CN111126715B - 景区客流量管控系统 - Google Patents

Abstract

本发明涉及一种景区客流量管控系统，包括售票采集模块、验票模块、售票预测模块、景区游客分布采集模块、人数统计分析模块、管理服务器以及PC界面；售票采集模块用于采集售票信息，景区游客分布采集模块用于采集景区内各景点分布人数，验票模块用于景区门票验票获取进入景区的总人数，人数统计分析模块根据进入景区的总人数和各景点分布人数绘制人数变化态势曲线以及景区内游客分布的热力值图像，并通过PC界面进行显示；售票预测模块根据售票数据生成预售票趋势曲线，并预测出景区内各景点游客饱和时间段。本发明可以在景区游客爆满之前就预测到爆满时间点，从而提前结束售票，且不存在信息滞后，既保证了景区经济效益又解决了游客爆满的问题。

Description

景区客流量管控系统

技术领域

本发明涉及景区管理领域，具体涉及一种景区客流量管控系统。

背景技术

在国家扩大内需战略的背景下，旅游业已经成为一些省份的支柱性产业，如何提高旅游品质，改善游客感知，提升服务水平已成为各级旅游部门面临的问题。2013年十一长假期间，全国多省各旅游景区都出现较严重的流量超限、大量游客滞留等问题，不仅带来诸多安全问题，对旅游品质的影响也较大。为提升旅游行业服务整体品质，为游客提供更高质量的服务，景区游客流量监控分析系统的建设迫在眉睫。例如：2013年10月2日，九寨沟游客爆满，造成滞留事件引发全国关注。当天景区内已经很拥挤，但山下仍有游客不断往上涌入，这是游客滞留、导致事件发生的主要原因。当时九寨沟景区上下山通道已经陷入瘫痪，许多游客滞留于景区内公交车站点。当天晚上，景区售票厅前的广场上聚集了上千名游客。传统的方式统计客流依靠人工采集信息，无法保证信息的实效性。电信分析模式基于电信网络数据分析处理，24小时监控，实时智能统计。可对景区内承载量进行分析判断，发出预警信息。

很显然，传统的人工统计方式存在信息滞后、人工误差大、工作量大等多方面缺陷，尤其是在智慧旅游概念提出来以后，传统的人工统计明显不能满足当下的需求。

发明内容

本发明的目的在于克服现有技术的不足，提供一种景区客流量管控系统，利用线上和线下数据分析，分别对景区的线上线下售票信息进行采集，以及分析进入景区的人数，然后利用数据分析模型进行预测，预判景区在会在何时达到人数饱和，从而提前关闭景区售票信息，可有效解决景区人满为患造成的游客滞留问题。

本发明的目的是通过以下技术方案来实现的：

一种景区客流量管控系统，该系统包括售票采集模块、验票模块、售票预测模块、景区游客分布采集模块、人数统计分析模块、管理服务器以及PC；

所述售票采集模块用于采集售票信息并上传至管理服务器；

所述景区游客分布采集模块用于采集景区内各景点分布人数并上传至管理服务器；

所述验票模块用于景区门票验票获取进入景区的总人数，所述人数统计分析模块根据进入景区的总人数和各景点分布人数绘制人数变化态势曲线以及景区内游客分布的热力值图像，并通过所述PC界面进行显示；

所述售票预测模块根据售票数据生成预售票趋势曲线，并预测出景区内各景点游客饱和时间段，并在该时间段内停止景区售票。

和传统的人工统计相比，本方案利用线上线下数据进行综合统计，可精准获悉当前的售票情况和景区内游客数量，并根据各景点的承载量进行售票管理，而不是以整个景区作为预测，当其中一个景点的游客爆满后，即提前结束售票，直到该景点人流缓解以后才继续售票，可有效预防景点游客爆满，保护了景区资源，同时也保证了景区的经济效益，避免盲目停止售票造成景区收益下滑。

进一步的，所述售票采集模块包括OTA线上售票数据采集、OTC线下售票数据采集、扫码售票数据采集以及公众号售票数据采集。这里的OTA线上售票包括但不限于携程、美团、途牛等各旅游电商平台，OTC线下售票是指通过柜台购买的门票等。

