The invention discloses an area management method, device, device and readable storage medium based on human flow. The region management method based on human flow includes the following steps: S1, obtain the data to be predicted in each region, and the data to be predicted is the data of human flow in time series; S2, construct the autocorrelation graph according to the data to be predicted in step S1, and construct the input variables and output variables through the autocorrelation graph; S3, input the input variables and output variables into the LSTM model, and output each region S4, according to the forecast value of the future human flow of each time period in each region, formulate the dredging scheme, and adjust the location or quantity of regional goods or facilities.
【技术实现步骤摘要】
基于人流量的区域管理方法、装置、设备及可读存储介质
本专利技术涉及大数据领域,具体涉及一种基于人流量的区域管理方法、装置、设备及可读存储介质。
技术介绍
随着社会的不断发展,未来城市将承载更多的人口,因而城市的可持续发展显得尤为重要。智慧城市的起点是现代信息技术发展下的网络化和数字化,最终目的是将其上升到整合、集群、协同管理的高度,与绿色可持续发展相结合,构建宜居的城市环境。智慧城市以物联网、云计算、大数据、空间地理信息集成等新一代信息技术为基础,通过感知、分析、整合城市运行核心系统的各项关键信息,对城市服务、公共安全、环保、民生、工商业活动在内的各种需求做出智能响应,实现城市规划管理信息化、基础设施智能化、公共服务便捷化。现有的区域商品或设施的布置位置及数量是否需要调整,仅根据人的主观判断进行调整,没有较为准确的判断依据为参考。而区域商品或设施的布置位置及数量不合适,则会导致区域个位置人流量压力不同,给人们的生活带来不便,同时也存在安全隐患。
技术实现思路
本专利技术的目的在于克服现有技术中所存在的上述不足,提供一种基于人流量的区域管理方法、装置、设备及可读存储介质,所述基于人流量的区域管理方法,根据预测的人流量来调整区域商品或设施的布置位置及数量,缓解人流量压力,提高安全性。为了实现上述专利技术目的,本专利技术提供了以下技术方案:一种基于人流量的区域管理方法,其特征在于,包括以下步骤:S1,获取各区域待预测数据,所述待预测数据为时间序列的人流量数据;S2
【技术保护点】
1.一种基于人流量的区域管理方法,其特征在于,包括以下步骤:/nS1,获取各区域待预测数据,所述待预测数据为时间序列的人流量数据;/nS2,根据步骤S1的待预测数据构建自相关图,并通过自相关图构造输入变量和输出变量;/nS3,将输入变量与输出变量输入LSTM模型中,输出各区域各时间段的未来人流量预测值;/nS4,根据各区域各时间段的未来人流量预测值制定疏导方案,调整区域商品或设施的布置位置或数量。/n
【技术特征摘要】
1.一种基于人流量的区域管理方法,其特征在于,包括以下步骤:
S1,获取各区域待预测数据,所述待预测数据为时间序列的人流量数据;
S2,根据步骤S1的待预测数据构建自相关图,并通过自相关图构造输入变量和输出变量;
S3,将输入变量与输出变量输入LSTM模型中,输出各区域各时间段的未来人流量预测值;
S4,根据各区域各时间段的未来人流量预测值制定疏导方案,调整区域商品或设施的布置位置或数量。
2.根据权利要求1所述的基于人流量的区域管理方法,其特征在于,所述步骤S1还包括平稳化操作。
3.根据权利要求1所述的基于人流量的区域管理方法,其特征在于,所述步骤S2构建的自相关图中,横轴表示滞后变量;纵轴表示这些滞后变量的正负相关性,且取值-1至1。
4.根据权利要求1所述的基于人流量的区域管理方法,其特征在于,所述步骤S3采用的神经网络模型还需采用训练样本训练,以更新神经网络模型各层的参数,进而提高神经网络模型的预测准确度;训练过程包括以下步骤:
T1,输入已标注的样本数据构建样本库,所述样本数据包括各时段各区域待预测数据;
T2,根据样本库中的数据构建样本自相关图,并根据样本自相关图构建样本输入向量和样本输出向量;
T3,采用样本输入向量和样本输出向量对LSTM模型中的参数值进行训练,更新参数值。
5.根据权利要求2所述的基于人流量的区域管理方法,其特征在于,所述步骤T3更新参数值的详细步...
【专利技术属性】
技术研发人员:周羽,徐斌,
申请(专利权)人:重庆仙桃前沿消费行为大数据有限公司,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。