【技術實現步驟摘要】
本專利技術涉及景區管理，更具體地說，本專利技術涉及景區人流量預測方法、系統、設備終端及其儲存介質。
技術介紹
1、在旺季高峰期，游客往往會像“流體”一樣在景區內流動，當某個功能區域出現擁擠時，游客會自然地向周邊區域擴散以緩解擁堵；而當某一區域相對空閑時，又會吸引游客自發地聚集；現有景區的人流監測與預測方法通常注重單一數據源或靜態測算，難以及時捕捉這種游客在不同區域間動態遷移、擁擠擴散與重新凝聚的過程，無法為景區管理提供對游客自組織遷移規律的準確刻畫。
2、現有技術中缺乏對景區各區域間游客自發擴散與凝聚規律的綜合分析，當高峰期出現擁擠時，往往無法有效預測游客的流動趨勢，這樣會導致景區管理對瞬時人流變化的應對手段滯后。
技術實現思路
1、為了克服現有技術的上述缺陷，本專利技術的實施例提供景區人流量預測方法、系統、設備終端及其儲存介質以解決上述
技術介紹
中提出的問題。
2、為實現上述目的，本專利技術提供如下技術方案：
3、景區人流量預測方法，包括如下步驟：
4、s1：采集多源游客行為數據，并對多源游客行為數據進行預處理；
5、s2：依據群體行為原理和地理信息系統數據，構建景區各功能區域的節點關系模型；
6、s3：基于節點關系模型和多源游客行為數據計算各功能區域的游客擁擠度參數，結合時間維度和空間維度生成功能區域的動態分布參數；
7、s4：將歷史人流量數據與實時監測數據進行比對分析，構建功能區域間的游客流動傳
8、s5：基于更新后的游客流動傳播矩陣結合功能區域的動態分布參數，對未來不同時段的景區人流量進行預測，生成功能區域內的時段性人流分布數據；
9、s6：基于功能區域內的時段性人流分布數據對功能區域內的游客密度進行分析，標記潛在人流高風險區域。
10、在一個優選的實施方式中，采集多源游客行為數據，并對多源游客行為數據進行預處理，包括：
11、多源游客行為數據包括視頻監控設備采集的圖像數據、游客智能終端的定位數據以及門票銷售系統的歷史交易數據；
12、對多源游客行為數據進行預處理：對多源游客行為數據中的異常值進行識別和剔除；對多源游客行為數據中的噪聲進行過濾以消除無關信息；對多源游客行為數據的時間戳進行同步以確保不同來源數據的時序一致性；對多源游客行為數據進行標準化處理以統一數據的格式和范圍。
13、在一個優選的實施方式中，依據群體行為原理和地理信息系統數據，構建景區各功能區域的節點關系模型，包括：
14、獲取景區的地理信息系統數據，地理信息系統數據包括功能區域的地理邊界信息、通行路徑信息及景區內重要地標位置數據；
15、基于地理信息系統數據將景區劃分為多個功能區域，功能區域通過通行路徑進行連接，記錄功能區域之間的鄰接關系和路徑屬性；
16、依據群體行為原理構建功能區域的節點關系模型，節點關系模型包括以下內容：將每個功能區域定義為節點關系模型中的一個節點；將功能區域之間的通行路徑定義為連接節點的邊，邊的屬性包括路徑長度、通行容量及擁堵系數；記錄每個功能區域的地理邊界、出入口位置及可通行方向。
17、在一個優選的實施方式中，基于節點關系模型和多源游客行為數據計算各功能區域的游客擁擠度參數，結合時間維度和空間維度生成功能區域的動態分布參數，包括：
18、計算功能區域的實時游客密度，實時游客密度為功能區域內當前游客數量與功能區域面積的比值；
19、通過分析游客在功能區域內的軌跡數據，計算游客在功能區域的平均停留時長；
20、按時間段劃分游客數據，生成各功能區域在不同時段的游客數量分布；
21、基于功能區域之間的鄰接關系和路徑屬性，計算功能區域與相鄰區域之間的游客流動比例；
22、基于功能區域的實時游客密度、游客流動比例及平均停留時長，綜合計算得到動態分布參數：將實時游客密度、游客流動比例及平均停留時長進行無量綱化處理，將實時游客密度、游客流動比例及平均停留時長分別賦予權重系數，將實時游客密度、游客流動比例的倒數及平均停留時長分別與其對應的權重系數相乘后進行相加，得到動態分布參數。
23、在一個優選的實施方式中，將歷史人流量數據與實時監測數據進行比對分析，構建功能區域間的游客流動傳播矩陣，并通過回歸算法對功能區域間的遷移權重進行動態優化和更新，包括：
24、獲取功能區域的歷史人流量數據與實時監測數據，按時間段和功能區域比對游客數量及流動變化；
25、基于實時監測數據統計功能區域之間的游客流動人數，并結合歷史人流量數據計算游客流動比例；
26、根據功能區域之間的鄰接關系與游客流動比例構建游客流動傳播矩陣，游客流動傳播矩陣中的元素表示相鄰功能區域間的游客流動關系；
27、基于游客流動傳播矩陣，利用回歸算法計算功能區域間的遷移權重，并根據實時監測數據動態優化權重，優化目標為遷移權重的預測誤差最小化。
