CN117592638A - 一种景区客流分析与管控的方法及系统 - Google Patents

一种景区客流分析与管控的方法及系统 Download PDF

Info

Publication number
CN117592638A
CN117592638A CN202311373069.4A CN202311373069A CN117592638A CN 117592638 A CN117592638 A CN 117592638A CN 202311373069 A CN202311373069 A CN 202311373069A CN 117592638 A CN117592638 A CN 117592638A
Authority
CN
China
Prior art keywords
scenic spot
park
line
specific date
proportion
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
Application number
CN202311373069.4A
Other languages
English (en)
Inventor
梁磊
吴义勇
余静
邹传江
李丰
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.)
Nanjing New Csp Internet Of Things Technology Co ltd
Original Assignee
Nanjing New Csp Internet Of Things 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 Nanjing New Csp Internet Of Things Technology Co ltd filed Critical Nanjing New Csp Internet Of Things Technology Co ltd
Priority to CN202311373069.4A priority Critical patent/CN117592638A/zh
Publication of CN117592638A publication Critical patent/CN117592638A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种景区客流分析与管控的方法及系统，所述方法包括：完成景区特定日期的客流量预测，包括：获取特定日期对应的景区线上预约购票实际数量；获取与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例并获取购票比例修正系数进行比例调整，根据调整后的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例与特定日期对应的景区线上预约购票实际数量预测特定日期对应的景区购票总数，从而获得景区特定日期的预测客流量；实时获取景区特定日期的实际在园客流量，当实际在园客流量大于预测客流量，则生成预警提示信息并执行预设应急预案完成景区实时客流管控。本申请能够实现准确且高效的景区实时客流量管控。

