目前,城市规划和计算领域主要研究方向集中于基于历史数据的短期人流预测、交通发生量预测以及城市发展模型构建,主要帮助交通管理、安全服务和城市长远整体发展规划,但是无法有效帮助城市规划者进行城市区域的设计。本文从城市区域的建成环境数据提取网格化特征,预测该区域对应的24小时人数演化的完整流程,可以帮助城市规划者进行区域规划。本文LBS(Location Based Service)数据采用了南京2015年11月9日至22日共两周的手机信令数据,城市建成环境数据采用了南京同期的路网数据、地块地理信息数据、地块用地性质数据和建筑数据等。本文主要分为建成环境特征提取、标签信息计算和数据集及模型构建三个步骤。第一步,从路网数据和地块数据提取建成环境特征,将区域建成环境特征进行图像化,保留了相对位置信息也保留了距离信息。另外,为了筛选相关性较小变量,对数据作了基于Pearson相关系数和的筛选。第二步,由于LBS数据尤其是手机信令数据质量低,空间不连续,并且用户人均数据密度低,不能直接支撑区域用户数的统计,为此,本文先从微观层面对用户通过层次收缩(Contraction Hierarchies)算法进行路径规划填补信息缺失,再将数据还原到宏观统计层面,得到24小时期望人数变化,并通过对多天数据取均值,降低噪音。第三步,考虑到区域24小时的人数变化的相关性和连续性,本文先对24小时人流演化进行PCA降维,获取主成分向量,再用基于ResNet残差单元的CNN网络模型,预测区域人流在各个主成分向量上的权重,并反推24小时的人数演化,降低了预测误差。模型建立后,文章将预测结果和其他常见算法的结果进行了对比,对部分地区预测结果进行了误差分析,并找出了对24小时期望人数变化总量和昼夜人数差影响较为明显的建成环境特征。