随着中国现代城市的快速发展与智能手机的普及,城市中通信基站的部署越来越多,产生了海量的手机信令数据。对信令数据进行利用有助于我们对城市人口流量进行监控与诱导。本文对基站覆盖范围内的人口驻留量以及基站间OD流量进行预测,不同于传统方法中将城市划分为的网格的预测手段,以基站为空间粒度可以有效做到流量细化与定位,不仅有助于基站节能、基站资源调度等任务,也会大大提高了城市资源的利用率、城市的交通效率以及城市面对突发灾难时的反应能力。本文主要使用图神经网络中的图卷积与图嵌入技术进行人口流量预测,使用长春市的手机信令数据模拟城市人口流量,对基站网络结构以及基站人流量进行统计分析,主要工作内容有以下几个方面:首先,本文对长春市手机信令数据、基站位置数据、长春市POI数据进行数据清洗以及位置匹配,得到用户出行轨迹,并依据用户移动轨迹对基站人口流量数据进行统计。接着,由于信号基站并不像城市道路一样拥有天然的路网结构,对基站进行图卷积与图嵌入是一项具有挑战性的任务,本文使用一种图融合方法将基站的流量转移关系、地理位置距离、城市功能语义进行统一建模。具体的,本文使用基站间人口移动次数构建基站间人口流动邻接矩阵,使用基站间经纬度距离构建距离邻接矩阵,再将城市POI数据匹配到基站后计算基站间POI的Jaccard相关系数,生成Jaccard相关系数矩阵,通过一组学习参数对不同图结构加权融合,最终得到城市基站之间的图结构。其次,本文在图融合模块之后接入时间图卷积模型,利用图卷积门控循环网络捕获基站流量的时空依赖性。将基站人口流量数据提取的时间序列特征作为图节点特征,通过图卷积神经网络进行特征提取,之后输入到门控循环网络当中对长春市基站驻留量进行短期预测,实验表明,本文构建的模型表现优于传统的时间序列模型,其中的图融合模块有效地学习到了基站间不同结构的关联关系,提高了基站人口驻留量预测精度。最后,本文利用图融合模块生成的基站图结构,通过node2vec方法将每个基站表示为一组Embedding向量,利用该向量表示出基站之间流量转移的隐含模式。文中还结合图论、统计学、时间序列相关知识对基站间的OD流量转移进行了详细的特征工程。为了验证图嵌入方法的有效性,本文使用Light GBM与随机森林模型构建了基站间人口OD流量预测模型,利用提取出的Embedding向量,结合基站周围POI分布特征,历史转移流量特征,网络结构特征,进行OD流量预测,并通过设置对照实验,证明了使用图融合模块生成的网络结构进行图嵌入要优于其他方法。