CN113869963B - 智能预测用户到场情况的方法、装置及数据处理设备 - Google Patents
智能预测用户到场情况的方法、装置及数据处理设备 Download PDFInfo
- Publication number
- CN113869963B CN113869963B CN202111285023.8A CN202111285023A CN113869963B CN 113869963 B CN113869963 B CN 113869963B CN 202111285023 A CN202111285023 A CN 202111285023A CN 113869963 B CN113869963 B CN 113869963B
- Authority
- CN
- China
- Prior art keywords
- data
- weather data
- weather
- target
- dotting
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 title claims abstract description 24
- 230000006399 behavior Effects 0.000 claims description 6
- 238000000586 desensitisation Methods 0.000 claims description 6
- 238000007477 logistic regression Methods 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 240000007651 Rubus glaucus Species 0.000 claims description 4
- 235000011034 Rubus glaucus Nutrition 0.000 claims description 4
- 235000009122 Rubus idaeus Nutrition 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 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
- 238000009423 ventilation Methods 0.000 description 1
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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能预测用户到场情况的方法、装置及数据处理设备。其中,该方法包括:获取第一天气数据,其中,第一天气数据包括目标地点的历史天气数据;获取第二天气数据,其中,第二天气数据包括目标地点当前的天气数据;获取第三天气数据,其中,第三天气数据包括目标地点在目标时刻的预测天气数据;获取目标对象的打点数据,其中,打点数据为目标对象在目标地点产生的历史数据;根据第一天气数据、第二天气数据、第三天气数据和打点数据,预测得到在目标时刻到达目标地点的人数。本发明解决了由于无法合理预测天气对到店人数的影响造成商家无法正确应对客流变化的技术问题。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种智能预测用户到场情况的方法、装置及数据处理设备。
背景技术
对于商家而言,维持现场店面的运营需要消耗资源和成本,例如,为了应对可能到场的顾客,需要安排营销人员、柜台人员、设备维护人员等到场工作,或者开启营业区域的电力设备、通风设备等。
然而,商家由于无法获知未来时刻的到场顾客人数,因此无法进行最适宜的运营安排。例如,当到场顾客较多时,可以安排更多的营销人员,当到场顾客在某个时间窗口人数较少时,可以为运营人员安排休息、轮岗等行为,优化自己的运营管理。如果商家可以对到场顾客的人数进行合理的预测,就可以摆脱上述问题,提高商业行为的效率,降低自身的运营成本,提高自己的利润空间。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种智能预测用户到场情况的方法、装置及数据处理设备,以至少解决由于无法合理预测天气对到店人数的影响造成商家无法正确应对客流变化的的技术问题。
根据本发明实施例的一个方面,提供了一种智能预测用户到场情况的方法,包括:获取第一天气数据,其中,所述第一天气数据包括目标地点的历史天气数据;获取第二天气数据,其中,所述第二天气数据包括所述目标地点当前的天气数据;获取第三天气数据,其中,所述第三天气数据包括所述目标地点在目标时刻的预测天气数据;获取目标对象的打点数据,其中,所述打点数据为所述目标对象在所述目标地点产生的历史数据;根据所述第一天气数据、所述第二天气数据、所述第三天气数据和所述打点数据,预测得到在所述目标时刻到达所述目标地点的人数。
可选地,根据所述第一天气数据、所述第二天气数据、所述第三天气数据和所述打点数据,预测得到在所述目标时刻到达所述目标地点的人数,包括:根据所述第一天气数据和所述打点数据,训练得到人数预测模型;将所述第二天气数据和所述第三天气数据输入所述人数预测模型,预测得到在所述目标时刻到达所述目标地点的人数。
可选地,所述人数预测模型包括以下任意之一:朴素贝叶斯模型,逻辑回归模型。
可选地,获取第一天气数据和第三天气数据,包括:连接气象站的天气预报数据接口;通过所述天气预报数据接口,获取所述第一天气数据和所述第三天气数据。
