本文轉(zhuǎn)載自公眾號(hào)“百度地圖慧眼”（微信號(hào)：baiduhuiyan)

作者簡(jiǎn)介：

闞長(zhǎng)城 百度地圖資深研發(fā)工程師

馬琦偉 中國(guó)城市規(guī)劃設(shè)計(jì)研究院學(xué)術(shù)信息中心博士

前言

作為一名常年與城市規(guī)劃和管理打交道的從業(yè)人員，筆者對(duì)漫威旗下超級(jí)英雄奇異博士的時(shí)間寶石眼紅不已。在最新上映的《復(fù)仇者聯(lián)盟3》中，奇異博士憑借此寶推演了超級(jí)英雄們與滅霸的14000605次交鋒，并發(fā)現(xiàn)了唯一的成功之法。看完此片后筆者浮想聯(lián)翩：如果在城市發(fā)展中我們也能擁有時(shí)間寶石，根據(jù)當(dāng)下的情況預(yù)知未來(lái)一段時(shí)間內(nèi)的發(fā)展走勢(shì)，那城市管理者手中無(wú)疑將增加一件強(qiáng)大的工具。

當(dāng)前的技術(shù)還不能支撐我們?nèi)绱说娜?#xff0c;但在業(yè)內(nèi)相關(guān)研究成果[1]的基礎(chǔ)上，聯(lián)合實(shí)驗(yàn)室最新的成果卻已邁出了第一步——根據(jù)實(shí)時(shí)獲取的人流量數(shù)據(jù)，預(yù)測(cè)未來(lái)整個(gè)城市范圍內(nèi)不同地區(qū)一小時(shí)后的人口流入流出變化情況。

可以預(yù)見(jiàn)，基于這一成果部署城市的人流量監(jiān)控和預(yù)警平臺(tái)，可以有效地提高城市的運(yùn)行效率，更有力地保障城市公共安全。在這一技術(shù)的支持下，管理部門(mén)可以提前預(yù)知因各類(lèi)公共事件和突發(fā)事件引起的人流快速聚集，從而提前做好相應(yīng)的疏導(dǎo)、管控和限流等應(yīng)急預(yù)案，最大限度地降低由此帶來(lái)的負(fù)面影響。

研究方法

研究范圍與數(shù)據(jù)

本研究的范圍為北京市區(qū)，劃分為1公里×1公里的網(wǎng)格。

人流量的統(tǒng)計(jì)數(shù)據(jù)源為百度位置服務(wù)數(shù)據(jù)，來(lái)自百度地圖開(kāi)放平臺(tái)的去隱私化定位數(shù)據(jù)。

人流量預(yù)測(cè)面臨的挑戰(zhàn)

預(yù)測(cè)城市中每一個(gè)地區(qū)的人流量變化是一個(gè)復(fù)雜的工程，其關(guān)鍵要點(diǎn)主要在于對(duì)以下三個(gè)方面特征的把握：

兼顧時(shí)間變化的連續(xù)性、差異性和周期性

任一地區(qū)的人流量變化從時(shí)間角度來(lái)看一般是連續(xù)的，即后一時(shí)刻的人流量與前一時(shí)刻的人流量關(guān)聯(lián)性最強(qiáng)，而隨著時(shí)間間隔的增大，兩個(gè)時(shí)刻之間的人流量相關(guān)性會(huì)逐漸變小。下圖展示了一個(gè)典型居住區(qū)域和一個(gè)典型工作區(qū)域的人流量時(shí)間變化曲線(xiàn)，可以看到兩條曲線(xiàn)均較為平滑，體現(xiàn)了上述的連續(xù)變化特征，而我們的模型需要抓住這一特征。

同時(shí)從圖中我們還能看到，居住區(qū)域的人流量變化曲線(xiàn)與工作區(qū)域的人流量變化曲線(xiàn)迥異，我們的模型同樣需要體現(xiàn)此種差異性。

另一個(gè)時(shí)間維度上的重要特征是周期性。從下方的圖 2和圖 3可以明顯看出，無(wú)論是工作區(qū)域的人流量變化還是居住區(qū)域的人流量變化，均呈現(xiàn)明顯的周期性變化特征。更加復(fù)雜的是，這種周期性在不同的時(shí)間尺度下還會(huì)有所差別：以天為單位觀(guān)察，我們能看到每天人口從早到晚的漲落；以周為單位觀(guān)察，我們能看到工作日和周末的明顯差異；以年為單位觀(guān)察，則又能看到四季氣候與節(jié)假日對(duì)人流量的影響。

在人流量預(yù)測(cè)中，對(duì)于復(fù)雜的周期性特征也需要予以體現(xiàn)。

?考慮空間相關(guān)性

任何的人流集聚都具有空間相關(guān)性：一場(chǎng)社區(qū)聯(lián)歡會(huì)能吸引本社區(qū)和附近社區(qū)的市民參加，一個(gè)跨年倒計(jì)時(shí)可能吸引周邊地區(qū)乃至全城的人流，一場(chǎng)明星演唱會(huì)則會(huì)吸引從本市到周邊城市乃至全國(guó)歌迷的涌入。

