(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 202111677121.6 (22)申请日 2021.12.31 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 刘春雨　张宏莉　朱国普　高阳　 (74)专利代理 机构 黑龙江立超同创知识产权代 理有限责任公司 23217 代理人 杨立超 (51)Int.Cl. G06F 16/9537(2019.01) G06F 16/29(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于人群移动轨迹的高清城市功能区 识别方法及系统 (57)摘要 一种基于人群移动轨迹的高清城市功能区 识别方法及系统， 涉及城市智 能计算技术领域， 用以解决现有城市静态功能区划分方法不能根 据人群移动轨迹对城市功能区进行动态有效地 识别划分的问题。 本发明的技术要点包括： 将城 市区域分割成多个细粒度的空间子区域； 构建城 市静态功能的全局表示； 给定多个包含n个空间 子区域的移动轨迹， 结合空间子区域的静态功 能， 将静态功能的区域表示 嵌入到每个移动轨迹 中； 将多个结合区域表示的移动轨迹输入预训练 的双层biLS TM轨迹功能表征模型中， 获得每个空 间子区域的功能表示向量； 对所有空间子区域的 功能表示向量进行聚类分析,获得各个空间子区 域的功能区类别。 本发明可以实现对城市功能区 域的精准划分。 权利要求书2页 说明书9页 附图5页 CN 114297532 A 2022.04.08 CN 114297532 A 1.一种基于人群移动轨 迹的高清城市功能 区识别方法， 其特 征在于， 包括以下步骤： 步骤一、 获取城市的POI兴趣点数据和道路交通网数据， 并对城市区域和道路交通网数 据进行筛 选和划分， 将城市区域分割成多个细粒度的空间子区域； 步骤二、 根据各个空间子区域中兴趣点功能的分布情况和子区域之间的关联性， 基于 知识图谱中改进的RotatE模 型学习各个空间子区域的静态功能， 从而构建城市静态功能的 全局表示； 步骤三、 给定多个包含n个空间子区域C＝(c1,c2,...,cn)的移动轨迹， 结合空间子区域 的静态功能， 将静态功能的区域表示嵌入到每个移动轨迹中， 从而获得多个结合区域表示 的移动轨 迹； 步骤四、 将多个结合区域表示的移动 轨迹即静态功能表示向量Gci,i＝1,2,3 ……,n输 入预训练的双层biLSTM轨迹功能表征模 型中， 每层biLSTM轨迹功能表征模 型包括前向轨迹 功能表示模型和 后向轨迹功能表示模型， 由前向轨迹功能表示模型通过前续经过的空间子 区域(c1,c2,...,ci‑1)预测后序经过的空间子区域ci的功能， 由后向轨迹功能表示模型通过 后续经过的空 间子区域(ci+1,ci+2,...,cn)预测前一个空间子区域ci的功能； 其中， 经过第一 层biLSTM轨迹功能表征模型预测， 获得第一前 向输出L1fci,i＝1,2,3, ……,n和第一后向 输出L1bci,i＝1,2,3 ……,n； 经过第二层b iLSTM轨迹功能表征模型预测， 获得第二前 向输 出L2fci,i＝1,2,3 ……,n和第二后向输出L2bci,i＝1,2,3 ……,n； 从而获得每个空间子区 域的功能表示向量ZF＝(Gci,L1fci,L1bci,L2fci,L2bci)； 步骤五、 对所有空间子区域的功能表示向量进行聚类分析,将城市所有空间子区域聚 类划分为多类功能 区域集合， 从而获得 各个空间子区域的功能 区类别。 2.根据权利要求1所述的一种基于人群移动轨迹的高清城市功能区识别方法， 其特征 在于， 在步骤五之后还包括步骤 六： 基于城市区域内POI功能强度等级、 POI分布纯度和区域 内移动轨 迹访问频率注释每 个空间子区域的实际功能。 3.