CN114580719A - 一种智慧展馆互动方法及系统 - Google Patents

Abstract

本发明提供了一种智慧展馆互动方法及系统，方法包括：接收第一参馆信息，其中，第一参馆信息包括第一参馆时间信息和第一参馆偏好信息；根据第一参馆时间信息和第一参馆偏好信息，获得第一参馆推荐路线；根据第一参馆用户，获得第一定位信息；基于第一定位信息遍历第一参馆推荐路线，获得第M展厅；将第一预设时长和第M展厅输入参馆人数预测模型，获得第一参馆预测人数；当第一参馆预测人数不满足第一预设人数，将第M展厅推荐至第一参馆用户；当第一参馆用户选择所述第M展厅，根据第一展示项目列表向第一参馆用户进行展示，解决了现有技术中存在面对实时动态变化信息时，与用户的交互智能较弱的技术问题。

Description

一种智慧展馆互动方法及系统

技术领域

本发明涉及展馆管理技术领域相关技术领域，具体涉及一种智慧展馆互动方法及系统。

背景技术

智慧展馆是随着物联网技术一同迅速发展的重要项目，通过数字化的展示，智能化的参展规划，极大的提升了参馆用户的参观体验，因此智慧展馆的反战也逐渐备受关注。

目前智慧展馆主要通过物联网技术及虚拟现实技术将传统展馆的诸多信息数字化，可以实现智能化的参馆部署，实时智能挥动，规划参展路线等，提升游客的体验感。

但现有技术中存在以下技术问题：智慧展馆基于动态信息的调节能力依然有所欠缺，存在面对实时动态变化信息时，与用户的交互智能较弱。

发明内容

本申请实施例通过提供了一种智慧展馆互动方法及系统，解决了现有技术中智慧展馆基于动态信息的调节能力依然有所欠缺，存在面对实时动态变化信息时，与用户的交互智能较弱的技术问题。

鉴于上述问题，本申请实施例提供了一种智慧展馆互动方法及系统。

第一方面，本申请实施例提供了一种智慧展馆互动方法，其中，所述方法包括：接收第一参馆信息，其中，所述第一参馆信息包括第一参馆时间信息和第一参馆偏好信息；根据所述第一参馆时间信息和所述第一参馆偏好信息，获得第一参馆推荐路线，其中，所述第一参馆推荐路线为闭环路线；根据第一参馆用户，获得第一定位信息；基于所述第一定位信息遍历所述第一参馆推荐路线，获得第M展厅，其中，所述第M展厅和所述第一定位信息几何距离最短；将第一预设时长和所述第M展厅输入参馆人数预测模型，获得第一参馆预测人数，其中，所述第一参馆预测人数和所述第M展厅一一对应；当所述第一参馆预测人数不满足第一预设人数，将所述第M展厅推荐至所述第一参馆用户；当所述第一参馆用户选择所述第M展厅，根据第一展示项目列表向所述第一参馆用户进行展示。

另一方面，本申请实施例提供了一种智慧展馆互动系统，其中，所述系统包括：第一接收单元，用于接收第一参馆信息，其中，所述第一参馆信息包括第一参馆时间信息和第一参馆偏好信息；第一获得单元，用于根据所述第一参馆时间信息和所述第一参馆偏好信息，获得第一参馆推荐路线，其中，所述第一参馆推荐路线为闭环路线；第二获得单元，用于根据第一参馆用户，获得第一定位信息；第三获得单元，用于基于所述第一定位信息遍历所述第一参馆推荐路线，获得第M展厅，其中，所述第M展厅和所述第一定位信息几何距离最短；第四获得单元，用于将第一预设时长和所述第M展厅输入参馆人数预测模型，获得第一参馆预测人数，其中，所述第一参馆预测人数和所述第M展厅一一对应；第一推荐单元，用于当所述第一参馆预测人数不满足第一预设人数，将所述第M展厅推荐至所述第一参馆用户；第一展示单元，用于当所述第一参馆用户选择所述第M展厅，根据第一展示项目列表向所述第一参馆用户进行展示。

第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的方法。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过采集参馆用户的参馆时间和参馆偏好信息，制定闭环参馆路线，当参馆用户进入闭环参馆路线中离参馆用户最近的展厅前，对该展厅未来预设时长内的人数使用智能化模型进行预测，若是人数没超过预设值，则将该展厅作为进入闭环参馆路线的进入展厅推荐至用户进行选择的技术方案，通过基于用户参馆时间和参馆偏好设定参馆路线，并且在进入参馆路线前对动态变化的人流状态进行预测，满足要求后才推荐相应的展厅，实现了根据展厅动态的变化信息与用户交互，达到了提升和参展用户交互智能性的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种智慧展馆互动方法流程示意图；

