[发明专利]一种人群分布预测方法、装置、设备及存储介质

说明书

本发明涉及人群分布预测领域，具体是涉及一种人群分布预测方法、装置、设备及存储介质。本发明采用出行链上的各个空间单元，各个空间单元构成了多阶空间单元，多阶空间单元能够更好的反映空间单元所在的空间内的人群分布。采用多阶空间单元去构建人群分布预测模型，能够全面反映空间内各个空间单元之间的人群分布数据，以此得到准确性较高的预测模型，在得到准确性较高的预测模型的基础上进一步提高人群分布预测的准确性。

技术领域

本发明涉及人群分布预测领域，具体是涉及一种人群分布预测方法、装置、设备及存储介质。

背景技术

地理空间单元上的人群数量变化是人类在空间区上移动的宏观体现。人群分布统计数据广泛应用于城市规划、道路交通、环境保护、医疗卫生等领域。探索城市人群移动特征及其演化规律，可为城市用地规划与交通规划、公共安全事件风险评估与应急指挥、商业选址与广告投放等提供重要的决策依据。这使得人群分布预测研究成为诸多基于位置服务应用的必要前提条件。

目前人群分布预测方法存在以下两方面不足。其一，受限于高昂的数据采样成本和隐私保护意识的提升，我们往往只能获取有限采样的空间交互流数据用于人群分布预测(例如10％抽样数据)。由于被动采集的出行链大数据的获取往往缺乏系统地采样设计，使得该数据所构建的空间交互流网络往往因采样策略的不同表现出不同的数据特征，且这种影响在数据较为匮乏的低人群密度空间单元的波动性尤为明显。这一问题影响了我们构建空间单元交互流网络的准确性和稳定性，从而降低了人群分布预测的准确性。其二，空间单元之间的人群流动会引起人群分布的变化。这种人群流动可以宏观概括为空间单元间的交互流。这种交互流的产生与人类运动行为的选择有关，且选择过程直接反映在个体出行链中。现有的研究往往将个体出行链概化为一系列两两空间单元之间的交互流(起点-终点)，忽略了空间单元之间的多阶交互过程。然而，人群分布的变化不仅受到个体出行链中相邻空间单元(一阶交互流)的影响，也受到个体出行链中非相邻地方(多阶交互流)的影响。例如，当一个人从家经公交车站去上班时，如果把这一出行链概括为家和公交车站之间的一阶交互流以及公交车站和工作地点之间的一阶交互流，那么家和工作之间这一重要的多阶空间交互流将被忽略。因此，现有技术因只考虑了一条出行链上相邻的两个空间单元的人群分布就对空间单元所在的空间区进行人群分布进行预测，而忽视了一条出行链上不相邻的多个空间单元对空间去人群分布的影响。

综上所述，现有技术中预测人群分布的准确性较低。

因此，现有技术还有待改进和提高。

发明内容

为解决上述技术问题，本发明提供了一种人群分布预测方法、装置、设备及存储介质，解决了现有技术中预测人群分布的准确性较低的问题。

为实现上述目的，本发明采用了以下技术方案：

第一方面，本发明提供一种人群分布预测方法，其中，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。

在一种实现方式中，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；

依据所述低人群密度单元所对应的所述出行链，得到所述低人群密度单元所对应的所述出行链中的出行历史链；

依据所述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；