CN111027771A

CN111027771A - 景区客流量预估方法、系统、装置及可存储介质

Info

Publication number: CN111027771A
Application number: CN201911261670.8A
Authority: CN
Inventors: 陈海江; 倪剑平; 郑旭列; 吴硕涛; 邓雅予
Original assignee: Zhejiang Lishi Technology Co Ltd
Current assignee: Zhejiang Lishi Technology Co Ltd
Priority date: 2019-12-10
Filing date: 2019-12-10
Publication date: 2020-04-17

Abstract

本申请公开了一种景区客流量预估方法、系统、装置及可存储介质，包括：获取当前景区的客流承载量的相关数据，抽取特征维度信息，构建数据集合；基于数据集合的内容进行预处理；基于决策树回归模型将预处理后的数据带入进行训练，获取模型训练结果；基于所述模型训练结果对当前所收集的特征进行预测。本方案所建立的模型可以较为准确的预测出具体某天的某个时间点所承载的客流量，来方便景区的调度把控，防止出现过于拥堵的情况出现。

Description

景区客流量预估方法、系统、装置及可存储介质

技术领域

本申请涉及技术领域，尤其涉及一种景区客流量预估方法、系统、装置及可存储介质。

背景技术

目前我国传统的客流量的预测大部分是通过观察景区门票的销售情况，维度比较单一，没有很好的利用全域智能化旅游大数据，预测出的结果确实具有一定的真实性，但他是片面的，影响它的因素只有门票的销售情况。

发明内容

为了解决上述技术问题，本申请实施例提供一种景区客流量预估方法、系统、装置及可存储介质。

本申请实施例第一方面提供了一种景区客流量预估方法，可包括：

获取当前景区的客流承载量的相关数据，抽取特征维度信息，构建数据集合；

基于数据集合的内容进行预处理；

基于决策树回归模型将预处理后的数据带入进行训练，获取模型训练结果；

基于所述模型训练结果对当前所收集的特征进行预测。

进一步地，所述获取当前景区的客流承载量的相关数据，抽取特征维度信息，构建数据集合包括：

利用爬虫抓取可用信息，所述特征维度包括天气类型、温度数值、日期类型、当前网络社交热度数据以及搜索引擎热度数据。

进一步地，所述基于数据集合的内容进行预处理包括：

基于onehot编码将带有中文的特征字段标称属性转换成数值型；

基于数值型数据进行woe变换。

进一步地，所述基于决策树回归模型将预处理后的数据带入进行训练，获取模型训练结果包括：

建立决策树回归模型，以最小损失函数为模型目标，遍历所有的方案得到最佳模型参数，将最佳模型输出。

本申请实施例第二方面提供了一种景区客流量预估系统，包括：

数据采集单元，用于获取当前景区的客流承载量的相关数据，抽取特征维度信息，构建数据集合；

预处理单元，用于基于所述数据采集单元的数据内容进行预处理；

模型训练单元，用于基于所述预处理单元后的内容对模型进行训练，获取模型训练结果；

预测单元，用于基于所述模型训练单元的训练结构进行当前数据下的客流量预测。

进一步地，所述数据采集单元，具体利用爬虫抓取可用信息，将可用信息提取特征维度，以特征维度的种类进行数据分类；

所述特征维度包括天气类型、温度数值、日期类型、当前网络社交热度数据以及搜索引擎热度数据。

进一步地，所述预处理单元包括：

编码转换单元，用于基于onehot编码将带有中文的特征字段标称属性转换成数值型；

数值变换单元，用于基于所述编码转换单元的数据进行woe变换。

进一步地，所述模型训练单元，具体包括建立决策树回归模型，以最小损失函数为模型目标，遍历所有的方案得到最佳模型参数，将最佳模型输出。

第三方面，本申请实施例提供了一种预估装置，包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时实现第一方面的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述第一方面的方法。

本方案所建立的模型可以较为准确的预测出具体某天的某个时间点所承载的客流量，来方便景区的调度把控，防止出现过于拥堵的情况出现。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的预测方法的流程框图；

图2是本申请实施例提供的预测方法的流程示意图；

图3是数据集的特征选取示意图；

图4是本申请实施例提供的一种预测系统的示意框图；

图5是本申请实施例提供的一种预测装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

如图1所示，是本申请所涉及的一种景区客流量预估方法，包括：

S101:获取当前景区的客流承载量的相关数据，抽取特征维度信息，构建数据集合.

