对所述原始人流数据进行校准，得到校准轨迹数据，所述校准轨迹数据包括多个校准轨迹点，所述多个校准轨迹点之间的时间间隔相等；

将所述校准轨迹数据与所述城市网格数据进行匹配，得到标准化网格数据。

3.如权利要求1所述的方法，其特征在于，根据所述标准化网格数据生成人流监控视图包括：

根据所述标准化网格数据确定人流特征参数，所述人流特征参数包括人流密度、人流量和人流转移量；

根据所述人流特征参数生成人流监控视图。

4.如权利要求3所述的方法，其特征在于，根据所述人流特征参数生成人流监控视图包括：

基于深度学习模型，根据所述人流特征参数获取人流预测参数；

根据所述人流预测参数生成人流监控视图。

5.如权利要求4所述的方法，其特征在于，基于深度学习模型，根据所述人流特征参数获取人流预测参数包括：

将所述人流密度输入ConvLSTM网络模型，得到人流预测密度；

将所述人流量输入ConvLSTM网络模型，得到人流预测量。

6.如权利要求4所述的方法，其特征在于，基于深度学习模型，根据所述人流特征参数获取人流预测参数包括：

基于所述人流转移量分析局部转移情况生成融合特征；

基于所述融合特征捕捉时空依赖得到隐层信息；

基于所述隐层信息预测得到多阶人流转移预测矩阵；

基于所述多阶人流转移预测矩阵确定人流预测转移量。

7.一种城市人流监控装置，其特征在于，包括：

数据获取模块，用于获取原始人流数据和城市网格数据，所述原始人流数据包括多个原始轨迹点，所述多个原始轨迹点之间的时间间隔不相等；

数据预处理模块，用于基于所述城市网格数据对所述原始人流数据进行预处理，得到标准化网格数据，所述标准化网格数据包括多个标准轨迹点，所述多个标准轨迹点之间的时间间隔相等；

监控视图生成模块，用于根据所述标准化网格数据生成人流监控视图。

8.如权利要求7所述的装置，其特征在于，所述数据预处理模块具体用于：

对所述原始人流数据进行校准，得到校准轨迹数据，所述校准轨迹数据包括多个校准轨迹点，所述多个校准轨迹点之间的时间间隔相等；

将所述校准轨迹数据与所述城市网格数据进行匹配，得到标准化网格数据。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或至少一个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的城市人流监控方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的城市人流监控方法。