基于深度学习的人群活动流量时空预测模型

• 作者: 李静 刘海砚 郭文月 陈欣
• 来源期刊: 测绘学报
• 关键词: 空间多尺度 时空网络 时空预测 并联卷积 门控循环单元
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 地图学与地理信息|Cartography and Geoinformation
• 页码范围: 522-531
• 页数: 10页
• 分类号: P208
• 语种: 中文

摘要

传统的时空预测方法缺乏对复杂时空非线性关系的描述,且难以顾及空间多尺度特征对于预测结果的影响.针对这一问题,本文提出了一种融合空间多尺度特征的时空网络模型(MST-Net),将流量预测的回归问题转换为具有时空特性的判别模型.首先,通过并联卷积提取空间多尺度特征;然后,通过引入注意力机制的门控循环单元提取时间特征;最后,利用全连接层得到预测结果.本文将该模型用于人群活动流量的预测,分别在两组真实的社交媒体签到数据集上进行试验.试验结果表明:本文采用的卷积层连接方式和特征融合方法,相比于单层卷积层提取空间特征、其他连接方式和融合方法以及传统的时空预测模型,在均方根误差(RMSE)和平均绝对百分比误差(MAPE)两个预测结果评价指标上均有不同程度的提高,说明本文方法具有较高的预测精度,能够较好地拟合时空问题的非线性关系,实现人群活动流量的预测.