CN110533480A - 一种基于大数据的商场客流预测方法 - Google Patents

一种基于大数据的商场客流预测方法 Download PDF

Info

Publication number
CN110533480A
CN110533480A CN201910833593.2A CN201910833593A CN110533480A CN 110533480 A CN110533480 A CN 110533480A CN 201910833593 A CN201910833593 A CN 201910833593A CN 110533480 A CN110533480 A CN 110533480A
Authority
CN
China
Prior art keywords
passenger flow
market
data
weather
marketing activity
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.)
Pending
Application number
CN201910833593.2A
Other languages
English (en)
Inventor
王盛
孙文龙
张函
石仲钰
吕慧春
王泽铭
宋佳
夏君若
柏林森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Bingsheng Technology Co Ltd
Original Assignee
Shanghai Bingsheng Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Bingsheng Technology Co Ltd filed Critical Shanghai Bingsheng Technology Co Ltd
Priority to CN201910833593.2A priority Critical patent/CN110533480A/zh
Publication of CN110533480A publication Critical patent/CN110533480A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
    • G06M1/00—Design features of general application
    • G06M1/08—Design features of general application for actuating the drive
    • G06M1/10—Design features of general application for actuating the drive by electric or magnetic means
    • G06M1/101—Design features of general application for actuating the drive by electric or magnetic means by electro-optical means

Abstract

本发明公开了一种基于大数据的商场客流预测方法，通过采集商场客流、周围天气以及营销活动信息，并将上述信息进行统计和分析，然后通过运用深度神经网络准确预测出下一时段或者下一天的客流，从而针对客流过多的情况进行预防；商场客流数据来自于商场的红外客流计数器，节假日数据来自于每年的自然年历，天气数据来自于2345天气预报网的公开数据，营销活动数据来自于商场的营销活动管理平台，运用神经网络(NN)算法对客流进行预测，并且将预测效果跟均值法、指数平滑法、ARIMA以及XGboost算法进行了比较。精确度高且鲁棒性强，可以方便的融入节假日这个特征来提高预测效果，可以方便的融入天气，营销活动等因素来对客流反常变化进行归因分析。

Description

一种基于大数据的商场客流预测方法
技术领域
本发明涉及大数据算法的应用领域，尤其涉及一种基于大数据的商场客流预测方法。
背景技术
当前，随着社会经济快速发展，人民生活水平不断提高，大型商场已成为人们娱乐的主要场所之一，在节假日期间，大型商场客流将更加集中，密集度也会相对上升，一旦商场实时客流超过商场实际设计的客流上限，发生突发事件的概率会大大增加，会造成巨大经济损失和人员伤亡。因此，对人员密集场所进行监督和控制刻不容缓，其核心就是对客流的监控。
现有不少的客流预测算法，比如均值法，指数平滑法，ARIMA等，都被用来预测客流，但这些算法有共同的缺点：误差较大，不能准确预测节假日的客流；不能将天气加入作为一个特征值来提高预测精度；不能将营销活动加入作为一个特征值来提高预测精度。
发明内容
针对现有技术中的上述不足，本发明提供了一种基于大数据的商场客流预测方法，精确度高且鲁棒性强，可以方便的融入节假日这个特征来提高预测效果，可以方便的融入天气，营销活动等因素来对客流反常变化进行归因分析。
为了达到上述发明目的，本发明采用的具体方案为：
一种基于大数据的商场客流预测方法，通过采集商场客流、周围天气以及营销活动信息，并将上述信息进行统计和分析，然后通过运用深度神经网络准确预测出下一时段或者下一天的客流，从而针对客流过多的情况进行预防；
商场客流数据来自于商场的红外客流计数器，节假日数据来自于每年的自然年历，天气数据来自于2345天气预报网的公开数据，营销活动数据来自于商场的营销活动管理平台，在数据清洗之后，运用神经网络(NN)算法对客流进行预测，并且将预测效果跟均值法、指数平滑法、ARIMA以及XGboost算法进行了比较。
本发明的有益效果为：
准确性，一般的客流预测算法，比如均值法，指数平滑法，ARIMA等的误差在15％左右，我们提出的算法可以降误差降到5％左右；鲁棒性，这个算法已经成功运用到291家广场的客流系统中，平均误差是6.52％，所有广场的预测误差都小于10％；可拓展性，在这个算法框架中，可以轻松地将天气，营销活动等融入到现有的算法框架中，来对天气和营销活动等对客流造成的影响进行归因分析。
附图说明
图1为本发明的三层全连接的神经网络；
图2为本发明的预测效果热力图；图中数字是均方根百分比误差(RMSPE)，红色代表误差小，模型好；绿色代表误差大，Neural net的预测效果最佳，平均RMSPE值为6.52％；XGBoost、均值法、Holt-Winters和Arima的效果也不错，平均RMSPE在10％-13％之间。
具体实施方式
为了使本发明的内容更容易被清楚地理解，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
以下通过具体实施例进一步描述本发明，但本发明不仅仅限于以下实施例。在本发明的范围内或者在不脱离本发明的内容、精神和范围内，对本发明进行的变更、组合或替换，对于本领域的技术人员来说是显而易见的，且包含在本发明的范围之内。
一种基于大数据的商场客流预测方法，通过采集商场客流、周围天气以及营销活动信息，并将上述信息进行统计和分析，然后通过运用深度神经网络准确预测出下一时段或者下一天的客流，从而针对客流过多的情况进行预防；
商场客流数据来自于商场的红外客流计数器，节假日数据来自于每年的自然年历，天气数据来自于2345天气预报网的公开数据，营销活动数据来自于商场的营销活动管理平台，在数据清洗之后，运用神经网络(NN)算法对客流进行预测，并且将预测效果跟均值法、指数平滑法、ARIMA以及XGboost算法进行了比较。
以上所述仅为本发明专利的较佳实施例而已，并不用以限制本发明专利，凡在本发明专利的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明专利的保护范围之内。