可以理解的是，本步骤用来收集最原始的数据，分析调查研究从物联网获得影响该景区客流承载量的特征维度，来构建所需要的数据集，用于模型的训练。具体地，利用爬虫抓取可用信息，所述特征维度包括天气类型、温度数值、日期类型、当前网络社交热度数据以及搜索引擎热度数据。

确定特征维度后，数据集处理成每年365天，每天景区的开放时间，收集该维度每一个小时的数据信息，每天每小时的天气情况(温度、湿度等)，一年中中国的节假日，该时间点所承载的客流量，网络社交的实时热度(http://data.weibo.com基于微博的微指数，可以筛选用户在某时间点内对某一个关键词的搜索量)，还有搜索引擎的实时热度(http://top.baidu.com该网址上记录了景区的实时搜索热度，利用爬虫抓取可用信息)多个信息，本模型确定了五个特征维度A：天气情况，B：温度，C：中国法定节假日，D：网络社交实时热度，E：搜索引擎实时热度。

S102:基于数据集合的内容进行预处理。

可以理解的是，数据集的预处理，由于电脑程序只识别英文和数字，收集到可用的数据以后还需要进一步的对数据集处理，这里我们用onehot编码把带有中文的特征字段标称属性转换为数值型(主要是将离散的数据类型变成连续的)，后做woe变换，用每个类别的woe值来代替原来的数值，这样既能够避免生成相关性强的变量，又能避开类别间大小无法比较的问题，在将网络上所收集的关于景区的实时热度归一化，缩放成0～1之间，已便于模型的训练。

S103:基于决策树回归模型将预处理后的数据带入进行训练，获取模型训练结果。

可以理解的是，数据集处理完成后选DecisionTreeRegressor(决策树回归模型)，定义损失函数mae(平均绝对误差)L,其中y_i是对y的预测值。m为y_i的个数。

模型原理：

选择最优切分变量j与切分点s，求解

例如特征x有变量0～10，j为10，切分点s就是相邻两个值的平均值如2和3就是2.5，将输入空间划分为M个区域R₁,R₂,…,R_M，生成决策树等价于递归地二分每个特征，将输入空间(即特征空间)划分为有限个单元。C₁,C₂是空间R₁,R₂对应的固定输出值。R1(j,s)是R₁这块区域最优切分变量j与切分点s。

R₁＝{x|x^(j)≤s}，R₂＝{x|x^(j)＞s}。x^(j)是划分区域R₁在最优切分点j时的预测值。

f(x_i)是每个划分单元的预测值，这个预测值是该单元内每个样本点的值的均值，即f(x_i)＝c_m＝ave(y_i|x_i∈R_m)。

C_m是空间R_m对应的固定输出值，y_i就是对应的目标值。需要遍历变量j，对固定的切分变量j扫描切分点s，选择使上式最小值的对(j,s)。求得在R₁,R₂内部使得平方损失误差达到最小值的C₁,C₂为：

N₁,N₂是R₁,R₂的样本点数。C₁,C₂求得以后根据损失函数L求得损失函数值，每一个损失函数对应一个s切分点，这个切分点就是决策树的一个节点，每一个节点都会把数据集分成两份，我们需要对分成的两份继续以上操作来找切分点，直到C₁和C₂所求得的损失函数值为最小结束。对于几十万或者更多的数据集时凭借人力我们计算是很困难的，所以我们通过计算机：

将数据集八二分成两份，一份训练集，一份测试集用于模型的优化、调参，训练集将游客客流量作为目标集y，其余影响因素作为特征集x，测试集也做同样处理，存储根节点和树的高度，根据自变量x、因变量y、x元素中被取出的行号idx，列号feature以及分割点split，计算分割后的mae，为了减少计算量用方差公式:

D(X)＝E[X-E(X)]²＝E(X²)＝E(X²)-[E(X)]²

然后遍历所有特征，计算最佳分割点对应的mae，找出mae最小的特征、对应的分割点，左右子节点对应的均值和行号。这里可以自己定义接口将规则用文字表达出来，方便我们了解该决策回归树的原貌。训练模型的过程中还需要控制回归树的最大深度max_depth，还有分裂时最少的样本量min_samples_split，并且要注意回归树叶子节点至少要有两个不重复的y值，至少有一个特征是没有重复值的。由于训练模型时回归树的最大深度和分裂时的最少样本量是可以有多种组合的并且需要手动调节来寻找最适合的参数，为了方便起见我们在定义接口，使用GridSearchCV(网格搜索交叉验证)来参数调优选择最佳的参数模型，输入待调节的参数范围(gird)，对一组参数对应的模型进行评估，它会对应返回出最佳的模型及参数。输出了最佳模型和参数之后，保存模型，将测试集的特征集导入模型进行测试，将模型训练出的预测值与原来测试集的目标集进行均方误差比对，当均方误差越小时，说明模型越佳，反之则表示模型不够优化，如下为均方误差(mse)比对公式m为y的个数：

S104:基于所述模型训练结果对当前所收集的特征进行预测。

可以理解的是，真正的最优模型找到后，用户就可以输入该景区所收集到的特征进行预测了，需要注意的是特征的顺序和含义都是要和训练时候相同，内容可以不一样处理方式要和预处理时一样。最后景区管理人员根据预测出的结果可以提前对景区游客的承载量进行调度和把控。

本申请实施例还提供一种景区客流量预估系统，该系统用于执行前述任一项上述识别方法。具体地，参见图4，本实施例包括：数据采集单元310、预处理单元320、模型训练单元330、预测单元340。

上述的数据采集单元310，用于获取当前景区的客流承载量的相关数据，抽取特征维度信息，构建数据集合。其中，特征维度包括天气类型、温度数值、日期类型、当前网络社交热度数据以及搜索引擎热度数据。

上述的预处理单元320，用于基于所述数据采集单元的数据内容进行预处理。具体地，本实施例中的预处理单元320包括：

编码转换单元321，用于基于onehot编码将带有中文的特征字段标称属性转换成数值型。

数值变换单元322，用于基于所述编码转换单元的数据进行woe变换。

上述的模型训练单元330，用于基于所述预处理单元后的内容对模型进行训练，获取模型训练结果，具体包括建立决策树回归模型，以最小损失函数为模型目标，遍历所有的方案得到最佳模型参数，将最佳模型输出。

上述的预测单元340，用于基于所述模型训练单元的训练结构进行当前数据下的客流量预测。

图5是本申请实施例提供的一种识别设备的结构示意图。该对象检测设备4000包括处理器41，还可以包括输入装置42、输出装置43和存储器44。该输入装置42、输出装置43、存储器44和处理器41之间通过总线相互连接。

存储器包括但不限于是随机存储记忆体(random access memory，RAM)、只读存储器(read至only memory，ROM)、可擦除可编程只读存储器(erasable programmable readonly memory，EPROM)、或便携式只读存储器(compact disc read至only memory，CD至ROM)，该存储器用于相关指令及数据。

输入装置用于输入数据和/或信号，以及输出装置用于输出数据和/或信号。输出装置和输入装置可以是独立的器件，也可以是一个整体的器件。

处理器可以包括是一个或多个处理器，例如包括一个或多个中央处理器(centralprocessing unit，CPU)，在处理器是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。处理器还可以包括一个或多个专用处理器，专用处理器可以包括GPU、FPGA等，用于进行加速处理。

存储器用于存储网络设备的程序代码和数据。

处理器用于调用该存储器中的程序代码和数据，执行上述方法实施例中的步骤。具体可参见方法实施例中的描述，在此不再赘述。

可以理解的是，图5仅仅示出了对象检测设备的简化设计。在实际应用中，动作识别装置还可以分别包含必要的其他元件，包含但不限于任意数量的输入/输出装置、处理器、控制器、存储器等，而所有可以实现本申请实施例的动作识别装置都在本申请的保护范围之内。

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。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，该单元的划分，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。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，装置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。

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。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read至onlymemory，ROM)，或随机存储存储器(random access memory，RAM)，或磁性介质，例如，软盘、硬盘、磁带、磁碟、或光介质，例如，数字通用光盘(digital versatile disc，DVD)、或者半导体介质，例如，固态硬盘(solid state disk，SSD)等。

以上详细描述了本发明的优选实施方式，但是本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换(如数量、形状、位置等)，这些等同变换均属于本发明的保护。

Claims

1.一种景区客流量预估方法，其特征在于，包括：

基于数据集合的内容进行预处理；

基于所述模型训练结果对当前所收集的特征进行预测。

2.根据权利要求1所述的景区客流量预估方法，其特征在于，

所述获取当前景区的客流承载量的相关数据，抽取特征维度信息，构建数据集合包括：

3.根据权利要求2所述的景区客流量预估方法，其特征在于，

所述基于数据集合的内容进行预处理包括：

基于数值型数据进行woe变换。

4.根据权利要求3所述的景区客流量预估方法，其特征在于，

所述基于决策树回归模型将预处理后的数据带入进行训练，获取模型训练结果包括：

5.一种景区客流量预估系统，其特征在于，包括：

6.根据权利要求5所述的景区客流量预估系统，其特征在于，

所述数据采集单元，具体利用爬虫抓取可用信息，将可用信息提取特征维度，以特征维度的种类进行数据分类；

7.根据权利要求6所述的景区客流量预估系统，其特征在于，

所述预处理单元包括：

8.根据权利要求7所述的景区客流量预估系统，其特征在于，

所述模型训练单元，具体包括建立决策树回归模型，以最小损失函数为模型目标，遍历所有的方案得到最佳模型参数，将最佳模型输出。

9.一种预估装置，其特征在于，包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时实现权利要求1-4任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述权利要求1-4任意一项所述的方法。