【技术实现步骤摘要】
本专利技术涉及旅游、大数据、数据分析应用领域，尤其涉及了一种利用免门票景区停车场数据结合互联网公开数据挖掘游客特性的方法和装置。
技术介绍
1、当前无门票景区呈现出日益流行的趋势，该类景区拥有无门票、无固定路线、覆盖范围大的特点。这些景区通过创新的经营模式和吸引人的特色，吸引了大量游客。由于不依赖门票收入，景区管理者更加注重提升服务质量和游客体验，针对游客特性分析有针对性的提供对应运营服务成为提高游客体验和服务质量的有效方法。其中传统分析方法中往往是使用票务数据和固定位置(售票口及检票口等)的人流量采集数据，在无门票景区中该类数据采集方法失效无法对游客特性进行有效分析。
2、因此需要通过其他数据源获得其他数据，并证明该数据与人流量数据有强相关性后用于代替人流量数据用作后续分析。
技术实现思路
1、为了解决
技术介绍
中的问题，本专利技术提供了一种利用免门票景区停车场数据结合互联网公开数据挖掘游客特性的方法和装置。为了填补对无门票景区由于无法获得人流量数据而无法进行游客特性分析的空白，通过采集停车场数据并将停车场数据与景区互联网热度数据进行相关性分析，通过具有强相关性的数据以停车场数据为景区流量数据替代进行后续的游客特性分析，供无门票景区管理者进行针对性引流。
2、本专利技术采用的技术方案是：
3、一、利用免门票景区停车场数据结合互联网公开数据挖掘游客特性的方法，包括：
4、1)获取免门票景区停车场的车辆数据以及关键词免门票景区的热度指数数
5、2)根据数据库中的车辆数据以及热度指数数据，采用相关性分析方法进行相关性分析处理，筛选出所需车辆数据；
6、3)根据数据库中的热度指数数据以及步骤2)中筛选出的所需车辆数据，采用数据分析方法进行游客特性分析处理，得到游客特征参数；
7、4)利用游客特征参数构建游客粘性分类模型，将待分类的游客特征参数输入至训练好的游客粘性分类模型中进行分类，得到游客粘性结果作为游客特性结果。
8、所述步骤1)中，免门票景区停车场的车辆数据包括车辆进出场记录数据、每日入场车辆数据、车辆地域信息数据和车辆类型数据；关键词免门票景区的热度指数数据包括景区网络热度信息数据和节假日信息数据。
9、所述步骤2)中，根据数据库中的每日入场车辆数据和热度指数数据中的景区网络热度信息数据，采用斯皮尔曼相关系数公式进行相关性分析；
10、所述斯皮尔曼相关系数公式设置如下：
11、
12、其中，ρ为斯皮尔曼相关系数，x、y分别为每日入场车辆数据和景区网络热度信息数据；
13、然后根据斯皮尔曼相关系数进行以下判断：
14、当斯皮尔曼相关系数ρ小于等于1且大于0.9时，数据库中的车辆数据和热度指数数据之间为强相关；斯皮尔曼相关系数ρ小于0.9且大于等于0.7时，数据库中的车辆数据和热度指数数据之间为高度相关；斯皮尔曼相关系数ρ小于0.7且大于等于0.4时，数据库中的车辆数据和热度指数数据之间为中度相关，斯皮尔曼相关系数ρ小于0.4且大于等于0.2时，数据库中的车辆数据和热度指数数据之间为弱相关，斯皮尔曼相关系数ρ小于0.2时，数据库中的车辆数据和热度指数数据之间为无相关；选择强相关和高度相关的数据库中的车辆数据为所需车辆数据，结合热度指数数据进行后续的游客特性分析处理。
15、所述步骤3)中：
16、3.1)采用k-means聚类方法分别对所需车辆数据中的车辆地域信息和车辆类型信息进行聚类，根据聚类结果得到游客的地域来源信息数据和车辆类型信息数据；
17、3.2)以小时为粒度聚合所需车辆数据中的车辆进出场记录数据，采用均值计算公式计算得到景区的日流量数据；
18、所述均值计算公式的设置如下：
19、
20、其中，为第i年j月z日的日流量数据，xi，j，max为第i年j月z日中以小时为粒度聚合的车辆进出场记录数据中的最大值数据，xi，j，min为第i年j月z日中以小时为粒度聚合的车辆进出场记录数据中的最小值数据，h为当日景区的营业总时长；
