计算机科学与探索

作者：陈李越, 柴迪, 王乐业

单位：1.高可信软件技术教育部重点实验室（北京大学）,北京 100871；2.北京大学 信息科学技术学院 计算机科学技术系,北京 100871；3.香港科技大学 计算机科学与工程系,香港 999077

关键词：城市计算,人群流动,时空预测,开源工具箱

基金：国家自然科学基金(61972008)

时空人群流动预测是智慧城市中的关键技术之一。目前主要有两大痛点困扰着相关研究、从业人员：第一,人群流动与多种因素相关,先前的研究总结出了多种时空先验知识,但由于人群流动预测应用场景的多样性,后续工作很难合理而全面地利用这些先验知识;第二,随着深度学习技术的发展,相关技术的实现越来越复杂,复现先进的模型是一件费时且愈发繁琐的事情。针对上述痛点,设计了时间序列采样接口和图构建接口,时间序列采样接口能够基于不同的先验知识产生不同类型的时间序列,图构建接口能够产生不同类型的空间图,上述两个接口还可通过继承接口实现自定义,以利用新的时空先验知识;基于TensorFlow框架实现了多种先进的时空图模型并封装了其中常用的时空建模单元,使用者不仅能够直接使用先进的时空模型,还能够基于这些高级模型层进行二次开发。综上,时空人群流动预测工具箱UCTB内同时集成了多种时空先验知识和多种先进的模型,对开发时空人群流动预测相关应用有着促进作用。相关的代码和配套文档均已开源,工具箱的网址是https://github.com/uctb/UCTB。

来源：2022年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第4期