基于深度学习的人员流量与消费量的预测方法及其系统技术方案

一种基于深度学习的人员流量与消费量的预测方法，涉及人员流量与消费量预测技术领域，主要包括社区总人员流量和消费量预测方法和分区域人员流量和消费量预测方法,所述社区总人员流量和消费量预测方法由社区总人员流量预测方法和社区总消费量预测方法组成，所述社区总人员流量预测方法包括人员进入流量预测模型、人员出去流量预测模型和人员净存量预测模型三个模型的训练生成方法；其有益效果为提供的人员流量处理方法可以准确的监测人员流量，解决了现有技术中人员流量不能精准测量的问题。的问题。的问题。

【技术实现步骤摘要】
基于深度学习的人员流量与消费量的预测方法及其系统


[0001]本专利技术涉及人员流量与消费量预测
，具体为一种基于深度学习的人员流量与消费量的预测方法，还具体为一种基于深度学习的人员流量与消费量的预测系统。

技术介绍

[0002]一直以来，在一定区域内对人员流量进行监测是一件非常有意义的事情，在这方面技术也得到了飞速发展，例如：社区管理者可以通过使用传感器、监控摄像头等设备获取人员进出某一区域的信息，再通过数据处理和分析，得出该社区的人流量大小和变化趋势。这些技术可以为社区管理者提供有关用户行为的重要数据，帮助其进行精细化管理和服务优化。还有在消费数据采集方面的技术进步：通过使用POS机、支付宝、微信支付等支付渠道的交易记录等手段，可以对社区居民的消费行为进行跟踪和分析。这些数据可以为社区管理者提供有关消费偏好、消费习惯等方面的信息，以便其优化服务和推出更符合用户需求的产品和服务。如果能较为准确的预测到人员流量的变化，可以为社区管理人员提供很好的决策帮助，在这方面，国内有很多专业人士在这方面进行了研究，例如：公开号为CN112381320A ，专利技术名称为：一种社区人员流量预测方法、系统、存储介质及设备，其采用将本征模态分量输入到时间序列模型并输出初始社区人员流量预测结果，将残差分量输入到采用余量预测模型并输出社区人员流量外部影响预测结果，再将初始社区人员流量预测结果与社区人员流量外部影响预测结果叠加，得到最终的社区人员流量预测结果。
[0003]还有公告号为CN110493816B，名称为：一种用于轨交地铁车站客流量的实时预测方法,其通过实时预测当前特征日当前统计周期内地铁全站的实际客流量Yt，从而完成对当前特征日当前统计周期内地铁全站客流量的实时预测；重复上述步骤，完成某高峰时段N个统计周期地铁全站客流量的实时预测。
[0004]然而，在社区管理方面，虽然大数据分析能够提供详细的用户数据，但如果数据采集不准确或统计方法不可靠，就会导致结果的偏差，从而影响社区管理者的决策，并且，如何充分合理的利用人员流量和消费量数据，节约管理成本也是迫在眉睫待解决的问题。

