游客量预测方法、装置和电子设备制造方法及图纸

本公开的实施例公开了游客量预测方法、装置和电子设备。该方法的一具体实施方式包括：获取目标区域的初始游客量，以及获取预设的证据框架；为证据框架的命题进行基本概率分配，确定证据框架中命题的信任函数和似然函数，将信任函数和似然函数组成信任区间；确定证据框架下的各个证据之间的距离，利用各个证据之间的距离，确定证据的支持度，利用证据的支持度，确定证据的绝对可信度，对证据的绝对可信度进行归一化，得到证据的相对可信度；利用证据的相对可信度，对证据框架的各个证据进行合成，确定证据冲突值；将初始游客量与证据冲突值的乘积确定为目标区域的最终游客量，输出最终游客量。该实施方式提高了游客量预测的准确性。该实施方式提高了游客量预测的准确性。该实施方式提高了游客量预测的准确性。

【技术实现步骤摘要】
游客量预测方法、装置和电子设备


[0001]本公开的实施例涉及计算机
，尤其涉及一种游客量预测方法、装置和电子设备。

技术介绍

[0002]游客量预测一直是城市或景区重点关注的事件，因为精准地游客量预测能够使得城市和景区及时做出反应和预案。
[0003]传统的游客量预测有固定公式，按照固定公式进行预测，该公式在一些比较理想化的场景下可能达到一个不错的精度，但现代化的旅游方式，已经不再是传统的跟团，按照固定的路线进行游览，此时，采用传统的游客量预测公式进行游客量预测的准确性可能无法保证。

