[发明专利]基于信令数据的人员流量预测方法、装置、设备及介质

说明书

本发明公开了一种基于信令数据的人员流量预测方法、装置、设备及介质，方法包括：获取历史同时期的长时序信令数据以及地理信息数据；根据长时序信令数据以及地理信息数据划分多个时段，建立不同时段的流量预测模型并求解，得到无特殊事件影响的初始流量预测结果；当有特殊事件影响时，计算起始地衰减系数和目的地衰减系数，并根据所述系数校正初始流量预测结果，得到特殊事件影响下的第一流量预测结果；随数据更新，动态调整起始地衰减系数和目的地衰减系数，并根据所述系数调整第一流量预测结果，得到特殊事件影响下的第二流量预测结果。该方法能够利用样本量大、覆盖范围广的手机信令数据预测重大节假日期间外来务工人员流动的数量与时空特征。

技术领域

本发明涉及大数据技术领域，特别涉及一种基于信令数据的人员流量预测方法、装置、设备及介质。

背景技术

外来务工人员的大范围流动对于传染型疫情防控、交通运输管理、劳动力保障、住房与公共服务配置、经济消费活力、社会安全治理、城镇化格局、资源消耗与环境保护等具有极其重要的意义，是世界各国人口流动与迁移、区域与城市治理、空间规划等政策制定的焦点。因此，如何采用大数据对外来务工人员流动进行高精度的模拟预测是科学合理制定相关政策的前提。

现有技术中，有基于地理位置服务技术的人员流动分析方法，第一，该技术仅利用大数据进行了人员流动现状格局的分析，大数据应用主要停留在展示层面，未能提取人员流动的时空变化过程的一般规律，没有实现对未来人员流动的预测功能；第二，地理位置服务需要终端用户主动发起服务请求后，才能获得相关时空数据，提供该服务的平台数量众多，因此数据覆盖程度有待提升，大量空间流动行为未能有效记录；第三，该项技术获取的数据没有用户ID信息，因此无法识别用户的完整出行，只是统计城市间的人员流动量。

还有基于线性及非线性回归的重大节假日OD交通量预测方法，该方法虽然简单有效，具有一定的合理性，但多元模型中的解释变量的确定依赖经验判断和主观选择，解释变量的选择会对预测效果产生一定的影响。此外，该方法所采用的高速公路出口流水数据只能反映重大节假日期间高速公路单一交通方式的OD流量，而不能反映综合多种交通方式的节假日期间人员流动OD量。且该预测方法多适用于范围较小的预测区域，对于较大范围，如全国的交通OD量预测，该方法的计算过程将较为庞杂。

发明内容

本公开实施例提供了一种基于信令数据的人员流量预测方法、装置、设备及介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

第一方面，本公开实施例提供了一种基于信令数据的人员流量预测方法，包括：

获取历史同时期的长时序信令数据以及地理信息数据；

根据长时序信令数据以及地理信息数据划分多个时段，建立不同时段的流量预测模型并求解，得到无特殊事件影响的初始流量预测结果；

当有特殊事件影响时，计算起始地衰减系数和目的地衰减系数，并根据起始地衰减系数和目的地衰减系数校正初始流量预测结果，得到特殊事件影响下的第一流量预测结果；

随数据更新，动态调整起始地衰减系数和目的地衰减系数，并根据起始地衰减系数和目的地衰减系数调整第一流量预测结果，得到特殊事件影响下的第二流量预测结果。

在一个可选地实施例中，根据长时序信令数据以及地理信息数据划分多个时段，包括：

根据历史同时期的长时序信令数据以及地理信息数据得到务工人员流动的时空特征；

根据务工人员流动的时空特征将务工人员流量分为第一返乡阶段、第二返乡阶段、第三返乡阶段、第四返乡阶段、第一返城阶段以及第二返城阶段。

在一个可选地实施例中，第一返乡阶段为春运开始至春运返乡高峰；