(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111233589.6 (22)申请日 2021.10.2 2 (71)申请人 山东大学 地址 250101 山东省济南市高新区舜华路 1500号 申请人 山东格数信息科技有限公司 (72)发明人 宫永顺　曲浩　陈勐　尹义龙　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 代理人 闫伟姣 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06V 10/74(2022.01) G06K 9/62(2022.01)G06N 20/00(2019.01) (54)发明名称 基于时空对比自监督的城市细粒度流量预 测方法及系统 (57)摘要 本发明公开了一种基于时空对比自监督的 城市细粒度流量预测方法及系统， 所述方法包 括： 获取待预测城市的一段时间的多幅流量分布 图， 构造细粒度流量分布图和粗粒度流量分布 图； 对粗粒度流量分布图根据区域之间的相似性 进行对比自监督学习， 得到空间编码器； 对特定 时刻粗粒度流量分布图， 根据其与其他时刻流量 分布图之间的相似性进行对比自监督学习， 得到 时间编码器； 基于所述细粒度流量分布图和粗粒 度流量分布图， 训练细粒度流量预测模型， 用于 所述区域细粒度流量的预测。 本发 明充分考虑了 空间维度上区域级流量的相似性及时间维度上 全局流量分布的相似性， 从而提高了预测准确 度。 权利要求书2页 说明书7页 附图3页 CN 113962460 A 2022.01.21 CN 113962460 A 1.一种基于时空对比自监 督的城市细粒度流 量预测方法， 其特 征在于， 包括以下步骤： 获取待预测城市的一段时间的多幅流量分布图， 并基于每一幅流量分布图构造细粒度 流量分布图和粗粒度流 量分布图； 对所述粗粒度流量分布图根据图中区域之间的相似性进行对比自监督学习， 得到空间 编码器； 对特定时刻粗粒度流量分布图， 根据其与其他 时刻流量分布图之间的相似性进行对比 自监督学习， 得到时间编码器； 基于所述细粒度流量分布图和粗粒度流量分布图， 训练细粒度流量预测模型， 用于所 述区域细粒度流量的预测； 所述细粒度流量预测模型包括用于将空间编码器和时间编 码器 组合的拼接层、 解码器和上采样层。 2.如权利要求1所述的一种基于时空对比自监督的城市细粒度流量预测方法， 其特征 在于， 构造细粒度流 量分布图和粗粒度流 量分布图方法为： 根据流量分布数据得到细粒度流量分布图， 并按照设定的粗细粒度放缩因子得到粗粒 度流量分布图。 3.如权利要求1所述的一种基于时空对比自监督的城市细粒度流量预测方法， 其特征 在于， 对所述粗粒度流量分布图根据图中区域之间的相似性进行对比自监督学习， 得到空 间编码器包括： 对所述粗粒度流量分布图进行高层语义特征提取； 随机选定锚点区域， 基于高层语义 特征将该区域与同一幅图中其他区域进行相似性度量， 获取正样本集合和负样本集合， 进 行对比自监 督学习。 4.如权利要求1所述的一种基于时空对比自监督的城市细粒度流量预测方法， 其特征 在于， 对特定时刻粗粒度流量分布图， 根据其与其他时刻流量分布图之间的相似性进行对 比自监督学习， 得到时间编码器包括： 对所述粗粒度流量分布图进行高层语义特征提取； 将特定时刻的粗粒度流量分布图作 为锚点； 基于高层语义特征将该时刻与其他时刻进行相似性度量， 获取正样本集合和负样 本集合， 进行对比自监 督学习。 5.如权利要求3或4所述的一种基于时空对比自监督的城市细粒度流量预测方法， 其特 征在于， 采用多层感知机进行高层语义特 征提取。 6.如权利要求1所述的一种基于时空对比自监督的城市细粒度流量预测方法， 其特征 在于， 所述 解码器为带有ReLu激活函数的卷积层。 7.如权利要求1所述的一种基于时空对比自监督的城市细粒度流量预测方法， 其特征 在于， 所述细粒度流量预测模型训练过程中， 还设有 结构性约束 条件， 要求下采样粗粒度流 量分布图中区域 流量之和等于粗粒度流 量分布图中相应区域 流量大小。 8.一种基于时空对比自监 督的城市细粒度流 量预测系统， 其特 征在于， 包括： 训练数据获取模块， 用于获取待预测城市的一段时间的多幅流量分布图， 并基于每一 幅流量分布图构造细粒度流 量分布图和粗粒度流 量分布图； 空间对比自监督学习 模块， 用于对所述粗粒度流量分布图根据图中区域之间的相似性 进行对比自监 督学习， 得到空间编码器； 时间对比自监督学习模块， 用于对特定时刻粗粒度流量分布图， 根据其与其他时刻流权　利　要　求　书 1/2 页 2 CN 113962460 A 2量分布图之间的相似性进行对比自监 督学习， 得到时间编码器； 流量预测模型训练模块， 用于基于所述细粒度流量分布图和粗粒度流量分布图， 训练 细粒度流量预测模型， 用于所述区域细粒度流量的预测； 所述细粒度流量预测模型包括用 于将空间编码器和时间编码器组合的拼接层、 解码器和上采样层。 9.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑7任一项所述基于时空 对比自监 督的城市细粒度流 量预测方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑7任一项所述基于时空对比自监 督的城市细粒度流 量预测方法。权　利　要　求　书 2/2 页 3 CN 113962460 A 3