景区人流量的预测方法、装置、设备及存储介质制造方法及图纸

本申请提供一种景区人流量的预测方法、装置、设备及存储介质，涉及智慧城市技术领域，通过获取目标景区对应目标时段根据年、季度、月、周、日、小时和预设时间间隔时间粒度划分的目标景区在历史目标时段内的历史人流量数据、目标景区预设范围内交通对象的历史交通流量数据及外界相关数据，基于历史人流量数据和历史交通流量数据确定目标景区的景区人流量与交通对象的交通流量数据间的空间依赖关系，在空间依赖关系的基础上，结合历史人流量数据确定目标景区的景区人流量在多维度时间粒度下的历史目标时段间的时间依赖关系，充分挖掘目标景区人流量数据的时空相关性，结合相关数据对景区人流量的影响，精确预测目标景区在待预测时间的人流量。时间的人流量。时间的人流量。

【技术实现步骤摘要】
景区人流量的预测方法、装置、设备及存储介质


[0001]本申请涉及智慧城市
，尤其涉及一种景区人流量的预测方法、装置、设备及存储介质。

技术介绍

[0002]近年来，随着产业结构的调整以及城市化的推进，人们对旅游的需求也越来越大，这就导致部分景区呈现爆炸式的人流量，进而带来景区生态环境的破坏、文物古迹的加速损蚀、设施使用寿命的缩短以及游客旅游体验差等潜在问题。因此，准确的景区人流量预测可以辅助景区管理员提前做好景区分流，提高景区的接待能力；也可以帮助游客错开景区人流量高峰，提升旅游的满意度。
[0003]相关技术中，通常采用传统的机器学习方法对景区人流量进行预测。具体地，通过历史预设时段内与景区相关的历史数据训练反向传播神经网络，以使该反向传播神经网络可以对未来预设时段内与该景区相关的历史数据和实时数据进行大数据分析处理，预测得到该景区在未来预设时段内的人流量数据，其中，未来预设时段与历史预设时段相对应，但预测精度较低。