可选地,获取第二天气数据,包括:通过传感器采集得到所述第二天气数据,其中,所述第二天气数据包括以下至少之一:温度,湿度,气压,风速,降水量。
可选地,获取目标对象的打点数据,包括:向发送运营商发送获取数据请求;接收所述运营商反馈的所述目标对象的打点数据,其中,所述打点数据经过所述运营商进行数据脱敏处理得到。
根据本发明实施例的另一方面,还提供了一种人数预测装置,包括:第一获取模块,用于获取第一天气数据,其中,所述第一天气数据包括目标地点的历史天气数据;第二获取模块,用于获取第二天气数据,其中,所述第二天气数据包括所述目标地点当前的天气数据;第三获取模块,用于获取第三天气数据,其中,所述第三天气数据包括所述目标地点在目标时刻的预测天气数据;第四获取模块,用于获取目标对象的打点数据,其中,所述打点数据为所述目标对象在所述目标地点产生的历史数据;预测模块,用于根据所述第一天气数据、所述第二天气数据、所述第三天气数据和所述打点数据,预测得到在所述目标时刻到达所述目标地点的人数。
根据本发明实施例的又一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,在所述程序运行时控制所述非易失性存储介质所在设备执行上述任意一项所述智能预测用户到场情况的方法。
根据本发明实施例的再一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任意一项所述智能预测用户到场情况的方法。
根据本发明实施例的再一方面,还提供了一种数据处理设备,所述设备包括树莓派,其中,所述树莓派包括:处理器,传感器,网络接口;所述传感器,用于采集目标地点的天气数据;所述网络接口,用于获取所述目标地点的历史天气数据、预测天气数据以及获取打点数据。
在本发明实施例中,通过获取目标地点的历史天气数据、当前天气数据和在目标时刻的预测天气数据,以及获取目标对象在目标地点的历史打点数据,根据上述天气数据和打点数据预测目标时刻到达目标地点的人数,达到了根据天气对到店人数的影响合理预测未来的某个时刻到达商家所处的目标地点的人数的目的,从而实现了预测在未来的目标时刻的到店人数以帮助商家合理安排现场运营资源的技术效果,进而解决了由于无法合理预测天气对到店人数的影响造成商家无法正确应对客流变化的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了一种用于实现智能预测用户到场情况的方法的计算机终端的硬件结构框图;
图2是根据本发明实施例提供的智能预测用户到场情况的方法的流程示意图;
图3是根据本发明实施例提供的智能预测用户到场情况的装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先,对本申请实施例进行描述的过程中出现的部分名词或者术语适用于如下解释:
打点数据,也称为埋点数据,为记录用户与终端设备的交互行为得到的数据。
一体化基站,Small cell,也称为小基站,区别于宏基站的基站类型的总称,可以实现家庭覆盖、小区覆盖、商场覆盖等任务。
实施例1
根据本发明实施例,提供了一种智能预测用户到场情况的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现智能预测用户到场情况的方法的计算机终端的硬件结构框图。如图1所示,计算机终端10可以包括一个或多个(图中采用102a、102b,……,102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端10中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块,如本发明实施例中的智能预测用户到场情况的方法对应的程序指令/数据存储装置,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的应用程序的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。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。
传输模块106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输模块106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
图2是根据本发明实施例提供的智能预测用户到场情况的方法的流程示意图,如图2所示,该方法包括如下步骤:
步骤S202,获取第一天气数据,其中,第一天气数据包括目标地点的历史天气数据。可选地,目标地点可以为商家的店面所在的区、县或者市,具体的地点范围的颗粒度可以根据需要的预测精度确定。此外,历史天气数据可以包括目标地点以天为单位的数据,例如包括商家店面所在区前一天的完整的天气数据。
步骤S204,获取第二天气数据,其中,第二天气数据包括目标地点当前的天气数据。
步骤S206,获取第三天气数据,其中,第三天气数据包括目标地点在目标时刻的预测天气数据。其中,商家可能需要获知未来某个时刻的预测客流人数,该未来时刻即为本步骤中的目标时刻。
步骤S208,获取目标对象的打点数据,其中,打点数据为目标对象在目标地点产生的历史数据。
需要说明的是,打点数据,也称为埋点数据,为记录用户与终端设备的交互行为得到的数据。打点数据可以包括who,when,where,what信息类型的数据,例如哪个用户(用户ID,设备序列号),在什么时候(时间点),在哪里(哪个网页、app、门户网站等),做了什么操作(购买、点击、浏览等)的数据。目标对象可以为来目标地点的商场活动的顾客,其产生的历史数据可以为顾客在步骤S202中的历史天气数据对应的时间段中来目标地点活动时产生的数据。