技术实现思路

[0005]本申请的目的在于提供一种基于深度学习的人员流量与消费量的预测方法，以解决当前人员流量数据采集不准确，以及对社区人员流量情况预测效果不好，以及社区如何充分利用人员流量问题来预测消费量的问题。
[0006]为了达到上述目的，本专利技术采用以下技术方案：一种基于深度学习的人员流量与消费量的预测方法，主要包括社区总人员流量和消费量预测方法，以及分区域人员流量和消费量预测方法，其特征在：所述社区总人员流量和消费量预测方法由社区总人员流量预测方法和社区总消费量预测方法组成，所述社区总人员流量预测方法包括人员进入流量预测模型、人员出去流量预测模型和人员净存量预测模型三个模型的训练生成方法；
所述分区域人员流量和消费量预测方法由分区域人员流量预测方法和分区域消费量预测方法组成，所述分区域人员流量预测方法包括外界直接进入人员流量预测模型、本区域直接出去人员流量预测模型、外分区域进入人员流量预测模型、本区域直接出去到外分区域人员流量预测模型和本区人员净流量预测模型五个模型的训练生成方法；所述社区总人员流量预测方法和分区域人员流量和消费量预测方法的特征数据项称为人员流量特征数据项，所述人员流量特征数据项主要包括：日期、时间段、是否工作日、节假日、社区活动日、当地天气情况；所述人员流量特征数据项为类型数据，采用独热编码进行数据预处理；所述人员进入流量预测模型、人员出去流量预测模型和人员净存量预测模型的目标数据项分别为：人员进入流量、人员出去流量和人员净存量，以上目标数据项称为社区人员流量数据；所述外界直接进入人员流量预测模型、本区域直接出去人员流量预测模型、外分区域进入人员流量预测模型、本区域直接出去到外分区域人员流量预测模型和本区人员净流量预测模型的目标数据项分别为：外界直接进入人员流量、本区域直接出去人员流量、外分区域进入人员流量、本区域直接出去到外分区域人员流量和本区人员净流量，以上目标数据项称为分区域人员流量数据；所述社区总消费量预测模型的特征数据包括所述人员流量特征数据项和社区人员流量数据，所述社区总消费量预测模型的目标数据为社区消费额；所述分区域消费量预测模型的特征数据包括所述人员流量特征数据项和分区域人员流量数据，所述分区域消费量预测模型的目标数据为分区域消费额；所述社区人员流量数据、分区域人员流量数据、社区消费额和分区域消费额均为数值型数据，数据预处理时采用最大最小值法进行归一处理；上面所有的预测方法的模型均由长短时记忆神经网络模型对预处理后的数据进行训练生成，所有包括人员流量的模型中的人员流量数据采集均由流量监控装置收集理。
[0007]进一步，所述流量监控装置主要包括墙体1、门框2、流量计3和反光板4，所述门框2设置在墙体1内，所述门框2包括左门框2
‑
1和右门框2
‑
3，所述左门框2
‑
1上开设有两个流量计安装腔2
‑
2，用于安装流量计3，所述流量计3分为上流量计3
‑
1和下流量计3
‑
2，所述流量计3主要包括流量计主体3
‑
3，在流量计主体3
‑
3的下半部设有用于发射红外线的左红外探头3
‑
4和右红外探头3
‑
5，上半部设有用于显示人流量的显示屏3
‑
6，所述上流量计3
‑
1的离地高度为100
‑
120cm，所述下流量计3
‑
2的离地高度为30
‑
50cm，所述右门框2
‑
3上设有与流量计安装腔2
‑
2相对应的反光板安装腔2
‑
4，用于安装反光板4，通过流量计3与反光板4的配合，可以实时监测通过门框2时人员进出的流动情况。
[0008]进一步，所述流量计安装腔2
‑
2的外面设置有插槽5和挡板6，所述插槽5用于安装挡板6，当不需要监测人员流量时，可以将挡板6插入到插槽5内。
[0009]进一步，所述的人员流量数据采集后，通过人员流量处理方法获得准确的人员流量数据，所述人员流量处理方法的公式为：L= L2‑ꢀ
L1其中L为实际人员流量，L1为上流量计3
‑
1的人员出/入流量读数，L2为下流量计3
‑
2的人员出/入流量读数。
[0010]进一步，所述人员进入流量预测模型、人员出去流量预测模型和人员净存量预测模型三个模型拟合效果评价公式为：
[0011]上述公式中：SSE为平方和差，其中为第i个时间段内的人员净存量预测值，为第i个时间段内的人员预测进出差值；所述人员预测进出差值的公式为：
[0012]上述公式中的为人员预测进出差值，为人员进入流量预测值，为人员出去流量预测值。
[0013]进一步，对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的人员流量与消费量的预测方法，主要包括社区总人员流量和消费量预测方法，以及分区域人员流量和消费量预测方法，其特征在：所述社区总人员流量和消费量预测方法由社区总人员流量预测方法和社区总消费量预测方法组成，所述社区总人员流量预测方法包括人员进入流量预测模型、人员出去流量预测模型和人员净存量预测模型三个模型的训练生成方法；所述分区域人员流量和消费量预测方法由分区域人员流量预测方法和分区域消费量预测方法组成，所述分区域人员流量预测方法包括外界直接进入人员流量预测模型、本区域直接出去人员流量预测模型、外分区域进入人员流量预测模型、本区域直接出去到外分区域人员流量预测模型和本区人员净流量预测模型五个模型的训练生成方法；所述社区总人员流量预测方法和分区域人员流量和消费量预测方法的特征数据项称为人员流量特征数据项，所述人员流量特征数据项主要包括：日期、时间段、是否工作日、节假日、社区活动日、当地天气情况；所述人员流量特征数据项为类型数据，采用独热编码进行数据预处理；所述人员进入流量预测模型、人员出去流量预测模型和人员净存量预测模型的目标数据项分别为：人员进入流量、人员出去流量和人员净存量，以上目标数据项称为社区人员流量数据；所述外界直接进入人员流量预测模型、本区域直接出去人员流量预测模型、外分区域进入人员流量预测模型、本区域直接出去到外分区域人员流量预测模型和本区人员净流量预测模型的目标数据项分别为：外界直接进入人员流量、本区域直接出去人员流量、外分区域进入人员流量、本区域直接出去到外分区域人员流量和本区人员净流量，以上目标数据项称为分区域人员流量数据；所述社区总消费量预测模型的特征数据包括所述人员流量特征数据项和社区人员流量数据，所述社区总消费量预测模型的目标数据为社区消费额；所述分区域消费量预测模型的特征数据包括所述人员流量特征数据项和分区域人员流量数据，所述分区域消费量预测模型的目标数据为分区域消费额；所述社区人员流量数据、分区域人员流量数据、社区消费额和分区域消费额均为数值型数据，数据预处理时采用最大最小值法进行归一处理；上面所有的预测方法的模型均由长短时记忆神经网络模型对预处理后的数据进行训练生成，所有包括人员流量的模型中的人员流量数据采集均由流量监控装置收集。2.根据权利要求1所述的一种基于深度学习的人员流量与消费量的预测方法，其特征在于：所述流量监控装置主要包括墙体(1)、门框(2)、流量计(3)和反光板(4)，所述门框(2)设置在墙体(1)内，所述门框(2)包括左门框(2
‑
1)和右门框(2
‑
3)，所述左门框(2
‑
1)上开设有两个流量计安装腔(2
‑
2)，用于安装流量计(3)，所述流量计(3)分为上流量计(3
‑
1)和下流量计(3
‑
2)，所述流量计(3)主要包括流量计主体(3
‑
3)，在流量计主体(3
‑
3)的下半部设有用于发射红外线的左红外探头(3
‑
4)和右红外探头(3
‑
5)，上半部设有用于显示人流量的显示屏(3
‑
6)，所述上流量计(3
‑
1)的离地高度为100
‑
120cm，所述下流量计(3
‑
2)的离地高度为30
‑
50cm，所述右门框(2
‑
3)上设有与流量计安装腔(2
‑
2)相对应的反光板安装腔(2

【专利技术属性】
技术研发人员：黄钰，杨海宁，邓泽西，杨德川，
申请(专利权)人：一站发展北京云计算科技有限公司，
类型：发明
国别省市：