[發(fā)明專(zhuān)利]一種區(qū)域游覽智能管理系統(tǒng)及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810588847.4
• 申請(qǐng)日: 2018-06-08
• 公開(kāi)（公告）號(hào): CN108537691A
• 公開(kāi)（公告）日: 2018-09-14
• 發(fā)明（設(shè)計(jì)）人: 延晉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 延晉
• 主分類(lèi)號(hào): G06Q50/14
• 分類(lèi)號(hào): G06Q50/14;G06Q10/04
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種區(qū)域游覽智能管理系統(tǒng)，所述系統(tǒng)包括用戶交互模塊、信息采集模塊及數(shù)據(jù)存儲(chǔ)模塊，其特征在于，所述系統(tǒng)還包括預(yù)測(cè)分析模塊，其中，

所述用戶交互模塊用于完成與用戶交互的功能，所述與用戶交互的功能包括，

收集用戶的游覽需求；基于所述預(yù)測(cè)分析模塊的分析結(jié)果，向用戶推送所述預(yù)測(cè)分析模塊輸出的優(yōu)化游覽路徑；以及基于經(jīng)用戶確認(rèn)的優(yōu)化游覽路徑為用戶提供管理服務(wù)，所述管理服務(wù)包括游覽路徑預(yù)約和門(mén)票售買(mǎi)；

所述信息采集模塊用于采集實(shí)時(shí)數(shù)據(jù)，所述實(shí)時(shí)數(shù)據(jù)包括用戶特征數(shù)據(jù)、用戶行為數(shù)據(jù)以及游覽區(qū)域內(nèi)的客流密度實(shí)時(shí)估算數(shù)據(jù)，并將所述客流密度實(shí)時(shí)估算數(shù)據(jù)輸出至所述數(shù)據(jù)存儲(chǔ)模塊；

所述數(shù)據(jù)存儲(chǔ)模塊用于存儲(chǔ)數(shù)據(jù)，其存儲(chǔ)的所述數(shù)據(jù)包括游覽區(qū)域的游覽路徑集合數(shù)據(jù)、游覽區(qū)域內(nèi)關(guān)注點(diǎn)的預(yù)置權(quán)重?cái)?shù)據(jù)和客流密度閾值數(shù)據(jù)、所述用戶特征數(shù)據(jù)、所述用戶行為數(shù)據(jù)、所述客流密度實(shí)時(shí)估算數(shù)據(jù)，以及用戶特征歷史數(shù)據(jù)、用戶行為歷史數(shù)據(jù)和客流密度歷史數(shù)據(jù)；

所述預(yù)測(cè)分析模塊包括優(yōu)化計(jì)算模塊和預(yù)測(cè)推薦模塊，其中，

所述優(yōu)化計(jì)算模塊通過(guò)對(duì)所述數(shù)據(jù)存儲(chǔ)模塊中數(shù)據(jù)的綜合分析，得出游覽區(qū)域中客流密度的優(yōu)化分布特征，其中用于分析的數(shù)據(jù)包括所述客流密度歷史數(shù)據(jù)、所述用戶特征歷史數(shù)據(jù)、所述用戶行為歷史數(shù)據(jù)以及所述關(guān)注點(diǎn)的預(yù)置權(quán)重和客流密度閾值數(shù)據(jù)；

所述預(yù)測(cè)推薦模塊通過(guò)對(duì)所述數(shù)據(jù)存儲(chǔ)模塊中數(shù)據(jù)的綜合分析，得出未來(lái)一定時(shí)段內(nèi)客流密度的預(yù)計(jì)分布特征，并從所述游覽路徑集合中選出使所述客流密度的預(yù)計(jì)分布特征趨近于所述優(yōu)化分布特征的優(yōu)化游覽路徑，將所述優(yōu)化游覽路徑輸出至所述用戶交互模塊，其中用于分析的數(shù)據(jù)包括所述用戶特征數(shù)據(jù)、所述用戶行為數(shù)據(jù)、所述用戶特征歷史數(shù)據(jù)、所述用戶行為歷史數(shù)據(jù)、所述客流密度實(shí)時(shí)估算數(shù)據(jù)、所述游覽路徑集合數(shù)據(jù)以及所述關(guān)注點(diǎn)的預(yù)置權(quán)重?cái)?shù)據(jù)和客流密度閾值數(shù)據(jù)。

2.如權(quán)利要求1所述的區(qū)域游覽智能管理系統(tǒng)，其中所述系統(tǒng)還包括預(yù)警模塊，所述預(yù)警模塊用于對(duì)所述客流密度的預(yù)計(jì)分布特征以及所述客流密度實(shí)時(shí)估算數(shù)據(jù)進(jìn)行監(jiān)測(cè)，當(dāng)所述客流密度的預(yù)計(jì)分布的峰值或所述客流密度實(shí)時(shí)估算數(shù)據(jù)超出關(guān)注點(diǎn)的所述客流密度閾值時(shí)，分別發(fā)出客流將超限的預(yù)報(bào)告警信號(hào)或客流已超限的實(shí)時(shí)告警信號(hào)。

3.如權(quán)利要求1所述的區(qū)域游覽智能管理系統(tǒng)，其中所述優(yōu)化計(jì)算模塊還包括用戶特征分類(lèi)子模塊及游覽路徑分類(lèi)子模塊，所述用戶特征分類(lèi)子模塊通過(guò)對(duì)所述數(shù)據(jù)存儲(chǔ)模塊中數(shù)據(jù)的分析，對(duì)用戶集合進(jìn)行基于特征的分類(lèi)；所述游覽路徑分類(lèi)子模塊基于對(duì)所述數(shù)據(jù)存儲(chǔ)模塊中數(shù)據(jù)的分析，依據(jù)所述用戶特征分類(lèi)子模塊做出的分類(lèi)，將游覽路徑集合劃分為符合相應(yīng)類(lèi)別的用戶特征的游覽路徑子集合，所述用戶集合的分類(lèi)及所述游覽路徑子集合供預(yù)測(cè)推薦模塊使用。

4.如權(quán)利要求1所述的區(qū)域游覽智能管理系統(tǒng)，其中所述優(yōu)化計(jì)算模塊和/或所述預(yù)測(cè)推薦模塊對(duì)所述數(shù)據(jù)存儲(chǔ)模塊中的數(shù)據(jù)進(jìn)行分析的方法包括統(tǒng)計(jì)歸納方法和機(jī)器學(xué)習(xí)方法。

5.如權(quán)利要求4所述的區(qū)域游覽智能管理系統(tǒng)，其中所述機(jī)器學(xué)習(xí)方法包括回歸算法、聚類(lèi)算法、人工神經(jīng)網(wǎng)絡(luò)算法、深度學(xué)習(xí)算法和強(qiáng)化學(xué)習(xí)算法。

6.如權(quán)利要求1所述的區(qū)域游覽智能管理系統(tǒng)，其中所述優(yōu)化分布特征和所述預(yù)測(cè)分布特征為特征函數(shù)或特征參數(shù)。

7.如權(quán)利要求1所述的區(qū)域游覽智能管理系統(tǒng)，其中所述優(yōu)化分布特征和所述預(yù)測(cè)分布特征包括游覽區(qū)域全局特征和關(guān)注點(diǎn)局部特征。