图2为本申请实施例提供了一种智慧展馆互动方法中参馆人数预测模型的训练方法流程示意图；

图3为本申请实施例提供了一种智慧展馆互动系统结构示意图；

图4为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一接收单元11，第一获得单元12，第二获得单元13，第三获得单元14，第四获得单元15，第一推荐单元16，第一展示单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请实施例通过提供了一种智慧展馆互动方法及系统，解决了现有技术中智慧展馆基于动态信息的调节能力依然有所欠缺，存在面对实时动态变化信息时，与用户的交互智能较弱的技术问题。通过基于用户参馆时间和参馆偏好设定参馆路线，并且在进入参馆路线前对动态变化的人流状态进行预测，满足要求后才推荐相应的展厅，实现了根据展厅动态的变化信息与用户交互，达到了提升和参展用户交互智能性的技术效果。

申请概述

智慧展馆主要通过物联网技术及虚拟现实技术将传统展馆的诸多信息数字化，可以实现智能化的参馆部署，以及珍贵藏品的虚拟化情景展示，提升游客的体验感。但是目前的智慧展馆基于动态信息的调节能力依然有所欠缺，导致存在面对实时动态变化信息时，与用户的交互智能较弱的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例通过提供了一种智慧展馆互动方法及系统，解决了现有技术中智慧展馆基于动态信息的调节能力依然有所欠缺，存在面对实时动态变化信息时，与用户的交互智能较弱的技术问题。由于采用了参馆用户的参馆时间和参馆偏好信息，制定闭环参馆路线，当参馆用户进入闭环参馆路线中离参馆用户最近的展厅前，对该展厅未来预设时长内的人数使用智能化模型进行预测，若是人数没超过预设值，则将该展厅作为进入闭环参馆路线的进入展厅推荐至用户进行选择的技术方案，通过基于用户参馆时间和参馆偏好设定参馆路线，并且在进入参馆路线前对动态变化的人流状态进行预测，满足要求后才推荐相应的展厅，实现了根据展厅动态的变化信息与用户交互，达到了提升和参展用户交互智能性的技术效果。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种智慧展馆互动方法，其中，所述方法包括：

S100：接收第一参馆信息，其中，所述第一参馆信息包括第一参馆时间信息和第一参馆偏好信息；

具体而言，所述第一参馆信息指的是根据参馆报名信息确定所有用户的参馆信息，包括但不限于：第一参馆时间信息和第一参馆偏好信息。

所述第一参馆时间信息可从参馆报名信息中提取，根据第一参馆时间信息可以为参馆用户分配不同的参馆计划，使得不同时间进展馆的用户可以分布在不同的展厅，避免造成参馆时的拥挤现象；所述第一参馆偏好信息优选的基于大数据提取用户画像信息，得到用户兴趣偏好，进而根据偏好信息匹配第一展馆内的多个和偏好信息关联度较大的展厅作为相应用户的优先参观展厅，通过优先参馆展厅对参馆计划进行调整，使得在不造成拥挤现象同时，可以保障用户优先参观偏好展厅。通过采集准确且全面的第一参馆时间信息和第一参馆偏好信息为后步参馆计划的设定提供数据反馈基础。

S200：根据所述第一参馆时间信息和所述第一参馆偏好信息，获得第一参馆推荐路线，其中，所述第一参馆推荐路线为闭环路线；

具体而言，所述第一参馆路线信息指的是根据参馆用户的第一参馆时间信息和第一参馆偏好信息确定的参观第一展馆的最优路线，确定方式举不设限制的一例：

根据所有参馆用户的第一参馆时间以及多个展厅的分布位置，生成闭环的参馆路线，通过闭环的参馆路线进行参馆可以避免同一个展厅内聚集过多的参馆用户，导致用户参馆体验感较差；第二步通过对每个用户的第一参馆偏好信息进行分析，进而可以匹配到和第一参馆偏好信息关联度较高的多个展厅设为优先参馆展厅，在已经生成的闭环参馆路线的基础上进行调整，优选的使得和第一参馆偏好信息关联度较高的多个展厅逐步分布在参馆路线不同节点处，使得参馆用户可以在整个参馆全程的多个节点都接触到兴趣度较高的展厅，避免一次性将优先参馆展厅全部参观结束，保障了参馆用户的体验感。

