场所拥挤度预测模型建立、场所拥挤度预测方法和装置制造方法及图纸

本发明专利技术实施例公开了一种场所拥挤度预测模型建立、场所拥挤度预测方法和装置。场所拥挤度预测模型建立方法包括：在与目标场所对应的目标场所定位数据中，获取与流动人员对应的目标用户定位数据；根据由目标用户定位数据确定的逗留时间参数，对标准时间预测模型进行训练，生成与目标场所对应的拥挤度预测模型。本发明专利技术的技术方案实现了在大量的定位数据中筛选有用数据对一个场所的拥挤度情况进行建模，进而可以根据建立的拥挤度预测模型实现对不同预测时间点进入所述目标场所的不同逗留时间范围的流动人员数量进行预测，使用户基于预测结果对一个场所的拥挤度情况进行预判，进而可以提高用户的出行效率，减少用户在目标场所中的无效等待时间。

【技术实现步骤摘要】

本专利技术实施例涉及信息处理技术，尤其涉及一种场所拥挤度预测模型建立、场所拥挤度预测方法和装置。
技术介绍
随着近年来智能手机、平板等智能终端设备和4G等高速无线网络的普及，移动应用爆发式增长。全球目前4G用户超过10亿，全国3G及4G用户总数近8亿，触手可及的移动宽带，让人们习惯使用移动应用提供的社交、餐饮以及娱乐等各类服务。而GPS定位技术及蜂窝定位技术的成熟和普及让LBS(Location-Based Service，基于位置的服务)被使用到了各类移动应用中。虽然LBS技术发展迅速，但人们常常因为不知道某个地方有多少人而束手无策。最为典型的就是医疗方面，需要就诊的患者在到达医院之前并不能得知医院现在有多少人在排队，不知道自己去了之后等待多久才能就医，更不用说知道多久才能看完。这对占着看病人数中绝大多数的轻微病、常见病患者来说是非常痛苦的。人们常常为了开到几样自己都知道名字的处方药而浪费一个上午甚至一整天。而对于一些虽然是常见病但却是急性病，例如急性肠胃炎等，的患者来说，长时间的等待更加是不能忍受的。与此同时，各大三甲医院的门诊、急诊却因为需要诊断大量例如醉酒、感冒等常见病患者而无法更好的服务重病患者及疑难杂症病患。优质稀缺医疗资源被大量浪费，使得真正有需要的人们耽误了宝贵的就医时间。
技术实现思路
有鉴于此，本专利技术实施例提供了一种场所拥挤度预测模型建立、场所拥挤度预测方法和装置，以使用户能够对一个场所的拥挤度情况进行预判，进而提高用户的出行效率。第一方面，本专利技术实施例提供了一种场所拥挤度预测模型建立方法，包括：在与目标场所对应的目标场所定位数据中，获取与流动人员对应的目标用户定位数据；根据由所述目标用户定位数据确定的逗留时间参数，对标准时间预测模型进行训练，生成与所述目标场所对应的拥挤度预测模型。第二方面，本专利技术实施例提供了一种场所拥挤度预测方法，包括：将目标场所在设定时间区间内，与各流动人员分别对应的不同时间单元下的逗留时间作为输入样本输入至场所拥挤度预测模型中；其中，所述场所拥挤度预测模型由与目标场所对应的流动人员的用户定位数据确定的逗留时间参数训练标准时间预测模型生成；将所述场所拥挤度预测模型的输出结果提供给用户，其中，所述输出结果包括：不同预测时间点进入所述目标场所的不同逗留时间范围的流动人员数量的预测值。第三方面，本专利技术实施例还提供了一种场所拥挤度预测模型建立装置，包括：目标用户定位数据获取模块，用于在与目标场所对应的目标场所定位数据中，获取与流动人员对应的目标用户定位数据；拥挤度预测模型生成模块，用于根据由所述目标用户定位数据确定的逗留时间参数，对标准时间预测模型进行训练，生成与所述目标场所对应的拥挤度预测模型。