本发明专利技术涉及一种数据处理方法、装置及电子设备，其方法包括：确定区域内的智慧设备，其中，所述区域内的智慧设备包括智能垃圾桶、监控摄像头及智能停车场终端；获取基于各个智慧设备分别采集的原始数据，并对所述原始数据进行分析处理得到分析数据，其中，所述分析数据包括垃圾产生量、识别人员数量及识别车辆数量；将所述垃圾产生量、识别人员数量及识别车辆数量作为自变量，人流量作为因变量，建立人流量预测模型，以预测区域内的人流量。本发明专利技术降低了对人流量预测的预测成本，提高预测的精准性。准性。准性。
【技术实现步骤摘要】
数据处理方法、装置及电子设备
[0001]本专利技术涉及数据分析处理
，尤其涉及一种数据处理方法、装置及电子设备。
技术介绍
[0002]随着人们生活水平的提高，旅游的人次越来越多，仅依靠传统方法预测景区人流量明显不合理，也不便于及时根据预测人流量调整景区相关政策和安排工作人员。智慧+是一种对大场景下的一种新型处理方案，将现有的大数据和物联网技术相结合，对于生活中的数据可视化和智能化发展具有重要的作用。
[0003]在景区的大场景下，对人流量的预测往往依靠移动设备数量和大量的监控摄像头进行在线预测，但是单纯的依靠监控摄像头来对人流的检测需要大量的经济成本以及对人员的隐私权产生影响。
技术实现思路
[0004]有鉴于此，有必要提供一种数据处理方法、装置及电子设备，用以解决针对人流量检测只能通过移动端设备数量以及大量监控摄像头，并且采用大量监控摄像头导致检测成本过高及隐私安全问题。
[0005]为了解决上述问题，第一方面，本专利技术提供一种数据处理方法，应用于数据处理终端，包括：
[0006]确定区域内的智慧设备，其中，所述区域内的智慧设备包括智能垃圾桶、监控摄像头及智能停车场终端；
[0007]获取基于各个智慧设备分别采集的原始数据，并对所述原始数据进行分析处理得到分析数据，其中，所述分析数据包括垃圾产生量、识别人员数量及识别车辆数量；
[0008]将所述垃圾产生量、识别人员数量及识别车辆数量作为自变量，人流量作为因变量，建立人流量预测模型，以预测区域内的人流量。
[0009]进一步的，所述各个智慧设备分别采集的原始数据，包括：
[0010]基于智能垃圾桶采集的超声波传感器与垃圾的实际距离信息；
[0011]基于监控摄像头采集的图像信息；
[0012]基于智能停车场终端采集的车辆信息。
[0013]进一步的，所述对所述原始数据进行分析处理得到分析数据，包括：
[0014]确定超声波传感器到垃圾桶底部的第一距离信息，并基于所述第一距离信息与所述实际距离信息的比值确定当前垃圾产生量；
[0015]对所述图像信息进行人像识别，并确定识别人员数量。
[0016]对所述车辆信息进行统计，并确定识别车辆数量。
[0017]进一步的，所述建立人流量预测模型，以预测区域内的人流量，包括：
[0018]建立人流量第一预测模型，以预测区域内任一位置的第一人流量；
[0019]所述建立人流量第一预测模型，以预测区域内任一位置的第一人流量，具体包括：
[0020]对各个智慧设备设置动态加权权重值，并基于加权求和方式将各个动态加权权重值与垃圾产生量、识别人员数量及识别车辆数量分别进行结合，以确定区域内任一位置的第一人流量。
[0021]进一步的，所述建立人流量预测模型，以预测区域内的人流量，包括：
[0022]建立人流量第二预测模型，以预测区域内任一街道的第二人流量；
[0023]所述建立人流量第二预测模型，以预测区域内任一街道的第二人流量，具体包括：
[0024]确定任一街道上至少两个位置的第三人流量、辅助街道数及每一辅助街道上的人数；
[0025]将所述至少两个位置的第三人流量、辅助街道数及每一辅助街道上的人数输入预设预测公式中，以确定预测区域内任一街道的第二人流量。
[0026]进一步的，所述方法还包括：
[0027]获取在预设时间段内任一位置智能垃圾桶的第一垃圾产生量；
[0028]基于所述第一垃圾产生量重新对各个智能垃圾桶进行位置规划。
[0029]进一步的，所述方法还包括：
[0030]基于智能垃圾桶的垃圾产生量确定待处理的智能垃圾桶的第一位置信息；
[0031]基于待处理智能垃圾桶的第一位置信息与环卫车的第二位置信息确定环卫车的可行驶路线；
[0032]确定所述可行驶路线上的第四人流量；
[0033]将所述待处理的智能垃圾桶的第一位置信息、环卫车的可行驶路线及可行驶路线上的第四人流量作约束条件，利用改进粒子群
‑
禁忌搜索算法对所述环卫车进行最优路线规划。
[0034]进一步的，所述方法还包括：
[0035]获取区域内的区域地图；
[0036]在所述区域地图上对智能垃圾桶进行渲染，以显示智能垃圾桶的位置信息及智能垃圾桶内容量信息；