在生成第一参馆推荐路线之后，将第一参馆推荐路线通过用户端的可视化界面进行展示，并将优先参馆展厅做重点标识，可视化界面包括但不限于：手机、智能手表、电脑等其他可和参馆用户交互的设备，进而达到了提高参馆用户体验感的技术效果。

S300：根据第一参馆用户，获得第一定位信息；

具体而言，所述第一参馆用户即为上述的报名参加第一展馆参观的用户，包括但不限于：个人、团体、企业等多种类型，参馆形式包括线下参馆和线上参馆相结合的方式，进一步的，线下参馆中优选的对于珍藏的较贵重的展品采用虚拟现实技术进行虚拟参观；所述第一定位信息指的第一参馆用户抵达第一展馆预设范围内时实时位置信息，优选的可以通过第一展馆部署的多个摄像装置对第一参馆用户的实时位置信息进行动态捕捉，每个参馆用户入场时身上都配备有编号信息和位置传感装置，通过和摄像装置结合，可以确定全部第一参馆用户的实时位置。

通过对第一参馆用户的实时位置信息进行动态捕捉，便于动态协调第一参馆用户的参馆计划，进而与第一参馆用户进行交互调整，示例性地如：根据不同展厅的参观人数，对第一参馆用户的入场展厅和参馆路线进行调整，实现了基于参馆动态信息实时调整第一参馆用户的参馆计划，并通过及时交互，保障了第一参馆用户的参馆体验感。

S400：基于所述第一定位信息遍历所述第一参馆推荐路线，获得第M展厅，其中，所述第M展厅和所述第一定位信息几何距离最短；

具体而言，所述第M展厅指的是通过当前第一参馆用户的第一定位信息依次和第一参馆推荐路线中的多个展厅进行比对，确定的距离第一定位信息最近的展厅。进一步的，根据第一定位信息和第M展厅距离，评估第一参馆用户抵达第M展厅的时间，即可对第M展厅的人数进行预测，当预测结果满足预设要求，将第M展厅设为第一参馆用户进入第一参馆推荐路线入口展厅。通过选择距离第一参馆用户距离最近的第M展厅作为入口展厅，保证第一参馆用户可以及时的开始参馆，节省时间，提升用户参馆体验感。

S500：将第一预设时长和所述第M展厅输入参馆人数预测模型，获得第一参馆预测人数，其中，所述第一参馆预测人数和所述第M展厅一一对应；

具体而言，所述参馆人数预测模型指的是基于不等权组合预测法构建的对第M展厅在第一预设时长内的参馆人数进行预测的智能化模型，优选的构建多个子模型，依次对第一预设时长内的第M展厅的参馆人数进行预测，将多个预测结果乘以各自权重求加权平均数，作为最终的预测结果，示例性地：采用两个子模型搭建参馆人数预测模型，一个子模型基于回归决策树构建，另一个子模型基于BP神经网络构建，回归决策树模型和BP神经网络模型都是常用的预测模型，训练完成后，构建一个全连接层，接收回归决策树模型和BP神经网络模型的输出结果求取加权平均数，即为最终的输出结果。

进一步的，权重分配方式举不设限的一例：基于历史数据对模型进行训练时，可以确定输出结果预测值和最终实际值的偏差值，则回归决策树模型的权重=1-[回归决策树模型的权重的差异度/（回归决策树模型的差异度+BP神经网络模型的差异度）]；BP神经网络模型的权重=[回归决策树模型的权重的差异度/（回归决策树模型的差异度+BP神经网络模型的差异度）]。

通过以上方式即可构建参馆人数预测模型，将第一预设时长和第M展厅输入参馆人数预测模型，就可以输出通过不等权拟合输出结果，即为第一参馆预测人数，由于是通过多个预测模型基于当前的第M展厅状态预测的人数信息，并基于预测准确性对所有的输出结果全连接，赋予不同权重求取的加权平均数，所以具有较高的准确性。

S600：当所述第一参馆预测人数不满足第一预设人数，将所述第M展厅推荐至所述第一参馆用户；

进一步的，所述方法步骤S600还包括：

S610：当所述第一参馆预测人数满足所述第一预设人数，获得第一调整信息；

S620：根据所述第一调整信息对所述第一参馆推荐路线进行调整，获得第二参馆推荐路线。

具体而言，所述第一预设人数指的是第M展厅预设同时间最多可参观人数，将第一参馆预测人数和第一预设人数进行比较，若是第一参馆预测人数小于等于第一预设人数，则说明第一参馆用户可以将第M展厅作为进入第一参馆推荐路线的入口展厅，即将第M展厅推荐至第一参馆用户的可视化界面以供选择。

