【技術實現步驟摘要】
本專利技術涉及城市規劃領域，具體的是一種基于多智能體的城市空巢老人的時空活動分析與預測方法。
技術介紹
1、隨著城市化進程的加速和人口老齡化程度的加劇，城市空巢老人的數量正在迅速增長，這一現象在一二線城市尤為顯著。空巢老人作為生活獨立但心理孤獨的老年群體，面臨著生活照料、健康監護和情感陪伴等多方面的需求。然而，目前普遍存在城市空間與設施適老性不足、空巢老人需求得不到正視等問題。數字化服務的發展為解決空巢老人問題提供了可能性，催生了對更精細化、智能化的時空活動分析與預測技術的需求，其目的是通過高效的技術手段為空巢老人的多維需求提供針對性的支持。
2、目前，針對空巢老人的時空活動分析和預測存在一定的局限性。在研究精度上，傳統的監測手段大多依賴靜態數據，例如家庭信息、社區登記表等，無法實時反映空巢老人的動態行為軌跡，缺乏時效性和準確性；在研究方法上，傳統的基于位置服務的技術只能獲取老年人的片段化活動數據，難以形成完整的活動軌跡；在研究結論上，由于缺乏多維度的交互分析能力，難以將空巢老人的行為軌跡與其健康狀況、社會互動、心理需求等因素有效結合，導致研究結果的片面性，同時也限制了預測結果的可靠性和有效性。因此，借助智能化手段提出一種城市空巢老人的時空活動分析與預測方法，在提升識別精確性的同時實現老人健康、社交等多維度的交互影響下需求模擬與預測，為完善城市社區公共服務設施、提升老人生活質量提供可靠依據。
技術實現思路
1、為解決上述
技術介紹
中提到的不足，本專利技術的目的在于提供一種
2、本專利技術的目的可以通過以下技術方案實現：
3、一種基于多智能體的城市空巢老人的時空活動分析與預測方法，包括如下步驟：
4、步驟一：采集社區居民的外顯特征并構建時空活動沙盤
5、通過架設于社區的高清監控設備實時錄入活動人群的室外活動圖像，形成居民影像數據庫。進行面部識別并關聯至身份信息，形成活動人群外顯特征數據集，包括年齡、性別、婚姻情況、所屬社區編號四類標簽。利用可穿戴智能手環設備所產生的lbs數據，實施采集老年人行為軌跡數據。
6、在云計算平臺中輸入城市社區單元邊界數據、城市路網數據、土地利用數據、建筑形態數據、業態poi數據和活動人群外顯特征數據集，自動構建城市社區多源時空數據庫，并將數據導入地理信息平臺，構建城市社區人群時空活動沙盤。
7、步驟二：識別城市空巢老人及其停留點
8、在云計算平臺調取所述步驟一的活動人群外顯特征數據集，利用st-dbscan技術對活動人群進行聚類，提取本體屬性、活動屬性2個維度共7個指標的人群屬性特征，選取任意連續14個自然日，將每日同行人數均少于兩人的人群識別為城市獨居人口，其中年齡在65歲以上的城市獨居人口識別為城市空巢老人。
9、在云計算平臺提取城市空巢老人行為軌跡數據、土地利用數據和業態poi數據，識別空巢老人居住地、停留點和出行活動鏈。定義個體于19:00～6:00停留時長大于等于8小時的位置為居住地；將行為軌跡位移在15分鐘內小于等于100米的多邊形位置中心標記為停留點，出行活動的空間標準定義為15分鐘內位移距離大于100米，在兩次不同地方停留之間識別為一次出行。
10、步驟三：構建城市空巢老人的典型時空活動鏈
11、選取任意連續14個自然日，以15分鐘為一個時間步，單日形成24*4個時間步。根據在當前時間步中個體停留點所在的土地利用類型和poi類型，得出空巢老人做出居家h、醫療m、游憩g、購物s、文體e五種活動的決策結果鏈。
12、串聯空巢老人個體過去兩周14條的96個時間步，形成活動代碼(h/m/g/s/e)-活動位置(x,y)的雙列時空活動鏈。將個體過去的14條時空活動鏈簡化為一條典型時空活動鏈。每一個時間步的最高頻次活動代碼作為該時間步的活動代碼，若單一時間步內出現頻次相同的代碼，則選擇與前一時間步的活動代碼一致的活動。將該活動代碼對應的14個以內的活動位置進行空間聚類，獲得單一時間步內的活動位置(x，y)，串聯典型時空活動鏈的96個活動代碼，完成空巢老人個體的活動代碼(h/m/g/s/e)-活動位置(x，y)的雙列典型時空活動鏈構建。對于過去三天沒有活動軌跡的老人，暫停生成典型時空活動鏈，并標記為待訪老人。
13、步驟四：構建城市空巢老人的多智能體模型
14、使用python語言搭建城市空巢老人多智能體環境要素層，環境要素層包含城市等級、社區交通可達性、社區周邊健保設施密度、社區周邊購物設施密度、社區周邊文體設施密度、城市開敞空間密度。搭建城市空巢老人多智能體層，導入步驟二中的7個指標的人群屬性特征。
15、使用q學習算法使城市空巢老人多智能體從環境層映射到活動的學習獲得獎勵信號。城市空巢老人多智能體每步可在任意狀態s下，從有限活動集合h、m、g、s、e中選取某一動作a，環境接受該動作后發生陪伴狀態與無陪伴狀態的概率變化。效用函數分為基于活動時長的效用曲線、基于健保設施密度的效用曲線、基于交通可達性的效用曲線、基于文體設施密度的效用曲線、基于購物設施密度的效用曲線。將城市空巢老人多智能體模型加載到沙盤路網上，在每一時間步中通過比較每個智能體當前狀態下保持活動或更換活動的q值，q值高的動作則為下一時間步的動作。將10次城市空巢老人多智能體的活動鏈模擬結果與步驟三中個體的典型時空活動鏈進行擬合計算，活動代碼(h/m/g/s/e)和活動位置(x，y)滿足80％以上擬合率則表明空巢老人多智能體模型構建良好；反之，則返回到q函數迭代過程，進一步提高q值。
