[发明专利]区域用地性质的确定方法、装置、电子设备及存储介质

权利要求书

1.一种区域用地性质的确定方法，包括：

获取指定时刻多个区域之间的人员交互信息；

根据所述人员交互信息对各所述区域的初始表征向量进行更新，得到各所述区域的嵌入表征向量，其中，针对任一区域，该区域的初始表征向量是根据该区域的初始用地性质计算得到的；

在各所述区域中选取目标区域，并选取所述目标区域周边预设范围内的多个静态邻居区域；

根据所述目标区域和所述多个静态邻居区域的嵌入表征向量，生成所述目标区域的特征图；

利用所述特征图对所述目标区域进行用地性质的预测，得到所述目标区域在下一时刻的预测用地性质。

2.根据权利要求1所述的方法，在所述根据所述人员交互信息对各所述区域的初始表征向量进行更新，得到各所述区域的嵌入表征向量之前，所述方法还包括：

针对任一区域，统计该区域中各子区域的初始用地性质；

根据该区域中各子区域的初始用地性质和预先设定的不同用地性质对应的权重，得到该区域中各子区域对应的权重；

根据该区域中各子区域对应的权重，生成该区域的初始表征向量。

3.根据权利要求1所述的方法，其中，所述根据所述人员交互信息对各所述区域的初始表征向量进行更新，得到各所述区域的嵌入表征向量，包括：

根据所述人员交互信息和各所述区域的初始表征向量，计算得到各所述区域的融合特征向量；

根据预设系数，对各所述区域的融合特征向量和各所述区域的初始表征向量进行加权求和，得到各所述区域的嵌入表征向量。

4.根据权利要求1所述的方法，其中，所述人员交互信息包括第一交互信息和/或第二交互信息，所述获取指定时刻多个区域之间的人员交互信息，包括：

获取指定时刻多个区域之间相互流动的人员的流动频次，并将所述流动频次作为所述第一交互信息；

和/或，

获取指定时刻多个区域之间人员的区域检索频次，并将所述区域检索频次作为所述第二交互信息。

5.根据权利要求1所述的方法，其中，所述在各所述区域中选取目标区域，并选取所述目标区域周边预设范围内的多个静态邻居区域，包括：

在各所述区域中选取待进行用地性质预测的区域，得到目标区域；

在所述目标区域周边预设范围内随机选取多个区域，得到所述多个静态邻居区域。

6.根据权利要求1所述的方法，还包括：

获取所述多个静态邻居区域的初始表征向量；

对所述多个静态邻居区域的初始表征向量进行拼接，得到第一静态邻接矩阵；

针对所述多个静态邻居区域中的任一区域，对所述多个静态邻居区域中除该区域外的其他区域的初始表征向量进行拼接，得到第二静态邻接矩阵；

通过预设效能函数，计算并比较所述第一静态邻接矩阵和所述第二静态邻接矩阵的贡献度；

若不相等，则将该区域用地性质作为所述目标区域的预测用地性质的解释。

7.根据权利要求1所述的方法，还包括：

确定在指定时刻与所述目标区域存在人员交互的各区域，得到各动态邻居区域；

对各所述动态邻居区域的初始表征向量进行拼接，得到第一动态邻接矩阵；

针对各所述动态邻居区域中的任一区域，对各所述动态邻居区域中除该区域外的其他区域的初始表征向量进行拼接，得到第二动态邻接矩阵；

通过预设效能函数，计算并比较所述第一动态邻接矩阵和所述第二动态邻接矩阵的贡献度；

若不相等，则将该区域用地性质作为所述目标区域的预测用地性质的解释。

8.根据权利要求1所述的方法，其中，所述利用所述特征图对所述目标区域进行用地性质的预测，得到所述目标区域在下一时刻的预测用地性质，包括：

利用预先训练的图卷积网络对所述特征子图进行分析，得到所述目标街区在下一时刻的预测用地性质，其中，所述预先训练的图卷积网络是利用历史用地性质训练得到的网络模型。