第四方面，本专利技术实施例还提供了一种场所拥挤度预测装置，包括：样本输入模块，用于将目标场所在设定时间区间内，与各流动人员分别对应的不同时间单元下的逗留时间作为输入样本输入至场所拥挤度预测模型中；其中，所述场所拥挤度预测模型由与目标场所对应的流动人员的用户定位数据确定的逗留时间参数训练标准时间预测模型生成；预测结果提供模块，用于将所述场所拥挤度预测模型的输出结果提供给用户，其中，所述输出结果包括：不同预测时间点进入所述目标场所的不同逗留时间范围的流动人员数量的预测值。本专利技术实施例在与目标场所对应的目标场所定位数据中，获取与流动人员对应的目标用户定位数据，根据由所述目标用户定位数据确定的逗留时间参数，对标准时间预测模型进行训练，生成与所述目标场所对应的拥挤度预测模型；将目标场所在设定时间区间内，与各流动人员分别对应的不同时间单元下的逗留时间作为输入样本输入至场所拥挤度预测模型中，将所述场所拥挤度预测模型的输出结果提供给用户，可以实现在大量的定位数据中筛选有用数据对一个场所的拥挤度情况进行建模，进而可以根据建立的场所拥挤度预测模型实现对不同预测时间点进入所述目标场所的不同逗留时间范围的流动人员数量进行预测，以使用户基于预测结果对一个场所的拥挤度情况进行预判，进而可以提高用户的出行效率，减少用户在目标场所中的无效等待时间。附图说明图1是本专利技术实施例一提供的一种场所拥挤度预测模型建立方法的流程图；图2是本专利技术实施例二提供的一种场所拥挤度预测模型建立方法的流程图；图3是本专利技术实施例三提供的一种场所拥挤度预测模型建立方法的流程图；图4a是本专利技术实施例四提供的一种场所拥挤度预测方法的流程图；图4b是本专利技术实施例四提供的一种拥挤度预测曲线的示意图；图5是本专利技术实施例五提供的一种场所拥挤度预测模型建立装置的结构图；图6是本专利技术实施例六提供的一种场所拥挤度预测装置的结构图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图对本专利技术具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。实施例一图1为本专利技术实施例一提供的一种场所拥挤度预测模型建立方法的流程图，本实施例的方法可以由场所拥挤度预测模型建立装置来执行，该装置可通过硬件和/或软件的方式实现，并一般可集成于用于实现场所拥挤度预测模型建立功能的服务器中。本实施例的方法具体包括：110、在与目标场所对应的目标场所定位数据中，获取与流动人员对应的目标用户定位数据。在本实施例中，所述目标场所具体是指用户体验与场所内的人员数量(或者说拥挤度)密切相关的公共场所。例如，医院、商场、游乐场、车站、银行或者体育场等场所。其中，所述目标场所定位数据具体是指获取的各用户定位请求数据中，定位结果位于所述目标场所内部的定位数据。一般来说，当用户通过智能终端使用各种导航或定位软件时，这些导航或定位软件会每隔一段时间(例如：5分钟或者10分钟等)，向其所关联的导航服务器发送定位请求，服务器会基于该定位请求返回用户的实时定位结果，以确定用户的实时位置。所述用户定位请求数据具体是指服务器基于定位请求返回的，记录有用户的定位结果的数据。典型的，可以在导航或者定位服务器中收集各种用户定位请求数据，通过将用户定位请求数据中的定位结果数据与目标场所的所在的地理位置信息进行匹配，以获取所述目标场所定位数据。典型的，用户定位请求数据中可以包括：用户标识、定位结果以及定位时间等信息。需要再次强调的是：如
技术介绍
所述，虽然随着LBS技术的迅速发展，网络中存在着大量的用户定位请求数据，但是人们却无法根据这些用户定位请求数据来对一个场所中的拥挤度情况进行预测。在本申请中，创造性的提出了：基于网络中存在的这些用户定位请求数据，实现对一个目标场所的拥挤度情况进行预测。其中，预测场所的拥挤度情况主要表现在对一个时间点或者一个时间段内该场所中可能出现的人员的数量值进行预测，通过对场所的拥挤度本文档来自技高网...