16、城市空巢老人多智能體在下一時間步更新活動狀態，若保持活動長達24小時，則標記為待訪老人。
17、使用有序logit模型計算城市空巢老人狀態轉移概率，控制變量包括城市空巢老人的年齡、性別、陪伴狀態或無陪伴狀態、現居社區。同時，按照每5歲形成一個年齡分段，疊加一次對q值10％的削弱，若單個多智能體的q值低于下一年齡段的平均值時，該智能體被消滅，每日更新多智能體人數，并與步驟一中當日城市社區居民外顯特征數據集比對檢查，誤差率小于10％則視為城市空巢老人的多智能體模型構建成功，形成對城市空巢老人人口的動態模擬和預測。
18、步驟五：空巢老人多智能體的需求模擬和篩選
19、基于步驟四中城市空巢老人多智能體時空活動決策，計算陪伴狀態與無陪伴狀態在q值提高過程中的占比。若陪伴狀態對于q值提高的貢獻度高于50％，則表明城市空巢老人的活動需求傾向于醫療、游憩、購物、文體，反之則表明城市空巢老人的活動需求傾向于居家。根據步驟三中典型時空活動鏈的活動偏好，設定居家需求本文檔來自技高網...
【技術保護點】
1.基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，所述步驟一中構建城市社區人群時空活動沙盤，基于可穿戴智能手環設備采集的老年人活動的經緯度數據和時間戳數據以及高分辨率全景攝像機采集的城市社區單元邊界數據、城市路網數據、土地利用數據、建筑形態數據和業態POI數據，將上述數據統一以shp格式輸入到地理信息平臺，構建城市社區人群時空活動沙盤。
3.根據權利要求2所述的基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，所述步驟二自然屬性和社會屬性2個維度共7個指標的人群屬性特征如表3所示：
4.根據權利要求3所述的基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，所述步驟三中的在當前時間步中個體停留點所在的土地利用類型，即若停留點位于R類用地，則識別為居家活動；若停留點位于A5類用地，則識別為醫療活動；若停留點位于G類用地，則識別為游憩活動；若停留點位于B類用地，則識別為購物活動；若停留點位于A2或者A4
5.根據權利要求4所述的基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，所述步驟四中環境接受該動作后發生陪伴狀態與無陪伴狀態的概率變化，具體以如下概率變化：
6.根據權利要求5所述的基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，所述步驟四中使用有序Logit模型計算城市空巢老人狀態轉移概率，具體公式為：
7.根據權利要求6所述的基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，所述步驟五中居家需求、醫療需求、出行需求、游憩需求、購物需求的特征指標，即包含活動偏好時長、活動偏好位置、活動同行人、活動偏好頻率的空巢老人需求特征；活動偏好時長為統計典型時空活動鏈中除居住以外的最高頻活動代碼的總時間步長；活動偏好位置為典型時空活動鏈中除居住以外的最高頻活動代碼的活動位置多邊形連線；活動同行人為統計同時間步內位于多智能體動作緩沖區內的多智能體總數；活動偏好頻率為典型時空活動鏈中除居住以外的最高頻活動代碼的總次數與此高頻活動代碼的總次數之比。
8.根據權利要求7所述的基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，所述步驟五中按照需求類型依次使用自編碼器技術進行需求狀態錨定，公式為：
...【技術特征摘要】
1.基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，所述步驟一中構建城市社區人群時空活動沙盤，基于可穿戴智能手環設備采集的老年人活動的經緯度數據和時間戳數據以及高分辨率全景攝像機采集的城市社區單元邊界數據、城市路網數據、土地利用數據、建筑形態數據和業態poi數據，將上述數據統一以shp格式輸入到地理信息平臺，構建城市社區人群時空活動沙盤。
3.根據權利要求2所述的基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，所述步驟二自然屬性和社會屬性2個維度共7個指標的人群屬性特征如表3所示：
4.根據權利要求3所述的基于多智能體的城市空巢老人的時空活動分析與預測方法，其特征在于，所述步驟三中的在當前時間步中個體停留點所在的土地利用類型，即若停留點位于r類用地，則識別為居家活動；若停留點位于a5類用地，則識別為醫療活動；若停留點位于g類用地，則識別為游憩活動；若停留點位于b類用地，則識別為購物活動；若停留點位于a2或者a4類用地，則識別為文體活動。
5.根據權利要求4所述的基...
【專利技術屬性】
技術研發人員：史宜，劉一帆，陳潛源，張珣，張鐘虎，崔澳，婁鶯，楊詩庭，李秋瑩，
申請(專利權)人：東南大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。