买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国标准化研究院申请的专利基于多源数据的城市人口流动预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120013029B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510503798.X，技术领域涉及：G06Q10/04；该发明授权基于多源数据的城市人口流动预测方法是由阎毛毛;杨锋设计研发完成，并于2025-04-22向国家知识产权局提交的专利申请。

本基于多源数据的城市人口流动预测方法在说明书摘要公布了：本发明公开了一种基于多源数据的城市人口流动预测方法，该方法采集并预处理移动设备位置数据、公共交通刷卡数据和POI点位数据，提取时间和空间特征，计算区域吸引力系数、区域间距离衰减函数、区域连通性矩阵、时间动态参数和外部影响参数，构建综合人口流动预测数学模型，并通过机器学习方法优化模型参数，实现对未来时段城市区域间人口流动量的准确预测；本发明综合利用多源异构数据，充分考虑了空间因素、时间因素和外部环境因素对人口流动的影响，引入了区域连通性矩阵的创新性指标，并实现参数的自适应更新，能有效提高城市人口流动预测的准确性，为智慧城市建设和城市交通规划提供科学依据。

本发明授权基于多源数据的城市人口流动预测方法在权利要求书中公布了：1.基于多源数据的城市人口流动预测方法，其特征在于，所述方法包括以下步骤： 步骤S1，采集多源数据并进行预处理，所述多源数据包括：移动设备位置数据、公共交通刷卡数据和POI点位数据； 步骤S2，从预处理后的多源数据中进行特征提取，包括提取区域间流动矩阵和POI的密度； 所述特征提取步骤包括： 从移动设备位置数据中提取的区域间流动矩阵：；其中，表示在时间从区域流向区域的移动设备数量，表示在时间位于区域的移动设备总数； 从公共交通刷卡数据中提取的区域间流动矩阵：；其中，表示在时间从区域到区域的刷卡记录数量，表示在时间在区域产生的刷卡记录总数； 从POI点位数据中提取区域功能特征和区域间潜在流动倾向： ；其中，表示区域中第类POI的密度，表示区域中第类POI的密度，表示第类POI的权重系数，表示POI类别总数； 步骤S3，计算区域吸引力系数、区域间距离衰减函数、区域连通性矩阵、时间动态参数和外部影响参数，建立人口流动预测数学模型； 区域吸引力系数的计算式为：；其中，表示第k类POI的基础吸引力系数，表示区域中第k类POI的密度，表示区域i中第k类POI的平均规模； 区域间距离衰减函数的计算式为：；其中，为衰减系数，取值范围为0.1-0.5，表示区域和区域之间的距离； 区域连通性矩阵的计算公式为：；其中，表示区域i和区域j之间的交通线路数量，表示区域i和区域j之间的交通频次； 时间动态参数的计算式为： 工作日休息日差异系数：；其中，为休息日调整系数，取值范围为0.6-1.4； 高峰平峰时段系数：；其中，为高峰时段调整系数，取值范围为0.7-1.5； 季节性因子：；其中，为季节波动强度，取值范围为0.0-0.2，m为当前月份，为基准月份； 外部影响参数的计算公式为： 天气影响系数：；其中，表示第类天气状况的影响强度，表示是否存在第类天气状况的指示变量，若存在，，否则为1； 特殊事件影响系数：；其中，表示第m类特殊事件的基础影响强度，表示是否存在第m类特殊事件的指示变量，不存在则，否则为1，表示第m类特殊事件的空间影响衰减系数，表示区域到事件发生地的距离； 人口流动预测数学模型的表达式为： ； 其中：表示时间综合影响因子；表示预测的区域𝑖到区域𝑗在时间𝑡+1的人口流动量；为对应数据的权重系数，满足，且； 步骤S4，使用历史数据训练模型获取模型最优参数值，基于实时数据预测未来时段的城市区域间人口流动量； 步骤S5，计算预测结果与真实值的误差指标，评估模型预测性能。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国标准化研究院，其通讯地址为：100191 北京市海淀区知春路四号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。