[发明专利]基于人工智能的地下空间人流量预测方法

摘要

本发明公开了基于人工智能的地下空间人流量预测方法；首先，由人工智能系统将地下空间划分为若干单元网格；并籍由网络地图平台采集单元网格的功能性城市单位数据，将单元网格按照分成四类，并分别设置外部人流指标系数；然后统籍由网络地图平台采集单元网格内地上公共交通站点、地上商业站点和地上公共服务站点的数量，并计算内部人流指标系数T1：再籍由网络地图平台采集单元网格内地上区域人流进入地块、人流流出地块和瞬间聚集人流的数量，并计算活动人流影指标数Tt：最后将外部人流指标系数、内部人流指标系数T1和活动人流影指标数Tt叠加获得地下空间人流量预测数量。本发明地面以及周边的设施对人流量的影响进行预测，提高预测精度。

主权项

1.基于人工智能的地下空间人流量预测方法；步骤如下：a.将待建造所述地下空间的范围导入所述人工智能系统，由所述人工智能系统将所述地下空间划分为相等尺寸的若干单元网格；b.所述人工智能系统籍由网络地图平台采集每一所述单元网格1公里和0.5公里范围内的功能性城市单位数据，根据所述功能性城市单位数据对每一所述单元网格进行分类，将每一所述单元网格按照分成核心商业区域、商务服务区域、社区商业区域和过境商业区域四类，并分别设置外部人流指标系数；c.所述人工智能系统籍由网络地图平台采集每一所述单元网格内地上公共交通站点、地上商业站点和地上公共服务站点的数量，并采用如下公式计算内部人流指标系数T1：T1＝P+M+S    (1)P＝Ap*PD1+Bp*PD2+Cp*PD3    (2)M＝Ac*MD1+Bc*MD2+Cc*MD3    (3)S＝As*SD1+Bs*SD2+Cs*SD3    (4)公式(1)中，P为地上公共交通站点对人流造成的影响值；M为地上商业站点对人流造成的影响值；S为地上公共服务站点对人流造成的影响值；公式(2)中，PD1为综合交通枢纽的数量，Ap为综合交通枢纽的人流影响系数；PD2为换乘站数量，Bp为换乘站的人流影响系数；PD3为公交首末站数量，Cp为公交首末站的人流影响系数；公式(3)中，MD1为核心商业中心数量，Ac为核心商业中心的人流影响系数；MD2为区域商业中心数量，Bc为区域商业中心的人流影响系数；MD3为社区商业中心数量，Cc为社区商业中心的人流影响系数；公式(4)中，SD1为会展类场馆的数量，As为会展类场馆的人流影响系数；SD2为大型体育设施的数量，Bs为大型体育设施的人流影响系数；SD3为城市公园的数量，Cs为城市公园的人流影响系数；d.所述人工智能系统籍由网络地图平台采集每一所述单元网格内地上区域人流进入地块、人流流出地块和瞬间聚集人流的数量，并采用个如下公式计算活动人流影指标数Tt：Tt＝I+O+W    (5)公式(5)中，I为对历史N天中相同时刻的进入人流前项比例系数求平均值，O对历史N天中相同时刻的流出人流前项比例系数求平均值，W为对历史N天中相同时刻的瞬间聚集人流前项比例系数求平均值；公式(6)为根据进入人流前项比例系数向量Qi得到历史N天的进入人流前项比例系数矩阵Q；其中Qi＝{Qi1Qi2…Qij…QiM}，Qij为历史N天中第i天j时刻的进入人流前项比例系数；公式(7)为根据所述进入人流前项比例系数矩阵Q，将其中每一列元素取出，对历史N天中相同时刻的进入人流前项比例系数平均值I；公式(8)为根据所述流出人流前项比例系数向量Pi得到历史N天的流出人流前项比例系数矩阵P；其中Pi＝{Pi1Pi2…Pij…PiM}，Pij为历史N天中第i天j时刻的流出人流前项比例系数；公式(9)为根据所述流出人流前项比例系数矩阵P，将其中每一列元素取出，对历史N天中相同时刻的流出人流前项比例系数平均值O；公式(10)为根据所述瞬间聚集人流前项比例系数向量Mi得到历史N天的瞬间聚集人流前项比例系数矩阵M；其中Mi＝{Mi1Mi2…Mij…MiM}；Mij为历史N天中第i天j时刻的人流前项比例系数；公式(11)为为根据所述瞬间聚集人流前项比例系数矩阵M，将其中每一列元素取出，对历史N天中相同时刻的瞬间聚集人流前项比例系数平均值W；e.所述人工智能系统将外部人流指标系数、内部人流指标系数T1和活动人流影指标数Tt叠加获得地下空间人流量预测数量。