CN119514813A 一种基于深度学习的街道空间活力预测方法 （中国市政工程西南设计研究总院有限公司）

一种基于深度学习的街道空间活力预测方法本发明提供了一种基于深度学习的街道空间活力预测方法，涉及区域人流量预测技术领每个周期子模块分别建立对街道的人流量进行修正模型进行预测修正进而输出第二人流量预2将一年划分为个周期子模块，对每个所述周期子模块分别建立对街道的人流量进行采集多种实时影响数据并结合所述第一人流量预估结果，通过训练述建立对街道的人流量进行预估的拟合模型对一年的时间进行等量划分，得到多个所述周期子模块，并按时间顺序基于所述等量划分建立用于预估周期子模块下总人流量;;为每个所述周期子模块的天数的初始值设定为T1，在N个所述周期子模块中随机选取dret个且将其天数分别增加一天。所述等量划分建立用于预估周期子模块下总人流量的拟合模型的;;;;;;3;模块的人流量观测值,pf:'为前一年内第t个所述周期子模块的人流量观测值，Tn为第n个;其中，和pfy分别为连续Y年的历史数据里第y年内第t个所述;;采集的所述自然变化影响数据包括基于气象预报获取的目标日的温度采集的所述人为变化影响数据包括阈值时间和阈值范围内街道外的新增商业设施的。4所述自然变化影响数据提取所述自然特征的;;;;述目标日的预告温度上限、所在第个所述周期子模块的平均温度上限和预设的温度上限告最大风力等级、所在第个所述周期子模块的平均最大风力等级和预设的最大风力等级根据所述人为变化影响数据提取所述人为特;;道外的第a个商业娱乐活动的位置到所述街道中心的距离，为从街道外的第a个商业娱乐活动的位置到所述街道范围的作的两条外切线的夹角，B和A分别为街道外新增商业5;其中，pred;和为分别为所述目标日的所述第一人流量预估结果和所述第二人6将一年划分为个周期子模块，对每个所述周期子模块分别建立对街道的人流量基于所述等量划分建立用于预估周期子模块下总人流量;7;;;;;;;期子模块的人流量观测值,pf:'为前一年内第t个所述周期子模块的人流量观测值，Tn为第;8;;根据所述自然变化影响数据提取自然特征naq，q代表目标日在一年内的天数序采集的所述人为变化影响数据包括阈值时间和阈值范围内街道外的新增商业设。;;;;为所述目标日的预告温度上限、所在第个所述周期子模块的平均温度上限和预设的温度9的预告最大风力等级、所在第个所述周期子模块的平均最大风力等级和预设的最大风力rfh分别为所述目标日的预告最大降雨量、所在第t个所述周期子模根据所述人为变化影响数据提取所述人为特;;为街道外的第a个商业娱乐活动的位置到所述街道中心的距离，为从街道外的第a个商业娱乐活动的位置到所述街道范围的作的两条外切线的夹角，B和A分别为街道外新增;其中，pred;和为分别为所述目标日的所述第一人流量预估结果和所述第二人流量预估结果，na,'和mm,'分别为所述隐藏层处理后的所述自然特征和所述人为特本发明将人流量的预测划分为全局趋势预测和突发状况影响的变化预测两部分，本发明通过训练的误差修正模型来学习自然变化影响数据和人为变化影响数据[0016]图1为本发明实施例1提供的基于深度学习的街道空间活力预测方法的流程示意将一年划分为个周期子模块，对每个所述周期子模块分别建立对街道的人流量基于所述等量划分建立用于预估周期子模块下总人流量;;;;;;;;期子模块的人流量观测值,pf:'为前一年内第t个所述周期子模块的人流量观测值，Tn为第;;;实施例采用的拟合设计方法不仅优化了拟合参数，还能自动在不同的数据环境下灵活应根据所述自然变化影响数据提取自然特征naq，q代表目标日在一年内的天数序采集的所述人为变化影响数据包括阈值时间和阈值范围内街道外的新增商业设。;;;;为所述目标日的预告温度上限、所在第个所述周期子模块的平均温度上限和预设的温度的预告最大风力等级、所在第个所述周期子模块的平均最大风力等级和预设的最大风力rfh分别为所述目标日的预告最大降雨量、所在第t个所述周期子模根据所述人为变化影响数据提取所述人为特;;为街道外的第a个商业娱乐活动的位置到所述街道中心的距离，为从街道外的第a个商业娱乐活动的位置到所述街道范围的作的两条外切线的夹角，B和A分别为街道外新增;其中，pred;和为分别为所述目标日的所述第一人流量预估结果和所述第二人流量预估结果，na