基于制造技术

本发明专利技术公开的一种基于

【技术实现步骤摘要】
基于BP神经网络模型的公园日游客流量预测方法与系统


[0001]本专利技术涉及神经网络以及人流量预测
，更具体的，涉及一种基于
BP
神经网络模型的公园日游客流量预测方法与系统
。

技术介绍

[0002]城市化进程的不断推进，配套的公园或者绿地也逐步在加快建设，从而可以丰富市民的日常生活，提升生活体验
。
[0003]目前，各公园或者绿地景区采用的入口闸门检票或利用摄像头统计人数，可以适当控制公园的人数范围，但是，这些统计办法存在滞后性，当发现景区游客人流量超过阈值时，景区内游客已经处于拥堵状态，存在一定的安全隐患
。
所以，提前预测预警越来越有必要，可以避免交通拥堵，保证人们的人身安全
。

技术实现思路

[0004]本专利技术的目的是提供一种基于
BP
神经网络模型的公园日游客流量预测方法与系统，可以用于在人流量高峰来临之前提前预测出人流量高峰，避免公园或者绿地景区拥堵
。
[0005]本专利技术第一方面提供了一种基于
BP
神经网络模型的公园日游客流量预测方法，包括以下步骤：采集用户信令数据以及参考数据，基于所述信令数据得到用户对应的行动轨迹，所述参考数据至少包括节假日历史数据
、
天气数据以及寒暑假数据；基于所述行动轨迹结合预设划分区域用户以及停留时长得到日游客用户，其中，预设划分区域用户至少包括工作区域用户
、
居住区域用户；基于所述日游客用户利用训练好的
BP
神经网络模型进行测试得到预测结果，从而基于所述预测结果反馈给用户端
。
[0006]本方案中，所述基于所述信令数据得到用户对应的行动轨迹，具体包括：基于预设运营商的信令数据获取划分区域内的用户识别码的基站扇信息，所述基站扇信息包括扇区位置信息以及进出扇区时间信息；基于用户实时轨迹信息接入预设订阅系统结合用户对应的信令数据得到所述行动轨迹
。
[0007]本方案中，采集参考数据，具体包括：建立与预设用户端的通信连接以获取用户输入数据；基于所述输入数据进行数据分析得到不同数据因子，从而基于不同的所述数据因子得到对应的参考数据，其中，基于节假日因子得到所述节假日历史数据；以及基于天气因子得到所述天气数据；以及基于寒暑假因子得到所述寒暑假数据，其中，所述天气数据还包括最高气温以及最低气温
。
[0008]本方案中，所述基于所述行动轨迹结合预设划分区域用户以及停留时长得到日游
客用户，具体包括：基于所述行动轨迹获取统计区域内的目标活跃用户；基于所述目标活跃用户结合划分区域以及停留时长得到所述日游客用户其中，具体包括剔除统计区域内属于工作区域和
/
或居住区域的目标活跃用户；以及保留停留时长属于预设时间阈值范围的目标活跃用户
。
[0009]本方案中，所述方法还包括构建所述
BP
神经网络模型，具体包括：获取训练数据集以及测试数据集；建立
BP
神经网络初始回归模型，其中，所述
BP
神经网络初始回归模型包括
BP
反响传播和神经网络，所述神经网络中的神经元数量大于或者等于所述参考数据的数量值；基于所述训练数据集对所述
BP
神经网络初始回归模型进行训练，其中，模型的激活函数采用
ReLu
函数，求解器采用
1bfgs
求解器；基于预设迭代次数对初始回归模型进行迭代训练，并在每次训练结束后用测试数据集进行交叉验证以筛选得到所述
BP
神经网络模型
。
[0010]本方案中，所述方法还包括：对所述信令数据进行异常值修正以及缺失数据补充；以及基于参考数据中的假期政策类数据进行定类变量编码；以及将参考数据中除所述假期政策类数据之外的数据作归一化处理
。
[0011]本专利技术第二方面还提供一种基于
BP
神经网络模型的公园日游客流量预测系统，包括存储器和处理器，所述存储器中包括基于
BP
神经网络模型的公园日游客流量预测方法程序，所述基于
BP
神经网络模型的公园日游客流量预测方法程序被所述处理器执行时实现如下步骤：采集用户信令数据以及参考数据，基于所述信令数据得到用户对应的行动轨迹，所述参考数据至少包括节假日历史数据
、
天气数据以及寒暑假数据；基于所述行动轨迹结合预设划分区域用户以及停留时长得到日游客用户，其中，预设划分区域用户至少包括工作区域用户
、
居住区域用户；基于所述日游客用户利用训练好的
BP
神经网络模型进行测试得到预测结果，从而基于所述预测结果反馈给用户端
。
[0012]本方案中，所述基于所述信令数据得到用户对应的行动轨迹，具体包括：基于预设运营商的信令数据获取划分区域内的用户识别码的基站扇信息，所述基站扇信息包括扇区位置信息以及进出扇区时间信息；基于用户实时轨迹信息接入预设订阅系统结合用户对应的信令数据得到所述行动轨迹