进一步的，所述验票模块包括验票闸机和手持验票终端。

进一步的，所述景区游客分布采集模块包括设置在景区内各景点的人数检测模块由热成像计数器和误差分析模块组成；

所述热成像计数器采用对射式的安装方式形成一条监测线，所述景点在进口段和出口段采用该安装方式设置有N条监测线；总共形成2N条监测线，对2N条监测线按1-2N进行编号，其中奇数条监测线和偶数条监测线分列于进口段和出口段，将采集数值最高的n条奇数监测线和偶数监测线各自求和平均后的人数即为进的人数和出的人数，其中n≤N；

所述误差分析模块用与误差分析，以校正该景点的人数。

进一步的，所述误差分析分析的方法步骤如下：

S1：每隔2-5秒取一次监测线的值，并和上一次取的值比较，算出进的游客变化量ic；

S2：以当前时间戳Time_t为序列存储起来，存储结构：{ Time_t，TimeOut，ic}，其中TimeOut为出景点时间戳；

S3：根据游客过景点花的时间计算出景点时间戳，定义正常状态下过景点的时间为MinSec，则有TimeOut=Time_t + MinSec；拥挤状态下过景点的时间最大为MaxSec，则有出景点时间戳TimeOut=Time_t + MaxSec；

S4：根据桥梁承载量动态计算游客出景点时间，定义当前客流为N，最大客流为M，则当前承载量R1=N/M，当R1≤15%时，TimeOut =Time_t +MinSec，当R1＞15%时，则有TimeOut =Time_t +R1MaxSec；

S5：以当前时间戳和出景点时间戳进行比较，计算进景点游客数量Sumin和出景点的游客数量SumOut，则有S=Sumin-SumOut，其中S为景点的实时人数。

进一步的，还包括一个实时人数S的修正步骤；

S01：计算从当前时间戳Time_t开始，时间MaxSec内出景点的总人数S’；

S02：计算从当前时间戳Time_t开始，时间MaxSec内进出景点的的差额S’’；

S03：取S、S’、S’’中的最大值即为该景点的实时客流量。

本发明实施的关键就在于需要正确统计各景点的游客数量，因此本发明中引入独创的误差分析算法，可有效保证对各景点的人数统计精准度在97%以上，从而保证系统有效运行，

进一步的，所述人数统计分析模块内置有该景区游客离开模型，该游客离开模型是根据历史数据采集生成各时间段内进入景区和离开景区的比例模型；同时根据景区游客分布采集模块采集的各景点人数之和与验票模块的人数差值与当前时间段内游客离开模型进行校正，计算出不在景点内但在景区内的剩余游客，在此基础上加上各景点内的游客即为当前景区总人数。

进一步的，所述校正的步骤为：

S10：定义当前时间进入景区的总人数M，各景点总人数为J，则计算各景点人数之和与景区的总人数差值记为M-J；

S20：计算当前时间段离开人数M×K%，其中K为当前时间段游客离开模型，则景区实际剩余人数为M-M×K；

S30：若M-M×K-J≥0，则景区剩余总人数为J+（M-J）×（1-K%），若M-M×K-J＜0，则景区剩余总人数为M，即表示当前时间段内还没有游客离开景点。

进一步的，所述当前时间进入景区的总人数M是指当日0点开始到当前时间段进入的总人数。

进一步的，所述售票预测模块是根据历史售票曲线预测生成未来1-2天的售票曲线态势图，其横坐标以小时为单位进行预测，并结合景区内现有人数预测当日是否会出现游客溢出的情况，如有则标出游客溢出的时间节点，并在该时间节点到来之前停止售票。

本发明的有益效果是：和传统的客流量管理模式相比，本方案中最大的区别在于管理对象不同，由传统的整个景区管理分散到景区内的各景点管理，由于一个景区内存在多个景点，例如现在流行的网红景点说法，一般这类景点游客聚集较多，因此分析时以景点作为切入口进行客流量管理，当这些地方任一出现游客爆满或预测即将出现爆满时，则停止售票，直到该景点的游客饱和度下降后再次售票，从而解决了因游客爆满造成的旅游资源损坏以及游客滞留的问题，同时通过及时恢复售票也保证了景区的经济效益。

附图说明

图1为本发明系统示意图；

图2为本发明中热成像传感器的分布示意图。

具体实施方式

下面结合具体实施例进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，一种景区客流量管控系统，该系统包括售票采集模块、验票模块、售票预测模块、景区游客分布采集模块、人数统计分析模块、管理服务器以及PC；售票采集模块用于采集售票信息并上传至管理服务器；景区游客分布采集模块用于采集景区内各景点分布人数并上传至管理服务器；验票模块用于景区门票验票获取进入景区的总人数，人数统计分析模块根据进入景区的总人数和各景点分布人数绘制人数变化态势曲线以及景区内游客分布的热力值图像，并通过PC界面进行显示；售票预测模块根据售票数据生成预售票趋势曲线，并预测出景区内各景点游客饱和时间段，并在该时间段内停止景区售票。

在一些实施例中，售票采集模块包括OTA线上售票数据采集、OTC线下售票数据采集、扫码售票数据采集以及公众号售票数据采集。验票模块包括验票闸机和手持验票终端，景区游客分布采集模块包括设置在景区内各景点的人数检测模块由热成像计数器和误差分析模块组成；热成像计数器采用对射式的安装方式形成一条监测线，景点在进口段和出口段采用该安装方式设置有N条监测线；总共形成2N条监测线，对2N条监测线按1-2N进行编号，其中奇数条监测线和偶数条监测线分列于进口段和出口段，将采集数值最高的n条奇数监测线和偶数监测线各自求和平均后的人数即为进的人数和出的人数，其中n≤N；

误差分析模块用与误差分析，以校正该景点的人数。

在一些实施例中，误差分析分析的方法步骤如下：

S1：每隔2-5秒取一次监测线的值，并和上一次取的值比较，算出进的游客变化量ic；

S2：以当前时间戳Time_t为序列存储起来，存储结构：{ Time_t，TimeOut，ic}，其中TimeOut为出景点时间戳；

S3：根据游客过景点花的时间计算出景点时间戳，定义正常状态下过景点的时间为MinSec，则有TimeOut=Time_t + MinSec；拥挤状态下过景点的时间最大为MaxSec，则有出景点时间戳TimeOut=Time_t + MaxSec；

S4：根据桥梁承载量动态计算游客出景点时间，定义当前客流为N，最大客流为M，则当前承载量R1=N/M，当R1≤15%时，TimeOut =Time_t +MinSec，当R1＞15%时，则有TimeOut =Time_t +R1MaxSec；

S5：以当前时间戳和出景点时间戳进行比较，计算进景点游客数量Sumin和出景点的游客数量SumOut，则有S=Sumin-SumOut，其中S为景点的实时人数。

在一些实施例中，还包括一个实时人数S的修正步骤；

S01：计算从当前时间戳Time_t开始，时间MaxSec内出景点的总人数S’；

S02：计算从当前时间戳Time_t开始，时间MaxSec内进出景点的的差额S’’；

S03：取S、S’、S’’中的最大值即为该景点的实时客流量。

为了使得上述误差分析更为具体，以下以一个具体景点作为实例说明，以下实例中数据来源于都江堰景区内的某桥景点。

首先，如图2所示，将客流量计数器按如图2的方式进行分布，在本实施例中总计设计了12条监测线路，依次编号为1-12，其中奇数条监测线作为进线，偶数条监测线为出线，反之亦然。最终形成了奇数条监测线（1、3、5、7、9、11）位于桥梁进口端，偶数条监测线（2、4、6、8、10、12）位于出口端。每根监测线之间均匀分布，用于检测路过该监测线的客流数量，则有：

进：采集到的6根线计数值，只取最高的三根线的值，求和平均后为进的人数。

出：采集到的6根线计数值，只取最高的三根线的值，求和平均后为出的人数。

算法：

Vals=｛x1,x2,x3,x4,x5,x6｝; // 取的监测线值

Sort(Vals); // 从低到高排序

Sum = 0; // 求和值

for (i=3;i<6;i++) {

Sum += Vals[i];

}

V= Sum/3; // 平均

在实际情况中，根据某桥的实际验证，在客流不拥挤的情况下，进的人数会大于出的人数。一旦有排队等待现象，进的人数会比出的人数少，就会造成进减出后是负数。因此依靠设备的进减出差值作为桥上实时人数无效，必须要用修正算法解决。

