软件学报

作者：谢贵才，段磊，蒋为鹏，肖珊，徐一凡

单位：谢贵才，四川大学 计算机学院, 四川 成都 61006511,段磊，四川大学 计算机学院, 四川 成都 61006502,蒋为鹏，四川大学 计算机学院, 四川 成都 61006503,肖珊，四川大学 计算机学院, 四川 成都 61006504,徐一凡，四川大学 计算机学院, 四川 成都 61006505

关键词：公共区域人流量预测;多尺度时序依赖;卷积神经网络;多组件融合

基金：国家自然科学基金（61972268）

校园公共区域人流量预测对于维护校园安全、提升校园管理水平有重大意义.尤其在疫情防控下，高校复学对公共区域的人流量预测和控制提出了更高的要求.以高校食堂为例，通过预测就餐人数，有助于食堂防疫人员合理调度和安排，既降低了人群聚集的潜在风险，也可以针对食堂人流量分布情况提供分时分批服务.然而，由于校园管理需求，如节假日和教学安排等因素，使得校园公共区域人流量预测问题颇具挑战性.为此，提出一种基于深度学习的多尺度时序卷积网络MSCNN （multi-scale temporal patterns convolution neural networks），实现人流量时序数据中短时依赖、长时周期模式的获取和多尺度时序模式特征的重标定，以对任意时段人流量进行预测.通过在真实校园环境数据集以及公开数据集上的实验，验证了MSCNN模型的有效性和执行效率.

来源：2021年第3期

《软件学报》期刊编辑部

查看软件学报杂志2021年第3期