技术实现思路

[0004]提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]第一方面，本公开的实施例提供了一种游客量预测方法，该方法包括：获取目标区域的初始游客量，以及获取预设的证据框架，其中，证据框架是由互不相容的基本命题组成的集合；为证据框架的命题进行基本概率分配，确定证据框架中命题的信任函数和似然函数，将信任函数和似然函数组成信任区间，其中，命题由证据框架中的至少一个基本命题所构成；确定证据框架下的各个证据之间的距离，利用各个证据之间的距离，确定证据的支持度，利用证据的支持度，确定证据的绝对可信度，对证据的绝对可信度进行归一化，得到证据的相对可信度；利用证据的相对可信度，对证据框架的各个证据进行合成，确定证据冲突值；将初始游客量与证据冲突值的乘积确定为目标区域的最终游客量，输出最终游客量。
[0006]第二方面，本公开的实施例提供了一种游客量预测装置，该装置包括：获取单元，用于获取目标区域的初始游客量，以及获取预设的证据框架，其中，证据框架是由互不相容的基本命题组成的集合；第一确定单元，用于为证据框架的命题进行基本概率分配，确定证据框架中命题的信任函数和似然函数，将信任函数和似然函数组成信任区间，其中，命题由证据框架中的至少一个基本命题所构成；第二确定单元，用于确定证据框架下的各个证据之间的距离，利用各个证据之间的距离，确定证据的支持度，利用证据的支持度，确定证据的绝对可信度，对证据的绝对可信度进行归一化，得到证据的相对可信度；第三确定单元，用于利用证据的相对可信度，对证据框架的各个证据进行合成，确定证据冲突值；输出单元，用于将初始游客量与证据冲突值的乘积确定为目标区域的最终游客量，输出最终游客量。
[0007]第三方面，本公开的实施例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，当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第一方面所述的游客量预测方法。
[0008]第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的游客量预测的步骤。
[0009]本公开的实施例提供的游客量预测方法、装置和电子设备，可以通过获取目标区域的初始游客量，以及获取预设的证据框架；之后，可以为上述证据框架的命题进行基本概率分配，确定上述证据框架中命题的信任函数和似然函数，将上述信任函数和上述似然函数组成信任区间；而后，可以确定上述证据框架下的各个证据之间的距离，利用上述各个证据之间的距离，确定证据的支持度，利用上述证据的支持度，确定上述证据的绝对可信度，对上述证据的绝对可信度进行归一化，得到上述证据的相对可信度；然后，可以利用上述证据的相对可信度，对上述证据框架的各个证据进行合成，确定证据冲突值；最后，可以将上述初始游客量与上述证据冲突值的乘积确定为上述目标区域的最终游客量，输出上述最终游客量。通过这种方式可以较好地处理证据之间的冲突，收敛速度较明显，从而提高了游客量预测的准确性。
附图说明
[0010]结合附图并参考以下具体实施方式，本公开各实施例的上述和其它特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0011]图1是本公开的各个实施例可以应用于其中的示例性系统架构图；
[0012]图2是根据本公开的游客量预测方法的一个实施例的流程图；
[0013]图3是根据本公开的游客量预测装置的一个实施例的结构示意图；
[0014]图4是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0015]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0016]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0017]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其它术语的相关定义将在下文描述中给出。
[0018]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0019]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0020]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0021]图1示出了可以应用本公开的游客量预测方法的实施例的示例性系统架构100。
[0022]如图1所示，系统架构100可以包括终端设备1011、1012、1013，网络102和服务器103。网络102用以在终端设备1011、1012、1013和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0023]用户可以使用终端设备1011、1012、1013通过网络102与服务器103交互，以发送或接收消息等。终端设备1011、1012、1013上可以安装有各种通讯客户端应用，例如出行类应用、购票类应用、即时通讯软件等。
[0024]终端设备1011、1012、1013可以首先获取目标区域的初始游客量，以及获取预设的证据框架，其中，上述证据框架是由互不相容的基本命题组成的集合；之后，可以为上述证据框本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种游客量预测方法，其特征在于，包括：获取目标区域的初始游客量，以及获取预设的证据框架，其中，所述证据框架是由互不相容的基本命题组成的集合；为所述证据框架的命题进行基本概率分配，确定所述证据框架中命题的信任函数和似然函数，将所述信任函数和所述似然函数组成信任区间，其中，所述命题由所述证据框架中的至少一个基本命题所构成；确定所述证据框架下的各个证据之间的距离，利用所述各个证据之间的距离，确定证据的支持度，利用所述证据的支持度，确定所述证据的绝对可信度，对所述证据的绝对可信度进行归一化，得到所述证据的相对可信度；利用所述证据的相对可信度，对所述证据框架的各个证据进行合成，确定证据冲突值；将所述初始游客量与所述证据冲突值的乘积确定为所述目标区域的最终游客量，输出所述最终游客量。2.根据权利要求1所述的方法，其特征在于，所述确定所述证据框架的各个证据之间的距离，包括：利用公式对各个证据之间的距离进行定义；其中，m1和m2表示所述证据框架下的两个证据，def(m1，m2)表示所述证据框架下的两个证据之间的距离的定义；其中，M
i
表示第i个相似矩阵，A1表示第一个命题，A2表示第二个命题，表示第2
N
个命题，N表示所有证据的数量，m
i
(A1)表示第i个证据对于第1个命题的基本概率分配，m
i
(A2)表示第i个证据对于第2个命题的基本概率分配，表示第i个证据对于第2
N
个命题的基本概率分配；利用定义的各个证据之间的距离，生成距离矩阵D
ij
；其中，其中，d
1n
表示第1个证据与第n个证据之间的距离，d
n1
表示第n个证据与第1个证据之间的距离；利用公式确定所述证据框架的各个证据之间的距离；其中，dis(m1，m2)表示所述证据框架下的两个证据之间的距离；其中，m1(A
i
)表示第1个证据对于第i个命题的基本概率分配，m1(A
j
)表示第1个证据对于第j个命题的基本概率分配；其中，m2(A
i
)表示第2个证据对于第i个命题的基本概率分配，m2(A
j
)表示第2个证据对于第j个命题的基本概率分配；其中，m1(A
i
)表示第1个证据对于第i个命题的基本概率分配，m2(A
j
)表示第2个证据对于第j个命题的基本概率分配。3.根据权利要求2所述的方法，其特征在于，所述利用所述各个证据之间的距离，确定
证据的支持度，包括：利用公式确定证据的支持度；其中，Sup(m
i
)表示证据m
i
的支持度，d(m1，m2)表示所述证据框架下的两个证据之间的距离。4.根据权利要求3所述的方法，其特征在于，所述利用所述证据的支持度，确定所述证据的绝对可信度，包括：利用公式确定所述证据的绝对可信度...

【专利技术属性】
技术研发人员：吴雪峰，杨德斌，
申请(专利权)人：深圳埃哲思数睿科技有限公司，
类型：发明
国别省市：