近年来,随着信息技术和互联网的飞速发展,现代城市已经进入了万物互联、全面感知的大数据时代,市民生活和各行各业产生的数据呈爆发式增长,如何利用城市中积累的大量数据来分析城市运行和发展中存在的问题,为政府部门提供信息化决策支持,已经成为学术和工业界共同关注的问题。人群流量预测是智慧城市中应急指挥的重要内容,对于城市交通管控和公共安全具有重要意义,但人群流量变化受到城市时间、空间、天气、假日等复杂因素影响,建模较为复杂。结合城市的基础政务数据和社会传感数据,进行城市画像建模可以精准的刻画事物的发展趋势,然而现有的城市画像建模大多是使用自然语言处理的方法进行城市标签抽取,没有利用城市大量积累的社会传感数据。因此,本文开展了基于城市画像建模来预测人群流量变化趋势的研究,提出了基于多任务的多层级城市信息单元画像建模的人群流量预测模型,主要的研究内容和贡献如下:（1）现有城市画像建模方法未充分利用动态、实时的社会传感数据,本文提出了城市信息单元的概念,并基于时空特征提取,对城市信息单元画像进行建模,利用长短期记忆网络从社会传感数据时间序列中挖掘时间相关性,构建了城市不同位置之间的空间流动图,利用图嵌入算法从空间流动图中挖掘空间相关性,同时加入天气、温度、节假日等外部环境特征,然后使用时间注意力机制自适应地赋予不同的权重,最终捕获多种特征来构建城市信息单元画像。（2）现有的城市画像仅从城市整体角度建模,没有考虑城市的层次化特征及不同层次之间的关联性。考虑到人群流动变化在多层级城市信息单元之间的互相影响,因此本文进一步将城市信息单元画像进行了层次化建模,提出了基于多任务的多层级城市信息单元画像建模方法MMUP,将不同层级的信息单元画像建模作为多个任务,多个任务的损失加权求和作为该方法的损失函数,充分挖掘了城市多层级信息单元之间的隐含关联。（3）本文提出了基于多任务多层级城市信息单元画像建模的人群流量预测模型,通过多层感知机转换维度得到人群流量预测结果。在北京市重点区域人群流量数据集上与对比算法进行了充分的实验。对比实验和消融实验结果表明本文提出的模型在人群流量预测方面的优越性,以及模型结构的有效性。（4）最后,本文利用百度地图API、Apache ECharts、Bootstrap可视化技术,结合Spring Boot框架设计并实现了一个人群流量预测可视化系统。该系统将本文提出的模型作为后台引擎,并以热力图、折线图的方式对人群流量预测结果进行可视化展示。