基于移动信令的群体性行为特征预测方法及装置制造方法及图纸

本发明专利技术提供一种基于移动信令的群体性行为特征预测方法及装置，该方法包括：获取观测区域的地理空间信息，将观测区域进行网格划分；获取移动信令轨迹数据集，基于各信令数据的基站经纬度信息确定人群流动热力图；获取异常事件数据集，基于各异常事件数据的事件发生时间信息和事件发生位置信息确定异常事件分布图；将人群流动热力图和异常事件分布图分别输入至二维信息处理模型中，得到人群流动空间特征和异常事件空间特征；将人群流动空间特征输入至人群流动空间信息注意力模型中，得到各时间区间的各网格内的人群流动特征；将异常事件空间特征和各人群流动特征进行时间融合，得到异常事件预测结果。该方法提高了群体性行为预测结果的准确性。预测结果的准确性。预测结果的准确性。

【技术实现步骤摘要】
基于移动信令的群体性行为特征预测方法及装置


[0001]本专利技术涉及计算机
，尤其涉及一种基于移动信令的群体性行为特征预测方法及装置。

技术介绍

[0002]人的轨迹行为可以分为程序性行为和非程序性行为，程序性行为指人们在日常工作生活中较为频繁的OD行为模式，如日常的通勤行为（工作地点与居住地点）、高频的社交购物移动行为；非程序性的行为指的是较为不频繁或是突发的移动行为模式，如突发活动（演唱会、集会等）。群体性行为预测包括程序性行为预测和非程序性行为预测，程序性行为基于人群移动行为模型具备重复性特征，预测一定时间后人群的移动趋势；程序性行为预测可挖掘人群移动的周期性特征，并为非程序性行为提供基线数据。非程序性行为预测则相反，其是基于行为的突发性与异常性，挖掘异常群体性行为特征。非程序性行为预测可以及时发现人群异常移动趋势，如突发群体性聚集行为，交通流量控制、安全防范等公共服务提供预警信息。
[0003]目前，对群体性行为进行预测时，一般是基于位置信息服务（LBS）提供的人群位置信息完成预测。而由于LBS提供人群位置信息需要由用户设备实时上报位置数据，因而此时需要实时对用户设备进行定位。而考虑到网络信号和设备电量的问题，一般实时获取到的用户位置的数据所覆盖的时间有限；并且LBS提供的人群位置信息通常是具有特定需求的用户的信息，如地图用户数据为具有导航需求的用户的信息，因而基于位置信息服务提供的人群位置信息具有一定的片面性。基于上述原因，现有技术中的基于位置信息服务（LBS）提供的人群位置信息对群体性行为进行预测，预测结果准确度低。因此，如何提高群体性行为特征预测的准确度是亟待解决的技术问题。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于移动信令的群体性行为特征预测方法及装置，以解决现有技术中存在的一个或多个问题。
[0005]根据本专利技术的一个方面，本专利技术公开了一种基于移动信令的群体性行为特征预测方法，所述方法包括：获取观测区域的地理空间信息，并将所述观测区域根据预设规则从地理空间上进行网格划分；获取第一时间段内的移动信令轨迹数据集，各移动信令轨迹数据的信令数据包括时间戳信息、手机号码信息、基站唯一标识信息和基站经纬度信息，基于各信令数据的基站经纬度信息确定人群流动热力图；获取第一时间段内的异常事件数据集，各异常事件数据包括事件发生时间信息、事件发生位置信息和事件发生类型信息，基于各异常事件数据的事件发生时间信息和事件发生位置信息确定异常事件分布图；
将所述人群流动热力图和异常事件分布图分别输入至二维信息处理模型中，得到人群流动空间特征和异常事件空间特征；将所述人群流动空间特征输入至人群流动空间信息注意力模型中，得到各时间区间的各网格内的人群流动特征；将所述异常事件空间特征和所述各时间区间的各网格内的人群流动特征进行时间融合，得到异常事件预测结果。
[0006]在本专利技术的一些实施例中，将所述观测区域根据预设规则从地理空间上进行网格划分，包括：根据Geohash算法将所述观测区域划分为多个网格；或通过GPS坐标网格将所述观测区域划分为多个目标大小的网格；或基于行政规划将所述观测区域划分为多个网格。
[0007]在本专利技术的一些实施例中，基于各信令数据的基站经纬度信息确定人群流动热力图，包括：将所述第一时间段划分为多个时间区间；基于各信令数据的基站经纬度信息确定各信令数据的位置信息所属的网格；统计各时间区间的各网格内的用户数量；基于统计得到的各时间区间的各网格内的用户数量得到人群流动热力图。
[0008]在本专利技术的一些实施例中，基于各异常事件数据的事件发生时间信息和事件发生位置信息确定异常事件分布图，包括：基于各异常事件数据的事件发生时间信息和事件发生位置信息确定各时间区间的各网格内的异常事件类型，基于确定的各时间区间的各网格内的异常事件类型得到异常事件分布图。
[0009]在本专利技术的一些实施例中，所述二维信息处理模型为多头注意力机制的二维空间信息处理模型。