根据权利要求2所述的一种基于人群移动轨迹的高清城市功能区识别方法， 其特征 在于， 步骤五中所述功能区类别包括住宅区域、 商业区域、 商务区域、 车站区域、 医疗区域、 教育科技区域、 政 府机构区域、 旅游景区、 汽车服 务区域、 休闲娱乐区域、 新发展区域。 4.根据权利要求3所述的一种基于人群移动轨迹的高清城市功能区识别方法， 其特征 在于， 步骤二中改进的RotatE模 型中改进之处在于增加一个限制条件： 所有类别的POI静态 功能的全局表示的总和为1， 以保证静态功能的全局表示与biLSTM轨迹功能表征模型的正 相关性。 5.一种基于人群移动轨 迹的高清城市功能 区识别系统， 其特 征在于， 包括： 数据划分模块， 其配置成获取城市的POI兴趣点数据和道路交通网数据， 并对城市区域 和道路交通网数据进行筛 选和划分， 将城市区域分割成多个细粒度的空间子区域； 静态功能学习模块， 其配置成根据 各个空间子区域中兴趣点功能的分布情况和子区域 之间的关联性， 基于知识图谱中改进的RotatE模型学习各个空间子区域的静态功能， 从而 构建城市静态 功能的全局表示； 移动轨迹获取模块， 其配置成给定多个包含n个空间子区域C＝(c1,c2,...,cn)的移动 轨迹， 结合空间子区域的静态功能， 将静态功能的区域表示嵌入到每个移动轨迹中， 从而获 得多个结合区域表示的移动轨 迹；权　利　要　求　书 1/2 页 2 CN 114297532 A 2功能区识别模块， 其配置成将多个结合区域表示的移动轨迹即静态功能表示向量Gci, i＝1,2,3 ……,n输入预训练的双层biLSTM轨迹功能表征模型中， 每层biLSTM轨迹功能表征 模型包括前向轨迹功能表示模型和后向轨迹功能表示模型， 由前向轨迹功能表示模型通过 前续经过的空间子区域(c1,c2,...,ci‑1)预测后序经过的空间子区域ci的功能， 由后向轨迹 功能表示模型通 过后续经过的空间子区域(ci+1,ci+2,...,cn)预测前一个空 间子区域ci的功 能； 其中， 经过第一层biLSTM轨迹功能表征模型预测， 获得第一前向输出L1fci,i＝1,2, 3,……,n和第一后向输出L1bci,i＝1,2,3 ……,n； 经过第二层biLSTM轨迹功能表征模型预 测， 获得第二前向输出L2fci,i＝1,2,3 ……,n和第二后向输出L2bci,i＝1,2,3 ……,n； 从 而获得每 个空间子区域的功能表示向量ZF＝(Gci,L1fci,L1bci,L2fci,L2bci)； 功能区聚类模块， 其配置成对所有空间子区域的功能表示向量进行聚类分析,将城市 所有空间子区域聚类划分为多类功能 区域集合， 从而获得 各个空间子区域的功能 区类别。 6.根据权利要求5所述的一种基于人群移动轨迹的高清城市功能区识别系统， 其特征 在于， 还包括功能区注释模块， 其配置成基于城市区域内POI功能强度等级、 POI分布纯度和 区域内移动轨 迹访问频率注释每 个空间子区域的实际功能。 7.根据权利要求6所述的一种基于人群移动轨迹的高清城市功能区识别系统， 其特征 在于， 所述功能区聚类模块中所述功能区类别包括住宅区域、 商业区域、 商务区域、 车站区 域、 医疗区域、 教育科技区域、 政府机构区域、 旅游景区、 汽车服务区域、 休闲娱乐区域、 新 发 展区域。 8.根据权利要求7所述的一种基于人群移动轨迹的高清城市功能区识别系统， 其特征 在于， 所述静态功能学习模块中所述改进的RotatE模型改进之处在于增加一个限制条件： 所有类别的POI静态功能的全局表 示的总和为 1， 以保证 静态功能的全局表 示与biLSTM轨迹 功能表征模型的正相关性。 9.一种计算机设备， 包括存储器、 处理器和存储在所述存储器内并能由所述处理器运 行的计算机程序， 其中， 所述处理器执行所述计算机程序时实现如权利要求 1‑4中任一项 所 述的高清城市功能 区识别方法。 10.一种计算机可读存储介质， 为非易失性可读存储介质， 其内存储有计算机程序， 所 述计算机程序在由处理器执行时实现如权利要求 1‑4中任一项 所述的高清城市功能区识别 方法。权　利　要　求　书 2/2 页 3 CN 114297532 A 3