技术实现思路

[0004]本申请提供一种景区人流量的预测方法、装置、设备及存储介质，用以解决相关技术中景区人流量预测精度较低的问题。
[0005]第一方面，本申请提供一种景区人流量的预测方法，包括：
[0006]获取目标景区对应目标时段的历史数据和外界相关数据，其中，目标时段是根据待预测时间确定的，历史数据包括多维度时间粒度下目标景区在历史目标时段内的历史人流量数据和目标景区的预设范围内交通对象的历史交通流量数据，外界相关数据包括目标景区在待预测时间内的天气数据、目标景区所在地区的人均生产总值数据以及关键事件数据，多维度时间粒度包括年、季度、月、周、日、小时和预设时间间隔，交通对象包括车站、卡口和地标；根据历史人流量数据以及历史交通流量数据，确定目标景区的景区人流量与交通对象的交通流量数据之间的空间依赖关系；根据空间依赖关系以及历史人流量数据，确定目标景区的景区人流量在多维度时间粒度下的历史目标时段之间的时间依赖关系；根据时间依赖关系及外界相关数据，预测目标景区在待预测时间的人流量。
[0007]一种可能的实现方式中，根据历史人流量数据以及历史交通流量数据，确定目标景区的景区人流量与交通对象的交通流量数据之间的空间依赖关系，包括：确定目标景区与交通对象之间的距离；在历史交通流量数据中，获取对应距离小于距离阈值的目标交通对象对应的目标历史交通流量数据；根据目标历史交通流量数据以及历史人流量数据，确定目标景区的景区人流量与目标交通对象的交通流量数据之间的空间依赖关系。
[0008]一种可能的实现方式中，根据目标历史交通流量数据以及历史人流量数据，确定目标景区的景区人流量与目标交通对象的交通流量数据之间的空间依赖关系，包括：将目
标历史交通流量数据以及历史人流量数据输入空间关系模型，得到空间关系模型输出的目标景区的景区人流量与目标交通对象的交通流量数据之间的空间依赖关系。
[0009]一种可能的实现方式中，空间关系模型包括多个卷积层；相邻卷积层之间设置有流量控制层，流量控制层用于采用流量控制机制调整空间依赖关系；将目标历史交通流量数据以及历史人流量数据输入空间关系模型，得到空间关系模型输出的目标景区的景区人流量与目标交通对象的交通流量数据之间的空间依赖关系，包括：将目标历史交通流量数据以及历史人流量数据输入第1卷积层进行空间特征提取，得到第1卷积层输出的空间特征，不同空间特征之间具有空间依赖关系；通过流量控制层根据第i卷积层输出的空间特征调整局部空间依赖关系，其中，i依次取1,2，
……
，N
‑
1，N为卷积层的个数；将局部空间依赖关系输入第i+1卷积层进行空间特征提取，得到第i+1卷积层输出的空间特征，其中，第N卷积层输出的空间特征之间的空间依赖关系为目标景区的景区人流量与目标交通对象的交通流量数据之间的空间依赖关系。
[0010]一种可能的实现方式中，根据空间依赖关系以及历史人流量数据，确定目标景区的景区人流量在多维度时间粒度下的历史目标时段之间的时间依赖关系，包括：将空间依赖关系以及历史人流量数据输入时间关系模型，得到时间关系模型输出的目标景区的景区人流量在多维度时间粒度下的历史目标时段之间的时间依赖关系。
[0011]一种可能的实现方式中，时间关系模型包括双向长短期记忆网络和注意力模块，注意力模块用于采用注意力机制调整时间依赖关系；将空间依赖关系以及历史人流量数据输入时间关系模型，得到时间关系模型输出的目标景区的景区人流量在多维度时间粒度下的历史目标时段之间的时间依赖关系，包括：针对多维度时间粒度中每个维度时间粒度，将空间依赖关系以及维度时间粒度的历史人流量数据输入双向长短期记忆网络，得到双向长短期记忆网络输出的时间特征，时间特征之间具有时间依赖关系；通过注意力模块调整多维度时间粒度的时间特征对应的时间依赖关系，得到目标景区的景区人流量在多维度时间粒度下的历史目标时段之间的时间依赖关系。
[0012]一种可能的实现方式中，根据时间依赖关系及外界相关数据，预测目标景区在待预测时间的人流量，包括：对时间依赖关系及外界相关数据进行融合处理，得到目标景区在待预测时间的人流量。
[0013]第二方面，本申请提供一种景区人流量的预测装置，包括：
