CN112330359A - 一种智慧旅游景区饱和度评价方法和装置 - Google Patents
一种智慧旅游景区饱和度评价方法和装置 Download PDFInfo
- Publication number
- CN112330359A CN112330359A CN202011212803.5A CN202011212803A CN112330359A CN 112330359 A CN112330359 A CN 112330359A CN 202011212803 A CN202011212803 A CN 202011212803A CN 112330359 A CN112330359 A CN 112330359A
- Authority
- CN
- China
- Prior art keywords
- scenic spot
- passenger flow
- saturation
- data
- capacity
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 17
- 238000007637 random forest analysis Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 27
- 229920006395 saturated elastomer Polymers 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000003066 decision tree Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013501 data transformation Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000013138 pruning Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 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 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种智慧旅游景区饱和度评价方法和装置,其中方法包括:获取实时客流和特征数据,所述特征数据包括但不限于节假日、天气、最高气温、最低气温、季节;将所述客流和特征数据输入到随机森林模型,得到预测景区未来指定日期的测客流量;设置景区最大容量、饱和入园容量、适合入园容量、以及淡旺季临界值的预警指标,计算景区承载能力值;根据所述预测客流量和所述景区承载能力值得到景区饱和度。本申请实施例实时获取最新客流和特征数据,利用随机森林模型预测景区未来日客流量,估算景区饱和度,依据饱和度对景区管理人员及游客提出相关策略和建议,根据未来景区的预测客流,景区可提前做好未来景区高峰期的安全管理和运营决策工作。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种智慧旅游景区饱和度评价方法和装置。
背景技术
随着我国公民人均收入水平的逐步提高,外出旅游已成为越来越多的人闲暇时的选择,但游客普遍反映旅游体验在逐渐变差,知名景区在节假日期间人满为患、混乱嘈杂,出行难问题愈演愈烈。究其原因,主要是因为旅游高峰期景点接待能力与涌入的游客量不匹配,使得管理人员措手不及,造成景区混乱、破坏景区环境、影响城市旅游形象,甚至酿成安全事故等等。因此,如何实现科学、精确的游客量预测,并以此为依据制定应急预案,避免旅游高峰期超出环境容量的阈值,避免拥堵、摩擦甚至人身财产伤害等社会危害现象,调整景区运营管理方式,进而提高旅游安全性和服务质量,促进旅游业持续健康发展已迫在眉睫。随着旅游大数据的发展,目前景区安全预测预警主要面临着两个问题。第一,由于客流量统计数据来源单一,统计结果片面、准确度不高、可用性差,以及相关特征数据类型复杂等问题,导致目前客流预测方法大多精度不高、时效不佳,难以给景区提供有效可靠的游客流量预测预警数据支撑;第二,缺乏针对景区的完善可定制化的游客峰值调控机制,以及不能充分利用互联网手段,实现线上线下的数据共享、互动统一,难以进行游客流量有效引导,调控景区峰值客流数据。
发明内容
本申请的目的在于提供一种智慧旅游景区饱和度评价方法和装置,通过优化随机森林模型预测出未来景区客流数据,结合景区饱和度和临界值等指标的预警设置建立游客峰值调控机制,实现景区实时高效的安全预测预警,优化景区管理和决策,提升景区服务和安全。
本申请提供的一种智慧旅游景区饱和度评价方法,该方法包括步骤:获取实时客流和特征数据,所述特征数据包括但不限于节假日、天气、最高气温、最低气温、季节;进一步,将所述客流和特征数据输入到随机森林模型,得到预测景区未来指定日期的测客流量;进一步,设置景区最大容量、饱和入园容量、适合入园容量、以及淡旺季临界值的预警指标,计算景区承载能力值;最后根据所述预测客流量和所述景区承载能力值得到景区饱和度。
