(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211224188.9 (22)申请日 2022.10.09 (71)申请人 枫树谷 （成 都） 科技有限责任公司 地址 610200 四川省成 都市天府新区兴隆 街道集萃路619号天府 海创园2-1栋 (72)发明人 付佳　冯灏　尹玄鲲　 (74)专利代理 机构 北京知联天下知识产权代理 事务所(普通 合伙) 11594 专利代理师 张迎新 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 一种人群密度预测方法及系统 (57)摘要 本发明公开了一种人群密度预测方法及系 统， 所述方法包括： 建立人群密度预测数据集； 根 据基于知识模型的预测函数以及基于机器学习 算法的预测模 型构建人群密度预测模 型； 通过所 述人群密度预测数据集对所述人群密度预测模 型进行训练； 对训练后的人群密度预测模型进行 优化， 形成最终人群密度预测模型， 用于实现人 群密度预测。 本发明基于全要素分析、 真实历史 数据和极端情况模拟仿真， 实现了可靠、 完备的 人群密度演化信息收集和数据集 建立。 本发明基 于时空波动容错机制， 提升了人群密度预测算法 的鲁棒性。 本发明基于精度和时效权衡， 实现了 按需进行的人群密度预测。 权利要求书4页 说明书15页 附图3页 CN 115293465 A 2022.11.04 CN 115293465 A 1.一种人群密度预测方法， 其特 征在于， 包括： 建立人群密度预测数据集； 根据基于知识模型的预测函数以及基于机器学习算法的预测模型构建人群密度预测 模型； 通过所述人群密度预测数据集对所述人群密度预测模型进行训练； 对训练后的人群密度预测模型进行优化， 形成最终人群密度预测模型， 用于实现人群 密度预测。 2.根据权利要求1所述的人群密度预测方法， 其特征在于， 在所述的建立人群密度 预测 数据集之前包括： 获取人群密度时空演化序列数据； 获取与人群密度演化相关的相关要素； 获取相关要素的历史演化数据； 通过时间戳匹配， 建立所述相关要素的历史演化数据与 人群密度时空演化序列数据之 间的映射关系， 形成时序数据集； 对所述时序数据集中的每个相关要素的历史演化数据和人群密度时空演化序列数据 进行场景 标识， 构建全场景样本数据集， 所述场景包括日常场景和特殊场景。 3.根据权利要求2所述的人群密度预测方法， 其特征在于， 所述的获取人群密度时空演 化序列数据包括： 将感兴趣区域划分为多个子区域： ； （1） 其中， S表示感兴趣区域集合， j表示感兴趣区域集合中任意一子区域的标号， m表示感 兴趣区域集合中最后一子区域的标号， S1表示第一子区域， Sj表示第j子区域， Sm表示第m子 区域； 实时测量每 个子区域的人群密度， 并按矢量的数据结构进行存 储： ； （2） 其中， 表示多个子区域的人群密度集合， 表示第一子区域的人群密度， 表示第j 子区域的人群密度， 表示第m子区域的人群密度； 以时间间隔 存储每个子区域的人群密度， 得到人群密度时空演化序列数据： ； （3） 其中， 表示人群密度时空演化序列数据， 表示tn时刻、 第一子区域S1的人群密度， 表示tn时刻、 第二子区域S2的人群密度， 表示tn时刻、 第m子区域Sm的人群密度； n表示 时间序列中的第n个时间点， n=0时， 表示初始时间点， n=1时， 表示第一个时间点， tn表示时 间序列中第n个时间点的具体时间， tn－1表示时间序列中第n－1个时间点的具体时间， 表权　利　要　求　书 1/4 页 2 CN 115293465 A 2示时间间隔。 4.根据权利要求2所述的人群密度预测方法， 其特征在于， 所述的获取与人群密度演化 相关的相关要素包括： 获取调查数据； 从所述调查数据中获取与人群密度演化相关的相关要素； 将所述相关要素抽象成变量， 建立起与人群密度演化相关的相关要素集， 并用矢量表 示： ； （4） 其中， 表示相关要素集， x1表示第一个相关要素， xi表示第i个相关要素， xd表示第d个 相关要素， d表示相关要素的个数。 5.根据权利要求2所述的人群密度预测方法， 其特征在于， 所述的获取相关要素的历史 演化数据包括： 获取感兴趣区域内的历史信息； 从所述感兴趣区域内的历史信 息中获取相关要素的历史状态演化数据， 所述历史状态 演化数据被表征时间序列按时间 间隔 存储： ； （5） 其中， 表示tn时刻获得的相关要 素的历史状态演化数据， 表示tn时刻 获取的第一个相关要素； 表示tn时刻获取的第i个相关要素， 表示tn时刻获取的第 d个相关要素， n表示时间序列中的第n个时间点， n=0时， 表示初始时间点， n=1时， 表示第一 个时间点， tn表示时间序列中的第n个时间点的具体时 间， tn－1表示时间序列中第n －1个时间点的具体时间， 表示时间 间隔。 6.根据权利要求2所述的人群密度预测方法， 其特 征在于， 所述时序数据集 为： ； （6） 其中， tn表示时间序列中的第n个时间点的具体时间， n表示时间序列中的第n个时间点， n=0时， 表示初始时间点， n=1时， 表示第一个时间点， 表示tn时刻获得的相关要素的历史 状态演化数据， 表示人群密度时空演化序列数据。 7.根据权利要求4所述的人群密度预测方法， 其特征在于， 所述的将所述相关要素抽象 成变量， 建立 起与人群密度演化相关的相关要素集之后包括： 计算相关要素集中每 个要素与每 个区域的人群密度之间的相关性系数rij： ； （7） 其中， i表示相关要素集中第i个要素， tn表示时间序列中的第n个时间点的具体时间， 表示tn时刻的相关要素中的第i个要素的值， 表示第tn时刻第j个子区域的人群密度 值， n表示时间序列中的第n个时间点， n=0时， 表 示初始时间点， n=1时， 表 示第一个时间点， n =2时， 表示第二个时间点， 为序列 权　利　要　求　书 2/4 页 3 CN 115293465 A 3