[0014]获取模块，用于获取目标景区对应目标时段的历史数据和外界相关数据，其中，目标时段是根据待预测时间确定的，历史数据包括多维度时间粒度下目标景区在历史目标时段内的历史人流量数据和目标景区的预设范围内交通对象的历史交通流量数据，外界相关数据包括目标景区在待预测时间内的天气数据、目标景区所在地区的人均生产总值数据以及关键事件数据，多维度时间粒度包括年、季度、月、周、日、小时和预设时间间隔，交通对象包括车站、卡口和地标；第一确定模块，用于根据历史人流量数据以及历史交通流量数据，确定目标景区的景区人流量与交通对象的交通流量数据之间的空间依赖关系；第二确定模块，用于根据空间依赖关系以及历史人流量数据，确定目标景区的景区人流量在多维度时间粒度下的历史目标时段之间的时间依赖关系；预测模块，用于根据时间依赖关系及外界相关数据，预测目标景区在待预测时间的人流量。
[0015]一种可能的实现方式中，第一确定模块具体用于：确定目标景区与交通对象之间
的距离；在历史交通流量数据中，获取对应距离小于距离阈值的目标交通对象对应的目标历史交通流量数据；根据目标历史交通流量数据以及历史人流量数据，确定目标景区的景区人流量与目标交通对象的交通流量数据之间的空间依赖关系。
[0016]一种可能的实现方式中，第一确定模块还可以用于：将目标历史交通流量数据以及历史人流量数据输入空间关系模型，得到空间关系模型输出的目标景区的景区人流量与目标交通对象的交通流量数据之间的空间依赖关系。
[0017]一种可能的实现方式中，空间关系模型包括多个卷积层；相邻卷积层之间设置有流量控制层，流量控制层用于采用流量控制机制调整空间依赖关系；第一确定模块还可以用于：将目标历本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种景区人流量的预测方法，其特征在于，包括：获取目标景区对应目标时段的历史数据和外界相关数据，其中，所述目标时段是根据待预测时间确定的，所述历史数据包括多维度时间粒度下目标景区在历史目标时段内的历史人流量数据和所述目标景区的预设范围内交通对象的历史交通流量数据，所述外界相关数据包括所述目标景区在所述待预测时间内的天气数据、所述目标景区所在地区的人均生产总值数据以及关键事件数据，所述多维度时间粒度包括年、季度、月、周、日、小时和预设时间间隔，所述交通对象包括车站、卡口和地标；根据所述历史人流量数据以及所述历史交通流量数据，确定所述目标景区的景区人流量与所述交通对象的交通流量数据之间的空间依赖关系；根据所述空间依赖关系以及所述历史人流量数据，确定所述目标景区的景区人流量在所述多维度时间粒度下的历史目标时段之间的时间依赖关系；根据所述时间依赖关系及所述外界相关数据，预测所述目标景区在所述待预测时间的人流量。2.根据权利要求1所述的预测方法，其特征在于，所述根据所述历史人流量数据以及所述历史交通流量数据，确定所述目标景区的景区人流量与所述交通对象的交通流量数据之间的空间依赖关系，包括：确定所述目标景区与所述交通对象之间的距离；在所述历史交通流量数据中，获取对应距离小于距离阈值的目标交通对象对应的目标历史交通流量数据；根据所述目标历史交通流量数据以及所述历史人流量数据，确定所述目标景区的景区人流量与所述目标交通对象的交通流量数据之间的空间依赖关系。3.根据权利要求2所述的预测方法，其特征在于，所述根据所述目标历史交通流量数据以及所述历史人流量数据，确定所述目标景区的景区人流量与所述目标交通对象的交通流量数据之间的空间依赖关系，包括：将所述目标历史交通流量数据以及所述历史人流量数据输入空间关系模型，得到所述空间关系模型输出的所述目标景区的景区人流量与所述目标交通对象的交通流量数据之间的空间依赖关系。4.根据权利要求3所述的预测方法，其特征在于，所述空间关系模型包括多个卷积层；相邻卷积层之间设置有流量控制层，所述流量控制层用于采用流量控制机制调整空间依赖关系；所述将所述目标历史交通流量数据以及所述历史人流量数据输入空间关系模型，得到所述空间关系模型输出的所述目标景区的景区人流量与所述目标交通对象的交通流量数据之间的空间依赖关系，包括：将所述目标历史交通流量数据以及所述历史人流量数据输入第1卷积层进行空间特征提取，得到第1卷积层输出的空间特征，不同空间特征之间具有空间依赖关系；通过所述流量控制层根据第i卷积层输出的空间特征调整局部空间依赖关系，其中，i依次取1，2，
……
，N
‑
1，N为卷积层的个数；将局部空间依赖关系输入第i+1卷积层进行空间特征提取，得到第i+1卷积层输出的空间特征，其中，第N卷积层输出的空间特征之间的空间依赖关系为所述目标景区的景区人流量与所述目标交通对象的交通流量数据之间的空间
依赖关系。5.根据权利要求1至4中任一项所述的预测方法，其特征在...

【专利技术属性】
技术研发人员：王冀琛，魏巍，马梦珍，刘伟，王昊然，
申请(专利权)人：联通数字科技有限公司，
类型：发明
国别省市：