Claims (1)

1.一种基于大数据的商场客流预测方法，其特征在于，通过采集商场客流、周围天气以及营销活动信息，并将上述信息进行统计和分析，然后通过运用深度神经网络准确预测出下一时段或者下一天的客流，从而针对客流过多的情况进行预防；
商场客流数据来自于商场的红外客流计数器，节假日数据来自于每年的自然年历，天气数据来自于2345天气预报网的公开数据，营销活动数据来自于商场的营销活动管理平台，在数据清洗之后，运用神经网络(NN)算法对客流进行预测，并且将预测效果跟均值法、指数平滑法、ARIMA以及XGboost算法进行了比较。
CN201910833593.2A 2019-09-04 2019-09-04 一种基于大数据的商场客流预测方法 Pending CN110533480A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910833593.2A CN110533480A (zh) 2019-09-04 2019-09-04 一种基于大数据的商场客流预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910833593.2A CN110533480A (zh) 2019-09-04 2019-09-04 一种基于大数据的商场客流预测方法

Publications (1)

Publication Number Publication Date
CN110533480A true CN110533480A (zh) 2019-12-03

Family

ID=68666862

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910833593.2A Pending CN110533480A (zh) 2019-09-04 2019-09-04 一种基于大数据的商场客流预测方法

Country Status (1)