這要求我們?cè)陬A(yù)測(cè)人流量變化時(shí)須具備全局眼光，不僅考慮本地區(qū)的人流變化，也要通盤(pán)考慮周邊更大范圍內(nèi)的人流動(dòng)向。

考慮各類(lèi)外部因素影響

毫無(wú)疑問(wèn)，城市日常運(yùn)行節(jié)奏中如果加入外部因素，則城市的人流量時(shí)空變化將會(huì)產(chǎn)生突變。圖 4展示了北京市某地區(qū)在長(zhǎng)假期間與工作日的人流量變化差異性，節(jié)假日的人流量激增現(xiàn)象明顯。圖 5則展示了極端天氣對(duì)人流量的影響，由于極端天氣一般持續(xù)時(shí)間相對(duì)較短，其影響也顯得更加微妙而難以把握。

在人流量變化預(yù)測(cè)的三個(gè)關(guān)鍵點(diǎn)中，外部因素的影響需引起重視，這是因?yàn)闇?zhǔn)確把握外部因素對(duì)人流的作用是提前化解人口異常集聚問(wèn)題的前提條件，也是人流量預(yù)測(cè)的核心價(jià)值所在。

小結(jié)

? ? ? 以上三個(gè)關(guān)鍵點(diǎn)是準(zhǔn)確預(yù)測(cè)人流量時(shí)空變化的基礎(chǔ)，但傳統(tǒng)預(yù)測(cè)方法中要同時(shí)兼顧三者的難度相當(dāng)大。本研究引入深度學(xué)習(xí)方法，借助深度殘差網(wǎng)絡(luò)，取得了更好的效果。

基于深度殘差網(wǎng)絡(luò)的人流量預(yù)測(cè)方法

在深度殘差網(wǎng)絡(luò)中，我們通過(guò)以下三項(xiàng)策略來(lái)解決上述的三個(gè)關(guān)鍵問(wèn)題。

1.通過(guò)逐步輸入長(zhǎng)時(shí)間訓(xùn)練數(shù)據(jù)來(lái)反映時(shí)間的連續(xù)性、差異性和周期性

通過(guò)分步輸入不同的時(shí)間尺度下的人流量分布數(shù)據(jù)，深度殘差網(wǎng)絡(luò)可以同時(shí)實(shí)現(xiàn)時(shí)間變化的連續(xù)性、差異性和周期性。

具體而言，首先把最近幾幀的數(shù)據(jù)放到殘差網(wǎng)絡(luò)的模型中，來(lái)模擬一天內(nèi)相鄰時(shí)間點(diǎn)上人流量的平穩(wěn)變化；然后將前幾天同一時(shí)刻的數(shù)據(jù)輸入到中間的模型，來(lái)模擬以天為單位的時(shí)間周期性；再將過(guò)去幾周同一時(shí)刻的數(shù)據(jù)輸入到左側(cè)的殘差網(wǎng)絡(luò)模型，來(lái)模擬以周為單位的時(shí)間周期性；然后對(duì)結(jié)果進(jìn)行融合。

2.通過(guò)不斷“擴(kuò)大視野”來(lái)感知不同空間尺度的人流變化

在深度殘差網(wǎng)絡(luò)中，通過(guò)大量次數(shù)的卷積計(jì)算來(lái)捕捉空間相關(guān)性。在此我們不必深究卷積計(jì)算的含義，而是可以將其視為我們觀(guān)察城市人流變化的“視野”。當(dāng)進(jìn)行一次卷積計(jì)算時(shí)，相當(dāng)于我們觀(guān)察了研究地點(diǎn)周邊的人流變化；而反復(fù)進(jìn)行卷積計(jì)算則意味著我們不斷擴(kuò)大我們的“視野”，從而觀(guān)察了從周邊地區(qū)到片區(qū)、乃至整個(gè)城市的人流量變化情況。

由此，我們的分析也可以較準(zhǔn)確的把握各種尺度下人流量的空間分布相關(guān)性。

3.通過(guò)融合外部因素來(lái)模擬異常情況

在把握時(shí)空特征的基礎(chǔ)上，我們進(jìn)而將節(jié)假日、極端天氣、大型公共活動(dòng)等各類(lèi)外部因素與神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)融合。

通過(guò)上述的方法，我們成功訓(xùn)練了一個(gè)深度殘差網(wǎng)絡(luò)，接下去我們將對(duì)其預(yù)測(cè)的效果進(jìn)行檢驗(yàn)和評(píng)估。

效果檢驗(yàn)

城市層面的預(yù)測(cè)效果評(píng)估

下面兩個(gè)圖對(duì)比了2018年工作日某一天早上07:00-09:00早高峰時(shí)段的實(shí)際人流量時(shí)空分布變化和我們的預(yù)測(cè)結(jié)果。從圖中展示的結(jié)果來(lái)看，我們的模型較好地把握了人流量變化的內(nèi)在時(shí)空特征，并進(jìn)行了相當(dāng)高精度的預(yù)測(cè)。