21、根据热度指数数据中的节假日信息数据，将时间区间分为节假日时间、周末时间和工作日时间，结合节假日信息数据和景区的日流量数据，采用聚类方法处理得到游客出游时间选择数据；
22、3.3)根据所需车辆数据中的车辆进出场记录数据，计算同一辆车的车辆进场时间和车辆出场时间的时间差，将时间差作为游客景区停留时长数据；
23、3.4)将得到的地域来源信息数据、车辆类型信息数据、游客出游时间选择数据和游客景区停留时长数据作为游客特征参数。
24、所述步骤4)中，利用游客特征参数中的地域来源信息数据、车辆类型信息数据、游客出游时间选择数据和游客景区停留时长数据，构建游客粘性分类模型；
25、游客粘性分类模型的拓扑结构具体为：包括依次连接的深度可分离卷积模块和堆叠卷积网络；
26、将游客特征参数输入至深度可分离卷积模块中的第一一维卷积层中，第一一维卷积层的输出分别输入至第二一维卷积层、第三一维卷积层和第四一维卷积层，第二一维卷积层、第三一维卷积层和第四一维卷积层的输出进行相乘操作后输入至堆叠卷积网络中的dropout层；
27、所述堆叠卷积网络包括依次连接的dropout层、第五一维卷积层、自适应平均池化层、relu层、全局最大池化层和全连接层，全连接层输出得到游客粘性结果作为游客特性结果。
28、所述的游客粘性结果包括低游客粘性、中游客粘性和高游客粘性。
29、二、挖掘游客特性方法的挖掘游客特性装置，包括：
30、停车场数据采集模块：用于采集免门票景区的停车场车辆进出场记录数据、车辆地域信息、每日入场车辆数据和车辆类型数据；
31、网络数据采集模块：用于收集关键词免门票景区的热度指数数据；
32、数据存储模块：用于将停车场数据采集模块和网络数据采集模块收集的数据进行存储；
33、相关性分析模块：用于利用采停车场数据集模块和网络数据采集模块的数据进行相关性分析处理；
34、游客特性分析模块：用于利用采停车场数据集模块和网络数据采集模块的数据进行游客特性分析处理，得到游客特征参数；
35、游客特性结果模块：用于对待分类的游客特征参数进行分类，得到游客粘性结果作为游客特性结果；
36、可视化模块：用于将游客特征参数和游客特性结果进行可视化；
37、引流模块：用于针对游客特性结果进行后续的景区引流工作。
38、本专利技术的有益效果是：针对无门票、无固定路线、覆盖范围大特点的景区，采用数据分析方法进行游客特性分析处理，填补了对无门票景区由于无法获得人流量数据而无法进行游客特性分析的空白，游客特性分析结果可供无门票景区管理者进行针对性引流。
本文档来自技高网...【技术保护点】
1.一种利用免门票景区停车场数据结合互联网公开数据挖掘游客特性的方法，其特征在于：方法包括以下步骤：
2.根据权利要求1所述的挖掘游客特性的方法，其特征在于：
3.根据权利要求1所述的挖掘游客特性的方法，其特征在于：
4.根据权利要求1所述的挖掘游客特性的方法，其特征在于：
5.根据权利要求4所述的挖掘游客特性的方法，其特征在于：
6.根据权利要求5所述的挖掘游客特性的方法，其特征在于：所述的游客粘性结果包括低游客粘性、中游客粘性和高游客粘性。
7.一种如权利要求1-6任一所述挖掘游客特性方法的挖掘游客特性装置，其特征在于，包括：
【技术特征摘要】
1.一种利用免门票景区停车场数据结合互联网公开数据挖掘游客特性的方法，其特征在于：方法包括以下步骤：
2.根据权利要求1所述的挖掘游客特性的方法，其特征在于：
3.根据权利要求1所述的挖掘游客特性的方法，其特征在于：
4.根据权利要求1所述的挖掘游客特性的方法，其特征...
【专利技术属性】
技术研发人员：应洪彬，冯晨，刘诚征，楼旱雨，
申请(专利权)人：杭州市萧山区大数据管理服务中心，
类型：发明
国别省市：
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。