步骤S210,根据第一天气数据、第二天气数据、第三天气数据和打点数据,预测得到在目标时刻到达目标地点的人数。由于天气是顾客参加线下活动的一大影响因素,因此通过多维度的天气数据以及顾客过往在同一地点的打点数据,可以合理地预测得到未来的天气环境下顾客的到场的意愿,实现对未来时刻顾客到目标地点的人数的合理预估。
通过上述步骤,通过获取目标地点的历史天气数据、当前天气数据和在目标时刻的预测天气数据,以及获取目标对象在目标地点的历史打点数据,根据上述天气数据和打点数据预测目标时刻到达目标地点的人数,达到了根据天气对到店人数的影响合理预测未来的某个时刻到达商家所处的目标地点的人数的目的,从而实现了预测在未来的目标时刻的到店人数以帮助商家合理安排现场运营资源的技术效果,进而解决了由于无法合理预测天气对到店人数的影响造成商家无法正确应对客流变化的技术问题。
作为一种可选的实施例,获取第一天气数据和第三天气数据,可以连接气象站的天气预报数据接口;通过天气预报数据接口,获取第一天气数据和第三天气数据。
作为一种可选的实施例,获取第二天气数据,可以通过传感器采集得到第二天气数据,其中,第二天气数据包括以下至少之一:温度,湿度,气压,风速,降水量。采用传感器现场采集第二天气数据,可以获得目标地点最准确、最实时的天气数据,该种方法获得的现场天气数据可靠程度最高。除了上述方式,还可以采用其他可选的实施方式,例如,可以通过气象台的天气预报数据接口从气象台获取目标地点当前的第二天气数据。或者同时获取传感器采集的数据和气象台发布的数据,将传感器数据的优先级设置为最高,当传感器数据失灵时,自动调用数据接口获取气象台发布的目标地点当前的天气数据。
作为一种可选的实施例,获取目标对象的打点数据,可以向发送运营商发送获取数据请求;接收运营商反馈的目标对象的打点数据,其中,打点数据经过运营商进行数据脱敏处理得到。运营商将数据脱敏,即剥除可能会侵犯用户个人隐私的数据,保留对用户活动行为具有分析价值的有效数据。
可选地,运营商可以通过如下方式判断数据是否为目标对象的打点数据:当运营商收到获取数据请求时,运营商与目标地点附近的小基站建立联系并从小基站中获取与小基站进行数据通讯的对象的打点数据。小基站(Small cell)又称为一体化基站,可以为只服务于目标地点所在的商场的基站,顾客进入目标地点后,进行的与终端设备的交互行为通过小基站记录和转发,因此,运营商通过与小基站的通讯就可以获得在目标地点活动的顾客的打点数据。
作为一种可选的实施例,根据第一天气数据、第二天气数据、第三天气数据和打点数据,预测得到在目标时刻到达目标地点的人数,包括:根据第一天气数据和打点数据,训练得到人数预测模型;将第二天气数据和第三天气数据输入人数预测模型,预测得到在目标时刻到达目标地点的人数。可选地,人数预测模型可以包括以下任意之一:朴素贝叶斯模型,逻辑回归模型。朴素贝叶斯模型和逻辑回归模型均为可以用于数据挖掘的分析模型,可以应用于分类或者因素预测领域。第一天气数据和打点数据可以用于训练得到人数预测模型,其中,第一天气数据和打点数据对应的时间窗口是相同的,例如,分别为前一天的目标地点的天气和顾客行为数据。一种可选的实施方式中,训练人数预测模型时,可以使用前一天12点以前的天气历史数据和打点数据建立初步的人数预测模型,然后将12点之后的天气预报数据12点的实时天气数据输入该模型进行预测,将预测结果与实际的顾客人数进行比对,根据比对结果修正模型,不断迭代优化,最终得到预测精度符合要求的人数预测模型,并应用于当前的顾客人数预测。
实施例2
根据本发明实施例,还提供了一种用于实施上述智能预测用户到场情况的方法的智能预测用户到场情况的装置,图3是根据本发明实施例提供的智能预测用户到场情况的装置的结构框图,如图3所示,该智能预测用户到场情况的装置包括:第一获取模块31,第二获取模块32,第三获取模块33,第四获取模块34和预测模块35,下面对该人数预测装置进行说明。
第一获取模块31,用于获取第一天气数据,其中,第一天气数据包括目标地点的历史天气数据;
第二获取模块32,连接于上述第一获取模块31,用于获取第二天气数据,其中,第二天气数据包括目标地点当前的天气数据;
第三获取模块33,连接于上述第二获取模块32,用于获取第三天气数据,其中,第三天气数据包括目标地点在目标时刻的预测天气数据;
第四获取模块34,连接于上述第三获取模块33,用于获取目标对象的打点数据,其中,打点数据为目标对象在目标地点产生的历史数据;
预测模块35,连接于上述第四获取模块34,用于根据第一天气数据、第二天气数据、第三天气数据和打点数据,预测得到在目标时刻到达目标地点的人数。
此处需要说明的是,上述第一获取模块31,第二获取模块32,第三获取模块33,第四获取模块34和预测模块35对应于实施例1中的步骤S202至步骤S210,多个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
实施例3
本发明的实施例可以提供一种计算机设备,可选地,在本实施例中,上述计算机设备可以位于计算机网络的多个网络设备中的至少一个网络设备。该计算机设备包括存储器和处理器。
其中,存储器可用于存储软件程序以及模块,如本发明实施例中的智能预测用户到场情况的方法和装置对应的程序指令/模块,处理器通过运行存储在存储器内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的智能预测用户到场情况的方法。存储器可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。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。
