具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，一种基于移动通信大数据的人群流动监控方法，包括以下步骤，

S1，获取预设区域人群中每个个体的历史移动通信大数据和实时移动通信数据；

S2，分别对每个个体的历史移动通信大数据进行分析，得到每个个体的历史移动轨迹；

S3，基于每个个体的历史移动轨迹，分别计算出每个个体的未来移动方向初始概率集；

S4，根据每个个体的实时移动通信数据和未来移动方向初始概率集，得到每个个体的未来移动方向；

S5，基于所有个体的未来移动方向，对人群流动进行综合性监控。

在本具体实施例中，还具有如下优选方案：

优选的，在所述S1中，实时移动通信数据具体为当天的移动通信数据，历史移动通信大数据具体为当天以前一周内的移动通信大数据。

优选的，所述S3具体为，对每个个体的历史移动轨迹进行习惯性和周期性分析，分别计算出每个个体的未来移动方向初始概率集。

优选的，所述S4具体为，将每个个体的未来移动方向初始概率集和实时移动通信数据输入至基于深度学习的神经网络预测模型中进行处理，得到每个个体的未来移动方向。

优选的，所述S5具体为，对所有个体的未来移动方向进行统计，对人群流动进行综合性监控。

基于上述一种基于移动通信大数据的人群流动监控方法，本发明还提供一种基于移动通信大数据的人群流动监控系统。

如图2所示，一种基于移动通信大数据的人群流动监控系统，包括以下模块，

移动通信数据获取模块，其用于获取预设区域人群中每个个体的历史移动通信大数据和实时移动通信数据；

历史移动通信大数据模块，其用于分别对每个个体的历史移动通信大数据进行分析，得到每个个体的历史移动轨迹；

未来移动方向初始概率计算模块，其用于基于每个个体的历史移动轨迹，分别计算出每个个体的未来移动方向初始概率集；

未来移动方向预测模块，根据每个个体的实时移动通信数据和未来移动方向初始概率集，得到每个个体的未来移动方向；

综合性监控模块，其用于基于所有个体的未来移动方向，对人群流动进行综合性监控。

在本具体实施例中，还具有如下优选方案：

优选的，在所述移动通信数据获取模块中，实时移动通信数据具体为当天的移动通信数据，历史移动通信大数据具体为当天以前一周内的移动通信大数据。

优选的，所述未来移动方向初始概率计算模块具体用于，对每个个体的历史移动轨迹进行习惯性和周期性分析，分别计算出每个个体的未来移动方向初始概率集。

优选的，所述未来移动方向预测模块具体用于，将每个个体的未来移动方向初始概率集和实时移动通信数据输入至基于深度学习的神经网络预测模型中进行处理，得到每个个体的未来移动方向。

优选的，所述综合性监控模块具体用于，对所有个体的未来移动方向进行统计，对人群流动进行综合性监控。

一种基于移动通信大数据的人群流动监控方法及系统通过历史移动通信大数据得到历史移动轨迹，并通过历史移动轨迹计算出未来移动方向初始概率集，且通过实时移动通信数据和未来移动方向初始概率集预测出未来移动方向，最后基于所有个体的未来移动方向，对人群流动进行综合性监控；可以为城市交通规划提供决策依据，减轻交通压力。例如，当预测到前往某一方向的人流较大时，可以在此方向上增加交通投入，比如多增加几条公交，缩小发车时间间隔等，实现动态的公交决策。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。