一种可能的实施方式中,该方法还包括建立随机森林模型,包括:采集某研究时段内的每日客流量数据和相关特征数据,分析数据特点和规律,确定景区客流量影响因子,处理数据格式和异常,合理补全缺失数据,统一数据描述;对所述统一描述后的数据进行数据清洗、数据变换、数据归一化,并设计数据集融合算法融合优化数据集,构造数据集;基于所述节假日、天气、最高气温、最低气温、季节五项特征数据,利用随机森林模型训练数据集,计算拟合优度和平均标准误差评估结果,根据所述拟合优度和平均标准误差调试模型参数,寻找最优的随机森林模型。
一种可能的实施方式中,所述归一化公式为:
其中E(x)表示均值,Var(x)表示方差。
一种可能的实施方式中,所述计算拟合优度、均方差和平均绝对误差评估结果具体为:
所述计算模型的拟合优度为:
计算均方差的公式为:
其中,yi表示历史第i天的客流量。
所述计算计算平均绝对误差公式为:
一种可能的实施方式中,所述景区承载能力值包括景区舒适承载度Vc和景区最大承载力Vm,还包括:
判断预计客流量是否大于景区舒适承载度Vc,若否,则此时适宜前往景区参观;若是,则进行景区饱和度计算,计算所述景区饱和度的公式为:
其中,a为景区饱和度,α,β为权重。
一种可能的实施方式中,将所述景区饱和度a分为三个饱和等级:
一级饱和:a>0.8,景区严重拥堵,服务水平极差,游览体验差;
二级饱和:0.6<a<0.8,景区拥堵,服务水平较差,游览体验较差;
三级饱和:0<a<0.6,景区稍拥挤,服务水平较高,游览体验较好。
一种可能的实施方式中,所述随机森林算法包括:从原始数据集D中有放回地随机抽取子集D'作为训练数据集,且训练数据集的样本容量与原始数据集一样;假设数据集D中样本个数为n,每次抽取每个样本被抽到的概率为1/n,循环抽取n次,这样D中每个样本未被抽取的概率为当n足够大时,对训练数据集中M个特征变量,随机抽取m(m<M)个特征,用来构建决策树,在每个节点上根据如下公式选择信息增益最大的特征进行分裂,且不需要剪枝,让这棵树完全生长;所述信息增益计算公式如下:
式中,y为D中景区每日客流量数据,p(y)为D中客流数据发生的概率,ω为按属性X划分D的份数,|Dj|/|D|为第j个划分的权重;重复上述步骤,得到N棵决策树,组成随机森林;输出结果,分类结果按对每棵决策树的结果投票决定。
第二方面,本申请实施例还提供了一种装置,该装置包括:
采集单元,用于获取实时客流和特征数据,所述特征数据包括但不限于节假日、天气、最高气温、最低气温、季节;
随机森林模型,用于根据所述客流和特征数据预测景区未来指定日期的预测客流量;
计算单元,用于根据景区最大容量、饱和入园容量、适合入园容量、以及淡旺季临界值的预警指标,计算景区承载能力值处理单元;
处理单元,用于根据所述预测客流量和所述景区承载能力值得到景区饱和度。
第三方面,本申请还公开了一种装置,该装置包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述装置执行如第一方面任一项所述的智慧旅游景区饱和度评价方法。
第四方面,本申请还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如第一方面任一项所述的智慧旅游景区饱和度评价方法。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施方式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方式,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,还可以用这些附图获得其他的附图。
图1是本申请实施例提供的一种智慧旅游景区饱和度评价方法的流程图;
图2是本申请实施例提供的一种根据随机森林模型得到的预测景区未来指定日期的测客流量;
图3为随机森林模型的原理框图;
图4为本申请根据景区饱和度应用策略和建议的方法流程图;
图5本申请实施例提供的一种智慧旅游景区饱和度评价装置示意图;
图6为本申请实施例提供的一种用于执行智慧旅游景区饱和度评价方法的装置示意图;
图7为本申请实施例提供的一种用于执行智慧旅游景区饱和度评价方法的计算机可读存储介质。
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,所描述的实施例仅仅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作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。
如图1所示,一种智慧旅游景区饱和度评价方法包括以下步骤:
步骤101:获取实时客流和特征数据,所述特征数据包括但不限于节假日、天气、最高气温、最低气温、季节。
步骤102:将所述客流和特征数据输入到随机森林模型,得到预测景区未来指定日期的测客流量,如图2所示。