若是第一参馆预测人数大于第一预设人数，则说明第一参馆用户无法将第M展厅作为进入第一参馆推荐路线的入口展厅，则通过第一调整信息对第一参馆推荐路线进行调整，优选的调整方式为：将第M展厅的参观时间在第一参馆推荐路线上顺位后推，对第M展厅在第一参馆推荐路线上的后位展厅进行人数预测，直到得到满足相应展厅内预设人数要求的展厅，不满足预设人数要求的展厅都顺位后退。将最终得到的参馆推荐路线记为所述第二参馆推荐路线，并将确定参馆入口展厅和第二参馆推荐路线一同发送至第一参馆用户提供选择。

更进一步的，在每次进入下一个展厅前都需要对相应展厅的人数进行预测，若是预测人数大于等于预设人数则将该展厅的参观时间顺位后推，通过对各展厅的参馆人数进行动态预测和协调，保证每个展厅的参馆人数都在预设人数要求之内，保障了参馆用户参观体验感。

S700：当所述第一参馆用户选择所述第M展厅，根据第一展示项目列表向所述第一参馆用户进行展示。

具体而言，所述第一项目展示列表指的是第M展厅内的展品信息，当第一参馆用户选择第M展厅，即在用户的可视化界面上显示第一项目展示列表和相应项目展示位置信息，第一项目展示列表中包括虚拟产品展示列表，实物产品展示列表，可以提供给第一参馆用户自行选择，可以在进入第M展厅时，快速参观用户偏好的展品，进一步的提升了参馆用户的体验感。

进一步的，所述方法包括步骤S800：

S810：根据所述第一展示项目列表，获得第一实物展览项目列表和第一数字展览项目列表；

S820：根据所述第一参馆偏好信息，对所述第一数字展览项目列表进行排序，获得第一排序结果；

S830：根据所述第一定位信息，对所述第一实物展览项目列表进行排序，获得第二排序结果；

S840：将所述第一排序结果和所述第二排序结果发送至所述第一参馆用户。

具体而言，所述第一实物展览项目列表指的是第M展厅内可以常规进行展览的提供参观的展品组成；所述第一数字展览项目列表指的是第M展厅内通过虚拟现实技术进行展示的展品，包括但不限于：距离较远无法实际展示的展品、虚拟世界的人物或产品、较珍贵的展品：例如文物等。第一实物展览项目列表和第一数字展览项目列分为两组信息组成第一展示项目列表。

在将第一展示项目列表发送至第一参馆用户之前，所述第一排序结果指的是通过第一参馆偏好信息对第一数字展览项目列表中的所有项目进行分析，依据第一参馆用户的兴趣点对第一数字展览项目列表进行排序得到的结果。排序靠前的项目第一参馆用户的兴趣程度越高，其中，兴趣程度优选的可以通过展品涉及领域和第一参馆偏好信息的领域契合程度评估。由于第一数字展览项目列表一般在相近位置进行展示，所以通过第一参馆偏好信息进行排序再和第一参馆用户进行交互，契合于第一参馆用户的兴趣点，提升了第一参馆用户参馆体验感。

所述第二排序结果指的是通过第一定位信息对第一实物展览项目列表进行排序，优选的按照和第一定位信息由近及远的顺序排列得到的结果。由于第一实物展览项目列表中的展览项目都是固定位置，因此为了保障用户参馆便捷性，按照距离远近排序后和第一参馆用户交互，提升了第一参馆用户参馆体验感。

通过第一排序结果和第二排序结果将第一展示项目列表发送至第一参馆用户进行交互，保障了第一参馆用户参馆体验感；根据第第一参馆偏好信息和第一定位信息分别确定第一排序结果和第二排序结果体现了系统的智能性。

进一步的，所述方法还包括步骤S900：

S910：当所述第一参馆用户未选择所述第M展厅时，根据所述第一参馆推荐路线获得第M+1展厅，其中，所述第M+1展厅和所述第M展厅几何距离最短；

S920：将第二预设时长和所述第M+1展厅输入所述参馆人数预测模型，获得第二参馆预测人数，其中，所述第二参馆预测人数和所述第M+1展厅一一对应；

S930：当所述第二参馆预测人数不满足第二预设人数，将所述第M+1展厅推荐至所述第一参馆用户。

具体而言，若是第M展厅在第一预设时长内的预测参馆人数满足第一预设人数，但是交互时第一参馆用户未选择第M展厅，则将第M+1展厅推荐给第一参馆用户；所述第M+1展厅指的是第一参馆推荐路线上距离第M展厅最近的展厅；所述第二预设时长指的是根据第一定位信息和第M+1展厅之间的距离评估的第一参馆用户抵达第M+1展厅需求的时长；所述第二参馆预测人数指的是将第二预设时长和第M+1展厅输入参馆人数预测模型进行预测得到的结果；所述第二预设人数指的是第M+1展厅限定的单次参观最多人数；当第二参馆预测人数小于等于第二预设人数，将第M+1展厅通过可视化界面推荐至第一参馆用户进行选择。