[0010]在本专利技术的一些实施例中，将所述人群流动热力图和异常事件分布图分别输入至二维信息处理模型中，得到人群流动空间特征和异常事件空间特征，包括：将所述人群流动热力图和异常事件分布图分别输入至卷积层，得到各初步特征矩阵；对所述各初步特征矩阵进行一维化处理，并基于注意力机制计算各第一注意力得分；基于各所述第一注意力得分确定人群流动空间特征和异常事件空间特征。
[0011]在本专利技术的一些实施例中，将所述人群流动空间特征输入至人群流动空间信息注意力模型中，得到各时间区间的各网格内的人群流动特征，包括：将所述人群流动空间特征进行一维化处理，并将一维化处理后的人群流动空间特征向量输入至LSTM模型中得到隐层状态和神经元状态；基于注意力机制确定第二注意力得分；基于所述第二注意力得分和所述人群流动空间特征向量确定各网格内的人群流动特征。
[0012]在本专利技术的一些实施例中，将所述异常事件空间特征和所述各时间区间的各网格
内的人群流动特征进行时间融合，得到异常事件预测结果，包括：将所述异常事件空间特征和所述各时间区间的各网格内的人群流动特征进行线性叠加计算，得到输出结果；将所述输出结果输入至LSTM模型，将所述LSTM模型的输出输入至全连接层，基于所述全连接层的输出确定异常事件预测结果。
[0013]根据本专利技术的另一方面，还公开了一种基于移动信令的群体性行为特征预测系统，该系统包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如上任一实施例所述方法的步骤。
[0014]根据本专利技术的再一方面，还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一实施例所述方法的步骤。
[0015]本专利技术所公开的基于移动信令的群体性行为特征预测方法及装置，首先基于移动信令轨迹数据确定人群流动热力图，进而基于异常事件确定异常事件分布图，进一步基于人群流动热力图和异常事件分布图得到人群流动空间特征和异常事件空间特征，并且基于人群流动空间特征还得到各时间区间的各网格内的人群流动特征，最终将异常事件空间特征和各时间区间的各网格内的人群流动特征进行时间融合，从而得到异常事件预测结果。该方法基于移动信令数据实现群体性行为的特征预测，由于移动信令轨迹数据具备无感知的特点，其无需设备持续地上报位置信息，移动信令轨迹数据可以更好地表征用户的活动轨迹，从而使数据更全面，因而该方法及装置提高了所预测的群体性行为的准确度。
[0016]本专利技术的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本专利技术的实践而获知。本专利技术的目的和其它优点可以通过在书面说明及其权利要求书以及附图中具体指出的结构实现到并获得。
[0017]本领域技术人员将会理解的是，能够用本专利技术实现的目的和优点不限于以上具体所述，并且根据以下详细说明将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动信令的群体性行为特征预测方法，其特征在于，所述方法包括：获取观测区域的地理空间信息，并将所述观测区域根据预设规则从地理空间上进行网格划分；获取第一时间段内的移动信令轨迹数据集，各移动信令轨迹数据的信令数据包括时间戳信息、手机号码信息、基站唯一标识信息和基站经纬度信息，基于各信令数据的基站经纬度信息确定人群流动热力图；获取第一时间段内的异常事件数据集，各异常事件数据包括事件发生时间信息、事件发生位置信息和事件发生类型信息，基于各异常事件数据的事件发生时间信息和事件发生位置信息确定异常事件分布图；将所述人群流动热力图和异常事件分布图分别输入至二维信息处理模型中，得到人群流动空间特征和异常事件空间特征；将所述人群流动空间特征输入至人群流动空间信息注意力模型中，得到各时间区间的各网格内的人群流动特征；将所述异常事件空间特征和所述各时间区间的各网格内的人群流动特征进行时间融合，得到异常事件预测结果。2.根据权利要求1所述的基于移动信令的群体性行为特征预测方法，其特征在于，将所述观测区域根据预设规则从地理空间上进行网格划分，包括：根据Geohash算法将所述观测区域划分为多个网格；或通过GPS坐标网格将所述观测区域划分为多个目标大小的网格；或基于行政规划将所述观测区域划分为多个网格。3.根据权利要求1所述的基于移动信令的群体性行为特征预测方法，其特征在于，基于各信令数据的基站经纬度信息确定人群流动热力图，包括：将所述第一时间段划分为多个时间区间；基于各信令数据的基站经纬度信息确定各信令数据的位置信息所属的网格；统计各时间区间的各网格内的用户数量；基于统计得到的各时间区间的各网格内的用户数量得到人群流动热力图。4.根据权利要求1所述的基于移动信令的群体性行为特征预测方法，其特征在于，基于各异常事件数据的事件发生时间信息和事件发生位置信息确定异常事件分布图，包括：基于各异常事件数据的事件发生时间信息和事件发生位置信息确定各时间区间的各网格内的异常事件类型，基于确定的各时间区间的各网格内的异常事件类型得到异常事件...

【专利技术属性】
技术研发人员：羊晋，司俊俊，涂波，刘孟奇，刘智超，
申请(专利权)人：北京数业专攻科技有限公司，
类型：发明
国别省市：