步骤103:设置景区最大容量、饱和入园容量、适合入园容量、以及淡旺季临界值的预警指标,计算景区承载能力值。
步骤104:根据所述预测客流量和所述景区承载能力值得到景区饱和度。
随机森林算法比神经网络等方法更适用于离散型数据,且随机森林实现简单,高度并行化,易于分布式实现,训练速度快,所以计算开销小,性能强大,能够确保景区日客流预测的时效性。此外,随机森林算法对缺失值、异常值都具有很好的容忍度,不容易出现过拟合,预测具有高准确率。旅游景区的管理人员依据饱和度对景区管理人员及游客提出相关策略和建议。
需要说明的是,步骤101通过建立数据的联通通道,实现自动获取实时客流和特征数据,确保预测的实效性,提升预测数据的可用性,便于决策者更合理优化管理。搭建数据的联通通道过程中,通过WebSocket技术在浏览器和服务器之间建立一个不受限的双向通信的通道,服务器可以在任意时刻发送消息给浏览器,建立实时的双通道数据联通通道,实现自动获取实时客流和特征数据,确保预测的实效性,提升预测数据的可用性,便于决策者更合理优化管理。
WebSocket技术是HTML5下一种新的协议,实现了浏览器与服务器全双工通信,能更好的节省服务器资源和带宽并达到实时通讯的目的。它与HTTP一样通过已建立的TCP连接来传输数据,但是它和HTTP最大不同是:(1)WebSocket是一种双向通信协议。在建立连接后,WebSocket服务器端和客户端都能主动向对方发送或接收数据,就像Socket一样;(2)WebSocket需要像TCP一样,先建立连接,连接成功后才能相互通信。
需要说明的是,其中步骤102中如何建立随机森林模型很重要,一种实现方式包括如下步骤:
步骤a:采集某研究时段内的每日客流量数据和相关特征数据,分析数据特点和规律,确定景区客流量影响因子,处理数据格式和异常,合理补全缺失数据,统一数据描述。
步骤b:对所述统一描述后的数据进行数据清洗、数据变换、数据归一化,并设计数据集融合算法融合优化数据集,构造数据集。
步骤c:基于所述节假日、天气、最高气温、最低气温、季节五项特征数据,利用随机森林模型训练数据集,计算拟合优度、均方差和平均绝对误差评估结果,根据所述拟合优度和平均标准误差调试模型参数,寻找最优的随机森林模型。
步骤b中归一化公式可以是:
其中E(x)表示均值,Var(x)表示方差。
步骤c中计算模型的拟合优度的公式可以为:
计算均方差的公式为:
其中,yi表示历史第i天的客流量。
计算计算平均绝对误差公式可以为:
如图3所示,图3是随机森林算法框架图。随机森林算法包括:从原始数据集D中有放回地随机抽取子集D'作为训练数据集,且训练数据集的样本容量与原始数据集一样;假设数据集D中样本个数为n,每次抽取每个样本被抽到的概率为1/n,循环抽取n次,这样D中每个样本未被抽取的概率为当n足够大时,即D中约37%的样本不会出现,保证了训练集的差异性;对训练数据集中M个特征变量,随机抽取m(m<M)个特征,用来构建决策树,在每个节点上根据如下公式选择信息增益最大的特征进行分裂,且不需要剪枝,让这棵树完全生长;信息增益计算公式如下:
式中,y为D中景区每日客流量数据,p(y)为D中客流数据发生的概率,ω为按属性X划分D的份数,|Dj|/|D|为第j个划分的权重。重复上述步骤,得到N棵决策树,组成随机森林;输出结果,分类结果按对每棵决策树的结果投票决定。
进一步,上述步骤103中景区承载能力值具体可以包括景区舒适承载度Vc和景区最大承载力Vm,计算出景区舒适承载度Vc和景区最大承载力Vm后还需要还进一步执行,如图4所示:
判断预计客流量是否大于景区舒适承载度Vc,若否,则此时适宜前往景区参观;若是,则进行景区饱和度计算,计算所述景区饱和度的公式为:
其中,a为景区饱和度,α,β为权重。
比如,将所述景区饱和度a分为三个饱和等级:
一级饱和:a>0.8,景区严重拥堵,服务水平极差,游览体验差;
二级饱和:0.6<a<0.8,景区拥堵,服务水平较差,游览体验较差;
三级饱和:0<a<0.6,景区稍拥挤,服务水平较高,游览体验较好。
根据景区饱和度给出景区拥堵状况,并针对景区给予应对策略,针对游客给予适宜的出行建议。此外,根据未来景区的预测客流量,景区可提前做好未来高峰期的安全管理和运营决策工作。
如图5所示,本申请实施例还提供了一种智慧旅游景区饱和度评价装置,该装置包括:
采集单元501,用于获取实时客流和特征数据,所述特征数据包括但不限于节假日、天气、最高气温、最低气温、季节;
随机森林模型502,用于根据所述客流和特征数据预测景区未来指定日期的预测客流量;
计算单元503,用于根据景区最大容量、饱和入园容量、适合入园容量、以及淡旺季临界值的预警指标,计算景区承载能力值处理单元;
处理单元504,用于根据所述预测客流量和所述景区承载能力值得到景区饱和度。
下面参照图6来描述根据本申请的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述各种示例性实施方式的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)621和/或高速缓存存储单元622,还可以进一步包括只读存储单元(ROM)623。
