一种景区客流预测的方法及装置制造方法及图纸

本发明专利技术公开了一种景区客流预测的方法及装置，该方法包括获取预测景区的参数信息，根据参数信息，确定预测景区的特征工程，将预测景区的特征工程输入至客流预测模型中，预测预测景区的客流，其中，客流预测模型是对景区的不同场景下的历史客流进行训练学习得到的，客流预测模型包括初级训练模型和次级训练模型。通过将特征工程数值至依据初级训练模型和次级训练模型学习得到的客流预测模型中，能够准确的预测到景区的客流，提高了预测准确性。

【技术实现步骤摘要】
一种景区客流预测的方法及装置
本专利技术实施例涉及客流预测
，尤其涉及一种景区客流预测的方法及装置。
技术介绍
景区客流量数据不仅可以反映景区历史和当前的游客承载量和分布情况，同时还为管理者对未来决策提供数据支持，提高经营效率。而提前做出足够精确的客流预测数据和分析，可以帮助景区管理者得出未来应对景区的一些措施和方案。因此，为了得到精确的景区客流预测数据，给景区管理者提供实行一些措施和方案时的有效依据，亟需一种多维度景区客流预测的方法。
技术实现思路
本专利技术实施例提供一种景区客流预测的方法及装置，用以提高景区客流预测的准确率。本专利技术实施例提供的一种景区客流预测的方法，包括：获取预测景区的参数信息；根据所述参数信息，确定所述预测景区的特征工程；将所述预测景区的特征工程输入至客流预测模型中，预测所述预测景区的客流，其中，所述客流预测模型是对景区的不同场景下的历史客流进行训练学习得到的，所述客流预测模型包括初级训练模型和次级训练模型。上述技术方案中，通过将特征工程数值至依据初级训练模型和次级训练模型学习得到的客流预测模型中，能够准确的预测到景区的客流，提高了预测准确性。可选的，所述对景区的不同场景下的客流进行训练学习得到所述客流预测模型，包括：获取景区的历史客流信息；在多个场景下按照预测粒度对所述历史客流进行分析，确定出特征集；针对所述特征集中每个特征，确定出每个特征对应的特征值，组成第一特征工程；对所述第一特征工程及其对应的历史客流进行模型训练，确定出所述客流预测模型。可选的，所述对所述第一特征工程及其对应的历史客流进行模型训练，确定出所述客流预测模型，包括：将所述第一特征工程及其对应的历史客流组成数据集；并将所述数据集分为初级训练数据和次级训练数据；使用多种基础算法对所述初级训练数据进行训练得到多个训练完成的基模型；根据所述次级训练数据和所述多个训练完成的基模型，进行次级训练，得到所述客流预测模型。可选的，所述根据所述次级训练数据和所述多个训练完成的基模型，进行次级训练，得到所述客流预测模型，包括：将所述次级训练数据分为训练集和验证集；将所述训练集分别输入至所述多个训练完成的模型，得到多个预测值；将所述多个预测值输入至线性回归模型进行次级训练，得到次级训练模型；使用所述验证集对所述次级训练模型进行评估，得到所述客流预测模型。可选的，所述使用所述验证集对所述次级训练模型进行评估，得到所述客流预测模型，包括：根据所述验证集使用R2误差法对所述次级训练模型进行评估，若评估值低于预期值，则重新确定所述第一特征工程，再进行模型训练，直到所述评估值大于等于预期值为止，得到所述客流预测模型。相应的，本专利技术实施例还提供了一种景区客流预测的装置，包括：获取单元，用于获取预测景区的参数信息；处理单元，用于根据所述参数信息，确定所述预测景区的特征工程；将所述预测景区的特征工程输入至客流预测模型中，预测所述预测景区的客流，其中，所述客流预测模型是对景区的不同场景下的历史客流进行训练学习得到的，所述客流预测模型包括初级训练模型和次级训练模型。可选的，所述处理单元具体用于：获取景区的历史客流信息；在多个场景下按照预测粒度对所述历史客流进行分析，确定出特征集；针对所述特征集中每个特征，确定出每个特征对应的特征值，组成第一特征工程；对所述第一特征工程及其对应的历史客流进行模型训练，确定出所述客流预测模型。可选的，所述处理单元具体用于：将所述第一特征工程及其对应的历史客流组成数据集；并将所述数据集分为初级训练数据和次级训练数据；使用多种基础算法对所述初级训练数据进行训练得到多个训练完成的基模型；根据所述次级训练数据和所述多个训练完成的基模型，进行次级训练，得到所述客流预测模型。可选的，所述处理单元具体用于：将所述次级训练数据分为训练集和验证集；将所述训练集分别输入至所述多个训练完成的模型，得到多个预测值；将所述多个预测值输入至线性回归模型进行次级训练，得到次级训练模型；使用所述验证集对所述次级训练模型进行评估，得到所述客流预测模型。可选的，所述处理单元具体用于：根据所述验证集使用R2误差法对所述次级训练模型进行评估，若评估值低于预期值，则重新确定所述第一特征工程，再进行模型训练，直到所述评估值大于等于预期值为止，得到所述客流预测模型。相应的，本专利技术实施例还提供了一种计算设备，包括：存储器，用于存储程序指令；处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述景区客流预测的方法。相应的，本专利技术实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述景区客流预测的方法。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种系统架构的示意图；图2为本专利技术实施例提供的一种景区客流预测的方法的流程示意图；图3为本专利技术实施例提供的一种特征工程构建的示意图；图4为本专利技术实施例提供的一种模型训练的示意图；图5为本专利技术实施例提供的一种初级训练模型的示意图；图6为本专利技术实施例提供的一种次级训练模型的示意图；图7为本专利技术实施例提供的一种景区客流预测的装置的结构示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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它实施例，都属于本专利技术保护的范围。图1示例性的示出了本专利技术实施例所适用的一种系统架构，该系统架构可以为服务器100，包括处理器110、通信接口120和存储器130。其中，通信接口120用于与终端设备进行通信，收发该终端设备传输的信息，实现通信。处理器110是服务器100的控制中心，利用各种接口和路线连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130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。存储器130可主要包括存储程序区和存储数据区，其中，存储程序区本文档来自技高网...