Country Link
CN (1) CN110533480A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465566A (zh) * 2020-12-14 2021-03-09 树蛙信息科技(南京)有限公司 一种基于历史数据辅助场景分析的商场客流量预测方法
CN113159377A (zh) * 2021-03-12 2021-07-23 江苏唱游数据技术有限公司 一种基于多因子聚合模型的景区畅游度预测范式方法
CN113554541A (zh) * 2021-08-03 2021-10-26 殷金平 一种热力图类商场人流数据分析系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899650A (zh) * 2015-05-26 2015-09-09 成都中科大旗软件有限公司 基于多源数据分析对旅游景区客流量进行预测的方法
US20150348068A1 (en) * 2014-05-28 2015-12-03 International Business Machines Corporation Predicting waiting passenger count and evaluation
CN106408181A (zh) * 2016-09-09 2017-02-15 广州速鸿信息科技有限公司 一种基于大数据分析的智慧门店系统和方法
CN106960250A (zh) * 2017-03-03 2017-07-18 陕西师范大学 一种动态预测旅游景点客流的方法
WO2017147918A1 (zh) * 2016-03-04 2017-09-08 茹旷 商场大数据统计系统
CN107908778A (zh) * 2017-12-04 2018-04-13 杭州华量软件有限公司 一种智慧商场大数据管理系统
CN109376935A (zh) * 2018-10-31 2019-02-22 东南大学 一种基于神经网络的公交客流分时段组合预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150348068A1 (en) * 2014-05-28 2015-12-03 International Business Machines Corporation Predicting waiting passenger count and evaluation
CN104899650A (zh) * 2015-05-26 2015-09-09 成都中科大旗软件有限公司 基于多源数据分析对旅游景区客流量进行预测的方法
WO2017147918A1 (zh) * 2016-03-04 2017-09-08 茹旷 商场大数据统计系统
CN106408181A (zh) * 2016-09-09 2017-02-15 广州速鸿信息科技有限公司 一种基于大数据分析的智慧门店系统和方法
CN106960250A (zh) * 2017-03-03 2017-07-18 陕西师范大学 一种动态预测旅游景点客流的方法
CN107908778A (zh) * 2017-12-04 2018-04-13 杭州华量软件有限公司 一种智慧商场大数据管理系统
CN109376935A (zh) * 2018-10-31 2019-02-22 东南大学 一种基于神经网络的公交客流分时段组合预测方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465566A (zh) * 2020-12-14 2021-03-09 树蛙信息科技(南京)有限公司 一种基于历史数据辅助场景分析的商场客流量预测方法
CN112465566B (zh) * 2020-12-14 2023-08-04 树蛙信息科技(南京)有限公司 一种基于历史数据辅助场景分析的商场客流量预测方法
CN113159377A (zh) * 2021-03-12 2021-07-23 江苏唱游数据技术有限公司 一种基于多因子聚合模型的景区畅游度预测范式方法
CN113159377B (zh) * 2021-03-12 2024-03-12 江苏唱游数据技术有限公司 一种基于多因子聚合模型的景区畅游度预测范式方法
CN113554541A (zh) * 2021-08-03 2021-10-26 殷金平 一种热力图类商场人流数据分析系统

Similar Documents

Publication Publication Date Title
CN110533480A (zh) 一种基于大数据的商场客流预测方法
CN106507315B (zh) 基于网络社交媒体数据的城市交通事故预测方法和系统
CN105894741B (zh) 一种多资源融合的洪水灾害监测预警装置及方法
CN113077090B (zh) 客流预测方法、系统及计算机可读存储介质
CN109785618B (zh) 一种基于组合逻辑的短时交通流预测方法
CN104615884B (zh) 一种基于病毒检出率的传染病重症、死亡风险预警系统及方法
CN107103394A (zh) 一种基于神经网络的轨道交通实时客流预测方法
CN113361665B (zh) 一种基于强化学习的高原山地旅游安全风险预警方法
CN106997669A (zh) 一种基于特征重要性的判断交通拥堵成因的方法
CN103632212A (zh) 一种时变用户均衡动态网络演化客流预测系统和方法
CN112085163A (zh) 一种基于注意力增强图卷积神经网络agc和门控循环单元gru的空气质量预测方法
CN110390349A (zh) 基于XGBoost模型的公交车客流量预测建模方法
CN113256138A (zh) 一种基于异源多尺度监测数据的洪涝灾害风险评估方法
CN108388957B (zh) 一种基于多特征融合技术的中小河流洪水预报方法及其预报系统
CN110348601A (zh) 一种基于双向长短期记忆网络的地铁短期客流量预测方法
CN107527313A (zh) 用户活动模式划分及属性推测方法
CN108732649A (zh) 一种基于气象干旱传递的水文干旱预测预警方法
CN105869398B (zh) 一种基于K-means聚类的道路交通畅通度判断方法
CN205283824U (zh) 一种基于wifi的机场人流预警系统
CN106952190A (zh) 虚假房源录入行为识别与预警系统
CN113177657A (zh) 轨道交通客流预测方法及装置
CN106526710A (zh) 一种雾霾预测方法及装置
CN113160563A (zh) 一种基于历史路况的短时路况预测方法、系统及设备
CN114881381A (zh) 基于改进卷积神经网络的城市积水水位预测方法及系统
CN106779043B (zh) 一种基于人头检测的计数方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191203