【技术实现步骤摘要】
本专利技术涉及景区游客导航方法，更具体地说，涉及一种基于热力图的景区内游客导航方法。
技术介绍
1、随着旅游业的迅速发展，越来越多的人们选择在假期或周末参观各类景区、公园和旅游胜地。这些场所为游客提供了丰富的文化、娱乐和自然体验，但同时也面临着一个重要的管理挑战：如何确保大量游客能够顺畅、安全地游览，特别是在高峰期或特定的热门景点。
2、由于景区面积一般较大，如果对游客导航路线未做规划，游客容易产生局部区域的拥挤，这不仅会降低游客的游览体验，还可能引发安全隐患，如踩踏事件。因此，如何实时、准确地预测和管理这种局部拥挤情况成为了景区管理者亟需解决的问题。
技术实现思路
1、本专利技术要解决的技术问题是提供一种基于热力图的景区内游客导航方法，以解决
技术介绍
中提到的问题。
2、为了达到上述目的，本专利技术采取以下技术方案：
3、一种基于热力图的景区内游客导航方法，包括以下步骤：
4、s1：提供多种导航路线供游客选择，并接收游客基于个人偏好选择的导航路线；
5、s2：基于每个游客的出发时间和选择的导航路线，利用历史数据统计的游客平均步行速度和在每个景点的平均停留时间，计算每个游客在景区内的实时位置，并据此生成预测的热力图；
6、s3：利用预先训练完成的卷积神经网络对预测的热力图进行修正；其中，所述卷积神经网络的训练过程为：收集实际热力图数据，并将所述预测的热力图与实际热力图数据配对，形成训练数据集；使用所述训练数据集，
7、s4：当预测并修正过的热力图中未来存在任意一个预设面积内的人群密度超出预设的阈值时，对于新进入景区的游客，采取如下导航路线推荐方法：对于每一种导航路线，计算其如果被分配给新进入景区的游客后，在未来分别会导致的修正过的热力图，对于每种修正过的热力图，计算其在未来一段时间内的均匀程度，其中，均匀程度越高的热力图对应的导航路线被优选推荐给游客。
8、优选的，所述导航路线是一个以景区入口开始，以出口结尾，经过所有景点的哈密顿路径。
9、优选的，所述热力图中，颜色越深的区域表示人群密度越高。
10、优选的，所述热力图任一时刻的均匀度计算方式如下：
11、提取热力图上所有点的人群密度值构成一个数据集，其中每个点代表一个单位面积；计算这个数据集的标准差；标准差越小，均匀度越高。
12、在一些实施例中，取标准差的倒数作为均匀度的度量。
13、优选的，一段时间内的均匀度通过标准差对于时间的积分表示，积分值越小，均匀度越高。
14、在一些实施例中，所述一段时间内的均匀度等于所述积分值的倒数。
15、在一些实施例中，所述一段时间为计算均匀度的时刻到景区关闭时刻。
16、在一些实施例中，s4中所述预设面积为50平方米。
17、在一些实施例中，所述预设的阈值为0.2人/平方米。
18、本专利技术相对于现有技术的优点在于，本专利技术结合了预测热力图、卷积神经网络和动态路线推荐技术，能够实时、准确地预测和管理景区内的人流分布，尤其针对可能的局部拥挤情况，并且能够根据已有人流分布情况，提供使得人流分布更加均匀的导航路线推荐，这不仅显著提高了游客的游览体验和安全性，还为景区管理者提供了一个高效、科学的人流管理工具。
本文档来自技高网...【技术保护点】
1.一种基于热力图的景区内游客导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于热力图的景区内游客导航方法，其特征在于，所述导航路线是一个以景区入口开始，以出口结尾，经过所有景点的哈密顿路径。
3.根据权利要求1所述基于热力图的景区内游客导航方法，其特征在于，所述热力图中，颜色越深的区域表示人群密度越高。
4.根据权利要求1所述基于热力图的景区内游客导航方法，其特征在于，所述热力图任一时刻的均匀度计算方式如下：
5.根据权利要求4所述基于热力图的景区内游客导航方法，其特征在于，取标准差的倒数作为均匀度的度量。
6.根据权利要求4所述基于热力图的景区内游客导航方法，其特征在于，一段时间内的均匀度通过标准差对于时间的积分表示，积分值越小，均匀度越高。
7.根据权利要求6所述基于热力图的景区内游客导航方法，其特征在于，所述一段时间内的均匀度等于所述积分值的倒数。
8.根据权利要求6或7所述基于热力图的景区内游客导航方法，其特征在于，所述一段时间为计算均匀度的时刻到景区关闭时刻。
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。