一种基于多源数据的城市公共开放空间的拥挤度预测方法

摘要

本发明提出一种基于多源数据的城市公共开放空间的拥挤度预测方法。采用了包括微信用户数量数据、POI数据、点评数据、区域属性数据、气象数据和时间属性数据等城市多源数据来确定空间中每个小区域的时空特征。并利用分格采样累加法从微信用户数量图数据中获得一个区域在不同历史时段内的人流量指数。从而将历史人流量指数和时空特征放入模糊神经网络模型中实现人流量指数预测。最后通过聚类和比较的方法将预测的人流量指数转化为拥挤度。该发明成功的通过开放的城市多源数据实现了拥挤度预测。解决了传统的拥挤度预测方法过度依赖硬件设备而造成预测成本过高，以及单一数据源无法准确预测的技术难题。从而在降低预测经济成本的同时提升了预测精度。