通过将推荐展厅展示给用户进行交互选择，若是用户不选择则推荐第一参馆推荐路线上的其他展厅，直到用户选择心仪的展厅时停止推荐，通过人性化的智能交互，提高了用户的参馆体验感。

进一步的，基于所述根据所述第一参馆时间信息和所述第一参馆偏好信息，获得第一参馆推荐路线，步骤S200包括：

S210：获得第一展厅集合，根据所述第一参馆时间信息对所述第一展厅集合进行一级调整，获得第二展厅集合；

S220：根据所述第一参馆偏好信息对所述第二展厅集合进行二级调整，获得第三展厅集合；

S230：根据所述第三展厅集合，生成所述第一参馆推荐路线。

具体而言，所述第一展厅集合指的是第一展馆内的全部展厅集合；所述第二展厅集合指的是根据第一参馆时间信息对第一展厅集合参观顺序进行调整之后得到的信息，通过第一参馆时间信息对所有参馆用户进行协调，避免造成同一个展厅过于拥挤的现象出现，提升了用户参馆体验感。

进一步的，所述第三展厅集合指的是在第二展厅集合的基础上根据第一参馆偏好信息将用户偏好展厅均匀分布在参馆路线上得到的结果，避免用户一次性参观结束偏好展厅而离开展馆。通过将第三展厅集合依次连接，即可形成闭环的第一参馆推荐路线，进而发送至第一参馆用户的可视化界面进行交互。

进一步的，所述方法步骤S500包括：

S510：获得所述第一预设时长，其中，所述第一预设时长为所述第一参馆用户抵达所述第M展厅的预测时长；

S520：根据所述第M展厅，获得第一相邻展厅人流轨迹和第M展厅实时人数；

S530：根据所述第一预设时长、所述第一相邻展厅人流轨迹和所述第M展厅实时人数训练所述参馆人数预测模型。

具体而言，所述第一预设时长即为前述第一参馆用户抵达第M展厅的预测时长；所述第一相邻展厅人流轨迹指的是第M展厅相邻展厅的参馆用户的参馆轨迹数据；所述第M展厅实时人数指的是第M展厅实时的人数信息，即当前的参馆人数。通过第一相邻展厅人流轨迹和第M展厅实时人数预测第一预设时长后第M展厅的人数即可判断是否可以向第一参馆用户推荐第M展厅。通过选择基于不等权组合预测方法构建参馆人数预测模型对第一相邻展厅人流轨迹、第M展厅实时人数和第一预设时长进行处理，即可得到校准确的预测结果。模型构建方式优选为：基于大数据，选择和第一预设时长、第一相邻展厅人流轨迹和第M展厅实时人数相对应类型的多组历史数据对参馆人数预测模型进行训练构建。通过不等权组合预测第一预设时长后第M展厅的人数具有较高的准确性，保障了第一展馆和用户交互数据的准确性。

进一步的，如图2所示，基于所述根据所述第一预设时长、所述第一相邻展厅人流轨迹和所述第M展厅实时人数训练所述参馆人数预测模型，步骤S530包括：

S531：获得第一训练数据集，其中，所述第一训练数据集包括多组，每组都具有：预设时长信息、相邻展厅人流轨迹信息和待预测人数展厅实时人数信息；

S532：根据所述第一训练数据集，构建第一子模型，其中，所述第一子模型为基于决策树构建的预测模型；

S533：根据所述第一训练数据集，构建第二子模型，其中，所述第二子模型为基于BP神经网络构建的预测模型；

S534：将所述第一子模型和所述第二子模型的输出结果进行全连接，获得所述参馆人数预测模型。

具体而言，所述第一训练数据集指的是基于大数据，选择和第一预设时长、第一相邻展厅人流轨迹和第M展厅实时人数相对应类型的多组历史数据，每组都包括：预设时长信息、相邻展厅人流轨迹信息和待预测人数展厅实时人数信息。