Description

一种景区客流分析与管控的方法及系统
技术领域
本申请涉及景区流量控制技术领域，具体是涉及一种景区客流分析与管控的方法及系统。
背景技术
随着互联网模式在旅游行业的发展，人们的出行方式已经从游客主动寻找目的地向着目的地主动向游客推荐的模式转变，新的旅游模式的蓬勃发展为景区引流并带动经济发展的同时，也给景区的接待带来了极大的压力，给客流统计分析与管控提出了更高的要求。
景区客流管控包括多个维度的管控，比如从服务资源配置的匹配量来考虑客流管控或者从景区本身承载量考虑客流的管控等。
现有技术中，针对服务资源配置进行客流管控的基础是明确景区当前配置的服务资源能够满足多少游客的服务需求，一旦实际游客数量大于当前服务资源能够满足的量，为确保游客良好的游玩体验，则需要进行相应的管控。实际过程中，考虑景区支出成本，景区一般获取景区客流量预测数据并配置对应的服务资源，故有效的客流量预测技术能够提升客流管控效率。但现有的客流预测的方法大多采用“基于历史数据的经验法”或“基于卷积神经网络的游客人数预测法”，这两种方法均有着比较突出的不足。“基于历史数据的经验法”的预测结果准确度差，而“基于卷积神经网络的游客人数预测法”需要基于当日的数据进行预测，例如需要当天的交通数据、排队数据等，虽然预测的精准度提高了，但需要极高计算能力的服务器支持，预测成本较高且给予景区的应变时间过短。
针对景区本身承载量考虑客流管控往往都是基于景区客流量达到最大承载量时进行流量的管控，这种管控方式较为单一、管控效率低且没有考虑游客在景区内游览的实际需求。
发明内容
为了实现准确且高效的景区实时流量管控，本申请提供一种景区客流分析与管控的方法及系统。
第一方面，本申请提供一种景区客流分析与管控的方法，包括：完成景区特定日期的客流量预测，获得特定日期的预测客流量；
实时获取景区特定日期的实际在园客流量；
实时判断实际在园客流量是否大于预测客流量，若大于，则生成预警提示信息并执行预设应急预案完成景区实时客流管控；否则，不执行任何管控操作；
所述获得景区特定日期的预测客流量包括：
获取特定日期对应的景区各线上预约购票实际数量；
获取与特定日期邻近的一定时间段内景区历史线下购票总数与历史线上购票总数，计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例；
获取与特定日期邻近的一定时间段内景区历史线下购票数量与历史线上购票数量，计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率；根据获取的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率确定景区线上购票占景区购票总数比例第一修正系数；
利用景区线上购票占景区购票总数比例第一修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行调整；根据调整后的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例、特定日期对应的景区线上预约购票实际数量计算获取特定日期对应的景区购票总数，特定日期对应的景区购票总数为预测的景区日流量。
通过采用上述方案，一定时间段里，游客的购票习惯相对稳定的，即线上购票占总购票数量的比例是相对稳定的；基于这一规律，根据与特定日期邻近的一定时间段内景区历史线上线下购票比例完成对特定日期对应的景区购票总数的推算；利用与特定日期邻近的一定时间段内景区历史线上线下购票的平均变化率确定修正系数，利用修正系数进一步的调整与特定日期邻近的一定时间段内景区历史线上线下购票比例，获得更为精准的预测客流量；基于获取精准的预测客流量与实时获取实际在园客流量的比较，能够及时生成预警信息并执行应急预案，实现高效的客流管控以保证当前景区的服务配置资源满足实际在园客流量的需求。
优选的，所述获得景区特定日期的预测客流量还包括：
获取不同天气、不同节假日以及不同线上线下促销活动条件下的历史景区线上购票数量与历史景区线下购票数量，计算获得不同条件下的历史景区线上购票占景区购票总数比例的变化率；
根据不同条件下的历史景区线上购票占景区购票总数比例的变化率确定景区线上购票占景区购票总数比例第二修正系数，景区线上购票占景区购票总数比例第二修正系数具体为：
I2＝ω1i1+ω2i2+ω3i3
式中，I2表示景区线上购票占景区购票总数比例第二修正系数；i1表示天气因素对应的景区线上购票占景区购票总数比例修正系数；i2表示节假日因素对应的景区线上购票占景区购票总数比例修正系数；i3表示线上线下促销活动对应的景区线上购票占景区购票总数比例修正系数；ω1表示天气因素对应的景区线上购票占景区购票总数比例修正系数的权重；ω2表示节假日因素对应的景区线上购票占景区购票总数比例修正系数的权重；ω3表示线上线下促销活动对应的景区线上购票占景区购票总数比例修正系数的权重；
确定特定日期对应的景区的天气情况、是否处于节假日情况、是否存在线上线下促销活动情况，对应获取景区线上购票占景区购票总数比例第二修正系数；
利用景区线上购票占景区购票总数比例第一修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行调整后，继续根据景区线上购票占景区购票总数比例第二修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行二次调整。
通过采用上述方案，一定时间内能够影响游客的购买习惯的因素包括天气、节假日以及促销活动，通过获取不同条件下的历史线上线下购票的变化率确定对应的修正系数，综合考虑天气、节假日以及促销活动等影响因素进一步对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行修正，实现更为精准的客流量预测。
优选的，还包括：
获取景区内各园区实时在园人数，判断各园区实时在园人数是否达到园区瞬时最大承载量；针对实时在园人数达到园区瞬时最大承载量的园区，生成园区暂停通行的提示信息；
针对实时在园人数未达到园区瞬时最大承载量的园区，对应计算园区的舒适度指数；所述舒适度指数为实时在园人数与当前园区瞬时最大承载量的比值；根据各园区舒适度指数大小判定各园区的舒适度等级，对应生成舒适度等级提示信息；所述的舒适度等级包括舒适、较为舒适、一般、较为拥挤以及拥挤；
将各园区对应的园区暂停通行的提示信息或舒适度等级提示信息显示于景区内的信息发布屏上或发送至游客移动终端。
通过上述技术方案，利用实时在园人数与园区瞬时最大承载量的比较，及时将园区暂停通行的信息传递给游客，利用园区舒适度等级的判定将园区舒适度等级传递给游客，根据传递的信息引导游客选择可通行且舒适度高的园区进行游览，对各园区客流量进行平衡，实现对景区实时游客流量的高效管控。
优选的，还包括：针对实时在园人数达到园区瞬时最大承载量的园区，生成园区暂停通行的提示信息的同时计算园区等候时间以及园区等候时间对应的允许通行人数；将园区等候时间与允许通行人数显示于景区内的信息发布屏上或发送至游客移动终端；
所述计算园区等候时间以及园区等候时间对应的允许通行人数包括：
获取实时在园人员的入园时间，计算在园人员的游览时长；
设置多个等候时间，每个等候时间对应匹配在园人员标准游览时长；
当在园人员游览时长达到在园人员标准游览时长，则获得对应等候时间并统计在园人员游览时长达到在园人员标准游览时长的人数，记为第一允许通行人数；
自园区内且靠近园区出口位置区域划分若干特定区域，每个特定区域的平均游览时长对应匹配一个等候时间；