【技术保护点】
一种场所拥挤度预测模型建立方法，其特征在于，包括：在与目标场所对应的目标场所定位数据中，获取与流动人员对应的目标用户定位数据；根据由所述目标用户定位数据确定的逗留时间参数，对标准时间预测模型进行训练，生成与所述目标场所对应的拥挤度预测模型。

【技术特征摘要】
1.一种场所拥挤度预测模型建立方法，其特征在于，包括：在与目标场所对应的目标场所定位数据中，获取与流动人员对应的目标用户定位数据；根据由所述目标用户定位数据确定的逗留时间参数，对标准时间预测模型进行训练，生成与所述目标场所对应的拥挤度预测模型。2.根据权利要求1所述的方法，其特征在于，在与目标场所对应的目标场所定位数据中，获取与流动人员对应的目标用户定位数据之前，还包括：获取至少两个用户的历史定位请求数据中包括的定位点的地理位置信息；获取地理位置信息位于所述目标场所的地理位置范围内的历史定位请求数据作为所述目标场所定位数据。3.根据权利要求1所述的方法，其特征在于，在与目标场所对应的目标场所定位数据中，获取与流动人员对应的目标用户定位数据包括：将所述目标场所定位数据按照用户标识进行分类，获取与不同用户分别对应的用户定位数据；将与各用户分别对应的用户定位数据，划分为不同时间单元下的用户区间定位数据；根据所述用户区间定位数据，确定各用户在不同时间单元下，在所述目标场所中的逗留时间；根据所述逗留时间识别所述用户中的流动人员，并获取与所述流动人员对应的目标用户定位数据。4.根据权利要求3所述的方法，其特征在于，根据所述用户区间定位数据，确定各用户在不同时间单元下，在所述目标场所中的逗留时间包括：获取目标用户在目标时间单元下的区间定位数据作为当前处理定位数据；根据离开置信度衰减规则以及所述当前处理定位数据中的各定位时间点，获取所述离开置信度衰减至设定衰减值时的标志时间点；根据所述标志时间点，逆推所述目标用户离开所述目标场所的离开时间点；根据所述定位时间点，获取与所述离开时间点对应的所述目标用户抵达所述目标场所的抵达时间点；根据所述抵达时间点以及所述离开时间点，确定所述目标用户在所述目标时间单元下，在所述目标场所的逗留时间。5.根据权利要求3所述的方法，其特征在于，根据所述逗留时间识别所述用户中的流动人员包括：根据各用户在不同时间单元下，在所述目标场所中的逗留时间，绘制与各用户对应的逗留时间曲线；根据与各用户对应的逗留时间曲线的曲线特征，筛除所述用户中的误定位人员以及常驻人员；将筛除处理后的用户作为所述流动人员。6.根据权利要求3所述的方法，其特征在于，根据由所述目标用户定位数据确定的逗留时间参数，对标准时间预测模型进行训练，生成与所述目标场所对应的拥挤度预测模型包括：将所述目标场所下，与各所述流动人员分别对应的不同时间单元下的逗留时间作为训练样本；将各训练样本分别输入至所述标准时间预测模型中进行训练；将训练结束后的所述标准时间预测模型，作为与所述目标场所对应的拥挤度预测模型。7.根据权利要求1-6任一项所述的方法，其特征在于，所述目标场所包括医院，所述流动人员包括门急诊患者。8.一种场所拥挤度预测方法，其特征在于，包括：将目标场所在设定时间区间内，与各流动人员分别对应的不同时间单元下的逗留时间作为输入样本输入至场所拥挤度预测模型中；其中，所述场所拥挤度预测模型由与目标场所对应的流动人员的用户定位数据确定的逗留时间参数训练标准时间预测模型生成；将所述场所拥挤度预测模型的输出结果提供给用户，其中，所述输出结果包括：不同预测时间点进入所述目标场所的不同逗留时间范围的流动人员数量的预测值。9.一种场所拥挤度预测模型建立装...

【专利技术属性】
技术研发人员：巢汉青，曹原，夏粉，张军平，张道强，祁全昌，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11