基于卷积神经网络的景区游客人数预测方法技术

本发明专利技术提供了一种基于卷积神经网络的景区游客人数预测方法，包括：实时且连续不断地获取以下数据：到景区的道路交通状况、景区停车场情况、当天天气情况、网络上各个平台对于景区的评价、景区入口排队情况；使用第一循环神经网络根据所述道路交通状况、景区停车场情况预测交通情况、停车场停车情况；步骤3，构建一个第二循环神经网络，所述第二循环神经网络包含6个序列化数据输入组、一个输出层、包含3个隐含层的RNN，其中每层包含256个节点，每个输入层都与隐含层的节点相连，即输入6组影响景区人流量的因素的数据、输出景区人流量。本发明专利技术有效提高了景区人流了的实时性、有效性、准确性，为景区提前做好相应措施提供数据支持。持。持。

【技术实现步骤摘要】
基于卷积神经网络的景区游客人数预测方法


[0001]本专利技术涉及云计算、软件工程领域，特别涉及一种基于卷积神经网络的景区游客人数预测方法。

技术介绍

[0002]全国各个景区采用了很多的技术方案，比如：采用摄像头对进入景区的人数进行统计，当景区内人数超过设定范围时予以警告，或者采用与运营商合作的方式，利用基站对游客位置进行定位并统计出景区内游客人数和游客在景区内的分布情况，方便景区采取对应的措施，确保景区内游客的人身安全。
[0003]但是，上述两种方式都是对景区情况的一种迟滞应对措施，在发现景区游客超限时，景区内游客已经处于一种拥挤状态了。

技术实现思路

[0004]本专利技术提供了一种基于卷积神经网络的景区游客人数预测方法，以解决至少一个上述技术问题。
[0005]为解决上述问题，作为本专利技术的一个方面，提供了一种基于卷积神经网络的景区游客人数预测方法，包括：
[0006]步骤1，实时且连续不断地获取以下数据：到景区的道路交通状况、景区停车场情况、当天天气情况、网络上各个平台对于景区的评价、景区入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的景区游客人数预测方法，其特征在于，包括：步骤1，实时且连续不断地获取以下数据：到景区的道路交通状况、景区停车场情况、当天天气情况、网络上各个平台对于景区的评价、景区入口排队情况；步骤2，使用第一循环神经网络根据所述道路交通状况、景区停车场情况预测交通情况、停车场停车情况；步骤3，构建一个第二循环神经网络，所述第二循环神经网络包含6个序列化数据输入组、一个输出层、包含3个隐含层的RNN，其中每层包含256个节点，每个输入层都与隐含层的节点相连，即输入6组影响景区人流量的因素的数据、输出景区人流量；其中，所述6组影响景区人流量的因素的数据包括：步骤2预测的交通情况、停车场停车情况，以及步骤1获取的天气情况、网络上各个平台对于景区的评价、景区入口排队情况以及对应景区人流量组成的数据。2.根据权利要求1所述的基于卷积神经网络的景区游客人数预测方法，其特征在于，到景区的道路交通状况是指以景点为中心，设定半径为2公里，将这个区域内各个道路划分为节点，道路为节点之间的连接线，这样就以景点为中心生成了一个图，同时抓取各个节点之间道路的拥堵情况，来作为图之间边的权重。3.根据权利要求2所述的基于卷积神经网络的景区游客人数预测方法，其特征在于，道路通行情况包括：1)畅通、2)缓慢行驶、3)拥堵、4)严重拥堵四个等级，以及在2)缓慢行驶、3)拥堵、4)严重拥堵三种情况下的拥堵道路长度；所以道路交通情况计算公式如下：其中R
ji
为该条道路通行情况，分别为：畅通为0、缓慢行驶为1，拥堵为2，严重拥堵为3,R
li
为该条道路拥堵长度(km)，N为道路节点之间的连接线数量...

【专利技术属性】
技术研发人员：安德军，田长宝，周听鸿，周相兵，辜建刚，
申请(专利权)人：黄龙国家级风景名胜区管理局，
类型：发明
国别省市：