获取特定区域的监控图像并进行人员图像识别，根据识别结果统计位于特定区域内的人数，记为第二允许通行人数；
获取特定等候时间对应的第一允许通行人数与第二允许通行人数，将第一允许通行人数与第二允许通行人数平均值作为特定等候时间对应的允许通行人数。
通过上述方案，综合在园人员游览时长数据分析技术以及图像监控与识别技术，获取当前暂停通行的园区需要等候的时间以及园区等候时间对应的允许通行人数，更便于引导游客选择合适的游览策略与游览对象，各园区客流量更加平衡，对景区实时游客流量管控更高效。
优选的，还包括：
若园区舒适度等级为较为拥挤或拥挤，且监测到园区通道闸口接收到开启请求时，通过园区通道闸口显示屏显示当前园区舒适等级以及是否意愿更换观光园区选项；
接收到意愿更换观光园区信息时，根据各园区的舒适度等级、各园区之间的距离以及各园区之间路况信息确定替换园区，并将替换园区信息显示于园区通道闸口显示屏；
所述根据各园区的舒适度等级、各园区之间的距离以及各园区之间路况信息确定替换园区具体包括：
根据各园区舒适度等级筛选出舒适度等级为舒适或较为舒适或一般的园区；
分别获取筛选出的各园区与当前待替换园区的距离，保留距离处于预设距离内的园区；
确定保留的各园区与当前待替换园区之间的通行路径，分别获取保留的各园区与当前待替换园区之间的通行路径的路况信息，所述路况信息包括人流密度、通行路径宽度信息；
筛选出人流密度小于预设人流密度的通行路径，若存在多条人流密度小于预设人流密度的通行路径，则将筛选后的每条通行路径按照路径宽度大小进行排列，
选择排在前n名的通行路径，获取对应的n个园区作为替换园区，n为正常数。
通过上述方案，由于各园区的舒适度等级是实时变化的，待游客抵达相应园区时可能会发生当前时刻园区舒适度等级变化为较为拥挤或者拥挤，在游客通过园区闸机时提供替换园区的选项并选取最适宜的替换园区供游客选择，根据以上引导信息可提高游客的游览舒适度，分散拥挤园区客流量。
优选的，还包括：
根据园区舒适度等级设置不同预警等级，并针对不同的预警等级匹配相应的应急预案；获取各园区舒适度等级，根据园区舒适度等级对应的预警等级执行相应的应急预案。
通过上述方案，相较于现有景区流量管控技术中通过园区密度设置预警等级而言，由于园区密度为人数与面积的比例，许多园区面积游览面积难以计算且许多园区部分景点位置游客游览几率小，导致统计的游览面积往往大于实际游览区域面积，故计算的园区密度小于实际园区密度，相应的预警具有一定的延迟；采用园区舒适度等级进行预警等级的设置，基于人数直接进行预警的方式能够实现更加及时的预警。
第二方面，本申请提供一种景区客流分析与管控系统，包括：
景区客流数据采集模型，用于实时获取景区特定日期的实际在园客流量；获取特定日期对应的景区线上预约购票实际数量；获取与特定日期邻近的一定时间段内景区历史线下购票总数与历史线上购票总数；获取与特定日期邻近的一定时间段内景区历史线下购票数量与历史线上购票数量；获取景区内各园区实时在园人数与园区瞬时最大承载量；
景区客流分析模块，包括景区客流量预测模块，用于根据与特定日期邻近的一定时间段内景区历史线下购票总数与历史线上购票总数，计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例；根据与特定日期邻近的一定时间段内景区历史线下购票数量与历史线上购票数量计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率；根据获取的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率确定景区线上购票占景区购票总数比例第一修正系数；利用景区线上购票占景区购票总数比例第一修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行调整；根据调整后的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例、特定日期对应的景区线上预约购票实际数量计算获取特定日期对应的景区线上线下预约购票总数，特定日期对应的景区线上线下预约购票总数为景区特定日期的预测客流量；
景区客流管控模块，包括第一客流管控模块，用于实时判断实际在园客流量是否大于预测客流量，若大于，则生成预警提示信息并执行预设应急预案完成景区实时客流管控；否则，不执行任何管控操作。
通过上述方案，快速简单且准确的获得未来景区某一天的客流量的预测，基于预测的客流量与获取的实际在园客流量完成景区实时客流量的管控。
优选的，所述景区客流分析模块，还包括景区实时客流提示信息生成模块，用于判断各园区实时在园人数是否达到园区瞬时最大承载量；针对实时在园人数达到园区瞬时最大承载量的园区，生成园区暂停通行的提示信息；针对实时在园人数未达到园区瞬时最大承载量的园区，对应计算园区的舒适度指数；所述舒适度指数为实时在园人数与当前园区瞬时最大承载量的比值；根据各园区舒适度指数大小判定各园区的舒适度等级，对应生成舒适度等级提示信息；所述的舒适度等级包括舒适、较为舒适、一般、较为拥挤以及拥挤；
所述景区客流管控模块，还包括第二客流管控模块，用于将各园区对应的园区暂停通行的提示信息或舒适度等级提示信息显示于景区内的信息发布屏上或发送至游客移动终端。
通过上述方案，利用景区实时客流提示信息生成模块生成各园区实时客流提示信息，利用第二客流管控模块将禁止通行的提示信息、园区舒适度等级信息传递至公众，通过相关信息引导游客进行合理游览规划，实现高效的客流管控。
第三方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的方法。
第四方面，本申请提供一种计算机设备，存储器、处理器及在所述存储器上存储并可运行的程序，所述程序被处理器执行时实现如上述方法的步骤。
综上，本申请具有以下有益效果为：
1、基于一段时间内旅客购票习惯相对稳定的特性，获取与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例，并考虑景区线上购票占景区购票总数比例平均变化率、天气、节假日以及促销活动等因素对购票比例进行多次修正，根据比例公式快速准确的获取景区预测客流量，将其与实际在园客流量进行实时比较便于完成景区客流量的实时管控。
2、通过分析客流数据获取景区各园区通行状态与舒适程度并及时的向游客传递信息，通过传递的园区信息引导游客分散游览，实现实时园区流量的管控；分析客流数据获取禁止通行园区得等候时间与允许通行的人数、替换园区信息，进一步的满足游客的游览需求，实现更加高效的园区流量管控。
附图说明
图1为具体实施例中所述一种景区客流分析与管控的方法的流程图；
图2为具体实施例中所述一种景区客流分析与管控的方法中预测客流量的流程图；
图3为具体实施例中所述一种景区客流分析与管控的方法中基于园区瞬时最大承载量完成园区实时客流量管控的流程图；
图4为具体实施例中所述一种景区客流分析与管控的方法中获取园区等候时间以及园区等候时间对应的允许通行人数的流程图；
图5为具体实施例中所述一种景区客流分析与管控的系统的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
如图1所示，本申请实施例公开一种景区客流分析与管控方法，具体包括：
S1、完成景区特定日期的客流量预测，获得特定日期的预测客流量。