存储单元620还可以包括具有一组(至少一个)程序模块625的程序/实用工具624,这样的程序模块625包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器660通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
本申请还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述智慧旅游景区饱和度评价方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。
参考图7所示,描述了根据本发明的实施方式的用于实现上述智慧旅游景区饱和度评价方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、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。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、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,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。另外,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,也可以是电的,机械的或其它的形式连接。
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发明实施例方案的目的。
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,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种智慧旅游景区饱和度评价方法,其特征在于,包括:
获取实时客流和特征数据,所述特征数据包括但不限于节假日、天气、最高气温、最低气温、季节;
将所述客流和特征数据输入到随机森林模型,得到预测景区未来指定日期的测客流量;
设置景区最大容量、饱和入园容量、适合入园容量、以及淡旺季临界值的预警指标,计算景区承载能力值;
根据所述预测客流量和所述景区承载能力值得到景区饱和度。
2.根据权利要求1所述的方法,其特征在于,还包括建立随机森林模型,包括:
采集某研究时段内的每日客流量数据和相关特征数据,分析数据特点和规律,确定景区客流量影响因子,处理数据格式和异常,合理补全缺失数据,统一数据描述;
对所述统一描述后的数据进行数据清洗、数据变换、数据归一化,并设计数据集融合算法融合优化数据集,构造数据集;
基于所述节假日、天气、最高气温、最低气温、季节五项特征数据,利用随机森林模型训练数据集,计算拟合优度和平均标准误差评估结果,根据所述拟合优度和平均标准误差调试模型参数,寻找最优的随机森林模型。
6.根据权利要求5所述的方法,其特征在于,将所述景区饱和度a分为三个饱和等级:
一级饱和:a>0.8,景区严重拥堵,服务水平极差,游览体验差;
二级饱和:0.6<a<0.8,景区拥堵,服务水平较差,游览体验较差;
三级饱和:0<a<0.6,景区稍拥挤,服务水平较高,游览体验较好。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述随机森林算法包括:
从原始数据集D中有放回地随机抽取子集D'作为训练数据集,且训练数据集的样本容量与原始数据集一样;假设数据集D中样本个数为n,每次抽取每个样本被抽到的概率为1/n,循环抽取n次,这样D中每个样本未被抽取的概率为(1-1/n)n,当n足够大时,(1-1/n)n≈0.368;
对训练数据集中M个特征变量,随机抽取m(m<M)个特征,用来构建决策树,在每个节点上根据如下公式选择信息增益最大的特征进行分裂,且不需要剪枝,让这棵树完全生长;所述信息增益计算公式如下:
式中,y为D中景区每日客流量数据,p(y)为D中客流数据发生的概率,ω为按属性X划分D的份数,|Dj|/|D|为第j个划分的权重;
重复上述步骤,得到N棵决策树,组成随机森林;
输出结果,分类结果按对每棵决策树的结果投票决定。
8.一种装置,其特征在于,包括:
采集单元,用于获取实时客流和特征数据,所述特征数据包括但不限于节假日、天气、最高气温、最低气温、季节;
随机森林模型,用于根据所述客流和特征数据预测景区未来指定日期的预测客流量;
计算单元,用于根据景区最大容量、饱和入园容量、适合入园容量、以及淡旺季临界值的预警指标,计算景区承载能力值处理单元;
处理单元,用于根据所述预测客流量和所述景区承载能力值得到景区饱和度。
