用餐人数预测方法、装置、电子设备及介质制造方法及图纸

本发明专利技术实施例公开了一种用餐人数预测方法、装置、电子设备及介质。本发明专利技术涉及大数据领域，该方法包括：收集用于预测当天用餐人数的至少两种预测参数数据；对所述至少两种预测参数数据进行融合处理得到预测数据信息宽表；依据预先配置的用餐人数预测模型和所述预测数据信息宽表对当天用餐人数进行预测。通过执行本技术方案，达到了利用多维度数据融合，综合精确预测食堂餐厅的用餐人数的技术效果。

【技术实现步骤摘要】
用餐人数预测方法、装置、电子设备及介质
本专利技术实施例涉及大数据领域，尤其涉及一种用餐人数预测方法、装置、电子设备及介质。
技术介绍
食堂是一种常见于专门为机关、学校、企业和军营等大量人群提供集体用餐的场所，其每天的就餐人数的不固定，给食堂的日常运营和把控造成较大的管理难度，导致我国大多数的食堂普遍存在着就餐排队时间长、供应不足或者食物严重浪费等现象。目前，食堂用餐人数的预测大多还是通过餐厅根据过去几周内工作日的就餐人数统计平均数来进行用餐人数预测，也就是通过员工的历史用餐记录来进行预测，但是这种方法只考虑到员工的历史用餐记录，历史用餐记录并不能直接表征当前时段的用餐人数，导致预测结果准确度很低。因此，需要一种能够融合多种数据对用餐人数进行精确预测的预测方法。
技术实现思路
本专利技术实施例中提供了一种用餐人数预测方法、装置、电子设备及介质，可以达到利用多维度数据融合，综合精确预测食堂餐厅的用餐人数的技术效果。第一方面，本专利技术实施例中提供了一种用餐人数预测方法，包括：收集用于预测当天用餐人数的至少两种预测参数数据；对所述至少两种预测参数数据进行融合处理得到预测数据信息宽表；依据预先配置的用餐人数预测模型和所述预测数据信息宽表对当天用餐人数进行预测。第二方面，本专利技术实施例中还提供了一种用餐人数预测装置，包括：数据收集模块，用于收集用于预测当天用餐人数的至少两种预测参数数据；数据处理模块，用于对所述至少两种预测参数数据进行融合处理得到预测数据信息宽表；人数预测模块，用于依据预先配置的用餐人数预测模型和所述预测数据信息宽表对当天用餐人数进行预测。第三方面，本专利技术实施例中还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例中提供的用餐人数预测方法。第四方面，本专利技术实施例中还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任意实施例中提供的用餐人数预测方法。本专利技术实施例中提供了一种用餐人数预测方法，用餐人数预测系统收集当天的至少两种预测参数数据，将至少两种预测参数数据进行融合处理得到预测数据信息宽表，最后依据预先配置的用餐人数预测模型和所述预测数据信息宽表对当天早午晚三餐的用餐人数进行预测。采用本申请技术方案，通过收集用于预测当天用餐人数的至少两种预测参数数据，将不同维度、不同系统获取的预测参数数据进行关联融合得到预测数据信息宽表，依据预测模型和预测数据信息宽表综合预测当天早午晚三餐的用餐人数，能够达到利用多维度数据融合，综合精确预测食堂餐厅的用餐人数的技术效果。上述
技术实现思路
仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1是本申请实施例一提供的一种用餐人数预测方法的流程图；图2是本申请实施例二提供的另一种用餐人数预测方法的流程图；图3是本申请实施例提供的一种用餐人数预测系统客户端界面示意图；图4是本申请实施例三提供的用餐人数预测装置的结构示意图；图5是本申请实施例四提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。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结构。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是本专利技术实施例一中提供的一种用餐人数预测方法的流程图，该方法可适用于餐厅食堂对当天早午晚三餐用餐人数进行预测的情况，该方法可由用餐人数预测装置来执行，该装置可由软件和/或硬件实现，并可集成于电子设备中。如图1所示，本实施例中的用餐人数预测方法，包括以下步骤：在提倡光盘行动，节约粮食的时代背景下，为了防止粮食浪费，食堂或餐厅的用餐人数预测估计，成为了各大企业食堂和餐厅需要考虑的问题。而目前，大部分的食堂和餐厅在进行用餐人数预测时，有通过食堂师傅的日常经验来进行大概的预测判断，还有采用员工的历史用餐记录来进行用餐人数预测的方法，但是这两种方法都不能实现比较精准的用餐人数预测，没有考虑到类似天气因素的其他因素影响。S110、收集用于预测当天用餐人数的至少两种预测参数数据。其中，用餐人数预测系统收集用于预测当天用餐人数的至少两种预测参数数据，预测参数数据是能够采集到的会影响到员工是否会来食堂用餐的数据，可以是员工自身的数据信息，也可以是外界因素。在本实施例的一种可选方案中，可以与本实施例中的一个或者多个可选方案结合。其中，所述预测参数数据包括：员工考勤打卡数据、员工历史用餐记录数据和天气数据。其中，预测参数数据可以包括员工打卡数据、员工历史用餐记录数据和天气数据。通过对接企业内部的视频监控人脸识别系统、入口闸机(刷卡和人脸识别功能)、指纹打卡系统获取员工考勤打卡数据、后勤饭堂读卡机的系统获取员工历史用餐记录数据，并通过网络爬虫的方法爬取中国天气网企业所在地的实时天气数据。考勤数据包括入口处视频监控人脸识别、闸机处刷卡或人脸识别、指纹识别等多种形式，包括打卡日期和时间(精确到秒)、签到方式、打卡人考勤编号、姓名、打卡设备编号、人员机构归属等字段。食堂就餐消费记录明细数据暂时存储在食堂打卡机，在每餐用餐结束后自动上传，并进行对账结算，可进行汇总和导出，包括消费记录的时间(精确到秒)、金额、刷卡机号、员工姓名和编号、消费菜品编号等字段。员工打卡记录数据与员工来用餐的概率是成正比的，没有打卡就可以基本判断不会来用餐，有打卡记录就可以判断有较大概率会来食堂用餐。员工历史用餐记录数据，可以判断包括每天的哪些餐经常在食堂用餐，或者一周内哪几天经常在食堂用餐。天气数据，在雨天情况下，食堂的用餐人数一般会增多，而晴天情况下，食堂的用餐人数一般会减少，包括温度因素也与用餐人数的变化有一定关联。采用上述技术方案，通过收集至少两种预测参数数据，包括员工考勤打卡数据、员工历史用餐记录数据和天气数据，依据上述本文档来自技高网...

