一种数据稀疏区域的人口流动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数据稀疏区域的人口流动预测方法及装置。该方法包括：利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识；基于区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器，对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量；潜在的因果嵌入向量是观测特征以及缺失特征对应的表征向量；基于源区域与目标区域之间知识蒸馏的迁移学习算法，将预测模型的知识迁移到目标区域，并基于知识和嵌入向量进行目标区域的人口流动预测。本发明专利技术提供的数据稀疏区域的人口流动预测方法，能够有效解决稀疏数据导致的预测困境，提高了针对数据稀疏区域的人口流动预测效率和精确度。据稀疏区域的人口流动预测效率和精确度。据稀疏区域的人口流动预测效率和精确度。

【技术实现步骤摘要】
一种数据稀疏区域的人口流动预测方法及装置


[0001]本专利技术涉及大数据处理
，具体涉及一种数据稀疏区域的人口流动预测方法及装置。另外，还涉及一种电子设备及处理器可读存储介质。

技术介绍

[0002]人口流动(Population Mobility)反映了城市的城市结构和人的设施需求分布。准确的人口流动预测可以帮助人们更好地提前了解和规划城市结构和设施需求分布，从而降低人们的出行成本，提高城市的效率。对于发展中城市(即数据稀疏区域)，人口流动性预测起着至关重要的作用，因为良好的城市结构和设施需求分布对于发展中城市的结构布局和未来发展具有重要意义。
[0003]目前，现有技术通常基于简单的物理规律对人口流动进行建模和预测，建模能力有限，无法表达复杂的流动模式。随着机器学习和深度学习的快速发展，基于决策树的模型和图神经网络等复杂模型凸显了其对人口流动性预测的强大能力。尽管如此，这些方法需要大量数据来拟合复杂的模型，因此在发展中城市的应用受到了限制。该方法中的每一种都需要为某个城市建立模型，并使用大量数据拟合模型的参数。所以无法帮助预测发展中城市的人口流动，因为数据收集不足使得一些关键特征无法观察到，导致针对数据稀疏区域的人口流动预测效率和精确度较差。因此，如何设计一种数据稀疏区域的人口流动预测方案来提升人口流动预测效率和精确度成为亟待解决的难题。

