申请/专利权人：西南石油大学

申请日：2022-03-28

公开（公告）日：2024-04-30

公开（公告）号：CN114723480B

主分类号：G06Q30/0202

分类号：G06Q30/0202;G06Q10/0631;G06Q10/087;G06F16/29;G06Q50/14;H04W4/029;H04L67/1396

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2022.07.26#实质审查的生效;2022.07.08#公开

摘要：本发明提供一种针对乡村旅游的客流量预测方法及货物调度系统，涉及乡村旅游信息化领域。本发明通过基于短时数据的景点客流量估算步骤对客流量进行估算，通过现有的基站节点或者路由节点的基础上进行部署，没有硬件部署成本；准确地获得小范围的客流量信息，且短时数据准确度高，从而提高小范围，短时预测的准确度；本发明结合各移动设备的移动轨迹；选出各移动轨迹中节点切换序列各监测节点出现次数；将出现次数最高的监测节点所在的监测区块作为配货站建站区域，并在配货站建站区域内进行站点建立；通过将各景点的客流量作为权重值，并构造基于权重的中心偏移公式来选择理论上最适合建站的站点，从而实现快速调度货物，减少调度里程的目的。

主权项：1.一种针对乡村旅游的客流量预测方法，其特征在于，将乡村旅游大地图分割为若干乡村旅游景区，将乡村旅游景区分割为若干乡村旅游景点；所述乡村旅游景区通过基于乡村旅游大数据的景区客流量预测步骤对客流量进行预测；所述乡村旅游景点通过基于短时数据的景点客流量估算步骤对客流量进行估算；所述景区客流量预测步骤：S1.1采集各乡村旅游景区的历史相关大数据和历史客流量大数据；S1.2通过人工智能算法建立客流量预测训练模型；S1.3将历史相关大数据作为训练输入集，历史客流量大数据作为目标输出集；输入到客流量预测训练模型进行正向反向训练，得到流量预测模型；S1.4重复训练，并将满足预测精度要求的流量预测模型进行输出；S1.5实时采集各乡村旅游景区的实时相关大数据；S1.6将实时相关大数据输入流量预测模型，对客流量进行模型预测，得到景区客流量预测数据；所述景点客流量估算步骤：S2.1在乡村旅游景点区域内分布设置若干监测节点，所述监测节点用于监测范围内的移动设备的设备数量和移动轨迹；S2.2通过监测节点持续采集设备数量和移动轨迹，得到常驻设备数量，其中，通过移动轨迹判断移动设备在乡村旅游景点内停留时间，若停留时间超过判断阈值，则认为是常驻设备；S2.3通过监测节点实时采集，得到实时设备数据；S2.4通过实时设备数据减去常驻设备数量，得到游客设备数量；S2.5通过游客设备数量乘以人机比例系数λ，得到景点客流量估算数据；其中，人机比例系数λ为先验值；所述历史相关大数据与实时相关大数据均为乡村旅游相关大数据，所述乡村旅游相关大数据包括气候数据、时节假日数据和相关事件数据；其中，所述气候数据通过气候舒适指数进行表示，所述时节假日数据以状态项进行标注，所述相关事件数据通过各事件的影响因子进行表示，所述影响因子通过事件的热力度*相关度得到影响因子数值；所述客流量预测训练模型为复合加权预测训练模型，包括基础客流量预测模型、气候客流量预测模型、假期客流量预测模型、相关事件客流量预测模型和复合加权器；所述基础客流量预测模型用于预测景区基础客流量值BP，通过将历史同日客流量、前日客流量和当日早八点客流量作为训练输入集，当日客流量和次日客流量作为目标输出集，对客流量预测训练模型进行训练，得到基础客流量预测模型；所述气候客流量预测模型用于预测景区气候-客流量影响值VP，通过将历史同日客流量和历史同日气候舒适指数作为训练输入集，当日客流量作为目标输出集，对客流量预测训练模型进行训练，得到气候客流量预测模型；所述假期客流量预测模型用于预测假期-客流量的影响值DP，通过将历史同日客流量和历史假期客流量、历史非假期客流量和当日假期作为训练输入集，当日客流量作为目标输出集，对客流量预测训练模型进行训练，得到假期客流量预测模型；所述相关事件客流量预测模型用于预测相关事件-客流量的影响值TP，历史影响因子、历史客流量和当日影响因子数值作为训练输入集，当日客流量作为目标输出集，对客流量预测训练模型进行训练，得到相关事件客流量预测模型；所述复合加权器将得到的景区基础客流量值BP、气候-客流量影响值VP、假期-客流量的影响值DP和相关事件-客流量的影响值TP，按照预设权重进行加权相加，得到复合加权客流量预测值；还包括通过景点客流量预测步骤对乡村旅游景点进行客流量预测：S4.1获取各移动设备的移动轨迹；S4.2将移动轨迹替换为阶层轨迹序列KT1，KT2，...KTn，其中，KTn表示Tn时刻移动设备所在的阶层；S4.3通过公式：计算趋势阶层轨迹序列的净阶层变化值Δk；S4.4通过公式：计算净阶层变化速率Kv；其中，Ti表示i号记录的到站时间与离站时间值；S4.5设置预测时间T0；S4.6通过公式：Kf＝KTn-T0*Kv,计算T0时刻后，移动设备的所处阶层预测值Kf，其中，KTn为末尾时刻移动设备所处阶层；T0*Kv为T0时间段阶层变化预测值；S4.7计算各移动设备的所处阶层预测值Kf，并设定景点识别阶层Kt；S4.8判断T0时刻后，各移动设备是否在乡村旅游景点内：若移动设备的所处阶层预测值Kf不大于景点识别阶层Kt，则认为移动设备在T0时刻处在乡村旅游景点内；若移动设备的所处阶层预测值Kf大于景点识别阶层Kt，则认为移动设备在T0时刻处在乡村旅游景点外；S4.9统计T0时刻处在乡村旅游景点内的T0时刻移动设备总数；S4.10通过T0时刻移动设备总数减去常驻设备数量，得到T0时刻游客设备数量；S4.11通过T0时刻游客设备数量乘以人机比例系数λ，得到T0时刻景点客流量预测值。

全文数据：

权利要求：

百度查询： 西南石油大学 一种针对乡村旅游的客流量预测方法及货物调度系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD