CN109345042B - 一种客流热力度变化的预测方法和装置 - Google Patents
一种客流热力度变化的预测方法和装置 Download PDFInfo
- Publication number
- CN109345042B CN109345042B CN201811377828.3A CN201811377828A CN109345042B CN 109345042 B CN109345042 B CN 109345042B CN 201811377828 A CN201811377828 A CN 201811377828A CN 109345042 B CN109345042 B CN 109345042B
- Authority
- CN
- China
- Prior art keywords
- prediction
- area
- passenger flow
- switching
- predicting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000008859 change Effects 0.000 title claims abstract description 30
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 5
- 230000011664 signaling Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Air-Conditioning For Vehicles (AREA)
Abstract
本发明公开了一种客流热力度变化的预测方法和装置,涉及网络通信领域,用于预测景区内客流热力度。该方法包括:获取多组相同时间段内预测区的客流总数S以及与所述预测区相邻的至少一个区域块i与所述预测区之间的净切换次数Qi的历史数据,其中,所述净切换次数Qi等于移动终端信令切入次数Ii与移动终端信令切出次数Oi之间的差值,所述区域块i与所述预测区之间能够产生人员流动;根据所述客流总数S和所述净切换次数Qi的历史数据计算所述净切换次数Qi与所述客流总数S之间的相关系数r(Qi,S);根据公式F=Σr(Qi,S)*Q′i预测未来时间段内所述预测区的客流热力度变化趋势。本发明实施例应用于景区客流热力度预测。
Description
技术领域
本发明涉及网络通讯技术领域,尤其涉及一种客流热力度变化的预测方法和装置。
背景技术
随着我国经济的增长,旅游业蓬勃发展,旅游出行人数迅速增加。然而热门景区过于拥挤的客流会造成安全隐患,并且产生服务供给失衡、道路拥堵等问题。在旅游景区日常管理中,游客流量预测是重要环节。了解客流分布特征,准确地预测景区及周边地区的客流量变化趋势,有利于景区管理部门和交通部门做好高峰期管控工作。
游客流量可以通过客流热力度来区分表示,展现形式可以是数值也可以是数值对应的不同颜色。现有技术中使用的基于移动终端信令评估人流密度的方法,使用基站覆盖范围内“终端数量”作为基础数据数据,预测值与实际状态之间的误差很大。
发明内容
本发明的实施例提供一种客流热力度变化的预测方法和装置,用于解决现有技术中对客流热力度变化预测误差大的技术问题。
为达到解决上述技术问题的目的,本发明的实施例采用如下技术方案:
第一方面,本发明的实施例提供了一种客流热力度变化的预测方法,该方法包括:
获取多组相同时间段内预测区的客流总数S以及与所述预测区相邻的至少一个区域块i与所述预测区之间的净切换次数Qi的历史数据,其中,所述净切换次数Qi等于移动终端信令切入次数Ii与移动终端信令切出次数Oi之间的差值,所述区域块i与所述预测区之间能够产生人员流动;
根据所述客流总数S和所述净切换次数Qi的历史数据计算所述净切换次数Qi与所述客流总数S之间的相关系数r(Qi,S);
根据公式F=Σr(Qi,S)*Q′i预测未来时间段内所述预测区的客流热力度变化趋势,其中Q′i表示获取到的区域块i与所述预测区之间净切换次数的最新历史数据。
第二方面,本发明的实施例提供了一种客流热力度变化的预测装置,该装置包括:
获取模块,用于获取多组相同时间段内预测区的客流总数S以及与所述预测区相邻的至少一个区域块i与所述预测区之间的净切换次数Qi的历史数据,其中,所述净切换次数Qi等于移动终端信令切入次数Ii与移动终端信令切出次数Oi之间的差值,所述区域块i与所述预测区之间能够产生人员流动;
计算模块,用于根据所述客流总数S和所述净切换次数Qi的历史数据计算所述净切换次数Qi与所述客流总数S之间的相关系数r(Qi,S);
预测模块,用于根据公式F=Σr(Qi,S)*Q′i预测未来时间段内所述预测区的客流热力度变化趋势,其中Q′i表示获取到的区域块i与所述预测区之间净切换次数的最新历史数据。
第三方面,提供了一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当被计算机执行时使所述计算机执行如第一方面所述的客流热力度变化的预测方法。
第四方面,提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使得计算机执行如第一方面所述的客流热力度变化的预测方法。
第五方面,提供一种客流热力度变化的预测装置,包括:处理器和存储器,存储器用于存储程序,处理器调用存储器存储的程序,以执行上述第一方面所述的客流热力度变化的预测方法。
本发明的实施例提供的一种客流热力度变化的预测方法和装置,以移动终端在基站间的切换信令数据,作为预测客流量的基础数据,充分考虑了区域特性,通过划分景区周边相邻区域,建立客流热力度预测体系,实现了景区客流热力度的有效预测。
附图说明
图1为本发明的实施例提供的一种客流热力度变化的预测方法流程示意图;
图2为本发明的实施例提供的预测区以及其相邻区域的区域块划分示意图;
图3为本发明的实施例提供的一种客流热力度变化的预测装置示意图。
具体实施方式
下面结合附图,对本发明的实施例进行描述。
参照图1中所示,本发明实施例提供了一种客流热力度变化的预测方法,该方法包括步骤S100-S300:
S100、获取多组相同时间段内预测区的客流总数S以及与所述预测区相邻的至少一个区域块i与所述预测区之间的净切换次数Qi的历史数据。
可选的,在获取多组相同时间段内预测区的客流总数S以及与该预测区相邻的至少一个区域块i与该预测区之间的净切换次数Qi的历史数据之前,首先要以该预测区为中心,将预设范围内的区域依据区域特性划分得到多个区域块,区域块的编号为i,i为大于等于1的自然数。优选的,区域特性包括区域用途、客流密集度、人员流动性中的至少一项。区域用途是指该区域块i可能用于从事商业活动、居住、出行等。客流密集度是指单位时间内该区域块i的人口数量大小。人员流动性则是以人群在该区域块i的停留时间长短为计量标准。该区域块i的数量不做限定,但是每个区域块i内都必须包含有一个基站。
参考图2,假设预测区为H,这里将预测区H预设范围内的相邻区域划分为区域块1、区域块2、区域块3和区域块4,四个区域块以及该预测区H内都包含有至少一个基站,记该四个区域块与预测区H之间的净切换次数分别为Q1、Q2、Q3、Q4。在历史时间段(t0,t1)之间,移动终端信令从区域块1进入到预测区H的总数为I1,移动终端信令从预测区H进入到区域块1的总数为O1,因此区域块1与预测区H之间的净切换次数Q1=I1-O1,同理可得Q2、Q3、Q4,客流总数S=I1+I2+I3+I4。获取多组相同时间段内区域块i与所述预测区之间的净切换次数Qi以及客流总数S的历史数据。
S200、根据所述客流总数S和所述净切换次数Qi的历史数据计算所述净切换次数Qi与所述客流总数S之间的相关系数r(Qi,S)。
通过步骤S100得到客流总数S和四个区域块的净切换次数Q1、Q2、Q3、Q4,分别计算该净切换次数Q1、Q2、Q3、Q4与该客流总数S之间的相关系数r(Q1,S)、r(Q2,S)、r(Q3,S)、r(Q4,S),进一步的,该相关系数cov表示变量Qi和S的协方差,var表示变量Qi和S的方差。因此 其中表示在相同时间段内采集到的历史数据中区域块i的净切换次数平均值,表示在相同时间段内采集到的客流总数的平均值。
S300、根据公式F=Σr(Qi,S)*Q′i预测未来时间段内所述预测区的客流热力度变化趋势。
通过步骤S200计算得到净切换次数Qi与该客流总数S之间的相关系数r(Q1,S)、r(Q2,S)、r(Q3,S)、r(Q4,S),根据公式计算可得F=Σr(Qi,S)*Q′i=r(Q1,S)*Q′1+r(Q2,S)*Q′2+r(Q3,S)*Q′3+r(Q4,S)*Q′4,其中Q′i表示获取到的区域块i与所述预测区之间净切换次数的最新历史数据,得到的客流热力度预测值F的值越大,表示下一时间段景区游客数量越多,F的值越小,表示下一时间段景区游客数量越少。
本发明的实施例提供的一种客流热力度变化的预测方法,以移动终端在基站间的切换信令数据,作为预测客流量的基础数据,充分考虑了区域特性,通过划分景区周边相邻区域,建立客流热力度预测体系,实现了景区客流热力度的有效预测。
参考图3所示,本发明的实施例提供了一种客流热力度变化的预测装置,可以应用于如上所示的客流热力度变化的预测方法。该客流热力度变化的预测装置123包括:
获取模块100,用于获取多组相同时间段内预测区的客流总数S以及与所述预测区相邻的至少一个区域块i与所述预测区之间的净切换次数Qi的历史数据,其中,所述净切换次数Qi等于移动终端信令切入次数Ii与移动终端信令切出次数Oi之间的差值,所述区域块i与所述预测区之间能够产生人员流动;
可选的,该客流热力度变化的预测装置123还包括:划分模块101,
该划分模块101用于在该获取模块100获取历史时间段内预测区的客流总数S以及与该预测区相邻的至少一个区域块i与该预测区之间的净切换次数Qi之前,以该预测区为中心,将预设范围内的区域依据区域特性划分得到该区域块。优选的,该区域特性包括区域用途、客流密集度、人员流动性中的至少一项。
计算模块200,用于根据所述客流总数S和所述净切换次数Qi的历史数据计算所述净切换次数Qi与所述客流总数S之间的相关系数r(Qi,S),进一步的,该相关系数cov表示变量Qi和S的协方差,var表示变量Qi和S的方差。
预测模块300,用于根据公式F=Σr(Qi,S)*Q′i预测未来时间段内所述预测区的客流热力度变化趋势,其中Q′i表示获取到的区域块i与所述预测区之间净切换次数的最新历史数据。
本发明的实施例提供一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当被计算机执行时使计算机执行如图1中所述的客流热力度变化的预测方法。
本发明的实施例提供一种包含指令的计算机程序产品,当指令在计算机上运行时,使得计算机执行如图1中所述的客流热力度变化的预测方法。
本发明的实施例提供一种客流热力度变化的预测装置,包括:处理器和存储器,存储器用于存储程序,处理器调用存储器存储的程序,以执行如图1中所述的客流热力度变化的预测方法。
由于本发明的实施例中的客流热力度变化的预测装置、计算机可读存储介质、计算机程序产品可以应用于上述方法,因此,其所能获得的技术效果也可参考上述方法实施例,本发明实施例在此不再赘述。
需要说明的是,上述各单元可以为单独设立的处理器,也可以集成在控制器的某一个处理器中实现,此外,也可以以程序代码的形式存储于控制器的存储器中,由控制器的某一个处理器调用并执行以上各单元的功能。这里所述的处理器可以是一个中央处理器(Central Processing Unit,CPU),或者是特定集成电路(Application SpecificIntegrated Circuit,ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
Claims (5)
1.一种客流热力度变化的预测方法,其特征在于,包括:
获取多组相同时间段内预测区的客流总数S以及与所述预测区相邻的至少一个区域块i与所述预测区之间的净切换次数Qi的历史数据,其中,所述净切换次数Qi等于移动终端信令切入次数Ii与移动终端信令切出次数Oi之间的差值,所述区域块i与所述预测区之间能够产生人员流动;
根据所述客流总数S和所述净切换次数Qi的历史数据计算所述净切换次数Qi与所述客流总数S之间的相关系数r(Qi,S);
根据公式F=Σr(Qi,S)*Q′i预测未来时间段内所述预测区的客流热力度变化趋势,其中Q′i表示获取到的区域块i与所述预测区之间净切换次数的最新历史数据;
所述客流热力度变化的预测方法还包括:
以所述预测区为中心,将预设范围内的区域依据区域特性划分得到所述区域块;
所述区域特性包括区域用途、客流密集度、人员流动性中的至少一项;
2.一种客流热力度变化的预测装置,其特征在于,包括:
获取模块,用于获取多组相同时间段内预测区的客流总数S以及与所述预测区相邻的至少一个区域块i与所述预测区之间的净切换次数Qi的历史数据,其中,所述净切换次数Qi等于移动终端信令切入次数Ii与移动终端信令切出次数Oi之间的差值,所述区域块i与所述预测区之间能够产生人员流动;
计算模块,用于根据所述客流总数S和所述净切换次数Qi的历史数据计算所述净切换次数Qi与所述客流总数S之间的相关系数r(Qi,S);
预测模块,用于根据公式F=Σr(Qi,S)*Q′i预测未来时间段内所述预测区的客流热力度变化趋势,其中Q′i表示获取到的区域块i与所述预测区之间净切换次数的最新历史数据;
划分模块用于在所述获取模块获取历史时间段内预测区的客流总数S以及与所述预测区相邻的至少一个区域块i与所述预测区之间的净切换次数Qi之前,以所述预测区为中心,将预设范围内的区域依据区域特性划分得到所述区域块;
所述区域特性包括区域用途、客流密集度、人员流动性中的至少一项;
3.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当被计算机执行时使所述计算机执行如权利要求1所述的客流热力度变化的预测方法。
4.一种包含指令的计算机程序产品,其特征在于,当所述指令在计算机上运行时,使得所述计算机执行如权利要求1所述的客流热力度变化的预测方法。
5.一种客流热力度变化的预测装置,其特征在于,包括:处理器和存储器,存储器用于存储程序,处理器调用存储器存储的程序,以执行如权利要求1所述的客流热力度变化的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811377828.3A CN109345042B (zh) | 2018-11-19 | 2018-11-19 | 一种客流热力度变化的预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811377828.3A CN109345042B (zh) | 2018-11-19 | 2018-11-19 | 一种客流热力度变化的预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109345042A CN109345042A (zh) | 2019-02-15 |
CN109345042B true CN109345042B (zh) | 2021-10-01 |
Family
ID=65316085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811377828.3A Active CN109345042B (zh) | 2018-11-19 | 2018-11-19 | 一种客流热力度变化的预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109345042B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9009093B1 (en) * | 2012-10-04 | 2015-04-14 | Amazon Technologies, Inc. | Deal scheduling based on user location predictions |
CN105512772B (zh) * | 2015-12-22 | 2020-09-15 | 重庆邮电大学 | 一种基于移动网络信令数据的动态人流量预警方法 |
CN106982413B (zh) * | 2016-01-15 | 2019-12-13 | 中国移动通信集团上海有限公司 | 一种区域客流趋势的预测方法及装置 |
CN107633680B (zh) * | 2016-07-12 | 2021-05-04 | 阿里巴巴集团控股有限公司 | 出行数据的获取方法、装置、设备和系统 |
CN106878952B (zh) * | 2017-03-20 | 2020-07-10 | 迪爱斯信息技术股份有限公司 | 区域人员数量的预测方法及装置 |
CN108288106B (zh) * | 2017-10-30 | 2022-03-15 | 中电鸿信信息科技有限公司 | 一种基于大数据的旅游客流预测方法 |
-
2018
- 2018-11-19 CN CN201811377828.3A patent/CN109345042B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109345042A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Collotta et al. | A novel approach for dynamic traffic lights management based on Wireless Sensor Networks and multiple fuzzy logic controllers | |
Zhou et al. | DRLE: Decentralized reinforcement learning at the edge for traffic light control in the IoV | |
Sun et al. | Multiobjective traffic signal timing optimization using non-dominated sorting genetic algorithm | |
CN109803323A (zh) | 建立与多个网络的通信以实现跨多个网络的连续通信覆盖 | |
US11102630B2 (en) | Method for service placement in a multi-access/mobile edge computing (MEC) system | |
CN109428759A (zh) | 一种网络质量评估方法及装置 | |
CN104424812B (zh) | 一种公交到站时间预测系统和方法 | |
Dusparic et al. | Towards autonomic urban traffic control with collaborative multi-policy reinforcement learning | |
Zhou et al. | Arve: Augmented reality applications in vehicle to edge networks | |
Shukla et al. | Software-defined network and cloud-edge collaboration for smart and connected vehicles | |
CN111784018B (zh) | 一种资源调度方法、装置、电子设备及存储介质 | |
Xu et al. | An offline road network partitioning solution in distributed transportation simulation | |
Zhou et al. | Enhanced augmented reality applications in vehicle-to-edge networks | |
TWI678675B (zh) | 乘車熱點預測的方法及其伺服器與電腦程式產品 | |
Hawas et al. | Autonomous real time route guidance in inter-vehicular communication urban networks | |
CN106096762A (zh) | 一种路径规划方法及电子设备 | |
Abbas et al. | High accuracy traffic light controller for increasing the given green time utilization | |
Tayan et al. | Analytical and computer modelling of transportation systems for traffic bottleneck resolution: A Hajj case study | |
CN109345042B (zh) | 一种客流热力度变化的预测方法和装置 | |
JP2021047763A (ja) | 人流動分析方法、プログラム、コンピュータ記憶媒体及び人流動分析システム | |
CN108271181A (zh) | 一种无线网络的pci优化方法及装置 | |
CN113642807B (zh) | 人口流动预测方法及相关装置 | |
JP5099213B2 (ja) | 移動体通信システム及び帯域制御方法 | |
CN117973640B (zh) | 换乘地铁站换乘人流量预测方法及装置 | |
Chanloha et al. | Cell transmission model-based multiagent Q-learning for network-scale signal control with transit priority |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |