CN111144660A - 人流量预测的方法、装置、电子设备及存储介质 - Google Patents

人流量预测的方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111144660A
CN111144660A CN201911397618.5A CN201911397618A CN111144660A CN 111144660 A CN111144660 A CN 111144660A CN 201911397618 A CN201911397618 A CN 201911397618A CN 111144660 A CN111144660 A CN 111144660A
Authority
CN
China
Prior art keywords
people flow
prediction result
prediction
time period
corresponding relation
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.)
Granted
Application number
CN201911397618.5A
Other languages
English (en)
Other versions
CN111144660B (zh
Inventor
季昆鹏
杨双全
郑灿祥
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201911397618.5A priority Critical patent/CN111144660B/zh
Publication of CN111144660A publication Critical patent/CN111144660A/zh
Application granted granted Critical
Publication of CN111144660B publication Critical patent/CN111144660B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Mathematical Optimization (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种人流量预测的方法、装置、电子设备及存储介质，涉及人流量预测领域。具体实现方案为：获取当前时刻在目标区域的实际人流量第一预测结果及检测人流量；计算所述实际人流量第一预测结果与所述检测人流量的第一对应关系；根据所述第一对应关系查找预先保存的对应关系统计结果，得到与所述第一对应关系存在关联的第二对应关系；采用所述第二对应关系及所述检测人流量，计算所述当前时刻在目标区域的实际人流量第二预测结果。一方面可以实时的得到人流量预测的结果，另一方面，基于对应关系统计结果可以使最终的人流量预测的结果的准确度有所保证。

Description

人流量预测的方法、装置、电子设备及存储介质
技术领域
本申请涉及数据处理领域，尤其涉及人流量预测领域。
背景技术
在公共安全和市政管控中，存在精准预测实时人流量的需求。基于人流量的实时预测可以对目标区域进行人流管控。现有技术中，通常采用每隔一段时间对人流量进行检测，根据检测结果推算出实际人流量。然而推算出的实际人流量一方面不具有实时性，另一方面和真实情况往往有较大的偏差。
发明内容
本申请实施例提供一种人流量预测的方法、装置、电子设备及计算机可读存储介质，以解决现有技术中的一个或多个技术问题。
第一方面，本发明实施例提供了一种人流量预测的方法，包括：
获取当前时刻在目标区域的实际人流量第一预测结果及检测人流量；
计算实际人流量第一预测结果与检测人流量的第一对应关系；
根据第一对应关系查找预先保存的对应关系统计结果，得到与第一对应关系存在关联的第二对应关系；
采用第二对应关系及检测人流量，计算当前时刻在目标区域的实际人流量第二预测结果。
通过上述方案，一方面可以实时得到人流量预测的结果，另一方面，基于第二对应关系可以使最终的人流量预测的结果的准确度有所保证。
在一种实施方式中，获取当前时刻在目标区域的实际人流量第一预测结果，包括：
根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果；
根据检测人流量的预测结果以及对应关系统计结果的代表值，计算实际人流量第一预测结果。
通过上述方案，可以利用历史数据得到实际人流量第一预测结果。由于历史数据是真实可信的数据，因此利用历史数据进行预测，可以满足预测结果相对准确。另外，实际人流量第一预测结果通过检测人流量得到的。即，在进行人流量预测时，仅需要检测人流量一个参数即可实现，参数获取的复杂度更低。
在一种实施方式中，获取当前时刻在目标区域的实际人流量第一预测结果，包括：
根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果；
根据检测人流量的预测结果、检测人流量的预测结果的置信度以及对应关系统计结果的代表值，计算实际人流量第一预测结果。
通过上述方案，利用置信度对检测人流量的预测结果进行调整，可以提高预测结果的准确性。
在一种实施方式中，检测人流量的预测结果的置信度的确定方式为：
确定当前时刻所在的第一时间段；
选择在第一时间段之前的至少一个第二时间段；
利用每个第二时间段在当前时刻所在日期的检测人流量、每个第二时间段在预设历史日期的检测人流量、以及每个第二时间段的权重，计算检测人流量的预测结果的置信度。
通过上述方案，结合当前日期和预设历史日期的检测人流量确定差异，进而利用差异对检测人流量的预测结果进行调整。由此可以根据今天的检测人流量对仅用历史数据得到的检测人流量预测结果进行调整，可以更进一步的提高预测的准确率。
在一种实施方式中，对应关系统计结果的代表值的确定方式为：
根据对应关系统计结果中各对应关系的出现次数确定代表值；或
根据对应关系统计结果中各对应关系的平均值确定代表值。
在一种实施方式中，根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果，包括：
确定当前时刻所在的第一时间段；
选择与第一时间段相邻的第三时间段；
根据第一时间段和第三时间段在预设历史日期的检测人流量，得到当前时刻在目标区域的检测人流量的预测结果。
通过上述方案，在当前时刻属于前半小时的情况下，可以结合当前时间段和与其在前相邻的时间段之间的人流量变化趋势，得到当前时刻在目标区域的检测人流量的预测结果。在当前时刻属于后半小时的情况下，可以结合当前时间段和与其在后相邻的时间段之间的人流量变化趋势，得到当前时刻在目标区域的检测人流量的预测结果。基于检测人流量的变化趋势进行预测，可以提高预测的准确度。
在一种实施方式中，包括：
每间隔预定时间，获取一次实际人流量第二预测结果；
在相邻两次实际人流量第二预测结果的差值超过阈值的情况下，对在后的实际人流量第二预测结果进行调整。
通过上述方案，可以在出现人流量发生突变的情况下，及时对人流量预测的结果进行调整。
在一种实施方式中，对在后的实际人流量第二预测结果进行调整，包括：
根据差值，为相邻两次实际人流量第二预测结果分配权重；
根据权重和相邻两次实际人流量第二预测结果，对在后的实际人流量第二预测结果进行调整。
通过上述方案，对在后的人流量预测的结果进行调整时，可以根据实际人流量预测结果的差值进行权重分配，从而使调整的结果更为准确。
第二方面，本申请提供一种人流量预测的装置，该装置包括：
数据获取模块，用于获取当前时刻在目标区域的实际人流量第一预测结果及检测人流量；
第一对应关系计算模块，用于计算实际人流量第一预测结果与检测人流量的第一对应关系；
第二对应关系查询模块，用于根据第一对应关系查找预先保存的对应关系统计结果，得到与第一对应关系存在关联的第二对应关系；
预测模块，用于采用第二对应关系及实际人流量第一预测结果，计算当前时刻在目标区域的实际人流量第二预测结果。
在一种实施方式中，数据获取模块，包括：
检测人流量预测子模块，用于根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果；
数据获取执行子模块，用于根据检测人流量的预测结果以及对应关系统计结果的代表值，计算实际人流量第一预测结果。
在一种实施方式中，数据获取模块，包括：
检测人流量预测子模块，用于根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果；
数据获取执行子模块，用于根据检测人流量的预测结果、检测人流量的预测结果的置信度以及对应关系统计结果的代表值，计算实际人流量第一预测结果。
在一种实施方式中，还包括：
第一时间段确定子模块，用于确定当前时刻所在的第一时间段；
第二时间段选择子模块，用于选择在第一时间段之前的至少一个第二时间段；
置信度获取子模块，用于利用每个第二时间段在当前时刻所在日期的检测人流量、每个第二时间段在预设历史日期的检测人流量、以及每个第二时间段的权重，计算检测人流量的预测结果的置信度。
在一种实施方式中，还包括：
代表值确定子模块，用于根据对应关系统计结果中各对应关系的出现次数确定代表值；或
根据对应关系统计结果中各对应关系的平均值确定代表值。
在一种实施方式中，检测人流量预测子模块，包括：
第一时间段确定单元，用于确定当前时刻所在的第一时间段；
第三时间段选择单元，用于选择与第一时间段相邻的第三时间段；
检测人流量预测单元，用于根据第一时间段和第三时间段在预设历史日期的检测人流量，得到当前时刻在目标区域的检测人流量的预测结果。
在一种实施方式中，还包括：
预测结果获取模块，用于每间隔预定时间，获取一次实际人流量第二预测结果；
调整模块，用于在相邻两次实际人流量第二预测结果的差值超过阈值的情况下，对在后的实际人流量第二预测结果进行调整。
在一种实施方式中，调整模块，包括：
权重分配子模块，用于根据差值，为相邻两次实际人流量第二预测结果分配权重；
调整执行子模块，用于根据权重和相邻两次实际人流量第二预测结果，对在后的实际人流量第二预测结果进行调整。
第三方面，本申请实施例提供一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。
第四方面，本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例人流量预测的方法的流程图；
图2是本申请实施例人流量预测的方法的流程图；
图3是本申请实施例人流量预测的方法的流程图；
图4是本申请实施例人流量预测的方法的流程图；
图5是本申请实施例人流量预测的方法的流程图；
图6是本申请实施例人流量预测的方法的流程图；
图7是本申请实施例人流量预测的方法的流程图；
图8是本申请实施例人流量预测的装置的框图；
图9是本申请实施例人流量预测的装置的框图；
图10是本申请实施例人流量预测的装置的框图；
图11是本申请实施例人流量预测的装置的框图；
图12是本申请实施例人流量预测的装置的框图；
图13是本申请实施例人流量预测的装置的框图；
图14是本申请实施例人流量预测的装置的框图；
图15是本申请实施例人流量预测的装置的框图；
图16是用来实现本申请实施例的人流量预测的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
如图1所示，在一种实施方式中，人流量预测的方法包括以下步骤：
S101：获取当前时刻在目标区域的实际人流量第一预测结果及检测人流量。
实际人流量可以是目标区域的所有人流量。实际人流量第一预测结果可以根据检测人流量进行估算得到。检测人流量可以选择检测人流量的历史数据。检测人流量的历史数据可以是预设历史日期的检测人流量，即在当前时刻之前任意时刻或任意时间段的检测人流量。
检测人流量可以是利用无线访问接入点(AP，Wireless Access Point)采集到的终端的数量得到。例如，用户在使用智能手机等终端的应用程序进行数据交互时，根据终端的MAC地址等信息可以得到终端的数量。一般情况下，一个终端对应一个用户，基于此可以得到检测人流量。
目标区域的检测人流量可以在一定程度上反映该区域的实际人流量。例如，计算目标区域在过去一年中，在当前时刻实际人流量样本与检测人流量样本的对应关系。实际人流量样本可以借助交通探头和/或采用人脸追踪技术得到。对应关系可以是比值关系、差值关系等。对计算出的不同对应关系进行统计，得到对应关系统计结果。以比值关系为例，在对应关系统计结果中，对应关系的取值范围可以从1.0～10.0。
在得到检测人流量的情况下，根据对应关系统计结果的代表值可以得到当前时刻实际人流量第一预测结果。
实际人流量第一预测结果可以记为H。
在当前时刻，可以利用前述的无线访问接入点的方式检测得到当前时刻目标区域的检测人流量。检测人流量可以记为netCount。
S102：计算实际人流量第一预测结果与检测人流量的第一对应关系。
对应关系可以是比例关系、差值关系等。以比值关系为例，计算实际人流量第一预测结果和检测人流量的比值，得到第一对应关系。第一对应关系可以记为ratio，ratio＝H/netCount。
S103：根据第一对应关系查找预先保存的对应关系统计结果，得到与第一对应关系存在关联的第二对应关系。
预先建立对应关系统计结果与ratio可能出现的结果之间的关联关系列表。可以根据时间段，将关联关系列表分为24组，每组的时间段为1小时。
根据经验推断，ratio可能出现的结果为0.0～10.0。如果计算结果的精度为0.1，则ratio可能出现的结果共101个数值。
由于对应关系统计结果根据样本的计算结果得到的。对应关系统计结果中，对应关系的数量可能少于101。基于此，可以利用预设的关联规则，将多个ratio可能出现的结果和对应关系统计结果中的一个对应关系进行关联。
一般来说，由于检测手段的限制，在同一时间检测人流量会低于实际人流量。因此，在计算出来的ratio为0.1～0.9的情况下，可以与数值为1的对应关系进行关联。
或者，计算出来的ratio为5.0，而对应关系统计结果中没有5.0，存在4.5和5.3两个与5.0接近的数值。由于5.3与5.0更接近，可以将5.3与5.0进行关联。
再或者，计算出来的ratio为5.0，而对应关系统计结果没有5.0，存在4.8和5.3两个与5.0接近的数值。虽然4.8与5.0更接近，但根据实际样本进行计算时，5.3出现的次数更多，可以将5.3与5.0进行关联。
以当前时刻为15：10为例，可以将15:10所对应的当前时间段设定为15点～16点。从而可以在表1所示的15点～16点所对应的关联关系列表中进行查找。
当前时间段 对应关系统计结果 ratio可能出现的结果
15点～16点 1.0 0.0
15点～16点 1.0 0.1
…… …… ……
15点～16点 5.3 5.0
15点～16点 5.4 5.1
…… …… ……
15点～16点 10.0 9.9
15点～16点 10.0 10.0
表1
根据表1的对应关系，在得到ratio的计算结果后，在关联关系列表中查找与ratio相关联的第二对应关系。第二对应关系可以记为factor。
S104：采用第二对应关系及实际人流量第一预测结果，计算当前时刻在目标区域的实际人流量第二预测结果。
例如，可以对第二对应关系和检测人流量进行乘法运算，得到实际人流量第二预测结果。实际人流量第二预测结果可以记为midCount。
midCount＝netCount*factor。
通过上述方案，利用实际人流量第一预测结果与检测人流量的第一对应关系，查找出与其关联的第二对应关系，利用第二对应关系和检测人流量得到最终结果。一方面可以实时的得到实际人流量预测的结果，另一方面，基于对应关系统计结果可以使最终的实际人流量预测的结果的准确度有所保证。
如图2所示，在一种实施方式中，步骤S101中的获取当前时刻在目标区域的实际人流量第一预测结果包括以下步骤：
S1011：根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果。
历史数据可以是在预设日期的当前时刻的检测人流量。以当前时刻为周二的15：10点为例，预设日期可以为本周一，上周二或上周一至周五任意一天等。
另外，预设日期可以为多个，例如可以是本周二之前的N个周二，上周一至上周五等。在预设日期为多个的情况下，历史数据可以是多个日期在当前时刻目标区域的检测人流量的平均值。
又例如，以当前时刻为周日的15：10为例，历史数据可以是周六的15：10目标区域的检测人流量，上周日的15：10目标区域的检测人流量，本周日之前的N个周日的15：10目标区域的检测人流量的平均值等。
当前时刻在目标区域的检测人流量的预测结果可以记为H1。
S1012：根据检测人流量的预测结果以及对应关系统计结果的代表值，计算实际人流量第一预测结果。
可以将对应关系统计结果按照一天24小时进行划分，得到24组对应关系统计结果。在各组对应关系统计结果中，计算对应关系的平均值，以平均值作为该组代表值。或者，在各组对应关系统计结果中，统计出现次数最多的对应关系，以出现次数最多的对应关系作为该组的代表值。如表2所示，可以得到24个时间段的对应关系统计结果的代表值(h1Ration～h24Ration)。
h<sub>1</sub>Ration h<sub>2</sub>Ration …… h<sub>23</sub>Ration h<sub>24</sub>Ration
2.54 2.48 …… 2.6 2.59
表2
以当前时刻为周二的15：10点为例，对应关系统计结果是第16组，对应15点～16点。第16组对应关系统计结果的代表值记为h16Ration。
实际人流量第一预测结果可以记为H，则H＝H1*h16Ration。
通过上述方案，可以利用历史数据得到实际人流量第一预测结果。由于历史数据是真实可信的数据，因此利用历史数据进行预测，可以满足预测结果相对准确。另外，实际人流量第一预测结果通过检测人流量得到的。即，在进行人流量预测时，仅需要检测人流量一个参数即可实现，参数获取的复杂度更低。
如图3所示，在一种实施方式中，步骤S101中获取当前时刻在目标区域的实际人流量第一预测结果包括以下步骤：
S1011’：根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果。
本步骤与前述步骤S1011相同，不再赘述。
S1012’：根据检测人流量的预测结果、检测人流量的预测结果的置信度以及对应关系统计结果的代表值，计算实际人流量第一预测结果。
本步骤与前述步骤S1012的区别在于，引入检测人流量的预测结果的置信度。利用置信度对检测人流量的预测结果进行调整，可以提高预测结果的准确性。
如图4所示，在一种实施方式中，检测人流量的预测结果的置信度的确定方式为：
S401：确定当前时刻所在的第一时间段。
在当前时刻属于前半小时的情况下，可以确定当前时刻所在的当前小时的前半小时，以及与当前小时在前相邻的半小时之和，作为第一时间段。
例如当前时刻是15：00～15:29中的任意时刻，可以确定14:30～15:30作为与该时刻对应的第一时间段。
在当前时刻属于前后小时的情况下，可以确定当前时刻所在的小时作为第一时间段。
例如当前时刻是15：30～15:59中的任意时刻，可以确定15:00～16:00作为与该时刻对应的第一时间段。
S402：选择在第一时间段之前的至少一个第二时间段。
以第一时间段为周二的15点～16点为例，选择出的第二时间段可以是12点～13点、13点～14点、14点～15点等时间段。第二时间段可以是与第一时间段在前相邻，也可以不相邻。
S403：利用每个第二时间段在当前时刻所在日期的检测人流量、每个第二时间段在预设历史日期的检测人流量、以及每个第二时间段的权重，计算检测人流量的预测结果的置信度。
根据公式(1)得到检测人流量的预测结果的置信度，记为k：
Figure BDA0002346740990000101
公式(1)中，ki可以表示第二时间段的权重，n-i可以表示当前时刻所在日期在各第二时间段的检测人流量，h-i可以分别表示预设历史日期在各第二时间段在预设历史日期的检测人流量，i可以表示第二时间段的序列号，I可以表示第二时间段的数量。
例如，在I＝3的情况下，第二时间段可以是12点～13点、13点～14点、14点～15点三个时间段。
k1～k3可以分别表示14点～15点、13点～14点、12点～13点的权重。权重可以根据各第二时间段距离第一时间段的远近设定，例如，14点～15点的权重可以为0.5，13点～14点的权重可以为0.3，12点～13点的权重可以为0.2。
n-1～n-3可以分别表示当前时刻所在日期在各第二时间段的检测人流量。例如可以对应为周二14点～15点、13点～14点、12点～13点的检测人流量。
h-1～h-3可以分别表示预设历史日期在各第二时间段的检测人流量。预设历史日期可以是周一、上周二、N个周二、上周一至上周五等。
在预设历史日期为周一、上周二等单个日期的情况下，可以直接获取每个第二时间段的检测人流量。
在预设历史日期为N个周二、上周一至上周五等多个日期的情况下，可以通过求平均值的方式获取每个第二时间段的检测人流量。
在一种实施方式中，对应关系统计结果的代表值的确定方式为：
根据对应关系统计结果中各对应关系的出现次数确定代表值；或
根据对应关系统计结果中各对应关系的平均值确定代表值。
例如，可以选择出现次数最多的对应关系作为对应关系统计结果的代表值，或者对所有对应关系进行求平均值计算，将计算结果作为对应关系统计结果的代表值。
如图5所示，在一种实施方式中，步骤S1011包括：
S10111：确定当前时刻所在的第一时间段。
在当前时刻属于前半小时的情况下，可以选择当前时刻所在的当前小时的前半小时，以及与当前小时在前相邻的半小时之和，作为第一时间段。
例如当前时刻是15：00～15:29中的任一时刻，可以选择14:30～15:30作为与该时刻对应的第一时间段。
在当前时刻属于前后小时的情况下，可以选择当前时刻所在的当前小时作为第一时间段。
例如当前时刻是15：30～15:59中的任一时刻，可以选择15:00～16:00作为与该时刻对应的第一时间段。
S10112：选择与第一时间段相邻的第三时间段。
在当前时刻属于前半小时的情况下，第三时间段可以是与第一时间段在前相邻的时间段。
例如第一时间段为14:30～15:30，则第三时间段可以是13:30～14:30。
在当前时刻属于后半小时的情况下，第三时间段可以是与第一时间段在后相邻的时间段。
例如第一时间段为15:00～16:00，则第三时间段可以是16:00～17:00。
S10113：根据第一时间段和第三时间段在预设历史日期的检测人流量，得到当前时刻在目标区域的检测人流量的预测结果。
在当前时刻属于前半小时的情况下，利用公式(2)得到当前时刻在目标区域的检测人流量的预测结果，可以记为H1。
H1＝h0–(30-m)*(h0–h-1)/60——(2)
公式(2)中，h0可以表示第一时间段在预设历史日期目标区域的检测人流量。
h-1可以表示第三时间段在预设历史日期目标区域的检测人流量；第三时间段与第一时间段在前相邻。
m可以表示当前的分钟，以15:10为例，当前的分钟为10。
其中，以14:30～15:30作为第一时间段为例，可以在15:30统计得到第一时间段在预设历史日期目标区域的检测人流量。可以在14:30统计得到的第三时间段预设历史日期目标区域的检测人流量。
在当前时刻属于后半小时的情况下，利用公式(3)得到当前时刻在目标区域的检测人流量的预测结果，同样可以记为H1。
H1＝h-1+m*(h1-h0)/60—— (3)
公式(3)中，h0可以表示第一时间段在预设历史日期目标区域的检测人流量；
h1可以表示第三时间段在预设历史日期目标区域的检测人流量；第三时间段与第一时间段在后相邻。
h-1可以表示与第一时间段在前相邻的时间段在预设历史日期目标区域的检测人流量。
m可以表示当前的分钟，以15:40为例，当前的分钟为40。
通过上述方案，在当前时刻属于前半小时的情况下，可以结合当前时间段和与其在前相邻的时间段之间的人流量变化趋势，得到当前时刻在目标区域的检测人流量的预测结果。在当前时刻属于后半小时的情况下，可以结合当前时间段和与其在后相邻的时间段之间的人流量变化趋势，得到当前时刻在目标区域的检测人流量的预测结果。基于检测人流量的变化趋势进行预测，可以提高预测的准确度。
如图6所示，在一种实施方式中，还包括：
S601：每间隔预定时间，获取一次实际人流量第二预测结果。
S602：在相邻两次实际人流量第二预测结果的差值超过阈值的情况下，对在后的实际人流量第二预测结果进行调整。
预定时间可以设置为10分钟，获取一次实际人流量第二预测结果。例如，在15:10获取的实际人流量第二预测结果相比于在15点获取的实际人流量第二预测结果的差值超过30％，则可以认为人流量出现了突变。在此情况下，可以对15:10获取的实际人流量第二预测结果进行调整。
通过上述方案，可以在出现人流量发生突变的情况下，及时对人流量预测的结果进行调整。
如图7所示，在一种实施方式中，步骤S602包括：
S6021：根据差值，为相邻两次实际人流量第二预测结果分配权重。
S6022：根据权重和相邻两次实际人流量第二预测结果，对在后的实际人流量第二预测结果进行调整。
可以采用公式(4)对在后获取的实际人流量第二预测结果进行调整，调整结果可以记为Count。
Count＝(midCount*f1+m10*(1–f1))——(4)
公式(4)中，midCount可以表示相邻两次中在前的实际人流量第二预测结果，f1可以表示权重；m10可以表示相邻两次中在后的实际人流量第二预测结果，(1–f1)可以表示权重。可以将f1设置为0.5。
另外，还可以根据在相邻两次实际人流量第二预测结果的差值对权重进行调整，例如差值越大，f1可以设置的越小。
通过上述方案，对在后的人流量预测的结果进行调整时，可以根据实际人流量预测结果的差值进行权重分配，从而使调整的结果更为准确。
如图8所示，在一种实施方式中，本申请提供一种人流量预测的装置，该装置包括：
数据获取模块801，用于获取当前时刻在目标区域的实际人流量第一预测结果及检测人流量；
第一对应关系计算模块802，用于计算实际人流量第一预测结果与检测人流量的第一对应关系；
第二对应关系查询模块803，用于根据第一对应关系查找预先保存的对应关系统计结果，得到与第一对应关系存在关联的第二对应关系；
预测模块804，用于采用第二对应关系及检测人流量，计算当前时刻在目标区域的实际人流量第二预测结果。
如图9所示，在一种实施方式中，数据获取模块801包括：
检测人流量预测子模块8011，用于根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果；
数据获取执行子模块8012，用于根据检测人流量的预测结果以及对应关系统计结果的代表值，计算实际人流量第一预测结果。
如图10所示，在一种实施方式中，数据获取模块801包括：
检测人流量预测子模块8011’，用于根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果；
数据获取执行子模块8012’，用于根据检测人流量的预测结果、检测人流量的预测结果的置信度以及对应关系统计结果的代表值，计算实际人流量第一预测结果。
如图11所示，在一种实施方式中，数据获取模块801还包括：
第一时间段确定子模块8013，用于确定当前时刻所在的第一时间段；
第二时间段选择子模块8014，用于选择在第一时间段之前的至少一个第二时间段；
置信度获取子模块8015，用于利用每个第二时间段在当前时刻所在日期的检测人流量、每个第二时间段在预设历史日期的检测人流量、以及每个第二时间段的权重，计算检测人流量的预测结果的置信度。
如图12所示，在一种实施方式中，数据获取模块801还包括：
代表值确定子模块8016，用于根据对应关系统计结果中各对应关系的出现次数确定代表值；或
根据对应关系统计结果中各对应关系的平均值确定代表值。
如图13所示，在一种实施方式中，检测人流量预测子模块8011，包括：
第一时间段确定单元80111，用于确定当前时刻所在的第一时间段；
第三时间段选择单元80112，用于选择与第一时间段相邻的第三时间段；
检测人流量预测单元80113，用于根据第一时间段和第三时间段在预设历史日期的检测人流量，得到当前时刻在目标区域的检测人流量的预测结果。
如图14所示，在一种实施方式中，该装置还包括：
预测结果获取模块805，用于每间隔预定时间，获取一次实际人流量第二预测结果；
调整模块806，用于在相邻两次实际人流量第二预测结果的差值超过阈值的情况下，对在后的实际人流量第二预测结果进行调整。
如图15所示，在一种实施方式中，调整模块806，包括：
权重分配子模块8061，用于根据差值，为相邻两次实际人流量第二预测结果分配权重；
调整执行子模块8062，用于根据权重和相邻两次实际人流量第二预测结果，对在后的实际人流量第二预测结果进行调整。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图16所示，是根据本申请实施例的人流量检测的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图16所示，该电子设备包括：一个或多个处理器1610、存储器1620，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface，GUI)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图16中以一个处理器1610为例。
存储器1620即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的人流量预测的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的人流量预测的方法。
存储器1620作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的人流量预测的方法对应的程序指令/模块(例如，附图8所示的数据获取模块801、第一对应关系计算模块802、第二对应关系查询模块803和预测模块803)。处理器1610通过运行存储在存储器1620中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的人流量预测的方法。
存储器1620可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据人流量预测的电子设备的使用所创建的数据等。此外，存储器1620可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1620可选包括相对于处理器1610远程设置的存储器，这些远程存储器可以通过网络连接至人流量预测的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
人流量预测的方法的电子设备还可以包括：输入装置1630和输出装置1640。处理器1610、存储器1620、输入装置1630和输出装置1640可以通过总线或者其他方式连接，图16中以通过总线连接为例。
输入装置1630可接收输入的数字或字符信息，以及产生与人流量预测的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1640可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(Liquid Crystal Display，LCD)、发光二极管(Light EmittingDiode，LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuits，ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(programmable logic device，PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(Cathode Ray Tube，阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (18)

1.一种人流量预测的方法，其特征在于，包括：
获取当前时刻在目标区域的实际人流量第一预测结果及检测人流量；
计算所述实际人流量第一预测结果与所述检测人流量的第一对应关系；
根据所述第一对应关系查找预先保存的对应关系统计结果，得到与所述第一对应关系存在关联的第二对应关系；
采用所述第二对应关系及所述检测人流量，计算所述当前时刻在目标区域的实际人流量第二预测结果。
2.根据权利要求1所述的方法，其特征在于，获取当前时刻在目标区域的实际人流量第一预测结果，包括：
根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果；
根据所述检测人流量的预测结果以及所述对应关系统计结果的代表值，计算所述实际人流量第一预测结果。
3.根据权利要求1所述的方法，其特征在于，获取当前时刻在目标区域的实际人流量第一预测结果，包括：
根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果；
根据所述检测人流量的预测结果、所述检测人流量的预测结果的置信度以及所述对应关系统计结果的代表值，计算所述实际人流量第一预测结果。
4.根据权利要求3所述的方法，其特征在于，所述检测人流量的预测结果的置信度的确定方式为：
确定当前时刻所在的第一时间段；
选择在所述第一时间段之前的至少一个第二时间段；
利用每个所述第二时间段在当前时刻所在日期的检测人流量、每个所述第二时间段在预设历史日期的检测人流量、以及每个所述第二时间段的权重，计算所述检测人流量的预测结果的置信度。
5.根据权利要求2-4任一所述的方法，其特征在于，所述对应关系统计结果的代表值的确定方式为：
根据所述对应关系统计结果中各对应关系的出现次数确定所述代表值；或
根据所述对应关系统计结果中各对应关系的平均值确定所述代表值。
6.根据权利要求2或3所述的方法，其特征在于，所述根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果，包括：
确定当前时刻所在的第一时间段；
选择与所述第一时间段相邻的第三时间段；
根据所述第一时间段和所述第三时间段在预设历史日期的检测人流量，得到所述当前时刻在目标区域的检测人流量的预测结果。
7.根据权利要求1所述的方法，其特征在于，还包括：
每间隔预定时间，获取一次所述实际人流量第二预测结果；
在相邻两次实际人流量第二预测结果的差值超过阈值的情况下，对在后的实际人流量第二预测结果进行调整。
8.根据权利要求7所述的方法，其特征在于，所述对在后的实际人流量第二预测结果进行调整，包括：
根据所述差值，为所述相邻两次实际人流量第二预测结果分配权重；
根据所述权重和所述相邻两次实际人流量第二预测结果，对所述在后的实际人流量第二预测结果进行调整。
9.一种人流量预测的装置，其特征在于，包括：
数据获取模块，用于获取当前时刻在目标区域的实际人流量第一预测结果及检测人流量；
第一对应关系计算模块，用于计算所述实际人流量第一预测结果与所述检测人流量的第一对应关系；
第二对应关系查询模块，用于根据所述第一对应关系查找预先保存的对应关系统计结果，得到与所述第一对应关系存在关联的第二对应关系；
预测模块，用于采用所述第二对应关系及所述检测人流量，计算所述当前时刻在目标区域的实际人流量第二预测结果。
10.根据权利要求9所述的装置，其特征在于，所述数据获取模块，包括：
检测人流量预测子模块，用于根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果；
数据获取执行子模块，用于根据所述检测人流量的预测结果以及所述对应关系统计结果的代表值，计算所述实际人流量第一预测结果。
11.根据权利要求9所述的装置，其特征在于，所述数据获取模块，包括：
检测人流量预测子模块，用于根据历史数据，计算当前时刻在目标区域的检测人流量的预测结果；
数据获取执行子模块，用于根据所述检测人流量的预测结果、所述检测人流量的预测结果的置信度以及所述对应关系统计结果的代表值，计算所述实际人流量第一预测结果。
12.根据权利要求11所述的装置，其特征在于，还包括：
第一时间段确定子模块，用于确定当前时刻所在的第一时间段；
第二时间段选择子模块，用于选择在所述第一时间段之前的至少一个第二时间段；
置信度获取子模块，用于利用每个所述第二时间段在当前时刻所在日期的检测人流量、每个所述第二时间段在预设历史日期的检测人流量、以及每个所述第二时间段的权重，计算所述检测人流量的预测结果的置信度。
13.根据权利要求10-12任一所述的装置，其特征在于，还包括：
代表值确定子模块，用于根据所述对应关系统计结果中各对应关系的出现次数确定所述代表值；或
根据所述对应关系统计结果中各对应关系的平均值确定所述代表值。
14.根据权利要求10或11所述的装置，其特征在于，所述检测人流量预测子模块，包括：
第一时间段确定单元，用于确定当前时刻所在的第一时间段；
第三时间段选择单元，用于选择与所述第一时间段相邻的第三时间段；
检测人流量预测单元，用于根据所述第一时间段和所述第三时间段在预设历史日期的检测人流量，得到所述当前时刻在目标区域的检测人流量的预测结果。
15.根据权利要求9所述的装置，其特征在于，还包括：
预测结果获取模块，用于每间隔预定时间，获取一次所述实际人流量第二预测结果；
调整模块，用于在相邻两次实际人流量第二预测结果的差值超过阈值的情况下，对在后的实际人流量第二预测结果进行调整。
16.根据权利要求15所述的装置，其特征在于，所述调整模块，包括：
权重分配子模块，用于根据所述差值，为所述相邻两次实际人流量第二预测结果分配权重；
调整执行子模块，用于根据所述权重和所述相邻两次实际人流量第二预测结果，对所述在后的实际人流量第二预测结果进行调整。
17.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
CN201911397618.5A 2019-12-30 2019-12-30 人流量预测的方法、装置、电子设备及存储介质 Active CN111144660B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911397618.5A CN111144660B (zh) 2019-12-30 2019-12-30 人流量预测的方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911397618.5A CN111144660B (zh) 2019-12-30 2019-12-30 人流量预测的方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111144660A true CN111144660A (zh) 2020-05-12
CN111144660B CN111144660B (zh) 2022-09-06

Family

ID=70521989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911397618.5A Active CN111144660B (zh) 2019-12-30 2019-12-30 人流量预测的方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111144660B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364739A (zh) * 2020-10-31 2021-02-12 成都新潮传媒集团有限公司 一种人数统计方法、装置及计算机可读存储介质
CN114501518A (zh) * 2022-04-01 2022-05-13 香港中文大学（深圳） 流量预测方法、装置、设备、介质和程序产品
CN114821483A (zh) * 2022-06-20 2022-07-29 武汉惠得多科技有限公司 应用于监控视频的可测温的监视方法及系统
CN115114338A (zh) * 2022-07-26 2022-09-27 成都秦川物联网科技股份有限公司 智慧城市公共场所人流量统计与调控方法及物联网系统
CN116663862A (zh) * 2023-07-27 2023-08-29 厦门智慧思明数据有限公司 一种基于ai的城市治理一网统管方法及系统
CN112906953B (zh) * 2021-02-04 2023-12-22 杭州涂鸦信息技术有限公司 人流量预测方法、装置、计算机设备和可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107844848A (zh) * 2016-09-20 2018-03-27 中国移动通信集团湖北有限公司 一种区域人流量预测方法及系统
CN109492788A (zh) * 2017-09-13 2019-03-19 中移（杭州）信息技术有限公司 预测人流量以及建立人流量预测模型的方法及相关设备
US20190295007A1 (en) * 2018-03-26 2019-09-26 Hitachi Solutions, Ltd. People flow prediction device
CN110443314A (zh) * 2019-08-08 2019-11-12 中国工商银行股份有限公司 基于机器学习的景区客流量预测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107844848A (zh) * 2016-09-20 2018-03-27 中国移动通信集团湖北有限公司 一种区域人流量预测方法及系统
CN109492788A (zh) * 2017-09-13 2019-03-19 中移（杭州）信息技术有限公司 预测人流量以及建立人流量预测模型的方法及相关设备
US20190295007A1 (en) * 2018-03-26 2019-09-26 Hitachi Solutions, Ltd. People flow prediction device
CN110443314A (zh) * 2019-08-08 2019-11-12 中国工商银行股份有限公司 基于机器学习的景区客流量预测方法及装置

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364739A (zh) * 2020-10-31 2021-02-12 成都新潮传媒集团有限公司 一种人数统计方法、装置及计算机可读存储介质
CN112364739B (zh) * 2020-10-31 2023-08-08 成都新潮传媒集团有限公司 一种人数统计方法、装置及计算机可读存储介质
CN112906953B (zh) * 2021-02-04 2023-12-22 杭州涂鸦信息技术有限公司 人流量预测方法、装置、计算机设备和可读存储介质
CN114501518A (zh) * 2022-04-01 2022-05-13 香港中文大学（深圳） 流量预测方法、装置、设备、介质和程序产品
CN114821483A (zh) * 2022-06-20 2022-07-29 武汉惠得多科技有限公司 应用于监控视频的可测温的监视方法及系统
CN115114338A (zh) * 2022-07-26 2022-09-27 成都秦川物联网科技股份有限公司 智慧城市公共场所人流量统计与调控方法及物联网系统
CN115114338B (zh) * 2022-07-26 2022-12-20 成都秦川物联网科技股份有限公司 智慧城市公共场所人流量统计与调控方法及物联网系统
US11861912B2 (en) 2022-07-26 2024-01-02 Chengdu Qinchuan Iot Technology Co., Ltd. Methods and internet of things systems for counting and regulating pedestrian volume in public places of smart cities
CN116663862A (zh) * 2023-07-27 2023-08-29 厦门智慧思明数据有限公司 一种基于ai的城市治理一网统管方法及系统
CN116663862B (zh) * 2023-07-27 2023-11-14 厦门智慧思明数据有限公司 一种基于ai的城市治理一网统管方法及系统

Also Published As

Publication number Publication date
CN111144660B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN111144660B (zh) 人流量预测的方法、装置、电子设备及存储介质
CN110910658B (zh) 交通信号控制方法、装置、计算机设备和存储介质
JP7239535B2 (ja) 信号灯の時間帯別の信号時間配分方法、装置、電子機械及び記憶媒体
CN109993627B (zh) 推荐方法、推荐模型的训练方法、装置和存储介质
CN112069418A (zh) 一种功能推荐方法、装置、电子设备及存储介质
CN113765873A (zh) 用于检测异常访问流量的方法和装置
CN112527598A (zh) 监控数据的方法、装置、设备、存储介质和程序产品
CN110852780A (zh) 数据分析方法、装置、设备和计算机存储介质
CN115659039A (zh) 信息推荐与信息展示方法、装置、设备、介质及程序产品
US20160292219A1 (en) Method and system for identifying topics that are trending together
CN114500339A (zh) 一种节点带宽监测方法、装置、电子设备及存储介质
CN113114540B (zh) 一种带宽预测器的设置、服务调整方法及相关装置
CN111241225A (zh) 常驻区域变更的判断方法、装置、设备及存储介质
CN111694914A (zh) 用户常驻区域确定方法及装置
CN113722177B (zh) 时序指标异常检测方法、装置、系统、设备及存储介质
CN110580322B (zh) 独立访客信息处理的方法、装置、电子设备及存储介质
CN112507249A (zh) 兴趣点生成的方法、装置、电子设备及存储介质
CN113326436A (zh) 确定推荐资源的方法、装置、电子设备和存储介质
CN114036391A (zh) 数据推送方法、装置、电子设备和存储介质
CN108804634B (zh) 数据滚动方法、装置、前端设备、后台服务器和介质
CN113821520A (zh) 缓存更新方法和装置
US20150373130A1 (en) Device and method for connecting celebrities and fans
CN112381305A (zh) 打车时长预估方法、装置、电子设备及存储介质
CN111597461A (zh) 一种目标对象聚集预测方法、装置以及电子设备
CN111967492A (zh) 分类模型的训练方法、装置、电子设备以及存储介质

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