处理器可以通过传输装置调用存储器存储的信息及应用程序,以执行下述步骤:获取第一天气数据,其中,第一天气数据包括目标地点的历史天气数据;获取第二天气数据,其中,第二天气数据包括目标地点当前的天气数据;获取第三天气数据,其中,第三天气数据包括目标地点在目标时刻的预测天气数据;获取目标对象的打点数据,其中,打点数据为目标对象在目标地点产生的历史数据;根据第一天气数据、第二天气数据、第三天气数据和打点数据,预测得到在目标时刻到达目标地点的人数。
可选的,上述处理器还可以执行如下步骤的程序代码:根据第一天气数据、第二天气数据、第三天气数据和打点数据,预测得到在目标时刻到达目标地点的人数,包括:根据第一天气数据和打点数据,训练得到人数预测模型;将第二天气数据和第三天气数据输入人数预测模型,预测得到在目标时刻到达目标地点的人数。
可选的,上述处理器还可以执行如下步骤的程序代码:人数预测模型包括以下任意之一:朴素贝叶斯模型,逻辑回归模型。
可选的,上述处理器还可以执行如下步骤的程序代码:获取第一天气数据和第三天气数据,包括:连接气象站的天气预报数据接口;通过天气预报数据接口,获取第一天气数据和第三天气数据。
可选的,上述处理器还可以执行如下步骤的程序代码:获取第二天气数据,包括:通过传感器采集得到第二天气数据,其中,第二天气数据包括以下至少之一:温度,湿度,气压,风速,降水量。
可选的,上述处理器还可以执行如下步骤的程序代码:获取目标对象的打点数据,包括:向发送运营商发送获取数据请求;接收运营商反馈的目标对象的打点数据,其中,打点数据经过运营商进行数据脱敏处理得到。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一非易失性存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(RandomAccess Memory,RAM)、磁盘或光盘等。
实施例4
本发明的实施例还提供了一种非易失性存储介质。可选地,在本实施例中,上述非易失性存储介质可以用于保存上述实施例1所提供的智能预测用户到场情况的方法所执行的程序代码。
可选地,在本实施例中,上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,非易失性存储介质被设置为存储用于执行以下步骤的程序代码:获取第一天气数据,其中,第一天气数据包括目标地点的历史天气数据;获取第二天气数据,其中,第二天气数据包括目标地点当前的天气数据;获取第三天气数据,其中,第三天气数据包括目标地点在目标时刻的预测天气数据;获取目标对象的打点数据,其中,打点数据为目标对象在目标地点产生的历史数据;根据第一天气数据、第二天气数据、第三天气数据和打点数据,预测得到在目标时刻到达目标地点的人数。
可选地,在本实施例中,非易失性存储介质被设置为存储用于执行以下步骤的程序代码:根据第一天气数据、第二天气数据、第三天气数据和打点数据,预测得到在目标时刻到达目标地点的人数,包括:根据第一天气数据和打点数据,训练得到人数预测模型;将第二天气数据和第三天气数据输入人数预测模型,预测得到在目标时刻到达目标地点的人数。
可选地,在本实施例中,非易失性存储介质被设置为存储用于执行以下步骤的程序代码:人数预测模型包括以下任意之一:朴素贝叶斯模型,逻辑回归模型。
可选地,在本实施例中,非易失性存储介质被设置为存储用于执行以下步骤的程序代码:获取第一天气数据和第三天气数据,包括:连接气象站的天气预报数据接口;通过天气预报数据接口,获取第一天气数据和第三天气数据。
可选地,在本实施例中,非易失性存储介质被设置为存储用于执行以下步骤的程序代码:获取第二天气数据,包括:通过传感器采集得到第二天气数据,其中,第二天气数据包括以下至少之一:温度,湿度,气压,风速,降水量。
可选地,在本实施例中,非易失性存储介质被设置为存储用于执行以下步骤的程序代码:获取目标对象的打点数据,包括:向发送运营商发送获取数据请求;接收运营商反馈的目标对象的打点数据,其中,打点数据经过运营商进行数据脱敏处理得到。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,可以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。另一点,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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。
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。
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,可以存储在一个计算机可读取存储介质中。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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种智能预测用户到场情况的方法,其特征在于,包括:
获取第一天气数据,其中,所述第一天气数据包括目标地点的历史天气数据;
获取第二天气数据,其中,所述第二天气数据包括所述目标地点当前的天气数据;
获取第三天气数据,其中,所述第三天气数据包括所述目标地点在目标时刻的预测天气数据;