景区特定日期的预测客流量的获取前提在于获取景区客流相关数据，获取景区客流相关数据技术手段包括：电子票务系统、计数传感器、视频监控以及其他客流采集辅助技术等；电子票务系统为主要的数据获取来源，并通过视频监控的客流数据以及其它客流采集技术作为补充；计数传感器为在景区主出入口、分景点出入口的人行闸机上安装的接近开关或红外传感器，对经过的游客进行自动计数，并将计数信号反馈给电子票务系统。
其中，景区电子票务系统采集并存储的客流数据包括：核销数据、预约数据以及实名数据；核销数据包括游客实际核验门票过闸的数据，包括游客的入园过闸时间、出园过闸时间等；预约数据包括游客在线上平台的预约数据，包括预约者的身份信息、预约的来访时间段、预约票种等信息；实名数据包括游客预约、购票过程中提交的实名身份信息等信息。
具体的，如图2所示，获得景区特定日期的预测客流量的具体过程包括：
S11、获得特定日期对应的景区线上预约购票数量。
具体的，通过景区电子票务系统获取特定日期对应的景区线上预约购票数量与线上预约取消购票数量，计算获得特定日期对应的景区线上预约购票实际数量。
S12、获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例。
具体的，获取与特定日期邻近的一定时间段内景区历史线下购票总数与历史线上购票总数，计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例；景区购票总数为线上购票数据与线下购票数量之和。
S13、确定景区线上购票占景区购票总数比例第一修正系数。
具体的，获取与特定日期邻近的一定时间段内景区历史线下购票数量与历史线上购票数量，计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率；将获取的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率作为景区线上购票占景区购票总数比例第一修正系数。
S14、利用景区线上购票占景区购票总数比例第一修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行修正。
S15、获取特定日期对应的景区购票总数，即景区特定日期的预测客流量。
具体的，根据调整后的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例与特定日期对应的景区线上预约购票实际数量计算获取特定日期对应的景区购票总数，特定日期对应的景区购票总数为预测的景区日流量，具体公式如下：
式中，Ed表示特定日期对应的景区购票总数；∑Ns表示特定日期对应的景区线上预约购票数量，∑Nt表示特定日期对应的景区线上预约取消购票数量；∑Nxn表示与特定日期邻近的一定时间段内景区历史线下购票总数，∑NSn表示与特定日期邻近的一定时间段内景区历史线上购票总数；I1表示景区线上购票占景区购票总数比例第一修正系数。
本实施例中，景区线上预约购票数量与景区线上预约取消购票数量均包括各大线上售票平台的预约数量与预约取消数量，各大线上售票平台包括OTA平台、微信平台、抖音平台、官网预约平台、年卡平台等；景区线下购票数量包括线下售票窗口、自助机售取票机上位购票数量；与特定日期邻近的一定时间段内景区历史线下购票总数设置为特定日期前三个月的历史线下售票窗口、自助机售取票机有效购票数量，即∑Nx3；与特定日期邻近的一定时间段内景区历史线上购票总数设置为特定日期前三个月的历史线上各OTA平台、微信平台、抖音平台、官网预约平台、年卡平台渠道有效购票数量，即∑NS3；与特定日期邻近的一定时间段内景区历史线上线下购票数量也可设置为特定日期的历史同期所在月份或者所在年份的历史线上线下购票数量。
此外，为了提升景区特定日期的预测客流量的精准性，还包括：
获取不同天气条件下历史景区线上购票数量与历史景区线下购票数量，计算获得不同天气条件下历史景区线上购票占景区购票总数比例的变化率；具体的，本实施例中分别获取特定日期前一年内晴天、阴雨天、台风天等条件下历史景区线上线下购票数量，以晴天条件下平均历史景区线上购票占景区购票总数比例为基础，分别计算阴雨天、台风天条件下平均历史景区线上购票占景区购票总数比例相对于晴天条件下平均历史景区线上购票占景区购票总数比例的变化率，阴雨天、台风天条件下历史景区线上购票占景区购票总数比例变化率作为对应天气条件下景区线上购票占景区购票总数比例修正系数。
获取不同节假日条件下历史景区线上购票数量与历史景区线下购票数量，计算获得不同假期情况条件下历史景区线上购票占景区购票总数比例的变化率；具体的，本实施例中分别获取特定日期前一年内假期低于三天、假期时长为三天、假期时长为五天以及假期时长为五天以上条件下历史景区线上线下购票数量，以假期低于三天条件下平均历史景区线上购票占景区购票总数比例为基础，分别计算假期时长为三天、假期时长为五天以及假期时长为五天以上条件下平均历史景区线上购票占景区购票总数比例相对于假期低于三天条件下平均历史景区线上购票占景区购票总数比例的变化率，假期时长为三天、假期时长为五天以及假期时长为五天以上条件下历史景区线上购票占景区购票总数比例变化率作为对应假期条件下景区线上购票占景区购票总数比例修正系数。
获取不同线上线下促销活动条件下历史景区线上购票数量与历史景区线下购票数量，计算获得不同线上线下促销活动条件下历史景区线上购票占景区购票总数比例的变化率；具体的，本实施例中分别获取特定日期前一年内未推出线上线下促销套餐、推出不同线上线下促销套餐条件下历史景区线上线下购票数量，以未推出线上线下促销套餐条件下平均历史景区线上购票占景区购票总数比例为基础，分别计算推出不同线上线下促销套餐条件下平均历史景区线上购票占景区购票总数比例相对于未推出线上线下促销套餐条件下平均历史景区线上购票占景区购票总数比例的变化率，推出不同线上线下促销套餐条件下历史景区线上购票占景区购票总数比例变化率作为对应线上线下促销活动条件下景区线上购票占景区购票总数比例修正系数。
基于不同条件下历史景区线上购票占景区购票总数比例的变化率构建景区线上购票占景区购票总数比例第二修正系数，景区线上购票占景区购票总数比例第二修正系数具体为：
I2＝ω1i1+ω2i2+ω3i3
式中，I2表示景区线上购票占景区购票总数比例第二修正系数；i1表示天气因素对应的景区线上购票占景区购票总数比例修正系数；i2表示节假日因素对应的景区线上购票占景区购票总数比例修正系数；i3表示线上线下促销活动对应的景区线上购票占景区购票总数比例修正系数；ω1表示天气因素对应的景区线上购票占景区购票总数比例修正系数的权重；ω2表示节假日因素对应的景区线上购票占景区购票总数比例修正系数的权重；ω3表示线上线下促销活动对应的景区线上购票占景区购票总数比例修正系数的权重。
确定特定日期景区对应的天气情况、是否处于节假日情况、是否存在线上线下促销活动情况，对应获取景区线上购票占景区购票总数比例第二修正系数；例如：特定日期的天气为阴雨天、未处于节假日且未推出任何线上线下活动，则I2＝ω1i1+0+0，i1为阴雨天对应的历史景区线上购票占景区购票总数比例变化率。
利用景区线上购票占景区购票总数比例第一修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行调整后，继续根据景区线上购票占景区购票总数比例第二修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行二次调整，根据调整后的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例与特定日期对应的景区线上预约购票实际数量计算获取特定日期对应的景区购票总数，即：
