[发明专利]多图融合的城市区域表示学习方法及预测方法

说明书

本发明公开了一种多图融合的城市区域表示学习方法和预测方法，其中表示学习方法包括：获取原始城市区域划分及其对应的人群移动数据，并根据人群移动数据对原始城市区域划分进行预处理，以得到多张移动图；计算多张移动图之间的移动图距离，并根据移动图距离对多张移动图进行相似度聚合，以得到多个移动模式；将多个移动模式输入到联合学习模块，以便通过联合学习模块对多个移动模式进行模式内消息传递和模式间交叉注意力处理，以得到城市区域的向量表示；由此，只需通过人群移动数据进行城市区域表示学习，且能够有效消除冗余信息，提升了城市区域表示的泛化能力。

技术领域

本发明涉及图表示学习技术领域，特别涉及一种多图融合的城市区域表示学习方法和一种多图融合的城市区域预测方法。

背景技术

相关技术中，城市区域表示学习指的是利用城市时空数据学习到城市区域的向量表示，在实际场景中城市时空数据往往由于隐私性、安全性等问题，不易获得；并且城市时空数据容易存在冗余信息，而该存在阻碍了城市区域表示的泛化能力提升，因此无法支撑跨领域的下游任务。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种多图融合的城市区域表示学习方法，只需通过人群移动数据进行城市区域表示学习，且能够有效消除冗余信息，提升了城市区域表示的泛化能力。

本发明的第二个目的在于提出一种多图融合的城市区域预测方法。

为达到上述目的，本发明第一方面实施例提出了一种多图融合的城市区域表示学习方法，包括以下步骤：获取原始城市区域划分及其对应的人群移动数据，并根据人群移动数据对原始城市区域划分进行预处理，以得到多张移动图；计算多张移动图之间的移动图距离，并根据移动图距离对多张移动图进行相似度聚合，以得到多个移动模式；将多个移动模式输入到联合学习模块，以便通过联合学习模块对多个移动模式进行模式内消息传递和模式间交叉注意力处理，以得到城市区域的向量表示。

根据本发明实施例的多图融合的城市区域表示学习方法，首先，获取原始城市区域划分及其对应的人群移动数据，并根据人群移动数据对原始城市区域划分进行预处理，以得到多张移动图；然后，计算多张移动图之间的移动图距离，并根据移动图距离对多张移动图进行相似度聚合，以得到多个移动模式；最后，将多个移动模式输入到联合学习模块，以便通过联合学习模块对多个移动模式进行模式内消息传递和模式间交叉注意力处理，以得到城市区域的向量表示；由此，只需通过人群移动数据进行城市区域表示学习，且能够有效消除冗余信息，提升了城市区域表示的泛化能力。

另外，根据本发明上述实施例提出的多图融合的城市区域表示学习方法还可以具有如下附加的技术特征：

可选地，根据所述人群移动数据对所述原始城市区域划分进行预处理，以得到多张移动图，包括：将所述原始城市区域划分划分为多个不相交的城市区域，将所述每个城市区域作为节点特征，将所述每个城市区域间的人群移动数据作为节点上的边特征；在不同时间步上获取节点特征和边特征，以得到对应的多张移动图。

可选地，计算所述多张移动图之间的移动图距离，包括：计算所述多张移动图两两之间在均值和方差上的距离；计算所述多张移动图两两之间在单向流量指数上的距离；计算所述多张移动图两两之间的空间结构标记距离；根据所述多张移动图两两之间在均值和方差上的距离、所述多张移动图两两之间在单向流量指数上的距离和所述多张移动图两两之间的空间结构标记距离获得所述多张移动图之间的移动图距离。

可选地，根据所述移动图距离对所述多张移动图进行相似度聚合，以得到多个移动模式，包括：根据所述移动图距离采用层次聚类法将相似的移动图聚合为一个移动模式，从而得到多个移动模式。

可选地，通过以下公式计算多张移动图两两之间在均值和方差上的距离：