【技术保护点】
1.一种用餐人数预测方法，其特征在于，包括：/n收集用于预测当天用餐人数的至少两种预测参数数据；/n对所述至少两种预测参数数据进行融合处理得到预测数据信息宽表；/n依据预先配置的用餐人数预测模型和所述预测数据信息宽表对当天用餐人数进行预测。/n

【技术特征摘要】
1.一种用餐人数预测方法，其特征在于，包括：
收集用于预测当天用餐人数的至少两种预测参数数据；
对所述至少两种预测参数数据进行融合处理得到预测数据信息宽表；
依据预先配置的用餐人数预测模型和所述预测数据信息宽表对当天用餐人数进行预测。


2.根据权利要求1所述的方法，其特征在于，所述预测参数数据包括：员工考勤打卡数据、员工历史用餐记录数据和天气数据。


3.根据权利要求1所述的方法，其特征在于，对所述至少两种预测参数数据进行融合处理得到预测数据信息宽表，包括：
对所述至少两种预测参数数据进行数据探索和数据清洗得到至少两种修正预测参数数据；
依据所述至少两种修正预测参数数据融合构建预测数据信息宽表，作为用餐人数预测模型的输入。


4.根据权利要求3所述的方法，其特征在于，对所述至少两种预测参数数据进行数据探索和数据清洗得到至少两种修正预测参数数据，包括：
对所述至少两种预测参数数据进行数据分析，得到所述至少两种预测参数数据的归类特征；
依据所述至少两种预测参数数据的归类特征对所述至少两种预测参数数据进行数据清洗得到至少两种修正预测数据。


5.根据权利要求4所述的方法，其特征在于，所述数据分析包括：方差分析、相关性分析、回归分析和因子分析。


6.根据权利要求4所述的方法，其特征在于，所述数据清洗包括：对所述至少两种预测参数数据中的异常值进行剔除，对所述至少两种预测参数数据中的缺失值进行填充。


7.根据权利要求3所述的方法，其特征在于，依据所述至少两种修正预测参数数据融合构建预测数据信息宽表，包括：
按照预设的特征定义对所述至少两种修正预测参数数据进行特征构建，得到至少两种修正预测特征数据；
将所述至少两种修正预测特征数据关联融合为预测数据信息宽表。


8.根据权利要求7所述的方法，其特征在于，在将所述至少两种修正预测特征数据关联融合为预测数据信息宽表之后，包括：
将所述预测数据信息宽表进行分库分表存储。


9.根据权利要求1所述的方法，其特征在于，依据预先配置的用餐人数预测模型和所述预测数据信息宽表对当天用餐人数进行预测，包括：
若当天的预测数据信息宽表中包括员...

【专利技术属性】
技术研发人员：张胜言，陆祺，赖婉英，黎洪达，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：上海;31