式中，Ed’表示景区线上购票占景区购票总数比例经过二次调整后获取的特定日期对应的景区购票总数。
S2、实时获取景区特定日期的实际在园客流量。
S3、实时判断实际在园客流量是否大于预测客流量。
具体的，若实际在园客流量大于预测客流量，则转至S4；否则，转至S5。
S4、生成预警提示信息并执行预设应急预案完成景区实时客流管控。
具体的，预警提示信息包括第一预警等级提示信息与第二预警等级提示信息；当实际在园客流量大于预测客流量且实际在园客流量与预测客流量的差值大于第一客流量预设值，对应生成第一预警等级提示信息，第一预警等级提示信息对应的预设应急预案为第一应急预案，即增加景区服务资源配置，如：增加景区入口观光车的数量，开启未运行的景区入口检票闸机等；
当实际在园客流量大于预测客流量且实际在园客流量与预测客流量的差值大于第二客流量预设值，对应生成第二预警等级提示信息，第二预警等级提示信息对应的预设应急预案为第二应急预案，第二应急预案表明当前景区服务资源配置已经达到最大的服务配置，则开启限流措施，如：当前时段禁止进入景区等。
S5、不执行任何管控操作。
如图3所示，所述方法还包括：针对景区内各园区进行实时客流的管控，具体过程包括：
S61、获取景区内各园区实时在园人数，判断各园区实时在园人数是否达到对应园区瞬时最大承载量。
具体的，景区内包括多个园区，每个园区设置多个通道口，每个通道口设置有通行闸机。根据各通道口通行闸机采集数据，计算出实时在园人数；具体单个园区内实时在园人数获取公式为：
Nz＝∑Nr-∑Nc
式中：Nz表示实时在园人数；Nr表示园区每个通道口的入园人数；Nc表示园区每个通道口的出园人数。
S62、针对实时在园人数达到园区瞬时最大承载量的园区，生成园区暂停通行的提示信息。
S63、针对实时在园人数未达到园区瞬时最大承载量的园区，生成舒适度等级提示信息。
针对实时在园人数未达到园区瞬时最大承载量的园区，对应计算园区的舒适度指数；根据各园区舒适度指数大小判定各园区的舒适度等级，对应生成舒适度等级提示信息；所述的舒适度等级包括舒适、较为舒适、一般、较为拥挤以及拥挤；
具体的，所述舒适度指数计算公式为：
式中，Si表示舒适度指数；C1为园区瞬时最大承载量，该数据经过科学测算，并经上级主管部门核定公布；
本实施例中，Si计算结果取百分比，设定舒适度指数与舒适度等级的对应关系为：舒适(0～20％)，较舒适(20％～40％)，一般(40％～60％)，较拥挤(60％～80％)，拥挤(80％及以上)。
S64、将各园区对应的园区暂停通行的提示信息或舒适度等级提示信息显示于景区内的信息发布屏上或发送至游客移动终端。
具体的，景区主入口，票务中心，各景点、场馆、交通节点周边道路设置有信息发布屏，景区票务系统中存储有游客预留的移动终端信息；此外，还可以将各园区对应的园区暂停通行的提示信息或舒适度等级提示信息显示于景区官网或公众号或通过园区广播播放提示信息。
此外，如图4所示，所述方法还包括：
针对实时在园人数达到园区瞬时最大承载量的园区，生成园区暂停通行的提示信息的同时计算园区等候时间以及园区等候时间对应的允许通行人数；具体包括：
S71、获取实时在园人员的入园时间，计算在园人员的游览时长。
具体的，获取景区电子票务系统中实时在园人员的入园时间，计算每个在园人员的游客时长。
S72、设置多个等候时间，每个等候时间对应匹配一个在园人员标准游览时长。
具体的，所述在园人员标准游览时长基于园区平均游览时长设置的；本实施例中，设置第一等候时间、第二等候时间、第三等候时间以及第四等候时长，第一等候时间对应匹配第一在园人员标准游览时长，第一在园人员标准游览时长范围为大于园区平均游览时长的90％,；第二等候时间对应匹配第二在园人员标准游览时长，第二在园人员标准游览时长范围为园区平均游览时长的80％-90％；第三等候时间对应匹配第三在园人员标准游览时长，第三在园人员标准游览时长范围为园区平均游览时长的70％-80％；第四等候时长对应匹配第四在园人员标准游览时长，第四在园人员标准游览时长的范围为小于园区平均游览时长的70％。
S73、获取园区等候时间以及园区等候时间对应的允许通行人数。
具体的，当在园人员游览时长达到在园人员标准游览时长，则获得对应等候时间并统计在园人员游览时长达到在园人员标准游览时长的人数，记为第一允许通行人数；
例如：在园人员游览时长达到第一在园人员标准游览时长的人数具有15人，即第一允许通行人数为15人，第一等候时间对应第一允许通行的人数为15人。
自园区内且靠近园区出口位置区域划分若干特定区域，每个特定区域的平均游览时长对应匹配一个等候时间；
本实施例中，划分有第一特定区域、第二特定区域、第三特定区域以及第四特定区域，第一特定区域平均游览时长为第一等候时间，第二特定区域平均游览时长为第二等候时间，第三特定区域平均游览时长为第三等候时间，第四特定区域平均游览时长为第四等候时间。
获取特定区域的监控图像并进行人员图像识别，根据识别结果统计位于特定区域内的人数，记为第二允许通行人数；
例如：获取第一特定区域的监控图像并进行人员图像识别，获取第二允许通行人数20人，第一等候时间对应第二允许通行人数为20人；
获取特定等候时间对应的第一允许通行人数与第二允许通行人数，将第一允许通行人数与第二允许通行人数平均值取整作为特定等候时间对应的允许通行人数。
例如：第一等候时间对应第一允许通行人数为15人，第一等候时间对应第二允许通行人数为20人，计算获得第一等候时间对应的允许通行人数为17人。
S74、将园区等候时间与及园区等候时间对应的允许通行人数显示于景区内的信息发布屏上或发送至游客移动终端。
此外，所述方法还包括：
当游客达到园区时园区的舒适度较差，根据用户的选择为其提供替换园区的信息，从而提高游客的游玩体验。
具体的，若园区舒适度等级为较为拥挤或拥挤，且监测到园区通道闸口接收到开启请求时，通过园区通道闸口显示屏显示当前园区舒适等级以及是否意愿更换观光园区选项；接收到意愿更换观光园区信息时，根据各园区的舒适度等级、各园区之间的距离以及各园区之间路况信息确定替换园区，并将替换园区信息显示于园区通道闸口显示屏。
所述根据各园区的舒适度等级、各园区之间的距离以及各园区之间路况信息确定替换园区具体包括：
根据各园区舒适度等级筛选出舒适度等级为舒适或较舒适或一般的园区；
分别获取筛选出的各园区与当前待替换园区的距离，保留距离处于预设距离内的园区；
确定保留的各园区与当前待替换园区之间的通行路径，分别获取保留的各园区与当前待替换园区之间的通行路径的路况信息，所述路况信息包括人流密度、通行路径宽度信息等信息；筛选出人流密度小于预设人流密度的通行路径，若存在多条人流密度小于预设人流密度的通行路径，则将筛选后的每条通行路径按照路径宽度大小进行排列，
选择排在前n名的通行路径，对应获取n个园区作为替换园区，n为正常数。
通过上述条件获取替换园区，保证游客在转至替换园区的通行路径人流密度处于较为舒适和安全的范围，通行路径宽度越大，更好的分散了园区的游客流量，实现更为高效的客流管控。
此外，为了尽可能满足游客的游览需求，选择的园区应当与当前待替换园区内容相近，故根据各园区之间的距离进行园区筛选后，根据各园区之间路况信息进行园区筛选前，获取保留的距离处于预设距离内的园区与当前待替换园区的关联度，保留关联度大于关联度预设值的园区；关联度通过计算园区内展览内容的相似度获取。
此外，所述方法还包括：
根据园区舒适度等级设置不同预警等级，并针对不同的预警等级匹配相应的应急预案；获取各园区舒适度等级，根据园区舒适度等级对应的预警等级执行相应的应急预案。
