[发明专利]一种人群分布预测方法、装置、设备及存储介质

权利要求书

1.一种人群分布预测方法，其特征在于，包括：

获取各个空间单元的人群分布数据，各个所述空间单元位于出行链上，所述出行链用于记录各个所述空间单元被人群访问所形成的轨迹；

依据所述人群分布数据和所述出行链，得到空间区所对应的人群分布预测模型，所述空间区由各个所述空间单元构成；

依据所述人群分布预测模型，得到所述空间区所对应的人群分布预测数据；

所述依据所述人群分布数据和所述出行链，得到空间区所对应的人群分布预测模型，所述空间区由各个所述空间单元构成，包括：

依据所述空间单元，得到所述空间单元中的低人群密度单元，所述低人群密度单元为人员数量低于设定值的空间单元；

依据所述出行链，得到所述出行链所包含的出行历史链；

依据所述低人群密度单元所对应的出行历史链和所述低人群密度单元所对应的人群分布数据，得到历史空间交互矩阵；

依据所述历史空间交互矩阵中的各个所述低人群密度单元被人群访问的次数，得到各个所述低人群密度单元被访问的概率；

依据各个所述低人群密度单元被访问的概率，得到各个所述低人群密度单元之间构成的出行模拟链；

依据所述出行模拟链上的各个所述低人群密度单元的人群分布数据和所述出行历史链上的各个所述低人群密度单元的人群分布数据，得到所述空间区所对应的人群分布预测模型。

2.如权利要求1所述的人群分布预测方法，其特征在于，所述依据所述出行模拟链上的各个所述低人群密度单元的人群分布数据和所述出行历史链上的各个所述低人群密度单元的人群分布数据，得到所述空间区所对应的人群分布预测模型，包括：

将各个所述低人群密度单元作为词向量模型中的节点，将各个所述低人群密度单元之间的交互流强度作为词向量模型中的边的权重，得到预设的词向量模型；

通过所述出行模拟链上的各个所述低人群密度单元的人群分布数据和所述出行历史链上的各个所述低人群密度单元的人群分布数据对预设的所述词向量模型进行训练，得到训练之后的所述词向量模型；

依据训练之后的所述词向量模型，得到所述空间区所对应的人群分布预测模型。

3.如权利要求2所述的人群分布预测方法，其特征在于，所述依据训练之后的所述词向量模型，得到所述空间区所对应的人群分布预测模型，包括：

将训练之后的所述词向量模型输入到图卷积模型中，对所述图卷积模型进行训练，得到所述人群分布预测模型中的人群空间分布预测模型。

4.如权利要求3所述的人群分布预测方法，其特征在于，所述依据训练之后的所述词向量模型，得到所述空间区所对应的人群分布预测模型，还包括：

将所述人群空间分布预测模型所对应的矩阵输入到长短时记忆神经网络模型中，对所述长短时记忆神经网络模型进行训练，得到所述人群分布预测模型中的人群时间变化预测模型。