[發(fā)明專利]基于人流量的區(qū)域管理方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910722122.4
• 申請(qǐng)日: 2019-08-06
• 公開（公告）號(hào): CN110458351A
• 公開（公告）日: 2019-11-15
• 發(fā)明（設(shè)計(jì)）人: 周羽;徐斌
• 申請(qǐng)（專利權(quán)）人: 重慶仙桃前沿消費(fèi)行為大數(shù)據(jù)有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 50211 重慶市前沿專利事務(wù)所(普通合伙)
• 代理人: 郭云<國(guó)際申請(qǐng)>=<國(guó)際公布>=<進(jìn)入國(guó)

本發(fā)明公開了一種基于人流量的區(qū)域管理方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)。所述基于人流量的區(qū)域管理方法，包括以下步驟：S1，獲取各區(qū)域待預(yù)測(cè)數(shù)據(jù)，所述待預(yù)測(cè)數(shù)據(jù)為時(shí)間序列的人流量數(shù)據(jù)；S2，根據(jù)步驟S1的待預(yù)測(cè)數(shù)據(jù)構(gòu)建自相關(guān)圖，并通過自相關(guān)圖構(gòu)造輸入變量和輸出變量；S3，將輸入變量與輸出變量輸入LSTM模型中，輸出各區(qū)域各時(shí)間段的未來人流量預(yù)測(cè)值；S4，根據(jù)各區(qū)域各時(shí)間段的未來人流量預(yù)測(cè)值制定疏導(dǎo)方案，調(diào)整區(qū)域商品或設(shè)施的布置位置或數(shù)量。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)領(lǐng)域，具體涉及一種基于人流量的區(qū)域管理方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著社會(huì)的不斷發(fā)展，未來城市將承載更多的人口，因而城市的可持續(xù)發(fā)展顯得尤為重要。智慧城市的起點(diǎn)是現(xiàn)代信息技術(shù)發(fā)展下的網(wǎng)絡(luò)化和數(shù)字化，最終目的是將其上升到整合、集群、協(xié)同管理的高度，與綠色可持續(xù)發(fā)展相結(jié)合，構(gòu)建宜居的城市環(huán)境。智慧城市以物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、空間地理信息集成等新一代信息技術(shù)為基礎(chǔ)，通過感知、分析、整合城市運(yùn)行核心系統(tǒng)的各項(xiàng)關(guān)鍵信息，對(duì)城市服務(wù)、公共安全、環(huán)保、民生、工商業(yè)活動(dòng)在內(nèi)的各種需求做出智能響應(yīng)，實(shí)現(xiàn)城市規(guī)劃管理信息化、基礎(chǔ)設(shè)施智能化、公共服務(wù)便捷化。

現(xiàn)有的區(qū)域商品或設(shè)施的布置位置及數(shù)量是否需要調(diào)整，僅根據(jù)人的主觀判斷進(jìn)行調(diào)整，沒有較為準(zhǔn)確的判斷依據(jù)為參考。而區(qū)域商品或設(shè)施的布置位置及數(shù)量不合適，則會(huì)導(dǎo)致區(qū)域個(gè)位置人流量壓力不同，給人們的生活帶來不便，同時(shí)也存在安全隱患。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中所存在的上述不足，提供一種基于人流量的區(qū)域管理方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，所述基于人流量的區(qū)域管理方法，根據(jù)預(yù)測(cè)的人流量來調(diào)整區(qū)域商品或設(shè)施的布置位置及數(shù)量，緩解人流量壓力，提高安全性。

為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供了以下技術(shù)方案：

一種基于人流量的區(qū)域管理方法，其特征在于，包括以下步驟：

S1，獲取各區(qū)域待預(yù)測(cè)數(shù)據(jù)，所述待預(yù)測(cè)數(shù)據(jù)為時(shí)間序列的人流量數(shù)據(jù)；

S2，根據(jù)步驟S1的待預(yù)測(cè)數(shù)據(jù)構(gòu)建自相關(guān)圖，并通過自相關(guān)圖構(gòu)造輸入變量和輸出變量；

S3，將輸入變量與輸出變量輸入LSTM模型中，輸出各區(qū)域各時(shí)間段的未來人流量預(yù)測(cè)值；

S4，根據(jù)各區(qū)域各時(shí)間段的未來人流量預(yù)測(cè)值制定疏導(dǎo)方案，調(diào)整區(qū)域商品或設(shè)施的布置位置或數(shù)量。

優(yōu)選地，所述步驟S1還包括平穩(wěn)化操作。

優(yōu)選地，所述步驟S2構(gòu)建的自相關(guān)圖中，橫軸表示滯后變量；縱軸表示這些滯后變量的正負(fù)相關(guān)性，且取值-1至1。

優(yōu)選地，所述步驟S3采用的神經(jīng)網(wǎng)絡(luò)模型還需采用訓(xùn)練樣本訓(xùn)練，以更新神經(jīng)網(wǎng)絡(luò)模型各層的參數(shù)，進(jìn)而提高神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)準(zhǔn)確度；訓(xùn)練過程包括以下步驟：

T1，輸入已標(biāo)注的樣本數(shù)據(jù)構(gòu)建樣本庫，所述樣本數(shù)據(jù)包括各時(shí)段各區(qū)域待預(yù)測(cè)數(shù)據(jù)；

T2，根據(jù)樣本庫中的數(shù)據(jù)構(gòu)建樣本自相關(guān)圖，并根據(jù)樣本自相關(guān)圖構(gòu)建樣本輸入向量和樣本輸出向量；

T3，采用樣本輸入向量和樣本輸出向量對(duì)LSTM模型中的參數(shù)值進(jìn)行訓(xùn)練，更新參數(shù)值。

優(yōu)選地，所述步驟T3更新參數(shù)值的詳細(xì)步驟如下所述：

步驟T31，將一樣本的樣本輸入向量和樣本輸出向量輸入至LSTM模型中，經(jīng)過模型的運(yùn)算獲得未來人流量預(yù)測(cè)值；

步驟T32，將未來人流量預(yù)測(cè)值與該已標(biāo)注樣本的真實(shí)值相比較，獲得偏差值；

步驟T33，若偏差值大于預(yù)設(shè)閾值，則執(zhí)行步驟T34；若偏差值小于預(yù)設(shè)閾值，則訓(xùn)練結(jié)束；