根据实际需求，用户只关心桥上的实时游客数，然后根据实时游客量进行限流引导，防止发生安全事故。通常情况下，上桥的游客在一定时间内肯定会下桥，因此算法只专注在进的游客上面。这是算法的核心要素。

每隔2-5秒取一次监测线的值，并和上一次取的值比较，算出进的游客变化量ic，并以当前时间戳Time_t为序列存储起来，存储结构：{ Time_t，TimeOut，ic}。

根据游客过桥花的时间计算下桥时间戳，如：某桥通畅情况下游客过桥需要要130秒（MinSec），游客上桥到下桥时间为: TimeOut =Time_t + MinSec。拥挤时需要720-900秒（MaxSec）才能下桥。根据桥梁承载量动态计算游客下桥时间，承载量（当前客流N/最大客流M，R1=( N/M)），R1在15%以下时保持130秒（MinSec），大于15%时开始修正下桥时间：16%*900秒=144秒。

计算公式：

承载量：R1 =（N / M）；

下桥时间：

If TimeOut = MinSec；

If (R1>15%) {

TimeOut = MaxSec*R1；

}

以当前时间戳和下桥时间戳进行比较，计算上桥和下桥的游客数量，上桥减下桥为桥上实时游客数。即计算当前时间戳的上桥量-下桥时间戳这个时间段内的下桥量，计算上桥量和下桥量总数，其差只即为该时间段内桥上剩余的人。

计算公式：

Sumin = 0; // 进的游客

SumOut = 0; // 出的游客

If (Time_t>= TimeOut) {

SumOut = Val;

}

以这个时间算出所有已经下桥的人，然后用当前进的总人数减这个数得到实时人数S1。

由于S1是理想情况下的实时人数，如果有人在桥上停留或人多排队，就会有误差。因此要引入第二个核心参数：数据修正时间。

这个参数就是人多时要花多少时间才能过桥作为计算依据，根据某桥的情况，高峰时大概需要15分钟（也可以延长）才能过桥，因此以最近900秒算出应该下桥的人得到实时人数S2。

第三个数就是最近900秒的进和出的差额S3。

正常情况下：S1、S2、S3非常接近。

S1最实时，不可能是负数，正常情况下会比S2小，S1和S2相差最接近，如果人多拥挤或者有人在桥上逗留，S2就会比S1大。

S2和真实在线人数最接近，大多数情况下是使用这个值作为在线人数用。

S3正常情况下是正数，人多拥挤时会变负数，人越多负数越大，几乎不能使用。

最后用S1、S2、S3做比较，取最大值，即为当前桥上的客流量。

在一些实施例中，人数统计分析模块内置有该景区游客离开模型，该游客离开模型是根据历史数据采集生成各时间段内进入景区和离开景区的比例模型；同时根据景区游客分布采集模块采集的各景点人数之和与验票模块的人数差值与当前时间段内游客离开模型进行校正，计算出不在景点内但在景区内的剩余游客，在此基础上加上各景点内的游客即为当前景区总人数。

校正的步骤为：

S10：定义当前时间进入景区的总人数M，各景点总人数为J，则计算各景点人数之和与景区的总人数差值记为M-J；

S20：计算当前时间段离开人数M×K%，其中K为当前时间段游客离开模型，则景区实际剩余人数为M-M×K；

S30：若M-M×K-J≥0，则景区剩余总人数为J+（M-J）×（1-K%），若M-M×K-J＜0，则景区剩余总人数为M，即表示当前时间段内还没有游客离开景点。

在一些实施例中，当前时间进入景区的总人数M是指当日0点开始到当前时间段进入的总人数。售票预测模块是根据历史售票曲线预测生成未来1-2天的售票曲线态势图，其横坐标以小时为单位进行预测，并结合景区内现有人数预测当日是否会出现游客溢出的情况，如有则标出游客溢出的时间节点，并在该时间节点到来之前停止售票。

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (8)

1.一种景区客流量管控系统，其特征在于，该系统包括售票采集模块、验票模块、售票预测模块、景区游客分布采集模块、人数统计分析模块、管理服务器以及PC；

所述售票采集模块用于采集售票信息并上传至管理服务器；

所述景区游客分布采集模块用于采集景区内各景点分布人数并上传至管理服务器；

所述验票模块用于景区门票验票获取进入景区的总人数，所述人数统计分析模块根据进入景区的总人数和各景点分布人数绘制人数变化态势曲线以及景区内游客分布的热力值图像，并通过所述PC的界面进行显示；

所述售票预测模块根据售票数据生成预售票趋势曲线，并预测出景区内各景点游客饱和时间段，并在该时间段内停止景区售票;

所述景区游客分布采集模块包括设置在景区内各景点的人数检测模块由热成像计数器和误差分析模块组成；

所述热成像计数器采用对射式的安装方式形成一条监测线，所述景点在进口段和出口段采用该安装方式设置有N条监测线；总共形成2N条监测线，对2N条监测线按1-2N进行编号，其中奇数条监测线和偶数条监测线分列于进口段和出口段，将采集数值最高的n条奇数监测线和偶数监测线各自求和平均后的人数即为进的人数和出的人数，其中n≤N；

所述误差分析模块用于误差分析，以校正该景点的人数;

所述误差分析分析的方法步骤如下：

S1：每隔2-5秒取一次监测线的值，并和上一次取的值比较，算出进的游客变化量ic；

S2：以当前时间戳Time_t为序列存储起来，存储结构：{ Time_t，TimeOut，ic}，其中TimeOut为出景点时间戳；

S3：根据游客过景点花的时间计算出景点时间戳，定义正常状态下过景点的时间为MinSec，则有TimeOut=Time_t + MinSec；拥挤状态下过景点的时间最大为MaxSec，则有出景点时间戳TimeOut=Time_t + MaxSec；

S4：根据桥梁承载量动态计算游客出景点时间，定义当前客流为N，最大客流为M，则当前承载量R1=N/M，当R1≤15%时，TimeOut =Time_t +MinSec，当R1＞15%时，则有TimeOut =Time_t +R1MaxSec；

S5：以当前时间戳和出景点时间戳进行比较，计算进景点游客数量Sumin和出景点的游客数量SumOut，则有S=Sumin-SumOut，其中S为景点的实时人数。

2.根据权利要求1所述的景区客流量管控系统，其特征在于，所述售票采集模块包括OTA线上售票数据采集、OTC线下售票数据采集、扫码售票数据采集以及公众号售票数据采集。

3.根据权利要求2所述的景区客流量管控系统，其特征在于，所述验票模块包括验票闸机和手持验票终端。

4.根据权利要求1所述的景区客流量管控系统，其特征在于，还包括一个实时人数S的修正步骤；

S01：计算从当前时间戳Time_t开始，时间MaxSec内出景点的总人数S’；

S02：计算从当前时间戳Time_t开始，时间MaxSec内进出景点的差额S’’；

S03：取S、S’、S’’中的最大值即为该景点的实时客流量。

5.根据权利要求4所述的景区客流量管控系统，其特征在于，所述人数统计分析模块内置有该景区游客离开模型，该游客离开模型是根据历史数据采集生成各时间段内进入景区和离开景区的比例模型；同时根据景区游客分布采集模块采集的各景点人数之和与验票模块的人数差值与当前时间段内游客离开模型进行校正，计算出不在景点内但在景区内的剩余游客，在此基础上加上各景点内的游客即为当前景区总人数。

6.根据权利要求5所述的景区客流量管控系统，其特征在于，所述校正的步骤为：

S10：定义当前时间进入景区的总人数M，各景点总人数为J，则计算各景点人数之和与景区的总人数差值记为M-J；

S20：计算当前时间段离开人数M×K%，其中K为当前时间段游客离开模型，则景区实际剩余人数为M-M×K；

S30：若M-M×K-J≥0，则景区剩余总人数为J+（M-J）×（1-K%），若M-M×K-J＜0，则景区剩余总人数为M，即表示当前时间段内还没有游客离开景点。

7.根据权利要求6所述的景区客流量管控系统，其特征在于，所述当前时间进入景区的总人数M是指当日0点开始到当前时间段进入的总人数。

8.根据权利要求7所述的景区客流量管控系统，其特征在于，所述售票预测模块是根据历史售票曲线预测生成未来1-2天的售票曲线态势图，其横坐标以小时为单位进行预测，并结合景区内现有人数预测当日是否会出现游客溢出的情况，如有则标出游客溢出的时间节点，并在该时间节点到来之前停止售票。

Images