一种基于深度学习的街道空间活力预测方法

本发明提供了一种基于深度学习的街道空间活力预测方法，涉及区域人流量预测技术领域，目的是将拟合和深度学习进行有效结合实现缺点互补，包括将一年划分为N个周期子模块，对每个周期子模块分别建立对街道的人流量进行预估的拟合模型，构建最小化拟合误差的目标函数获取拟合模型的参数，通过拟合模型获取目标日的第一人流量预估结果；采集多种实时影响数据并结合第一人流量预估结果，通过训练的误差修正模型进行预测修正进而输出第二人流量预估结果，实时影响数据包括自然变化影响数据和人为变化影响数据。本发明具有适应性强、算力消耗较低且精度高的空间活力预测的优点。