预测人群异常聚集事件，并以此分析群体行为。

简介：
随着智能通信设备日益普及，以及通信基站定位精度的不断提高，借助通信基站记录的用户行为数据来监测和预测人群密度已成为可能。然而，由于人群异常聚集事件的特性决定其具有显著的突发性，因此单纯依赖时间序列分析方法和概率模型进行预测往往效果不佳。为解决这一挑战，本文提出了一种基于群体行为分析的预测方法。该方法通过深入分析聚集人群的上网活动以及基站间的人群流动特征，旨在识别两者之间的关联性。随后，我们结合基站提供的实时人群密度时间序列信息，并采用利贝扩张因果卷积神经网络与逻辑回归模型的融合，从而得出更为精确的预测结果。通过在运营商提供的手机用户上网记录数据集上进行的实验验证，证实了该预测方法在精确率和召回率方面均表现出显著优势，其精确率为0.93，召回率为0.97，明显超越了ARIMA算法、LSTM算法以及Xgboost算法的表现。 此外, 分析表明, 聚集人群的上网行为和移动特征能够有效地提升对人群异常聚集事件的准确预测能力。