[發明專利]人流量預測設備及方法

在審

• 申請號: 201911360825.3
• 申請日: 2019-12-25
• 公開（公告）號: CN111144648A
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 李陽;胡博文;高華超;劉斌;王恒瑋;崔玲龍;陳博;宋雨倫;趙越
• 申請（專利權）人: 中國聯合網絡通信集團有限公司;聯通大數據有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06Q50/26
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張子青;劉芳

本申請實施例提供一種人流量預測設備及方法，該設備包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機執行指令，所述處理器執行所述計算機執行指令時實現如下步驟：基于第一預設時間段內的人流量特征、天氣特征、節假日特征和星期特征，通過長短期記憶網絡LSTM模型，獲得人流量在第一預設時間段上連續變化的規律；基于待預測時間段的天氣特征、節假日特征和星期特征，通過全連神經網絡模型，獲得待預測時間段的天氣特征、節假日特征和星期特征對人流量的影響；基于人流量在第一預設時間段上連續變化的規律，以及待預測時間段的天氣特征、節假日特征和星期特征對人流量的影響，確定待預測時間段的目標人流量。

技術領域

本申請實施例涉及計算機技術領域，尤其涉及一種人流量預測設備及方法。

背景技術

隨著科技和經濟的發展，計算機技術得到了快速發展，帶來了數據信息的爆發式增長，數據信息與各個行業息息相關。例如在旅游管理、商業規劃、交通優化等行業的宏觀調控均與人流量數據信息密切相關，因此人流量的預測受到人們的關注。

現有技術通常根據待預測日當天的天氣情況以及歷史人流量，獲取待預測日的人流量，進行人流量預測，例如陰晴雨雪的天氣對應不同的系數，根據系數與以及歷史人流量的乘積，預測人流量。

然而上述預測方法僅考慮了天氣的影響，因此只能粗略預測，造成預測的人流量與真實人流量偏差較大。

發明內容

本申請實施例提供一種人流量預測設備及方法，以解決現有的人流量預測方法僅考慮了天氣的影響，只能粗略預測，造成預測的人流量與真實人流量偏差較大的問題。

第一方面，本申請實施例提供一種人流量預測設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機執行指令，所述處理器執行所述計算機執行指令時實現如下步驟：

基于第一預設時間段內的人流量特征、天氣特征、節假日特征和星期特征，通過長短期記憶網絡(Long Short-Term Memory，簡稱LSTM)模型，獲得人流量在所述第一預設時間段上連續變化的規律，其中，所述LSTM模型通過第二預設時間段內的人流量特征、天氣特征、節假日特征、星期特征和人流量在所述第二預設時間段上連續變化的規律訓練得到；

基于待預測時間段的天氣特征、節假日特征和星期特征，通過全連神經網絡模型，獲得所述待預測時間段的天氣特征、節假日特征和星期特征對人流量的影響，其中，所述全連神經網絡模型通過第三預設時間段的天氣特征、節假日特征、星期特征和所述第三預設時間段的天氣特征、節假日特征和星期特征對人流量的影響訓練得到；

基于人流量在所述第一預設時間段上連續變化的規律，以及所述待預測時間段的天氣特征、節假日特征和星期特征對人流量的影響，確定所述待預測時間段的目標人流量。

在一種可能的設計中，所述確定所述待預測時間段的目標人流量，包括：

通過加權融合模型確定所述待預測時間段的目標人流量，所述加權融合模型通過人流量在第四預設時間段上連續變化的規律、第五預設時間段的天氣特征、節假日特征和星期特征對人流量的影響和所述第五預設時間段的人流量訓練得到。

在一種可能的設計中，在所述基于第一預設時間段內的人流量特征、天氣特征、節假日特征和星期特征，通過LSTM模型，獲得人流量在所述第一預設時間段上連續變化的規律之前，所述處理器執行所述計算機執行指令時實現如下步驟：

獲取所述第一預設時間段內的人流量特征信息、天氣特征信息、節假日特征信息和星期特征信息，其中，所述人流量特征信息包括預設區域的人流量數據，所述天氣特征信息包括預設區域的天氣類型、最低溫度、最高溫度和風速等級中的至少一項，所述節假日特征信息包括是否為節假日、距節假日開始的天數、距節假日結束的天數和節假日總天數中的至少一項，所述星期特征信息包括星期幾和是否為周末中的至少一項；