9.一种装置,其特征在于,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述装置执行如权利要求1-7中任一项所述的智慧旅游景区饱和度评价方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的智慧旅游景区饱和度评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011212803.5A CN112330359A (zh) | 2020-11-04 | 2020-11-04 | 一种智慧旅游景区饱和度评价方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011212803.5A CN112330359A (zh) | 2020-11-04 | 2020-11-04 | 一种智慧旅游景区饱和度评价方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330359A true CN112330359A (zh) | 2021-02-05 |
Family
ID=74323445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011212803.5A Pending CN112330359A (zh) | 2020-11-04 | 2020-11-04 | 一种智慧旅游景区饱和度评价方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330359A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255563A (zh) * | 2021-06-10 | 2021-08-13 | 湘南学院 | 一种景区人流控制系统及方法 |
CN114219114A (zh) * | 2021-12-24 | 2022-03-22 | 南京莫愁智慧信息科技有限公司 | 一种基于预约大数据的旅游客流管控方法及云服务平台 |
CN114330796A (zh) * | 2022-03-04 | 2022-04-12 | 环球数科集团有限公司 | 景区排队时长预测方法、装置和计算机设备 |
CN115294530A (zh) * | 2022-08-18 | 2022-11-04 | 北京拙河科技有限公司 | 一种智慧景区流量监测方法及系统 |
CN117455079A (zh) * | 2023-12-22 | 2024-01-26 | 烟台云朵软件有限公司 | 一种宏观客流量预测方法与系统 |
CN117540037A (zh) * | 2024-01-08 | 2024-02-09 | 邯郸鉴晨网络科技有限公司 | 一种多媒体信息采集及发布系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951845A (zh) * | 2015-05-29 | 2015-09-30 | 华南理工大学 | 基于网络关注度拟合客流量的旅游景区饱和度预警方法 |
CN109034469A (zh) * | 2018-07-20 | 2018-12-18 | 成都中科大旗软件有限公司 | 一种基于机器学习的游客流量预测方法 |
CN111105070A (zh) * | 2019-11-20 | 2020-05-05 | 深圳市北斗智能科技有限公司 | 客流预警方法及系统 |
KR102109187B1 (ko) * | 2019-11-06 | 2020-05-11 | (주)위솝 | 출퇴근 행동 패턴에 기반한 ai 근태예측 시스템 |
CN111178633A (zh) * | 2019-12-31 | 2020-05-19 | 上饶市中科院云计算中心大数据研究院 | 基于随机森林算法预测景区客流量的方法和装置 |
-
2020
- 2020-11-04 CN CN202011212803.5A patent/CN112330359A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951845A (zh) * | 2015-05-29 | 2015-09-30 | 华南理工大学 | 基于网络关注度拟合客流量的旅游景区饱和度预警方法 |
CN109034469A (zh) * | 2018-07-20 | 2018-12-18 | 成都中科大旗软件有限公司 | 一种基于机器学习的游客流量预测方法 |
KR102109187B1 (ko) * | 2019-11-06 | 2020-05-11 | (주)위솝 | 출퇴근 행동 패턴에 기반한 ai 근태예측 시스템 |
CN111105070A (zh) * | 2019-11-20 | 2020-05-05 | 深圳市北斗智能科技有限公司 | 客流预警方法及系统 |