将第一训练数据集分为k等份，随机取其中k-1份作为第一子模型的训练数据集，剩余的1份作为验证数据集，使用k-1份训练数据训练第一子模型，当第一子模型即决策树预测模型满足预设准确率时，使用验证数据集验证第一子模型的泛化能力，避免过拟合，当验证数据集的准确率同样满足预设准确率，生成第一子模型。

再次随机取k-1份作为第二子模型的训练数据集，剩余的1份作为验证数据集，使用k-1份训练数据训练第二子模型，当第二子模型即BP神经网络预测模型满足预设准确率时，使用验证数据集验证第二子模型的泛化能力，避免过拟合，当验证数据集的准确率同样满足预设准确率，生成第二子模型。

进一步的，构建一个全连接层，将第一子模型和第二子模型的输出结果进行全连接，得到最终的输出结果。其中，权重分配方式举不设限的一例：基于历史数据对模型进行训练时，可以确定输出结果预测值和最终实际值的偏差值，则回归决策树模型的权重=1-[回归决策树模型的权重的差异度/（回归决策树模型的差异度+BP神经网络模型的差异度）]；BP神经网络模型的权重=[回归决策树模型的权重的差异度/（回归决策树模型的差异度+BP神经网络模型的差异度）]。将第一子模型和第二子模型的输出结果进行全连接，进而得到参馆人数预测模型。通过多个预测模型根据当前的第M展厅状态预测的人数信息，并基于预测准确性对所有的输出结果全连接，赋予不同权重求取的加权平均数，所以具有较高的准确性。

综上所述，本申请实施例所提供的一种智慧展馆互动方法及系统具有如下技术效果：

1.由于采用了参馆用户的参馆时间和参馆偏好信息，制定闭环参馆路线，当参馆用户进入闭环参馆路线中离参馆用户最近的展厅前，对该展厅未来预设时长内的人数使用智能化模型进行预测，若是人数没超过预设值，则将该展厅作为进入闭环参馆路线的进入展厅推荐至用户进行选择的技术方案，通过基于用户参馆时间和参馆偏好设定参馆路线，并且在进入参馆路线前对动态变化的人流状态进行预测，满足要求后才推荐相应的展厅，实现了根据展厅动态的变化信息与用户交互，达到了提升和参展用户交互智能性的技术效果。

2.通过第一排序结果和第二排序结果将第一展示项目列表发送至第一参馆用户进行交互，保障了第一参馆用户参馆体验感；根据第第一参馆偏好信息和第一定位信息分别确定第一排序结果和第二排序结果体现了系统的智能性。

3.通过将推荐展厅展示给用户进行交互选择，若是用户不选择则推荐第一参馆推荐路线上的其他展厅，直到用户选择心仪的展厅时停止推荐，通过人性化的智能交互，提高了用户的参馆体验感。

4.不等权组合预测法通过多个预测模型根据当前的第M展厅状态预测的人数信息，并基于预测准确性对所有的输出结果全连接，赋予不同权重求取的加权平均数，所以具有较高的准确性。

