(19)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 202211477140.9 (22)申请日 2022.11.23 (71)申请人 北京数业专攻科技有限公司 地址 102399 北京市门头沟区双峪路3 5号 院2号19层2123 (72)发明人 羊晋　司俊俊　涂波　刘孟奇　 刘智超　 (74)专利代理 机构 北京金咨知识产权代理有限 公司 11612 专利代理师 岳燕敏 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于移动信令的群体性行为特征预测方法 及装置 (57)摘要 本发明提供一种基于移动信令的群体性行 为特征预测方法及装置， 该方法包括： 获取观测 区域的地理空间信息， 将观测区域进行网格划 分； 获取移动信令轨迹数据集， 基于各信令数据 的基站经纬度信息确定人群流动热力图； 获取异 常事件数据集， 基于各异常事件 数据的事件发生 时间信息和事件发生位置信息确定异常事件分 布图； 将人群流动热力图和异常事件分布图分别 输入至二维信息处理模型中， 得到人群流动空间 特征和异常事件空间特征； 将人群流动空间特征 输入至人群流动空间信息注意力模 型中， 得到各 时间区间的各网格内的人群流动特征； 将异常事 件空间特征和各人群流动特征进行时间融合， 得 到异常事件 预测结果。 该方法提高了群体性行为 预测结果的准确性。 权利要求书2页 说明书8页 附图2页 CN 115546733 A 2022.12.30 CN 115546733 A 1.一种基于移动信令的群 体性行为特 征预测方法， 其特 征在于， 所述方法包括： 获取观测区域的地理空间信 息， 并将所述观测区域根据 预设规则从地理空间上进行网 格划分； 获取第一时间段内的移动信 令轨迹数据集， 各移动信 令轨迹数据的信 令数据包括 时间 戳信息、 手机号码信息、 基站唯一标识信息和基站经纬度信息， 基于各信令数据的基站经纬 度信息确定人群流动热力图； 获取第一时间段内的异常事件数据集， 各异常事件数据包括事件发生时间信息、 事件 发生位置信息和事件发生类型信息， 基于各异常事件数据的事件发生时间信息和事件发生 位置信息确定异常事 件分布图； 将所述人群流动热力图和异常事件分布图分别输入至二维信 息处理模型中， 得到人群 流动空间特 征和异常事 件空间特 征； 将所述人群流动空间特征输入至人群流动空间信 息注意力模型中， 得到各时间区间的 各网格内的人群流动特 征； 将所述异常事件空间特征和所述各时间区间的各网格内的人群流动特征进行时间融 合， 得到异常事 件预测结果。 2.根据权利要求1所述的基于移动信 令的群体性行为特征预测方法， 其特征在于， 将所 述观测区域 根据预设规则从地理 空间上进行网格划分， 包括： 根据Geohash算法将所述观测区域划分为多个网格； 或 通过GPS坐标网格将所述观测区域划分为多个目标 大小的网格； 或 基于行政规划将所述观测区域划分为多个网格。 3.根据权利要求1所述的基于移动信 令的群体性行为特征预测方法， 其特征在于， 基于 各信令数据的基站经纬度信息确定人群流动热力图， 包括： 将所述第一时间段划分为多个时间区间； 基于各信令数据的基站经纬度信息确定各信令数据的位置信息所属的网格； 统计各时间区间的各网格内的用户数量； 基于统计得到的各时间区间的各网格内的用户数量得到人群流动热力图。 4.根据权利要求1所述的基于移动信 令的群体性行为特征预测方法， 其特征在于， 基于 各异常事 件数据的事 件发生时间信息和事 件发生位置信息确定异常事 件分布图， 包括： 基于各异常事件数据的事件发生时间信息和事件发生位置信息确定各时间区间的各 网格内的异常事件类型， 基于确定的各时间区间的各网格内的异常事件类型得到异常事件 分布图。 5.根据权利要求1所述的基于移动信 令的群体性行为特征预测方法， 其特征在于， 所述 二维信息处 理模型为多头注意力机制的二维空间信息处 理模型。 6.根据权利要求5所述的基于移动信 令的群体性行为特征预测方法， 其特征在于， 将所 述人群流动热力图和异常事件分布图分别输入至二维信息处理模型中， 得到人群流动空间 特征和异常事 件空间特 征， 包括： 将所述人群流动热力图和异常事 件分布图分别输入至卷积层， 得到各初步特 征矩阵； 对所述各初步特 征矩阵进行一维化处 理， 并基于注意力机制计算各第一注意力得分； 基于各所述第一注意力得分确定人群流动空间特 征和异常事 件空间特 征。权　利　要　求　书 1/2 页 2 CN 115546733 A 27.根据权利要求1所述的基于移动信 令的群体性行为特征预测方法， 其特征在于， 将所 述人群流动空间特征输入至人群流动空间信息注 意力模型中， 得到各时间区间的各网格内 的人群流动特 征， 包括： 将所述人群流动空间特征进行一维化处理， 并将一维化处理后的人群流动空间特征向 量输入至LSTM模型中得到隐层状态和 神经元状态； 基于注意力机制确定第二注意力得分； 基于所述第二注意力得分和所述人群流动空间特征向量确定各网格内的人群流动特 征。 8.根据权利要求1所述的基于移动信 令的群体性行为特征预测方法， 其特征在于， 将所 述异常事件空间特征和所述各时间区间的各网格内的人群流动特征进 行时间融合， 得到异 常事件预测结果， 包括： 将所述异常事件空间特征和所述各时间区间的各网格内的人群流动特征进行线性叠 加计算， 得到 输出结果； 将所述输出结果输入至LSTM模型， 将所述LSTM模型的输出输入至全连接层， 基于所述 全连接层的输出确定异常事 件预测结果。 9.一种基于移动信令的群体性行为特征预测系统， 该系统包括处理器和存储器， 其特 征在于， 所述存储器中存储有计算机指令， 所述处理器用于执行所述存储器中存储的计算 机指令， 当所述计算机指 令被处理器执行时该系统实现如权利要求 1至8中任意一项 所述方 法的步骤。 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至8中任意 一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115546733 A 3