圖 9展示了在早上08:00預(yù)測(cè)值與真實(shí)值之間的誤差及其空間分布情況，為方便讀者觀(guān)察，柱體高度均為實(shí)際誤差值的10倍。總體而言，絕大部分地區(qū)的誤差值保持在一個(gè)可接受的范圍內(nèi)。誤差相對(duì)較大的地區(qū)一部分是人流量較大的地區(qū)，另一部分則是存在少量偶發(fā)性人流量的地區(qū)，特別是城市邊緣地區(qū)。

圖 7 實(shí)際07:00-09:00人流量變化圖

圖 8 預(yù)測(cè)07:00-09:00人流量變化圖

從總體的誤差度分布情況來(lái)看，我們可以看到大部分網(wǎng)格損失小于10%，超過(guò)80%的網(wǎng)格損失在20%以?xún)?nèi)。這進(jìn)一步印證了深度殘差網(wǎng)絡(luò)在人流量預(yù)測(cè)中的有效性。

?局部層面的預(yù)測(cè)效果評(píng)估

在全局預(yù)測(cè)效果評(píng)估的基礎(chǔ)上，我們進(jìn)一步對(duì)一些人流量較大的重點(diǎn)地區(qū)和重點(diǎn)事件進(jìn)行評(píng)估。

周期性人口集聚現(xiàn)象的預(yù)測(cè)

下圖展示了上地華聯(lián)地區(qū)的人流量預(yù)測(cè)情況及其與真實(shí)值之間的比對(duì)關(guān)系。從曲線(xiàn)走勢(shì)可以看到，總體上預(yù)測(cè)值與真實(shí)值的符合度比較高，損失值的時(shí)間分布沒(méi)有明顯的趨勢(shì)性，表明造成預(yù)測(cè)誤差的一個(gè)重要原因可能是隨機(jī)因素的影響。

對(duì)回龍觀(guān)地鐵站的人流量預(yù)測(cè)結(jié)果也具有類(lèi)似的特征。由圖中可以看到我們訓(xùn)練的模型對(duì)地鐵人流高峰期的人流量預(yù)測(cè)是較為精準(zhǔn)的，這表明本模型可以在地鐵人流預(yù)測(cè)和預(yù)警中發(fā)揮較好的作用。

?突發(fā)性人口集聚現(xiàn)象的預(yù)測(cè)

商場(chǎng)和地鐵站的人流量時(shí)空分布相對(duì)周期性比較強(qiáng)，其預(yù)測(cè)難度相對(duì)低一些。真正的挑戰(zhàn)則是對(duì)非常規(guī)的公共活動(dòng)的識(shí)別和預(yù)測(cè)。

此處我們利用訓(xùn)練好的模型對(duì)5.20號(hào)林俊杰演唱會(huì)期間的人流量進(jìn)行預(yù)測(cè)，并將該特殊時(shí)刻的預(yù)測(cè)精確度與平時(shí)工作日的預(yù)測(cè)精度進(jìn)行對(duì)比。

從結(jié)果來(lái)看，我們的模型仍然準(zhǔn)確識(shí)別了人流量的異常集聚，并進(jìn)行了較高精度的預(yù)測(cè)，這表明本模型在大型公共活動(dòng)、突發(fā)事件等異常情況的預(yù)測(cè)和預(yù)警中也可以發(fā)揮較好的預(yù)見(jiàn)性。

與平時(shí)某天的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比表明，在演唱會(huì)期間人流量激增、且基數(shù)增加較多的情況下，相應(yīng)的預(yù)測(cè)精確度僅略有下降，模型的表現(xiàn)較能令人滿(mǎn)意。

結(jié)語(yǔ)

人流量預(yù)測(cè)對(duì)城市規(guī)劃管理和城市公共安全具有重要的作用，本研究立足深度學(xué)習(xí)技術(shù)，構(gòu)建深度殘差網(wǎng)絡(luò)模型，并對(duì)模型的實(shí)際預(yù)測(cè)效果進(jìn)行了系統(tǒng)的檢驗(yàn)。檢驗(yàn)結(jié)果表明，我們的模型可以較好地將人流量預(yù)測(cè)中的時(shí)間相關(guān)性、空間相關(guān)性、外部因素三個(gè)關(guān)鍵問(wèn)題綜合考慮，預(yù)測(cè)精度達(dá)到較為先進(jìn)的水平。

未來(lái)通過(guò)進(jìn)一步的優(yōu)化和部署，本研究結(jié)果可以在城市動(dòng)態(tài)監(jiān)測(cè)和應(yīng)急管理等領(lǐng)域發(fā)揮重要的作用。

[1] Zhang J, Zheng Y, Qi D. Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction[C]//AAAI. 2017: 1655-1661.

總結(jié)

以上是生活随笔為你收集整理的用深度学习预知城市未来人流量的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。