1） 使用多个机器学习算法（决策树、 XGBoost、 RF 和 SVM 等），围绕分时人流进行回归预测，最终回归结果按照合作的建筑规划领域专家准确率达到 80%（密集人流区域的 MAPE 达到 25%，稀疏区域的 MAE 值为 103）；2） 将区域间的相互关联影响考虑进来，并借助图像处理的方法，基于样本区域构建网格，将每个网格看作类似于像素的存在，最终以特征维度作为通道数，特征值作为像素值，构建样本“图像”，使用神经网络做回归预测；3） 在探索区域人流的分时变化趋势上，考虑到数据以及模型在不同城市的可扩展性上，基于卫星地图进行切割重组并构建数据集， 最终在 Resnet 上以图像做回归，最终得到的结果 MAE<0.1。