一种基于多方纵向联邦学习的人群流量预测方法及系统

本发明涉及流量预测技术领域，具体涉及一种基于多方纵向联邦学习的人群流量预测方法及系统，具体如下：多方数据持有方进行本地特征编码，对时空流量数据持有方的时空人群流量数据进行时空特征编码，对外部因素数据持有方的外部因素数据进行外部因素特征编码，然后通过隐私保护分布式联合建模对各方编码后的特征进行加密和差分隐私保护，然后将经过加密和隐私保护后的加密特征传输至可信第三方的全局模块，最后对第三方的全局模块加密特征进行解密，根据解密后的特征进行人群流量预测，并对各数据持有方的本地模型进行更新。能够在保证数据隐私安全的前提下，利用时空流量数据与外部因素的跨域协同，有效解决分散数据源的移动人群流量的预测问题。