【技术保护点】
1.一种景区客流预测的方法，其特征在于，包括：/n获取预测景区的参数信息；/n根据所述参数信息，确定所述预测景区的特征工程；/n将所述预测景区的特征工程输入至客流预测模型中，预测所述预测景区的客流，其中，所述客流预测模型是对景区的不同场景下的历史客流进行训练学习得到的，所述客流预测模型包括初级训练模型和次级训练模型。/n

【技术特征摘要】
1.一种景区客流预测的方法，其特征在于，包括：
获取预测景区的参数信息；
根据所述参数信息，确定所述预测景区的特征工程；
将所述预测景区的特征工程输入至客流预测模型中，预测所述预测景区的客流，其中，所述客流预测模型是对景区的不同场景下的历史客流进行训练学习得到的，所述客流预测模型包括初级训练模型和次级训练模型。


2.如权利要求1所述的方法，其特征在于，所述对景区的不同场景下的客流进行训练学习得到所述客流预测模型，包括：
获取景区的历史客流信息；
在多个场景下按照预测粒度对所述历史客流进行分析，确定出特征集；
针对所述特征集中每个特征，确定出每个特征对应的特征值，组成第一特征工程；
对所述第一特征工程及其对应的历史客流进行模型训练，确定出所述客流预测模型。


3.如权利要求2所述的方法，其特征在于，所述对所述第一特征工程及其对应的历史客流进行模型训练，确定出所述客流预测模型，包括：
将所述第一特征工程及其对应的历史客流组成数据集；并将所述数据集分为初级训练数据和次级训练数据；
使用多种基础算法对所述初级训练数据进行训练得到多个训练完成的基模型；
根据所述次级训练数据和所述多个训练完成的基模型，进行次级训练，得到所述客流预测模型。


4.如权利要求3所述的方法，其特征在于，所述根据所述次级训练数据和所述多个训练完成的基模型，进行次级训练，得到所述客流预测模型，包括：
将所述次级训练数据分为训练集和验证集；
将所述训练集分别输入至所述多个训练完成的模型，得到多个预测值；
将所述多个预测值输入至线性回归模型进行次级训练，得到次级训练模型；
使用所述验证集对所述次级训练模型进行评估，得到所述客流预测模型。


5.如权利要求4所述的方法，其特征在于，所述使用所述验证集对所述次级训练模型进行评估，得到所述客流预测模型，包括：
根据所述验证集使用R2误差法对所述次级训练模型进行评估，若评估值低于预期值，则重新确定...

【专利技术属性】
技术研发人员：闾凡兵，向学文，
申请(专利权)人：贵阳海信网络科技有限公司，
类型：发明
国别省市：贵州;52