一种基于地理相似性和联邦学习的人群流动预测方法

本发明涉及人群流动预测技术领域，具体是涉及一种基于地理相似性和联邦学习的人群流动预测方法。本发明首先在多个源城市终端上利用地理空间数据和人群流动数据，进行深度学习模型下的联邦学习。源城市终端将模型参数上传至中央服务器，以更新全局神经网络模型。然后，对所有源城市和目标城市的地理空间数据进行地理相似性度量，确定相似度最高的源城市集合。最后，对这些地理相似性高的源城市集合进行个性化定制的联邦学习，并将最终模型应用于缺失人群流动数据的目标城市，完成其人群流动预测。本发明不仅解决了因目标城市数据缺失带来的预测困难，防止个人隐私数据泄露，同时通过地理相似性提高了个性化联邦学习中人群流动预测的精度。