本实施例中，当舒适度等级为舒适或较为舒适或一般时，不设置预警等级；当舒适度等级为较拥挤时，对应设置橙色预警等级，对应执行橙色预警等级匹配的第三应急预案；当舒适度等级为拥挤时，对应设置红色预警等级，对应执行红色预警等级匹配的第四应急预案。
如图5所示，本申请实施例公开提供一种景区客流分析与管控系统，包括：
景区客流数据采集模块101，用于实时获取景区特定日期的实际在园客流量；取特定日期对应的景区线上预约购票实际数量；获取与特定日期邻近的一定时间段内景区历史线下购票总数与历史线上购票总数；获取与特定日期邻近的一定时间段内景区历史线下购票数量与历史线上购票数量；获取景区内各园区实时在园人数与园区瞬时最大承载量；获取特定区域的监控图像；获取景区内各园区之间的距离以及各园区之间路况信息；获取园区通道闸口开启请求、意愿更换观光园区信息；
景区客流分析模块102，包括景区客流量预测模块201、景区实时客流提示信息生成模块202、等候时间与允许通行人数获取模块203、替换园区获取模块204。
景区客流量预测模块201，用于根据与特定日期邻近的一定时间段内景区历史线下购票总数与历史线上购票总数，计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例；根据与特定日期邻近的一定时间段内景区历史线下购票数量与历史线上购票数量计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率；根据获取的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率确定景区线上购票占景区购票总数比例第一修正系数；利用景区线上购票占景区购票总数比例第一修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行调整；根据调整后的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例、特定日期对应的景区线上预约购票实际数量计算获取特定日期对应的景区线上线下预约购票总数，特定日期对应的景区线上线下预约购票总数为景区特定日期的预测客流量；景区实时客流提示信息生成模块202，用于判断各园区实时在园人数是否达到园区瞬时最大承载量；针对实时在园人数达到园区瞬时最大承载量的园区，生成园区暂停通行的提示信息；针对实时在园人数未达到园区瞬时最大承载量的园区，对应计算园区的舒适度指数；所述舒适度指数为实时在园人数与当前园区瞬时最大承载量的比值；根据各园区舒适度指数大小判定各园区的舒适度等级，对应生成舒适度等级提示信息；所述的舒适度等级包括舒适、较为舒适、一般、较为拥挤以及拥挤。
等候时间与允许通行人数获取模块203，用于针对实时在园人数达到园区瞬时最大承载量的园区，生成园区暂停通行的提示信息的同时计算园区等候时间以及园区等候时间对应的允许通行人数；
所述计算园区等候时间以及园区等候时间对应的允许通行人数包括：获取实时在园人员的入园时间，计算在园人员的游览时长；设置多个等候时间，每个等候时间对应匹配在园人员标准游览时长/时段；当在园人员游览时长达到在园人员标准游览时长，则获得对应等候时间并统计在园人员游览时长达到在园人员标准游览时长的人数，记为第一允许通行人数；自园区内且靠近园区出口位置区域划分若干特定区域，每个特定区域的平均游览时长对应匹配一个等候时间；根据获取特定区域的监控图像并进行人员图像识别，根据识别结果统计位于特定区域内的人数，记为第二允许通行人数；获取特定等候时间对应的第一允许通行人数与第二允许通行人数，将第一允许通行人数与第二允许通行人数平均值作为特定等候时间对应的允许通行人数。
替换园区获取模块204，用于若园区舒适度等级为较为拥挤或拥挤，且监测到园区通道闸口接收到开启请求时，通过园区通道闸口显示屏显示当前园区舒适等级以及是否意愿更换观光园区选项；接收到意愿更换观光园区信息时，根据各园区的舒适度等级、各园区之间的距离以及各园区之间路况信息确定替换园区；
所述根据各园区的舒适度等级、各园区之间的距离以及各园区之间路况信息确定替换园区具体包括：根据各园区舒适度等级筛选出舒适度等级为舒适或较舒适或一般的园区；分别获取筛选出的各园区与当前待替换园区的距离，保留距离处于预设距离内的园区；分别获取保留的各园区与当前待替换园区之间的通行路径的路况信息，所述路况信息包括人流密度、通行路径宽度信息；筛选出人流密度小于预设人流密度的通行路径，若存在多条人流密度小于预设人流密度的通行路径，则将筛选后的每条通行路径按照路径宽度大小进行排列，选择排在前n名的通行路径，对应获取n个园区作为替换园区，n为正常数。
景区客流管控模块103，包括第一客流管控模块301、第二客流管控模块302；
第一客流管控模块301，用于实时判断实际在园客流量是否大于预测客流量，若大于，则生成预警提示信息并执行预设应急预案完成景区实时客流管控；否则，不执行任何管控操作。
第二客流管控模块302，用于将各园区对应的园区暂停通行的提示信息或舒适度等级提示信息显示于景区内的信息发布屏上或发送至游客移动终端；还用于将园区等候时间与允许通行人数显示于景区内的信息发布屏上或发送至游客移动终端；还用于将替换园区信息显示于园区通道闸口显示屏；还用于根据园区舒适度等级设置不同预警等级，并针对不同的预警等级匹配相应的应急预案；获取各园区舒适度等级，根据园区舒适度等级对应的预警等级执行相应的应急预案。
在一个实施例中，景区日流量预测模块201，还用于：获取不同天气、不同节假日以及不同线上线下促销活动条件下的历史景区线上线下购票数量，计算获得不同条件下历史景区线上购票占景区购票总数比例的变化率；根据不同条件下历史景区线上购票占景区购票总数比例的变化率确定景区线上购票占景区购票总数比例第二修正系数；确定特定日期景区的天气、处于节假日情况、存在线上线下促销活动情况，对应获取景区线上购票占景区购票总数比例第二修正系数；利用景区线上购票占景区购票总数比例第一修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行调整后，继续根据景区线上购票占景区购票总数比例第二修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行二次调整。
本申请实施例还公开一种计算机可读存储介质。
具体来说，该计算机可读存储介质，其存储有能够被处理器加载并执行如上述景区客流分析与管控方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
其中，计算机程序可以存储于计算机可读介质中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等，计算机可读介质包括能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM)、随机存取存储器(RAM)、电载波信号、电信信号以及软件分发介质等，需要说明的是，计算机可读介质包括但不限于上述元器件。
本申请实施例还公开一种计算机设备。
具体来说，计算机设备包括存储器和处理器，存储器上存储有能够被处理器加载并执行上述景区客流分析与管控方法的计算机程序。
其中，处理器可以采用中央处理单元(CPU)，当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以采用微处理器或者任何常规的处理器等，本申请对此不做限制。