技术实现思路

[0004]为此，本专利技术提供一种数据稀疏区域的人口流动预测方法及装置，以解决现有技术中存在的数据稀疏区域的人口流动预测方案局限性较高，从而导致人口流动预测效率和精确度较差的缺陷。
[0005]第一方面，本专利技术提供一种数据稀疏区域的人口流动预测方法，包括：
[0006]利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识；
[0007]基于所述区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器；利用所述基于因果增强的变分自动编码器对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量；其中，所述潜在的因果嵌入向量是观测特征以及所述缺失特征对应的表征向量；
[0008]基于所述源区域与所述目标区域之间知识蒸馏的迁移学习算法，将预测模型的知识迁移到所述目标区域，并基于所述预测模型的知识和所述潜在的因果嵌入向量进行所述目标区域的人口流动预测；其中，所述预测模型是预先基于所述源区域的数据构建的人口流动预测模型。
[0009]进一步的，所述利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识，具体包括：
[0010]获取所述源区域的数据；基于强化学习的区域因果知识构建策略确定基于区域属
性特征排序的因果发现模型，利用所述因果发现模型对所述源区域的数据进行分析，以获得满足预设条件的区域属性特征顺序，并通过贝叶斯检验修剪得到包含区域属性特征之间关系的特征因果图；其中，所述特征因果图用于表示所述区域因果知识。
[0011]进一步的，利用所述基于因果增强的变分自动编码器对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量，具体包括：
[0012]将所述特征因果图作为特征恢复路径，基于所述初始的变分自动编码器和所述特征恢复路径来学习包含区域属性特征的缺失信息，得到所述潜在的因果嵌入向量。
[0013]进一步的，基于所述区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器，具体包括：
[0014]将所述目标区域的未观测到的缺失特征显式建模为辅助的潜在变量，并使用所述区域因果知识对应的因果路径将特征之间的关联关系添加到所述初始的变分自动编码器，以构建得到初始的基于因果增强的变分自动编码器；通过反向传播训练因果增强所述初始的基于因果增强的变分自动编码器，得到所述基于因果增强的变分自动编码器。
[0015]进一步的，基于所述预测模型的知识和所述潜在的因果嵌入向量进行所述目标区域的人口流动预测，具体包括：
[0016]基于所述预测模型的知识和所述潜在的因果嵌入向量获取所述目标区域中起点区域的特征和终点区域的特征，并添加起点和终点之间的距离信息，来预测所述目标区域中起点和终点之间的人流量。
[0017]进一步的，所述区域因果知识为源区域中人员特征和区域属性特征之间的因果映射关系信息。
[0018]进一步的，所述目标区域为数据稀疏区域。
[0019]第二方面，本专利技术还提供一种数据稀疏区域的人口流动预测装置，包括：
[0020]区域因果知识获取单元，用于利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识；
[0021]因果嵌入向量获取单元，用于基于所述区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器；利用所述基于因果增强的变分自动编码器对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量；其中，所述潜在的因果嵌入向量是观测特征以及所述缺失特征对应的表征向量；
[0022]人口流动预测单元，用于基于所述源区域与所述目标区域之间知识蒸馏的迁移学习算法，将预测模型的知识迁移到所述目标区域，并基于所述预测模型的知识和所述潜在的因果嵌入向量进行所述目标区域的人口流动预测；其中，所述预测模型是预先基于所述源区域的数据构建的人口流动预测模型。
[0023]进一步的，所述区域因果知识获取单元，具体用于：
[0024]获取所述源区域的数据；基于强化学习的区域因果知识构建策略确定基于区域属性特征排序的因果发现模型，利用所述因果发现模型对所述源区域的数据进行分析，以获得满足预设条件的区域属性特征顺序，并通过贝叶斯检验修剪得到包含区域属性特征之间关系的特征因果图；其中，所述特征因果图用于表示所述区域因果知识。
[0025]进一步的，所述因果嵌入向量获取单元，具体用于：
[0026]将所述特征因果图作为特征恢复路径，基于所述初始的变分自动编码器和所述特
征恢复路径来学习包含区域属性特征的缺失信息，得到所述潜在的因果嵌入向量。
[0027]进一步的，所述因果嵌入向量获取单元，具体还用于：
[0028]将所述目标区域的未观测到的缺失特征显式建模为辅助的潜在变量，并使用所述区域因果知识对应的因果路径将特征之间的关联关系添加到所述初始的变分自动编码器，以构建得到初始的基于因果增强的变分自动编码器；通过反向传播训练因果增强所述初始的基于因果增强的变分自动编码器，得到所述基于因果增强的变分自动编码器。
[0029]进一步的，所述人口流动预测单元，具体用于：
[0030]基于所述预测模型的知识和所述潜在的因果嵌入向量获取所述目标区域中起点区域的特征和终点区域的特征，并添加起点和终点之间的距离信息，来预测所述目标区域中起点和终点之间的人流量。
[0031]进一步的，所述区域因果知识为源区域中人员特征和区域属性特征之间的因果映射关系信息。
[0032]进一步的，所述目标区域为数据稀疏区域。
[0033]第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据稀疏区域的人口流动预测方法，其特征在于，包括：利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识；基于所述区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器；利用所述基于因果增强的变分自动编码器对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量；其中，所述潜在的因果嵌入向量是观测特征以及所述缺失特征对应的表征向量；基于所述源区域与所述目标区域之间知识蒸馏的迁移学习算法，将预测模型的知识迁移到所述目标区域，并基于所述预测模型的知识和所述潜在的因果嵌入向量进行所述目标区域的人口流动预测；其中，所述预测模型是预先基于所述源区域的数据构建的人口流动预测模型。2.根据权利要求1所述的数据稀疏区域的人口流动预测方法，其特征在于，所述利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识，具体包括：获取所述源区域的数据；基于强化学习的区域因果知识构建策略确定基于区域属性特征排序的因果发现模型，利用所述因果发现模型对所述源区域的数据进行分析，以获得满足预设条件的区域属性特征顺序，并通过贝叶斯检验修剪得到包含区域属性特征之间关系的特征因果图；其中，所述特征因果图用于表示所述区域因果知识。3.根据权利要求2所述的数据稀疏区域的人口流动预测方法，其特征在于，利用所述基于因果增强的变分自动编码器对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量，具体包括：将所述特征因果图作为特征恢复路径，基于所述初始的变分自动编码器和所述特征恢复路径来学习包含区域属性特征的缺失信息，得到所述潜在的因果嵌入向量。4.根据权利要求1所述的数据稀疏区域的人口流动预测方法，其特征在于，基于所述区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器，具体包括：将所述目标区域的未观测到的缺失特征显式建模为辅助的潜在变量，并使用所述区域因果知识对应的因果路径将特征之间的关联关系添加到所述初始的变分自动编码器，以构建得到初始的基于因果增强的变分自动编码器；通过反向传播训练因果增强...

【专利技术属性】
技术研发人员：李勇，冯涛，金德鹏，
申请(专利权)人：清华大学，
类型：发明
国别省市：