本發(fā)明實施例公開了一種基于機器學(xué)習(xí)的景區(qū)客流量預(yù)測方法及裝置，該方法包括：根據(jù)獲取的景區(qū)歷史流水?dāng)?shù)據(jù)以及景區(qū)特色數(shù)據(jù)生成景區(qū)的歷史客流特征數(shù)據(jù)；根據(jù)所述歷史客流特征數(shù)據(jù)以及預(yù)設(shè)的多種機器學(xué)習(xí)算法分別訓(xùn)練出各機器學(xué)習(xí)算法對應(yīng)的客流量預(yù)測模型；對各機器學(xué)習(xí)算法對應(yīng)的客流量預(yù)測模型的預(yù)測效果進行評估，并根據(jù)評估結(jié)果從各機器學(xué)習(xí)算法對應(yīng)的客流量預(yù)測模型中選擇出多個預(yù)測效果較好的客流量預(yù)測模型；確定選擇出的客流量預(yù)測模型的權(quán)重向量，并根據(jù)所述權(quán)重向量以及選擇出的客流量預(yù)測模型進行景區(qū)客流量預(yù)測。本發(fā)明解決了現(xiàn)有技術(shù)的景區(qū)客流預(yù)測準(zhǔn)確性不足的技術(shù)問題。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能領(lǐng)域，具體而言，涉及一種基于機器學(xué)習(xí)的景區(qū)客流量預(yù)測方法及裝置。

背景技術(shù)

景區(qū)項目的產(chǎn)品定位和整體規(guī)劃對旅游行業(yè)的發(fā)展有深遠的影響，而旅游客流量預(yù)測工作是制定旅游發(fā)展戰(zhàn)略規(guī)劃的重要環(huán)節(jié)，是景區(qū)管理者在制定政策和日常管理工作中希望了解到的重要數(shù)據(jù)。景區(qū)管理者通過對旅游需求走勢的分析，利用一定的方法和因素對景區(qū)游客數(shù)量進行預(yù)估，為景區(qū)流量控制、銷售營銷、人員安排、交通疏導(dǎo)、安全管理等工作的安排提供決策依據(jù)。傳統(tǒng)的客流預(yù)測，通常依靠景區(qū)管理者人工經(jīng)驗來估算預(yù)判客流峰值范圍，由于實際客流量影響因素較多且關(guān)聯(lián)復(fù)雜性極高，受景區(qū)交通位置、周邊事件、季節(jié)、節(jié)假日、天氣等多種因素干擾，憑借人工經(jīng)驗精準(zhǔn)判斷客流量較困難且誤差大。

本發(fā)明為了解決上述問題中的至少一個，提出了一種基于機器學(xué)習(xí)的景區(qū)客流量預(yù)測方法及裝置。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種基于機器學(xué)習(xí)的景區(qū)客流量預(yù)測方法及裝置，以解決現(xiàn)有技術(shù)的景區(qū)客流預(yù)測準(zhǔn)確性不足的技術(shù)問題。

為了實現(xiàn)上述目的，根據(jù)本發(fā)明的一個方面，提供了一種基于機器學(xué)習(xí)的景區(qū)客流量預(yù)測方法，該方法包括：

根據(jù)獲取的景區(qū)歷史流水?dāng)?shù)據(jù)以及景區(qū)特色數(shù)據(jù)生成景區(qū)的歷史客流特征數(shù)據(jù)；所述景區(qū)特色數(shù)據(jù)包括：節(jié)假日數(shù)據(jù)、景區(qū)位置數(shù)據(jù)、景區(qū)天氣數(shù)據(jù)、景區(qū)淡旺季數(shù)據(jù)、景區(qū)門票價格數(shù)據(jù)中的至少一種；

根據(jù)所述歷史客流特征數(shù)據(jù)以及預(yù)設(shè)的多種機器學(xué)習(xí)算法分別訓(xùn)練出各機器學(xué)習(xí)算法對應(yīng)的客流量預(yù)測模型；

對各機器學(xué)習(xí)算法對應(yīng)的客流量預(yù)測模型的預(yù)測效果進行評估，并根據(jù)評估結(jié)果從各機器學(xué)習(xí)算法對應(yīng)的客流量預(yù)測模型中選擇出多個預(yù)測效果較好的客流量預(yù)測模型；

確定選擇出的客流量預(yù)測模型的權(quán)重向量，并根據(jù)所述權(quán)重向量以及選擇出的客流量預(yù)測模型進行景區(qū)客流量預(yù)測。

可選的，所述對各機器學(xué)習(xí)算法對應(yīng)的客流量預(yù)測模型的預(yù)測效果進行評估，具體包括：

根據(jù)所述歷史客流特征數(shù)據(jù)生成驗證數(shù)據(jù)集合；

將所述驗證數(shù)據(jù)集合中的每個驗證數(shù)據(jù)分別輸入到各機器學(xué)習(xí)算法對應(yīng)的客流量預(yù)測模型，得到預(yù)測結(jié)果；

根據(jù)各客流量預(yù)測模型對應(yīng)的預(yù)測結(jié)果以及RMSE計算方法計算各客流量預(yù)測模型對應(yīng)的RMSE值。

可選的，所述根據(jù)評估結(jié)果從各機器學(xué)習(xí)算法對應(yīng)的客流量預(yù)測模型中選擇出多個預(yù)測效果較好的客流量預(yù)測模型，具體包括：

根據(jù)各客流量預(yù)測模型對應(yīng)的RMSE值進行客流量預(yù)測模型的選擇。

可選的，所述確定選擇出的客流量預(yù)測模型的權(quán)重向量，具體包括：

根據(jù)選擇出的客流量預(yù)測模型的數(shù)量生成權(quán)重向量集合；

將所述權(quán)重向量集合中的各權(quán)重向量分別與選擇出的客流量預(yù)測模型的預(yù)測結(jié)果進行加權(quán)平均計算，得到各權(quán)重向量對應(yīng)的加權(quán)平均結(jié)果；

采用RMSE計算方法計算各加權(quán)平均結(jié)果的RMSE值，并確定最小的RMSE值對應(yīng)的權(quán)重向量。