景区人流量预测方法、系统、终端及存储介质与流程

本发明属于数据处理，具体涉及一种景区人流量预测方法、系统、终端及存储介质。

背景技术：

1、随着旅游业的跨越式发展，传统景区在发展到一定市场规模后面临管理瓶颈，亟需通过智能化手段解决与游客存在的问题和矛盾。智慧景区通过运用物联网、云计算、智能数据挖掘等方法，改善游客的旅游体验，满足游客的多元化需求。智慧景区人流量可视化建设有助于帮助景区实现资源环境的及时感知与精细化管理，提高信息处理的自动化程度，从而提高景区管理效率，实现景区的可持续发展。

2、景区人流量可视化是通过将收集的流量时空网格数据进行预处理，利用算法或模型提取数据高层特征，然后再将高层特征表示或根据历史数据得到的预测结果利用可视化方法展现出来。传统时空网格数据特征提取方法包括：（1）统计方法：基于数据的统计特性，如均值、方差、协方差等，来提取特征。它虽可以有效地描述数据的整体分布情况，但可能无法充分捕获数据的局部或动态变化特性。（2）形态学方法：例如，通过边缘检测、角点检测等手段，提取出数据的边界、角点等关键特征。然而，这种方法对于噪声和变形可能较为敏感，且可能忽略数据的内在属性。（3）频谱方法：将数据从时域转换到频域，通过分析数据的频率特性来提取特征。可以有效地处理具有周期性模式的数据，但对于非平稳数据可能效果不佳。

技术实现思路

1、针对现有技术的上述不足，本发明提供一种景区人流量预测方法、系统、终端及存储介质，以解决上述技术问题。

2、第一方面，本发明提供一种景区人流量预测方法，包括：

3、采集景区人流量数据，并将人流量数据按采集时间先后排列成数据序列；

4、预先构建并训练预测模型，所述预测模型包括邻近依赖组件、周期依赖组件和cgru单元；

5、将所述数据序列输入预测模型，得到人流量的预测值，基于所述预测值生成可视化数据。

6、在一个可选的实施方式中，采集景区人流量数据，并将人流量数据按采集时间先后排列成数据序列，包括：

7、通过门禁系统或监控设备采集景区内多个区域的人流量数据。

8、在一个可选的实施方式中，预测模型包括：

9、邻近依赖组件的输入数据为近期数据序列，邻近依赖组件通过3d卷积提取时空特征融合，通过se-resunit单元提取表征特征强弱依赖关系第一特征序列；

10、周期依赖组件的输入数据为中长期历史数据序列，中长期历史数据序列通过连接的cgru单元持续学习时空网格数据的动态依赖模式，然后将cgru最后的单元输出结果通过2d卷积和se块计算得到第二特征序列；

11、将第一特征序列和第二特征序列融合为预测数据序列。

12、在一个可选的实施方式中，所述方法还包括：

13、cgru单元计算过程包括：当前时刻网络的输入值，通过3d conv提取时空特征高层表示得到，然后再结合上一时刻cgru的输出值进行更新和遗忘计算，得到当前时刻输出值；更新门结合和决定从上一时刻输出的保留的状态信息，更新门的值越大保留的的状态信息越少，保留的当前时刻的状态信息越多；重置门结合和来控制忽略前一时刻的状态信息的程度，重置门的值越小则忽略得的状态信息越多。

14、在一个可选的实施方式中，se-resunit单元包括残差卷积计算函数和挤压和激励函数，通过所述挤压和激励函数有选择性的加强包含有用信息的特征并抑制无用特征。

15、在一个可选的实施方式中，将第一特征序列和第二特征序列融合为预测数据序列，包括：

16、从历史数据中学习权重值，权重融合后连接激活函数进行输出，融合公式为：；

17、其中，为第一特征序列，为第二特征序列，wc为第一特征序列的权重，ww为第二特征序列的权重。

18、在一个可选的实施方式中，预测模型的训练方法包括：

19、将预测模型的感受野大小设计为输入的序列长度，将最后一层的输出通道数设置为步长t的调节因子，以获得所需的输出维度；选择真值数据与预测值之间的平均绝对误差为模型的目标函数，使用反向传播算法进行训练；训练过程中用adam优化器来减小误差，利用训练集和指数衰减权重学习率策略训练模型并保存最优参数。

20、第二方面，本发明提供一种景区人流量预测系统，包括：

21、数据采集模块，用于采集景区人流量数据，并将人流量数据按采集时间先后排列成数据序列；

22、模型构建模块，用于预先构建并训练预测模型，所述预测模型包括邻近依赖组件、周期依赖组件和cgru单元；

23、数据预测模块，用于将所述数据序列输入预测模型，得到人流量的预测值，基于所述预测值生成可视化数据。

24、第三方面，提供一种终端，包括：

25、处理器、存储器，其中，

26、该存储器用于存储计算机程序，

27、该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。

28、第四方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。

29、本发明的有益效果在于，本发明提供的景区人流量预测方法、系统、终端及存储介质，通过3d卷积算子改进门控递归单元（gru）学习时空特征的时间特征和局部空间特征，同时融入了3d卷积层和残差网络学习时空数据的全局空间特征分布。最终构建的预测模型能自动学习数据的内在表示和特征，可以有效地应对噪声、非线性等问题，并具有较强的特征表达能力和泛化能力。然后利用现有三维可视化技术直观地展示时空网格数据的空间分布和形态，帮助用户更好地理解和分析数据的三维特征。

30、该发明能提升游客体验，为游客提供更加便捷、个性化服务。同时能提高园区管理效率，对景区运营数据进行实时监控与分析，优化资源配置。

31、此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。

技术特征：

1.一种景区人流量预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，采集景区人流量数据，并将人流量数据按采集时间先后排列成数据序列，包括：

3.根据权利要求1所述的方法，其特征在于，预测模型包括：

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求3所述的方法，其特征在于，se-resunit单元包括残差卷积计算函数和挤压和激励函数，通过所述挤压和激励函数有选择性的加强包含有用信息的特征并抑制无用特征。

6.根据权利要求3所述的方法，其特征在于，将第一特征序列和第二特征序列融合为预测数据序列，包括：

7.根据权利要求1所述的方法，其特征在于，预测模型的训练方法包括：

8.一种景区人流量预测系统，其特征在于，包括：

9.一种终端，其特征在于，包括：

10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述可读存储介质上存储有景区人流量预测程序，所述景区人流量预测程序被处理器执行时实现如权利要求1-7任一项所述景区人流量预测方法的步骤。

技术总结本发明涉及数据处理技术领域，具体提供一种景区人流量预测方法、系统、终端及存储介质，包括：采集景区人流量数据，并将人流量数据按采集时间先后排列成数据序列；预先构建并训练预测模型，所述预测模型包括邻近依赖组件、周期依赖组件和CGRU单元；将所述数据序列输入预测模型，得到人流量的预测值，基于所述预测值生成可视化数据。预测模型能自动学习数据的内在表示和特征，可以有效地应对噪声、非线性等问题，最终准确预测景区人流量，为景区资源配置提供数据支撑。技术研发人员：孔壮,于海友,张毓翔受保护的技术使用者：山东浪潮智慧文旅产业发展有限公司技术研发日：技术公布日：2024/7/29