一种基于游客时空行为模式挖掘的景区客流实时预测方法技术

本发明专利技术提供一种基于游客时空行为模式挖掘的景区客流实时预测方法，包括以下步骤：S1.大数据的实时采集：包括对游客的基本信息、时空行为数据、交通状况数据、气象数据和目的地节庆数据进行实时采集；S2.挖掘游客的时空行为模式和构建景区之间空间可达性模型；S3.根据目的地当前时刻游客在各景区时空分布、游客移动方向性信息和交通状况数据，利用步骤S2中构建的模型，对于各个景区下一预测周期的客流数量进行预测；S4.根据在各个景区实时产生的游客时空数据，对步骤S2中构建的模型进行迭代更新。本发明专利技术通过游客时空行为特征的挖掘以及游客与环境之间的交互作用，能够提高一个旅游目的地范围内的各景区客流的实时预测精度。目的地范围内的各景区客流的实时预测精度。目的地范围内的各景区客流的实时预测精度。

【技术实现步骤摘要】
一种基于游客时空行为模式挖掘的景区客流实时预测方法


[0001]本专利技术涉及一种基于游客时空行为模式挖掘的景区客流实时预测方法，属于旅游需求预测


技术介绍

[0002]近年来随着人们物质生活水平的提高,越来越多的人选择在节假日出门旅游,旅游业蓬勃发展。预测旅游需求是旅游业的一个关键问题,通过准确的预测趋势和模式,政府和私营部门可以制定组织良好的旅游战略,并提供更好的基础设施和资源调度,为游客提供优质服务,并制定适当的营销策略,从不断增长的旅游业中获益。通过科学方法对旅游流量预测，为旅游目的地行政管理部门提供决策支持、减少隐患事故的发生，提高旅游目的地的形象，提升目的地的可持续发展；在景区管理方面，根据需求预测结果进行提前的安全预警和资源调度分配，提高应急响应速度和旅游服务质量；对于游客，通过客流量的分布情况的预估提供定制出行计划的依据，减少时间成本、经济成本和心理成本，规避由于景区或目的地超载引起的旅游风险，提高旅游体验质量；对于旅游目的地居民，根据需求预测结果，合理安排本地出行的行程计划，减少旅游目的地的主客冲突，实现目的地居民和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于游客时空行为模式挖掘的景区客流实时预测方法，其特征在于，该方法包括以下步骤：S1.大数据的实时采集：包括对游客的基本信息、时空行为数据、交通状况数据、气象数据和目的地节庆数据进行实时采集；S2.挖掘游客的时空行为模式和构建景区之间空间可达性模型；S3.根据目的地当前时刻游客在各景区时空分布、游客移动方向性信息和交通状况数据，利用步骤S2中构建的模型，对于各个景区下一预测周期的客流数量进行预测；S4.根据在各个景区实时产生的游客时空数据，对步骤S2中构建的模型进行迭代更新。2.根据权利要求1所述的基于游客时空行为模式挖掘的景区客流实时预测方法，其特征在于，步骤S1中所述大数据的实时采集具体包括如下信息采集：S101散客信息采集，在景区出入口安装物联网设备采集游客手机信令信息，所述物联网设备包括电子围栏或探针设备，记录游客出入景区的时间；S102团队游客的信息采集，在景区入口和出口处导游对电子行程单的二维码进行扫描，读取团队游客电子行程单信息，包括团队游客的行程路线、到达该景点的时间点以及游客成员信息，及其实际离开景区的时间，在后台数据库进行同步更新，从而记录的团队游客时间、空间信息和游客信息；S103本地居民的信息采集，设置专门的本地居民通道，通过刷身份证的方式进行验票和信息采集；S104游客在景区内各景点的时空信息采集，采用近距离通信技术实现景点区域内游客的时空信息采集；S105目的地交通路况信息的采集，通过高德地图或百度地图的开放API接口，对道路交通情况进行实时采集；S106目的地的气象信息和节庆活动信息采集，利用网络爬虫软件爬取旅游目的地的天气、节庆活动信息。3.根据权利要求1所述的基于游客时空行为模式挖掘的景区客流实时预测方法，其特征在于，步骤S2中所述挖掘游客的时空行为模式和构建景区之间空间可达性模型包括：S201计算游客在景区内景点的停留时间根据游客在景区内各个景点最早出现的时间点和最晚出现的时间点，针对散客和本地市居民计算每一个游客的停留时间市居民计算每一个游客的停留时间表示游客i在景区j中的景点k最晚出现的时间点，表示游客离开景点区域的时间；示游客i在景区j中的景点k最早出现的时间点，表示游客进入景点区域的时间；S202计算游客在景区内总共停留时间S202计算游客在景区内总共停留时间表示游客i在景区j中总共停留的时间，计算公式为表示游客i在景区j中总共停留的时间，计算公式为表示游客i离开景区j的时刻，表示游客i进入景区j的时刻；去除游客在各个景点停留的时间，在景区j的非景点区域所花费的时间为
N表示景区中的景点数量，依据设备采集到的游客进入景区时间和离开时间，计算数据库中每个游客的和S203构建各个景区之间游客移动的时间代价期望矩阵T
M
×
M
，表示如公式(1)M表示旅游目的地的热门景区的数量，type表示游客的类型，type取值为0，1,2分别表示本地游客、散客和团队游客；T
j1
‑
＞j2
表示根据当前的交通路况信息，从景区j1到景区j2需要时间的数学期望；T
j1
‑
＞j1
＝0，表示没有景区之间转移行为发生；S204基于客源地和游客类型的概率转移矩阵计算针对游客景区之间的转移概率矩阵如公式(2)所示。针对游客景区之间的转移概率矩阵如公式(2)所示。表示离开景区j1转移到其他景区和非景区区域的概率之和恒等于1；p
j1
‑
＞j2(j1≠j2,j1,j2＜M+1)
表示游客从景区j1转移到景区j2的概率，p
j1
‑
＞j1(j1＜M+1)
表示游客在下一时刻继续停留在景区j1的概率，p
j1
‑
＞M+1(j1≠M+1)
表示游客离开景区j1后转移到非热门景区或其他区域的概率，这里有3种情况：离开旅游目的地、去往目的地其他非热门景区或者去往目的地的其他区域；根据具体的旅游目的地内部景区分布、临近旅游目的地之间的空间分布以及所处的时间点，转移概率具有差异性，P
M
×
M+1
测量景区之间转移的概率，其中p
j1
‑
＞j2(j1≠j2)
的计算公式(3)：其中，p
j1,(t
‑
1)
表示游客在(t
‑
1)时刻位于景区j1的概率，在实际计算p
j1
‑
＞j2
时，利用数据库中游客的时空信息，统计在(t
‑
1)时刻位于景区j1并且在下一时刻t出现在景区j2的游客数量Num(j1
‑
>j2,t)，除以在(t
‑
1)时刻出现在景区j1的...

【专利技术属性】
技术研发人员：于海涛，吴忠军，王建英，谭立国，贺剑武，姚建盛，周茂杰，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：