获取目标对象的打点数据,其中,所述打点数据为所述目标对象在所述目标地点产生的历史数据,所述打点数据包括记录与终端设备的交互行为得到的数据;
根据所述第一天气数据、所述第二天气数据、所述第三天气数据和所述打点数据,预测得到在所述目标时刻到达所述目标地点的人数;
其中,获取第二天气数据,包括:
通过传感器采集得到所述第二天气数据,其中,所述第二天气数据包括以下至少之一:温度,湿度,气压,风速,降水量;
其中,获取目标对象的打点数据,包括:
向发送运营商发送获取数据请求;
接收所述运营商反馈的所述目标对象的打点数据,其中,所述打点数据经过所述运营商进行数据脱敏处理得到。
2.根据权利要求1所述的方法,其特征在于,根据所述第一天气数据、所述第二天气数据、所述第三天气数据和所述打点数据,预测得到在所述目标时刻到达所述目标地点的人数,包括:
根据所述第一天气数据和所述打点数据,训练得到人数预测模型;
将所述第二天气数据和所述第三天气数据输入所述人数预测模型,预测得到在所述目标时刻到达所述目标地点的人数。
3.根据权利要求2所述的方法,其特征在于,所述人数预测模型包括以下任意之一:朴素贝叶斯模型,逻辑回归模型。
4.根据权利要求1所述的方法,其特征在于,获取第一天气数据和第三天气数据,包括:
连接气象站的天气预报数据接口;
通过所述天气预报数据接口,获取所述第一天气数据和所述第三天气数据。
5.一种智能预测用户到场情况的装置,其特征在于,包括:
第一获取模块,用于获取第一天气数据,其中,所述第一天气数据包括目标地点的历史天气数据;
第二获取模块,用于获取第二天气数据,其中,所述第二天气数据包括所述目标地点当前的天气数据;
第三获取模块,用于获取第三天气数据,其中,所述第三天气数据包括所述目标地点在目标时刻的预测天气数据;
第四获取模块,用于获取目标对象的打点数据,其中,所述打点数据为所述目标对象在所述目标地点产生的历史数据,所述打点数据包括记录与终端设备的交互行为得到的数据;
预测模块,用于根据所述第一天气数据、所述第二天气数据、所述第三天气数据和所述打点数据,预测得到在所述目标时刻到达所述目标地点的人数;
其中,所述第二获取模块,还用于通过传感器采集得到所述第二天气数据,其中,所述第二天气数据包括以下至少之一:温度,湿度,气压,风速,降水量;
所述第四获取模块,还用于向发送运营商发送获取数据请求;接收所述运营商反馈的所述目标对象的打点数据,其中,所述打点数据经过所述运营商进行数据脱敏处理得到。
6.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至4中任意一项所述智能预测用户到场情况的方法。
7.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至4中任意一项所述智能预测用户到场情况的方法。
8.一种数据处理设备,其特征在于,所述设备包括树莓派,其中,所述树莓派包括:权利要求7所述的处理器,传感器,网络接口;所述传感器,用于采集目标地点的天气数据;所述网络接口,用于获取所述目标地点的历史天气数据、预测天气数据以及获取打点数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111285023.8A CN113869963B (zh) | 2021-11-01 | 2021-11-01 | 智能预测用户到场情况的方法、装置及数据处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111285023.8A CN113869963B (zh) | 2021-11-01 | 2021-11-01 | 智能预测用户到场情况的方法、装置及数据处理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113869963A CN113869963A (zh) | 2021-12-31 |
CN113869963B true CN113869963B (zh) | 2023-11-07 |
Family
ID=78986307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111285023.8A Active CN113869963B (zh) | 2021-11-01 | 2021-11-01 | 智能预测用户到场情况的方法、装置及数据处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113869963B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029395B (zh) * | 2023-03-24 | 2023-08-04 | 深圳市明源云科技有限公司 | 商业区域的人流预警方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364098A (zh) * | 2018-02-08 | 2018-08-03 | 重庆邮电大学 | 一种天气特征对用户签到影响的度量方法 |
CN110930187A (zh) * | 2019-11-19 | 2020-03-27 | 北京百度网讯科技有限公司 | 店铺到访人群挖掘方法、装置、设备和介质 |
CN111353828A (zh) * | 2020-03-30 | 2020-06-30 | 中国工商银行股份有限公司 | 网点到店人数预测方法及装置 |