[0037]在所述区域地图上对已预测的各个位置及各个街道的人流量进行渲染，以在所述区域地图上显示不同颜色的人流量信息；
[0038]在所述区域地图上对所述环卫车最优规划路线进行渲染，以显示环卫车最优清理路线信息。
[0039]第二方面，本专利技术还提供一种数据处理装置，包括：
[0040]确定模块，用于确定区域内的智慧设备，其中，所述区域内的智慧设备包括智能垃圾桶、监控摄像头及智能停车场终端；
[0041]处理模块，用于获取基于各个智慧设备分别采集的原始数据，并对所述原始数据进行分析处理得到分析数据，其中，所述分析数据包括垃圾产生量、识别人员数量及识别车辆数量；
[0042]预测模块，用于将所述垃圾产生量、识别人员数量及识别车辆数量作为自变量，人流量作为因变量，建立人流量预测模型，以预测区域内的人流量。
[0043]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器以及存储在存储器中
并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述数据处理方法中的步骤。
[0044]本专利技术通过利用区域内的智慧设备，如智能垃圾桶、监控摄像头及智能停车场终端采集数据，避免了使用大量监控设备导致的成本问题及人员隐私问题；然后通过对采集的数据进行融合分析处理，使得对区域内人流量的估算也更加精准。
附图说明
[0045]图1为本专利技术提供的数据处理方法的一实施例的流程示意图；
[0046]图2为本专利技术提供的数据处理装置的一实施例的结构示意图；
[0047]图3为本专利技术提供的一种电子设备的结构示意图。
具体实施方式
[0048]下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。
[0049]在本专利技术的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。此外，“多个”的含义是两个或两个以上，除非另有明确具体的限定。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本专利技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0050]本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，应用于数据处理终端，其特征在于，包括：确定区域内的智慧设备，其中，所述区域内的智慧设备包括智能垃圾桶、监控摄像头及智能停车场终端；获取基于各个智慧设备分别采集的原始数据，并对所述原始数据进行分析处理得到分析数据，其中，所述分析数据包括垃圾产生量、识别人员数量及识别车辆数量；将所述垃圾产生量、识别人员数量及识别车辆数量作为自变量，人流量作为因变量，建立人流量预测模型，以预测区域内的人流量。2.根据权利要求1所述的数据处理方法，其特征在于，所述各个智慧设备分别采集的原始数据，包括：基于智能垃圾桶采集的超声波传感器与垃圾的实际距离信息；基于监控摄像头采集的图像信息；基于智能停车场终端采集的车辆信息。3.根据权利要求2所述的数据处理方法，其特征在于，所述对所述原始数据进行分析处理得到分析数据，包括：确定超声波传感器到垃圾桶底部的第一距离信息，并基于所述第一距离信息与所述实际距离信息的比值确定当前垃圾产生量；对所述图像信息进行人像识别，并确定识别人员数量；对所述车辆信息进行统计，并确定识别车辆数量。4.根据权利要求1所述的数据处理方法，其特征在于，所述建立人流量预测模型，以预测区域内的人流量，包括：建立人流量第一预测模型，以预测区域内任一位置的第一人流量；所述建立人流量第一预测模型，以预测区域内任一位置的第一人流量，具体包括：对各个智慧设备设置动态加权权重值，并基于加权求和方式将各个动态加权权重值与垃圾产生量、识别人员数量及识别车辆数量分别进行结合，以确定区域内任一位置的第一人流量。5.根据权利要求4所述的数据处理方法，其特征在于，所述建立人流量预测模型，以预测区域内的人流量，包括：建立人流量第二预测模型，以预测区域内任一街道的第二人流量；所述建立人流量第二预测模型，以预测区域内任一街道的第二人流量，具体包括：确定任一街道上至少两个位置的第三人流量、辅助街道数及每一辅助街道上的人数；将所述至少两个位置的第三人流量、辅助街道数及每一辅助街道上的人数输...
【专利技术属性】
技术研发人员：丁建军，彭麟谊，孙超，苗隆鑫，汪立政，胡建恩，王梅渊，胡润泽，杜航，
申请(专利权)人：江汉大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。