计算机工程

作者：黄贺贺, 曾园园, 张毅, 奈何

单位：武汉大学 电子信息学院, 武汉 430072

关键词：人群异常聚集,移动互联网,群体行为分析,聚集预测,卷积神经网络

基金：国家自然科学基金（61371126）。

随着智能通信设备的普及和通信基站定位精度的提升，利用通信基站记录的用户行为数据监测和预测人群密度成为可能。由于人群异常聚集事件具有突发性，利用时间序列分析方法和概率模型进行预测的效果较差。针对该问题，提出一种基于群体行为分析的预测方法。通过分析聚集人群的上网行为和基站间的人群移动行为特征，得到两者之间的相关性，结合基站的人群密度时间序列信息，利用扩张因果卷积神经网络和逻辑回归模型得出预测结果。运营商提供的手机用户上网记录数据集上的实验结果表明，该预测方法的精确率为0.93，召回率为0.97，显著优于ARIMA算法、LSTM算法和XGBoost算法，证明了引入用户群体的上网行为和移动特征能够有效提升人群异常聚集预测的准确性。

来源：2020年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第3期