实施例二

基于与前述实施例中一种智慧展馆互动方法相同的发明构思，如图3所示，本申请实施例提供了一种智慧展馆互动系统，其中，所述系统包括：

第一接收单元11，用于接收第一参馆信息，其中，所述第一参馆信息包括第一参馆时间信息和第一参馆偏好信息；

第一获得单元12，用于根据所述第一参馆时间信息和所述第一参馆偏好信息，获得第一参馆推荐路线，其中，所述第一参馆推荐路线为闭环路线；

第二获得单元13，用于根据第一参馆用户，获得第一定位信息；

第三获得单元14，用于基于所述第一定位信息遍历所述第一参馆推荐路线，获得第M展厅，其中，所述第M展厅和所述第一定位信息几何距离最短；

第四获得单元15，用于将第一预设时长和所述第M展厅输入参馆人数预测模型，获得第一参馆预测人数，其中，所述第一参馆预测人数和所述第M展厅一一对应；

第一推荐单元16，用于当所述第一参馆预测人数不满足第一预设人数，将所述第M展厅推荐至所述第一参馆用户；

第一展示单元17，用于当所述第一参馆用户选择所述第M展厅，根据第一展示项目列表向所述第一参馆用户进行展示。

进一步的，所述系统还包括：

第五获得单元，用于当所述第一参馆预测人数满足所述第一预设人数，获得第一调整信息；

第六获得单元，用于根据所述第一调整信息对所述第一参馆推荐路线进行调整，获得第二参馆推荐路线。

进一步的，所述系统还包括：

第七获得单元，用于根据所述第一展示项目列表，获得第一实物展览项目列表和第一数字展览项目列表；

第八获得单元，用于根据所述第一参馆偏好信息，对所述第一数字展览项目列表进行排序，获得第一排序结果；

第九获得单元，用于根据所述第一定位信息，对所述第一实物展览项目列表进行排序，获得第二排序结果；

第一发送单元，用于将所述第一排序结果和所述第二排序结果发送至所述第一参馆用户。

进一步的，所述系统还包括：

第十获得单元，用于当所述第一参馆用户未选择所述第M展厅时，根据所述第一参馆推荐路线获得第M+1展厅，其中，所述第M+1展厅和所述第M展厅几何距离最短；

第十一获得单元，用于将第二预设时长和所述第M+1展厅输入所述参馆人数预测模型，获得第二参馆预测人数，其中，所述第二参馆预测人数和所述第M+1展厅一一对应；

第二推荐单元，用于当所述第二参馆预测人数不满足第二预设人数，将所述第M+1展厅推荐至所述第一参馆用户。

进一步的，所述系统还包括：

第十二获得单元，用于获得第一展厅集合，根据所述第一参馆时间信息对所述第一展厅集合进行一级调整，获得第二展厅集合；

第十三获得单元，用于根据所述第一参馆偏好信息对所述第二展厅集合进行二级调整，获得第三展厅集合；

第一生成单元，用于根据所述第三展厅集合，生成所述第一参馆推荐路线。

进一步的，所述系统还包括：

第十四获得单元，用于获得所述第一预设时长，其中，所述第一预设时长为所述第一参馆用户抵达所述第M展厅的预测时长；

第十五获得单元，用于根据所述第M展厅，获得第一相邻展厅人流轨迹和第M展厅实时人数；

第一训练单元，用于根据所述第一预设时长、所述第一相邻展厅人流轨迹和所述第M展厅实时人数训练所述参馆人数预测模型。

进一步的，所述系统还包括：、

第十六获得单元，用于获得第一训练数据集，其中，所述第一训练数据集包括多组，每组都具有：预设时长信息、相邻展厅人流轨迹信息和待预测人数展厅实时人数信息；

第一构建单元，用于根据所述第一训练数据集，构建第一子模型，其中，所述第一子模型为基于决策树构建的预测模型；

第二构建单元，用于根据所述第一训练数据集，构建第二子模型，其中，所述第二子模型为基于BP神经网络构建的预测模型；

第十七获得单元，用于将所述第一子模型和所述第二子模型的输出结果进行全连接，获得所述参馆人数预测模型。

实施例三

基于与前述实施例中一种智慧展馆互动方法相同的发明构思，本申请实施例还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一任一项所述的方法。

示例性电子设备

下面参考图4来描述本申请实施例的电子设备。

基于与前述实施例中一种智慧展馆互动方法相同的发明构思，本申请实施例还提供了一种电子设备，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral coponent interconnect，简称PCI)总线或扩展工业标准结构(extended industry Standard architecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是RO或可存储静态信息和指令的其他类型的静态存储设备，RA或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Prograable read-only eory，EEPRO)、只读光盘(copact disc

read-only eory，CD-RO)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种智慧展馆互动方法。

可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。

本申请通过提供了一种智慧展馆互动方法及系统，由于采用了参馆用户的参馆时间和参馆偏好信息，制定闭环参馆路线，当参馆用户进入闭环参馆路线中离参馆用户最近的展厅前，对该展厅未来预设时长内的人数使用智能化模型进行预测，若是人数没超过预设值，则将该展厅作为进入闭环参馆路线的进入展厅推荐至用户进行选择的技术方案，通过基于用户参馆时间和参馆偏好设定参馆路线，并且在进入参馆路线前对动态变化的人流状态进行预测，满足要求后才推荐相应的展厅，实现了根据展厅动态的变化信息与用户交互，达到了提升和参展用户交互智能性的技术效果。

本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a ,b,或c中的至少一项(个、种)，可以表示：a ,b,c,a -b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

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。所述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所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指

令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述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(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。所述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括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。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RA存储器、闪存、RO存储器、EPRO存储器、EEPRO存储器、寄存器、硬盘、可移动磁盘、CD-RO或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (10)

