Urban hotspots spatiotemporal prediction is a long-term but challenging task for urban management and smart city construction. Accurate urban hotspots spatiotemporal prediction can improve urban planning, scheduling and, security capability, reduce resource consumption. Existing deep spatiotemporal prediction methods mainly utilize geographic grid based image, some given network structure or some additional data to capture spatiotemporal dynamic. However, we observed that mining some latent self-semantics from raw data and fusing them with geospatial based grid images can also improve the performance of spatiotemporal predictions. In this paper, we propose Geographic-Semantic Ensemble Neural Network (GSEN), a novel deep learning approach to stack geographical prediction neural network and semantical prediction neutral network. GSEN model integrates the structures of Predictive Recurrent Neural Network (PredRNN), Graph Convolutional Predictive Recurrent Neural Network (GC-PredRNN), and Ensemble Layer to capture spatiotemporal dynamics from different views. And this model can also be correlated with some latent high-level dynamics in the real-world without any external data. We evaluate our proposed model on three different domains real-world datasets and the experimental studies demonstrate the generalization and effectiveness of GSEN in different urban hotspots spatiotemporal prediction tasks.

城市热点时空预测是城市管理和智慧城市建设的一项长期但具有挑战性的任务。准确的城市热点时空预测可以提高城市规划、调度、保障能力，降低资源消耗。现有的深度时空预测方法主要利用基于地理网格的图像、一些给定的网络结构或一些附加数据来捕捉时空动态。然而，我们观察到从原始数据中挖掘一些潜在的自语义并将它们与基于地理空间的网格图像融合也可以提高时空预测的性能。在本文中，我们提出了地理语义集成神经网络（GSEN），这是一种新的深度学习方法来堆叠地理预测神经网络和语义预测中性网络。GSEN 模型集成了预测循环神经网络 (PredRNN)、图卷积预测循环神经网络 (GC-PredRNN) 和集成层的结构，从不同的角度捕捉时空动态。而且这个模型还可以与现实世界中一些潜在的高级动态相关联，而无需任何外部数据。我们在三个不同领域的真实世界数据集上评估了我们提出的模型，实验研究证明了 GSEN 在不同城市热点时空预测任务中的通用性和有效性。而且这个模型还可以与现实世界中一些潜在的高级动态相关联，而无需任何外部数据。我们在三个不同领域的真实世界数据集上评估我们提出的模型，实验研究证明了 GSEN 在不同城市热点时空预测任务中的通用性和有效性。而且这个模型还可以与现实世界中一些潜在的高级动态相关联，而无需任何外部数据。我们在三个不同领域的真实世界数据集上评估了我们提出的模型，实验研究证明了 GSEN 在不同城市热点时空预测任务中的通用性和有效性。