。
[0013]本方案中，采集参考数据，具体包括：建立与预设用户端的通信连接以获取用户输入数据；基于所述输入数据进行数据分析得到不同数据因子，从而基于不同的所述数据因子得到对应的参考数据，其中，基于节假日因子得到所述节假日历史数据；以及基于天气因子得到所述天气数据；以及基于寒暑假因子得到所述寒暑假数据，其中，所述天气数据还包括最高气温以及最低气温
。
[0014]本方案中，所述基于所述行动轨迹结合预设划分区域用户以及停留时长得到日游
客用户，具体包括：基于所述行动轨迹获取统计区域内的目标活跃用户；基于所述目标活跃用户结合划分区域以及停留时长得到所述日游客用户其中，具体包括剔除统计区域内属于工作区域和
/
或居住区域的目标活跃用户；以及保留停留时长属于预设时间阈值范围的目标活跃用户
。
[0015]本方案中，所述方法还包括构建所述
BP
神经网络模型，具体包括：获取训练数据集以及测试数据集；建立
BP
神经网络初始回归模型，其中，所述
BP
神经网络初始回归模型包括
BP
反响传播和神经网络，所述神经网络中的神经元数量大于或者等于所述参考数据的数量值；基于所述训练数据集对所述
BP
神经网络初始回归模型进行训练，其中，模型的激活函数采用
ReLu
函数，求解器采用
1bfgs
求解器；基于预设迭代次数对初始回归模型进行迭代训练，并在每次训练结束后用测试数据集进行交叉验证以筛选得到所述
BP
神经网络模型
。
[0016]本方案中，所述方法还包括：对所述信令数据进行异常值修正以及缺失数据补充；以及基于参考数据中的假期政策类数据进行定类变量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
BP
神经网络模型的公园日游客流量预测方法，其特征在于，包括以下步骤：采集用户信令数据以及参考数据，基于所述信令数据得到用户对应的行动轨迹，所述参考数据至少包括节假日历史数据
、
天气数据以及寒暑假数据；基于所述行动轨迹结合预设划分区域用户以及停留时长得到日游客用户，其中，预设划分区域用户至少包括工作区域用户
、
居住区域用户；基于所述日游客用户利用训练好的
BP
神经网络模型进行测试得到预测结果，从而基于所述预测结果反馈给用户端
。2.
根据权利要求1所述的一种基于
BP
神经网络模型的公园日游客流量预测方法，其特征在于，所述基于所述信令数据得到用户对应的行动轨迹，具体包括：基于预设运营商的信令数据获取划分区域内的用户识别码的基站扇信息，所述基站扇信息包括扇区位置信息以及进出扇区时间信息；基于用户实时轨迹信息接入预设订阅系统结合用户对应的信令数据得到所述行动轨迹
。3.
根据权利要求2所述的一种基于
BP
神经网络模型的公园日游客流量预测方法，其特征在于，采集参考数据，具体包括：建立与预设用户端的通信连接以获取用户输入数据；基于所述输入数据进行数据分析得到不同数据因子，从而基于不同的所述数据因子得到对应的参考数据，其中，基于节假日因子得到所述节假日历史数据；以及基于天气因子得到所述天气数据；以及基于寒暑假因子得到所述寒暑假数据，其中，所述天气数据还包括最高气温以及最低气温
。4.
根据权利要求3所述的一种基于
BP
神经网络模型的公园日游客流量预测方法，其特征在于，所述基于所述行动轨迹结合预设划分区域用户以及停留时长得到日游客用户，具体包括：基于所述行动轨迹获取统计区域内的目标活跃用户；基于所述目标活跃用户结合划分区域以及停留时长得到所述日游客用户其中，具体包括剔除统计区域内属于工作区域和
/
或居住区域的目标活跃用户；以及保留停留时长属于预设时间阈值范围的目标活跃用户
。5.
根据权利要求1所述的一种基于
BP
神经网络模型的公园日游客流量预测方法，其特征在于，所述方法还包括构建所述
BP
神经网络模型，具体包括：获取训练数据集以及测试数据集；建立
BP
神经网络初始回归模型，其中，所述
BP
神经网络初始回归模型包括
BP
反响传播和神经网络，所述神经网络中的神经元数量大于或者等于所述参考数据的数量值；基于所述训练数据集对所述
BP
神经网络初始回归模型进行训练，其中，模型的激活函数采用
ReLu
函数，求解器采用
1bfg...

【专利技术属性】
技术研发人员：成立立，张广志，于笑博，黄伟，徐丽琴，
申请(专利权)人：北京融信数联科技有限公司，
类型：发明
国别省市：