1.一种智慧展馆互动方法，其特征在于，所述方法包括：

接收第一参馆信息，其中，所述第一参馆信息包括第一参馆时间信息和第一参馆偏好信息；

根据所述第一参馆时间信息和所述第一参馆偏好信息，获得第一参馆推荐路线，其中，所述第一参馆推荐路线为闭环路线；

根据第一参馆用户，获得第一定位信息；

基于所述第一定位信息遍历所述第一参馆推荐路线，获得第M展厅，其中，所述第M展厅和所述第一定位信息几何距离最短；

将第一预设时长和所述第M展厅输入参馆人数预测模型，获得第一参馆预测人数，其中，所述第一参馆预测人数和所述第M展厅一一对应；

当所述第一参馆预测人数不满足第一预设人数，将所述第M展厅推荐至所述第一参馆用户；

当所述第一参馆用户选择所述第M展厅，根据第一展示项目列表向所述第一参馆用户进行展示。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

当所述第一参馆预测人数满足所述第一预设人数，获得第一调整信息；

根据所述第一调整信息对所述第一参馆推荐路线进行调整，获得第二参馆推荐路线。

3.如权利要求1所述的方法，其特征在于，所述方法包括：

根据所述第一展示项目列表，获得第一实物展览项目列表和第一数字展览项目列表；

根据所述第一参馆偏好信息，对所述第一数字展览项目列表进行排序，获得第一排序结果；

根据所述第一定位信息，对所述第一实物展览项目列表进行排序，获得第二排序结果；

将所述第一排序结果和所述第二排序结果发送至所述第一参馆用户。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

当所述第一参馆用户未选择所述第M展厅时，根据所述第一参馆推荐路线获得第M+1展厅，其中，所述第M+1展厅和所述第M展厅几何距离最短；

将第二预设时长和所述第M+1展厅输入所述参馆人数预测模型，获得第二参馆预测人数，其中，所述第二参馆预测人数和所述第M+1展厅一一对应；

当所述第二参馆预测人数不满足第二预设人数，将所述第M+1展厅推荐至所述第一参馆用户。

5.如权利要求1所述的方法，其特征在于，所述根据所述第一参馆时间信息和所述第一参馆偏好信息，获得第一参馆推荐路线，包括：

获得第一展厅集合，根据所述第一参馆时间信息对所述第一展厅集合进行一级调整，获得第二展厅集合；

根据所述第一参馆偏好信息对所述第二展厅集合进行二级调整，获得第三展厅集合；

根据所述第三展厅集合，生成所述第一参馆推荐路线。

6.如权利要求1所述的方法，其特征在于，所述方法包括：

获得所述第一预设时长，其中，所述第一预设时长为所述第一参馆用户抵达所述第M展厅的预测时长；

根据所述第M展厅，获得第一相邻展厅人流轨迹和第M展厅实时人数；

根据所述第一预设时长、所述第一相邻展厅人流轨迹和所述第M展厅实时人数训练所述参馆人数预测模型。

7.如权利要求6所述的方法，其特征在于，所述根据所述第一预设时长、所述第一相邻展厅人流轨迹和所述第M展厅实时人数训练所述参馆人数预测模型，包括：、

获得第一训练数据集，其中，所述第一训练数据集包括多组，每组都具有：预设时长信息、相邻展厅人流轨迹信息和待预测人数展厅实时人数信息；

根据所述第一训练数据集，构建第一子模型，其中，所述第一子模型为基于决策树构建的预测模型；

根据所述第一训练数据集，构建第二子模型，其中，所述第二子模型为基于BP神经网络构建的预测模型；

将所述第一子模型和所述第二子模型的输出结果进行全连接，获得所述参馆人数预测模型。

8.一种智慧展馆互动系统，其特征在于，所述系统包括：

第一接收单元，用于接收第一参馆信息，其中，所述第一参馆信息包括第一参馆时间信息和第一参馆偏好信息；

第一获得单元，用于根据所述第一参馆时间信息和所述第一参馆偏好信息，获得第一参馆推荐路线，其中，所述第一参馆推荐路线为闭环路线；

第二获得单元，用于根据第一参馆用户，获得第一定位信息；

第三获得单元，用于基于所述第一定位信息遍历所述第一参馆推荐路线，获得第M展厅，其中，所述第M展厅和所述第一定位信息几何距离最短；

第四获得单元，用于将第一预设时长和所述第M展厅输入参馆人数预测模型，获得第一参馆预测人数，其中，所述第一参馆预测人数和所述第M展厅一一对应；

第一推荐单元，用于当所述第一参馆预测人数不满足第一预设人数，将所述第M展厅推荐至所述第一参馆用户；

第一展示单元，用于当所述第一参馆用户选择所述第M展厅，根据第一展示项目列表向所述第一参馆用户进行展示。

9.一种电子设备，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，其特征在于，当所述程序被所述处理器执行时，使系统以执行如1至7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如1至7任一项所述的方法。

Images