[发明专利]一种基于Seq2Seq生成对抗网络的城市人流预测方法

摘要

本发明公开了一种基于Seq2Seq生成对抗网络的城市人流预测方法，包括：首先将不同时间的城市人流数据抽象成“图像帧”，人流量用热力图表示；根据时间将观测数据划分为训练数据和标签，将本问题转化为图像问题；总体采用WGAN生成对抗网络的思想，生成器基于历史数据使用Seq2Seq方法生成未来某一段时间内的人流量，同时加入天气等外部因素；判别器使用Wasserstein距离判别真假数据；训练过程中结合生成对抗损失和反向传播不断优化生成器和判别器。最终，判别器无法判别真假时，使用被优化的生成器预测未来的城市人流量。本发明提出的方法第一次使用了生成对抗网络进行城市人流量预测，结合了外部环境因素，解决了模糊预测和算法收敛慢的问题。

主权项

1.一种基于Seq2Seq生成对抗网络的城市人流预测方法，其主要特征包括如下步骤：(1)预处理观测到的数据：基于经纬度将城市划分为一个m*n的方格，用r_i，j表示位于第i行、第j列的方格，定义t时刻r_i，j区域人流的流入Inflow和流出Outflow：其中是处的轨迹，最终将人流的流入和流出组合成一个张量作为整个网络的输入；(2)问题定义：给定区域R的前n个时间间隔的人流张量信息，同时预测未来k个时间间隔内的人流量；(3)采用生成对抗网络的方法，总体采用WGAN的思想，其中生成网络使用Seq2Seq模型，将整个网络称为SeqST‑GAN，其目标函数如下：其中λ是平衡对抗损失和均方差损失的一个参数；(4)定义生成器网络模型G、判别器网络模型D：使用Seq2Seq模型搭建生成器G，用卷积神经网络和长短时记忆网络压缩图像的特征，再使用长短时记忆网络、R‑CNN并且结合外部信息解压压缩的特征，判别器D使用Wasserstein距离进行真假判别；随机初始化生成器G和判别器D网络的权重参数；(5)将历史观测数据代入到G中生成假的预测数据，用生成的假数据和真实数据更新判别器D，使用最小批处理的RMSProp算法，并通过反向传播的方式对生成器跟判别器进行优化，使生成器能够生成更加逼真的预测数据，判别器能够更加准确的识别真假数据，达到对抗的目的。如果判别器D不收敛，即其能判别预测数据的真假，则重复上述过程进行训练；(6)若判别器D收敛，即说明判别器不能判别出预测数据的真假，说明生成器的预测结果跟真实结果极其逼近，则使用最终优化的生成器网络G作为最终的预测器。