CN111367575A (zh) * | 2018-12-06 | 2020-07-03 | 北京嘀嘀无限科技发展有限公司 | 一种用户行为预测方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8335524B2 (en) * | 2011-04-29 | 2012-12-18 | Navteq B.V. | Method and system for providing location targeted advertisements |
US20200294087A1 (en) * | 2014-03-18 | 2020-09-17 | Dtn, Llc | Hyper-local temporally relevant weather triggered dynamic messaging |
-
2021
- 2021-11-01 CN CN202111285023.8A patent/CN113869963B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364098A (zh) * | 2018-02-08 | 2018-08-03 | 重庆邮电大学 | 一种天气特征对用户签到影响的度量方法 |
CN111367575A (zh) * | 2018-12-06 | 2020-07-03 | 北京嘀嘀无限科技发展有限公司 | 一种用户行为预测方法、装置、电子设备及存储介质 |
CN110930187A (zh) * | 2019-11-19 | 2020-03-27 | 北京百度网讯科技有限公司 | 店铺到访人群挖掘方法、装置、设备和介质 |
CN111353828A (zh) * | 2020-03-30 | 2020-06-30 | 中国工商银行股份有限公司 | 网点到店人数预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113869963A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10860595B2 (en) | User social-relationship identification apparatus, method, and terminal device | |
CN105849656B (zh) | 用于为建筑控制系统提供改善服务的方法和系统 | |
US9846881B2 (en) | Frugal user engagement help systems | |
WO2021139638A1 (zh) | 行为数据的处理方法和系统、存储介质及处理器 | |
US20150170184A1 (en) | Method for providing advertisement service based on call | |
CN110956505B (zh) | 一种广告库存的预估方法以及相关装置 | |
US20220345504A1 (en) | Content delivery and consumption with affinity-based remixing | |
CN113869963B (zh) | 智能预测用户到场情况的方法、装置及数据处理设备 | |
CN108960587A (zh) | 置业顾问服务质量的评价方法、装置及可读存储介质 | |
CN112269926A (zh) | 数据推送方法及相关装置 | |
JP2008152575A (ja) | クレーム処理方法及び装置 | |
US20170278120A1 (en) | Online dynamic resource planning for events based on aggregate attendance | |
CN107590676A (zh) | 提供个性化服务的方法、装置、设备和计算机存储介质 | |
CN104937613A (zh) | 量化数据质量的探试 | |
US20180365723A1 (en) | Integrated value exchange and referral system | |
KR102345949B1 (ko) | It 인프라 시스템 추천 장치 | |
CN105989028A (zh) | 用户信息推荐方法和装置 | |
KR102067782B1 (ko) | 예약부도 및 예약이행의 확률통계 기반 예약부도 가능성 예측을 이용한 예약부도 관리 서비스 제공 방법 | |
US11126936B2 (en) | System and method for the automated generation of financial and resource forecasting data for events | |
US10885499B2 (en) | Apparatus, system, and method for managing presentation, and recording medium | |
CN115729996A (zh) | 标签信息采集方法、设备及存储介质 | |
KR102382405B1 (ko) | 광고 제공 방법 및 시스템 | |
CN112489236B (zh) | 一种考勤数据处理方法、装置、服务器及存储介质 | |
KR20230059318A (ko) | 유동 인구 분석 방법 및 장치 | |
JP7478140B2 (ja) | 需要予測装置 |
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 |