CN111178633A (zh) * | 2019-12-31 | 2020-05-19 | 上饶市中科院云计算中心大数据研究院 | 基于随机森林算法预测景区客流量的方法和装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255563A (zh) * | 2021-06-10 | 2021-08-13 | 湘南学院 | 一种景区人流控制系统及方法 |
CN113255563B (zh) * | 2021-06-10 | 2022-06-10 | 湘南学院 | 一种景区人流控制系统及方法 |
CN114219114A (zh) * | 2021-12-24 | 2022-03-22 | 南京莫愁智慧信息科技有限公司 | 一种基于预约大数据的旅游客流管控方法及云服务平台 |
CN114219114B (zh) * | 2021-12-24 | 2022-08-26 | 南京莫愁智慧信息科技有限公司 | 一种基于预约大数据的旅游客流管控方法及云服务平台 |
CN114330796A (zh) * | 2022-03-04 | 2022-04-12 | 环球数科集团有限公司 | 景区排队时长预测方法、装置和计算机设备 |
CN114330796B (zh) * | 2022-03-04 | 2022-05-27 | 环球数科集团有限公司 | 景区排队时长预测方法、装置和计算机设备 |
CN115294530A (zh) * | 2022-08-18 | 2022-11-04 | 北京拙河科技有限公司 | 一种智慧景区流量监测方法及系统 |
CN117455079A (zh) * | 2023-12-22 | 2024-01-26 | 烟台云朵软件有限公司 | 一种宏观客流量预测方法与系统 |
CN117540037A (zh) * | 2024-01-08 | 2024-02-09 | 邯郸鉴晨网络科技有限公司 | 一种多媒体信息采集及发布系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112330359A (zh) | 一种智慧旅游景区饱和度评价方法和装置 | |
CN106875066B (zh) | 用车出行行为的预测方法、装置、服务器以及存储介质 | |
CN104169950B (zh) | 利用面向批处理的计算的数据库系统 | |
CN111275228B (zh) | 预测方法、装置、电子设备及存储介质 | |
CN111611085B (zh) | 基于云边协同的人机混合增强智能系统、方法、装置 | |
CN107491883A (zh) | 一种旅游信息管理系统 | |
CN110348721A (zh) | 基于gbst的金融违约风险预测方法、装置和电子设备 | |
CN111768030A (zh) | 银行运输配送线路规划方法和装置、设备以及介质 | |
CN111210094A (zh) | 一种基于实时客流预测的机场出租车自动调度方法及装置 | |
KR102467635B1 (ko) | Ai를 이용한 컨설팅 제공 시스템 | |
CN116824861B (zh) | 基于城市大脑平台多维数据的共享单车调度方法和系统 | |
CN109727073B (zh) | 访问流量控制方法、系统、电子设备和存储介质 | |
CN106203717A (zh) | 基于数据分析的办税大厅智能导航方法 | |
CN114862209A (zh) | 运力调度方法、装置、电子设备及存储介质 | |
CN116467788A (zh) | 一种无障碍环境建设管理方法及系统 | |
CN114418093A (zh) | 训练路径表征模型、输出信息的方法和装置 | |
CN106779245B (zh) | 基于事件的民航需求预测方法和装置 | |
CN113014645A (zh) | 基于物联网的草场环境监测系统 | |
RU2731744C1 (ru) | Система управления устройствами в IoT сетях с помощью самообучающихся моделей машинного обучения | |
CN115293366B (zh) | 模型训练方法、信息预测方法、装置、设备及介质 | |
CN111144652B (zh) | 基于游览舒适度算法和趋势预测方法、系统和装置 | |
Jotanovic et al. | Smart city iot on-demand monitoring system using a drone fleet | |
CN112596457A (zh) | 一种餐厨处置收运智能控制方法及系统 | |
CN113176873A (zh) | 用于信息管理的方法和装置、电子设备、及介质 | |
CN111105148A (zh) | 离职概率评估方法、装置及计算机可读存储介质 |
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 |