Claims (10)

1.一种景区客流分析与管控方法，其特征在于，包括：
完成景区特定日期的客流量预测，获得特定日期的预测客流量；
实时获取景区特定日期的实际在园客流量；
实时判断实际在园客流量是否大于预测客流量，若大于，则生成预警提示信息并执行预设应急预案完成景区实时客流管控；否则，不执行任何管控操作；
所述完成景区特定日期的客流量预测包括：
获取特定日期对应的景区各线上预约购票实际数量；
获取与特定日期邻近的一定时间段内景区历史线下购票总数与历史线上购票总数，计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例；
获取与特定日期邻近的一定时间段内景区历史线下购票数量与历史线上购票数量，计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率；根据获取的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率确定景区线上购票占景区购票总数比例第一修正系数；
利用景区线上购票占景区购票总数比例第一修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行调整；根据调整后的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例、特定日期对应的景区线上预约购票实际数量计算获取特定日期对应的景区购票总数，特定日期对应的景区购票总数为景区特定日期的预测客流量。
2.根据权利要求1所述的景区客流分析与管控方法，其特征在于，所述完成景区特定日期的客流量预测还包括：
获取不同天气、不同节假日以及不同线上线下促销活动条件下的历史景区线上购票数量与历史景区线下购票数量，计算获得不同条件下的历史景区线上购票占景区购票总数比例的变化率；
根据不同条件下的历史景区线上购票占景区购票总数比例的变化率确定景区线上购票占景区购票总数比例第二修正系数，景区线上购票占景区购票总数比例第二修正系数具体为：
I2＝ω1i1+ω2i2+ω3i3
式中，I2表示景区线上购票占景区购票总数比例第二修正系数；i1表示天气因素对应的景区线上购票占景区购票总数比例修正系数；i2表示节假日因素对应的景区线上购票占景区购票总数比例修正系数；i3表示线上线下促销活动对应的景区线上购票占景区购票总数比例修正系数；ω1表示天气因素对应的景区线上购票占景区购票总数比例修正系数的权重；ω2表示节假日因素对应的景区线上购票占景区购票总数比例修正系数的权重；ω3表示线上线下促销活动对应的景区线上购票占景区购票总数比例修正系数的权重；
确定特定日期对应的景区的天气情况、是否处于节假日情况、是否存在线上线下促销活动情况，对应获取景区线上购票占景区购票总数比例第二修正系数；
利用景区线上购票占景区购票总数比例第一修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行调整后，继续根据景区线上购票占景区购票总数比例第二修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行二次调整。
3.根据权利要求1所述的景区客流分析与管控方法，其特征在于，还包括：
获取景区内各园区实时在园人数，判断各园区实时在园人数是否达到园区瞬时最大承载量；针对实时在园人数达到园区瞬时最大承载量的园区，生成园区暂停通行的提示信息；
针对实时在园人数未达到园区瞬时最大承载量的园区，对应计算园区的舒适度指数；所述舒适度指数为实时在园人数与园区瞬时最大承载量的比值；根据各园区舒适度指数大小判定各园区的舒适度等级，对应生成舒适度等级提示信息；所述的舒适度等级包括舒适、较为舒适、一般、较为拥挤以及拥挤；
将各园区对应的园区暂停通行的提示信息或舒适度等级提示信息显示于景区内的信息发布屏上或发送至游客移动终端。
4.根据权利要求3所述的景区客流分析与管控方法，其特征在于，还包括：
针对实时在园人数达到园区瞬时最大承载量的园区，生成园区暂停通行的提示信息的同时计算园区等候时间以及园区等候时间对应的允许通行人数；将园区等候时间与允许通行人数显示于景区内的信息发布屏上或发送至游客移动终端；
所述计算园区等候时间以及园区等候时间对应的允许通行人数包括：
获取实时在园人员的入园时间，计算在园人员的游览时长；
设置多个等候时间，每个等候时间对应匹配在园人员标准游览时长；
当在园人员游览时长达到在园人员标准游览时长，则获得对应等候时间并统计在园人员游览时长达到在园人员标准游览时长的人数，记为第一允许通行人数；
自园区内且靠近园区出口位置区域划分若干特定区域，每个特定区域的平均游览时长对应匹配一个等候时间；
获取特定区域的监控图像并进行人员图像识别，根据识别结果统计位于特定区域内的人数，记为第二允许通行人数；
获取特定等候时间对应的第一允许通行人数与第二允许通行人数，将第一允许通行人数与第二允许通行人数平均值作为特定等候时间对应的允许通行人数。
5.根据权利要求3所述的景区客流分析与管控方法，其特征在于，还包括：
若园区舒适度等级为较为拥挤或拥挤，且监测到园区通道闸口接收到开启请求时，通过园区通道闸口显示屏显示当前园区舒适等级以及是否意愿更换观光园区选项；
接收到意愿更换观光园区信息时，根据各园区的舒适度等级、各园区之间的距离以及各园区之间路况信息确定替换园区，并将替换园区信息显示于园区通道闸口显示屏；
所述根据各园区的舒适度等级、各园区之间的距离以及各园区之间路况信息确定替换园区具体包括：
根据各园区舒适度等级筛选出舒适度等级为舒适或较为舒适或一般的园区；
获取筛选出的各园区与当前待替换园区的距离，保留距离处于预设距离内的园区；
确定保留的各园区与当前待替换园区之间的通行路径，分别获取保留的各园区与当前待替换园区之间的通行路径的路况信息，所述路况信息包括人流密度、通行路径宽度信息；
筛选出人流密度小于预设人流密度的通行路径，若存在多条人流密度小于预设人流密度的通行路径，则将筛选后的每条通行路径按照路径宽度大小进行排列，
选择排在前n名的通行路径，获取对应的n个园区作为替换园区，n为正常数。
6.根据权利要求3所述的景区客流分析与管控方法，其特征在于，还包括：
根据园区舒适度等级设置不同预警等级，并针对不同的预警等级匹配相应的应急预案；获取各园区舒适度等级，根据园区舒适度等级对应的预警等级执行相应的应急预案。
7.一种景区客流分析与管控系统，其特征在于，包括：
景区客流数据采集模型，用于实时获取景区特定日期的实际在园客流量；获取特定日期对应的景区线上预约购票实际数量；获取与特定日期邻近的一定时间段内景区历史线下购票总数与历史线上购票总数；获取与特定日期邻近的一定时间段内景区历史线下购票数量与历史线上购票数量；获取景区内各园区实时在园人数与园区瞬时最大承载量；
景区客流分析模块，包括景区客流量预测模块，用于根据与特定日期邻近的一定时间段内景区历史线下购票总数与历史线上购票总数，计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例；根据与特定日期邻近的一定时间段内景区历史线下购票数量与历史线上购票数量计算获得与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率；根据获取的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例平均变化率确定景区线上购票占景区购票总数比例第一修正系数；利用景区线上购票占景区购票总数比例第一修正系数对与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例进行调整；根据调整后的与特定日期邻近的一定时间段内景区线上购票占景区购票总数的比例、特定日期对应的景区线上预约购票实际数量计算获取特定日期对应的景区线上线下预约购票总数，特定日期对应的景区线上线下预约购票总数为景区特定日期的预测客流量；
景区客流管控模块，包括第一客流管控模块，用于实时判断实际在园客流量是否大于预测客流量，若大于，则生成预警提示信息并执行预设应急预案完成景区实时客流管控；否则，不执行任何管控操作。
8.根据权利要求7所述的景区客流分析与管控系统，其特征在于，所述景区客流分析模块，还包括景区实时客流提示信息生成模块，用于判断各园区实时在园人数是否达到园区瞬时最大承载量；针对实时在园人数达到园区瞬时最大承载量的园区，生成园区暂停通行的提示信息；针对实时在园人数未达到园区瞬时最大承载量的园区，对应计算园区的舒适度指数；所述舒适度指数为实时在园人数与当前园区瞬时最大承载量的比值；根据各园区舒适度指数大小判定各园区的舒适度等级，对应生成舒适度等级提示信息；所述的舒适度等级包括舒适、较为舒适、一般、较为拥挤以及拥挤；
所述景区客流管控模块，还包括第二客流管控模块，用于将各园区对应的园区暂停通行的提示信息或舒适度等级提示信息显示于景区内的信息发布屏上或发送至游客移动终端。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的方法。
10.一种计算机设备，其特征在于，包括存储器、处理器及在所述存储器上存储并可运行的程序，所述程序被处理器执行时实现如权利要求1至6中任一项所述方法的步骤。
CN202311373069.4A 2023-10-20 2023-10-20 一种景区客流分析与管控的方法及系统 Pending CN117592638A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311373069.4A CN117592638A (zh) 2023-10-20 2023-10-20 一种景区客流分析与管控的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311373069.4A CN117592638A (zh) 2023-10-20 2023-10-20 一种景区客流分析与管控的方法及系统