28、在一個優選的實施方式中，基于更新后的游客流動傳播矩陣結合功能區域的動態分布參數，對未來不同時段的景區人流量進行預測，生成功能區域內的時段性人流分布數據，包括：
29、基于更新后的游客流動傳播矩陣構建預測模型，預測模型以功能區域之間的游客流動關系為輸入變量，以功能區域未來時段的游客數量為輸出變量；
30、將功能區域的歷史人流量數據與實時監測數據作為時間序列數據輸入預測模型，同時輸入功能區域的動態分布參數和游客流動傳播矩陣；
31、通過預測模型計算未來不同時段的功能區域人流量數據，包括各功能區域的未來游客數量及流動趨勢；
32、將預測得到的功能區域人流量數據按時間段記錄為時段性人流分布數據。
33、在一個優選的實施方式中，基于功能區域內的時段性人流分布數據對功能區域內的游客密度進行分析，標記潛在人流高風險區域，包括：
34、根據功能區域的面積和時段性人流分布數據，計算功能區域內的游客密度；
35、依據景區管理需求設定功能區域的高風險游客密度閾值，將計算得到的功能區域的游客密度與高風險密度閾值進行比對，將功能區域的游客密度大于高風險密度閾值的功能區域標記為潛在人流高風險區域。
36、另一方面，本專利技術提供景區人流量預測系統，包括：
37、多源數據處理模塊：采集多源游客行為數據，并對多源游客行為數據進行預處理；
38、功能區域建模模塊：依據群體行為原理和地理信息系統數據，構建景區各功能區域的節點關系模型；
39、動態參數生成模塊：基于節點關系模型和多源游客行為數據計算各功能區域的游客擁擠度參數，結合時間維度和空間維度生成功能區域的動態分布參數；
40、傳播矩陣優化模塊：將歷史人流量數據與實時監測數據進行比對分析，構建功能區本文檔來自技高網...
【技術保護點】
1.景區人流量預測方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的景區人流量預測方法，其特征在于，采集多源游客行為數據，并對多源游客行為數據進行預處理，包括：
3.根據權利要求1所述的景區人流量預測方法，其特征在于，依據群體行為原理和地理信息系統數據，構建景區各功能區域的節點關系模型，包括：
4.根據權利要求1所述的景區人流量預測方法，其特征在于，基于節點關系模型和多源游客行為數據計算各功能區域的游客擁擠度參數，結合時間維度和空間維度生成功能區域的動態分布參數，包括：
5.根據權利要求1所述的景區人流量預測方法，其特征在于，將歷史人流量數據與實時監測數據進行比對分析，構建功能區域間的游客流動傳播矩陣，并通過回歸算法對功能區域間的遷移權重進行動態優化和更新，包括：
6.根據權利要求1所述的景區人流量預測方法，其特征在于，基于更新后的游客流動傳播矩陣結合功能區域的動態分布參數，對未來不同時段的景區人流量進行預測，生成功能區域內的時段性人流分布數據，包括：
7.根據權利要求1所述的景區人流量預測方法，其特
8.景區人流量預測系統，用于實現權利要求1-7任一項所述的景區人流量預測方法，其特征在于，包括：
9.一種設備終端，其特征在于，設備終端包括：處理器、存儲器及存儲在存儲器上并可在處理器上運行的程序或指令，程序或指令被處理器執行時實現如權利要求1-7任一項所述的景區人流量預測方法。
10.一種計算機可讀存儲介質，其特征在于，計算機可讀存儲介質上存儲程序或指令，程序或指令被處理器執行時實現如權利要求1-7任一項所述的景區人流量預測方法。
...【技術特征摘要】
1.景區人流量預測方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的景區人流量預測方法，其特征在于，采集多源游客行為數據，并對多源游客行為數據進行預處理，包括：
3.根據權利要求1所述的景區人流量預測方法，其特征在于，依據群體行為原理和地理信息系統數據，構建景區各功能區域的節點關系模型，包括：
4.根據權利要求1所述的景區人流量預測方法，其特征在于，基于節點關系模型和多源游客行為數據計算各功能區域的游客擁擠度參數，結合時間維度和空間維度生成功能區域的動態分布參數，包括：
5.根據權利要求1所述的景區人流量預測方法，其特征在于，將歷史人流量數據與實時監測數據進行比對分析，構建功能區域間的游客流動傳播矩陣，并通過回歸算法對功能區域間的遷移權重進行動態優化和更新，包括：
6.根據權利要求1所述的景區人流量預測方法，...
【專利技術屬性】
技術研發人員：朱文忠，陳藝月，范雨婷，羅朝陽，蔣月，顏勝萍，
申請(專利權)人：四川輕化工大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。