Publications (1)

Publication Number Publication Date
CN117592638A true CN117592638A (zh) 2024-02-23

Family

ID=89912301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311373069.4A Pending CN117592638A (zh) 2023-10-20 2023-10-20 一种景区客流分析与管控的方法及系统

Country Status (1)

Country Link
CN (1) CN117592638A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899650A (zh) * 2015-05-26 2015-09-09 成都中科大旗软件有限公司 基于多源数据分析对旅游景区客流量进行预测的方法
CN206292863U (zh) * 2016-08-31 2017-06-30 浙江铭盛科技有限公司 智慧旅游综合管理平台
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
CN110148025A (zh) * 2019-05-22 2019-08-20 郑州智通互联电子有限公司 一种基于大数据的景区智能售票系统
CN111860992A (zh) * 2020-07-13 2020-10-30 上海云角信息技术有限公司 客流量预测方法、装置、设备及存储介质
CN112988847A (zh) * 2021-04-20 2021-06-18 广东智九信息科技有限公司 一种基于大数据的景区人数预测系统以及方法
JP2022034358A (ja) * 2020-08-18 2022-03-03 東日本旅客鉄道株式会社 混雑予測装置、混雑予測システム、混雑予測方法及び混雑予測プログラム
US20230062565A1 (en) * 2020-12-25 2023-03-02 Casco Signal Co., Ltd. Intelligent dispatching method and system for rail transit
CN115907181A (zh) * 2022-12-01 2023-04-04 郑州铁路职业技术学院 一种城市轨道交通乘客流量预测方法及系统
GB2615888A (en) * 2022-01-07 2023-08-23 Univ Guilin Technology Method for predicting tourist flow in scenic area in real time based on tourists' spatio-temporal behavior pattern mining

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899650A (zh) * 2015-05-26 2015-09-09 成都中科大旗软件有限公司 基于多源数据分析对旅游景区客流量进行预测的方法
CN206292863U (zh) * 2016-08-31 2017-06-30 浙江铭盛科技有限公司 智慧旅游综合管理平台
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
CN110148025A (zh) * 2019-05-22 2019-08-20 郑州智通互联电子有限公司 一种基于大数据的景区智能售票系统
CN111860992A (zh) * 2020-07-13 2020-10-30 上海云角信息技术有限公司 客流量预测方法、装置、设备及存储介质
JP2022034358A (ja) * 2020-08-18 2022-03-03 東日本旅客鉄道株式会社 混雑予測装置、混雑予測システム、混雑予測方法及び混雑予測プログラム
US20230062565A1 (en) * 2020-12-25 2023-03-02 Casco Signal Co., Ltd. Intelligent dispatching method and system for rail transit
CN112988847A (zh) * 2021-04-20 2021-06-18 广东智九信息科技有限公司 一种基于大数据的景区人数预测系统以及方法
GB2615888A (en) * 2022-01-07 2023-08-23 Univ Guilin Technology Method for predicting tourist flow in scenic area in real time based on tourists' spatio-temporal behavior pattern mining
CN115907181A (zh) * 2022-12-01 2023-04-04 郑州铁路职业技术学院 一种城市轨道交通乘客流量预测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HENG ZHANG，等: "Multi-time granularity subway line network short-time OD passenger flow forecasting based on LightGBM model", 《PROC. SPIE 12593, SECOND GUANGDONG-HONG KONG-MACAO GREATER BAY AREA ARTIFICIAL INTELLIGENCE AND BIG DATA FORUM》, 16 March 2023 (2023-03-16), pages 125931, XP060174433, DOI: 10.1117/12.2672715 *
徐硕: "基于多特征融合的景区客流预测", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 02, 15 February 2023 (2023-02-15), pages 140 - 699 *
金悦奇，等: "基于大数据的景区客流量预测系统设计", 《中国市场》, no. 16, 31 December 2017 (2017-12-31), pages 322 - 324 *

Similar Documents

Publication Publication Date Title
US11859988B2 (en) Detecting the number of vehicle passengers
US11797915B2 (en) Network computer system to make effort-based determinations for delivery orders
Ashkrof et al. Understanding ride-sourcing drivers' behaviour and preferences: Insights from focus groups analysis
DE112018007300T5 (de) Routenführung mit wahrnehmung der umgebung
WO2018087811A1 (ja) 交通システム、ダイヤ提案システム及び車両運行システム
Sánchez-Martínez Inference of public transportation trip destinations by using fare transaction and vehicle location data: Dynamic programming approach
US11301948B2 (en) Parking continuity with unused duration between automated vehicles
US10593005B2 (en) Dynamic forecasting for forward reservation of cab
JP5931188B2 (ja) 交通経路分担率制御システム及び交通経路分担率制御方法
US9123246B2 (en) Parking guidance system and method based on vehicle human occupancy
WO2018140505A1 (en) Systems and methods for vehicle ridesharing
FR3033439A1 (fr) Resource management
CN109961164A (zh) 客流量预测方法及装置
CN110969425A (zh) 用于多支路旅程的付款卡
JP6675860B2 (ja) データ処理方法およびデータ処理システム
CN108109082A (zh) 一种旅游管理方法及系统
CN107945088A (zh) 一种景区管理方法及系统
WO2019203804A1 (en) Intelligent itinerary option sorting
CN109543575A (zh) 基于行为轨迹和动态多维度信息反馈激发大数据的方法和区域多维度探测反馈组合设备
CN109583634A (zh) 一种基于现代投资组合理论的外卖配送路径选择方法
CN116777685A (zh) 景区引导系统、方法、装置及管理服务器
CN117592638A (zh) 一种景区客流分析与管控的方法及系统
Fan et al. Optimising fleet sizing and management of shared automated vehicle (SAV) services: A mixed-integer programming approach integrating endogenous demand, congestion effects, and accept/reject mechanism impacts
DE102019126367A1 (de) Zahlungskarte für eine fahrt mit mehreren teilstrecken
Bhandari et al. Occupancy prediction at transit stops using ANN

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