一种基于客流态势感知的景区游览车智能调度系统及方法与流程

本发明属于车辆调度技术领域，尤其涉及一种基于客流态势感知的景区游览车智能调度系统及方法。

背景技术：

目前，随着经济的发展、生活水平的提高，人们在假期去景区游玩的频率越来越高，无可避免地，景区内的多个车辆的调度是至关重要的。合理高效的车辆调度系统，能够节省车辆排队等待时间，提升游客体验。

目前，现有的景区游览车调度系统大多是人为通知，很浪费时间，游客往往没有那么多时间等待游览车，有时调度不当还会出现车辆不够或者车辆过度空闲的情况，易导致司机矛盾造成混乱的问题，不利于景区日常运营，导致游客体验性差，给景区造成损失。因此，亟需一种新的景区游览车智能调度系统及方法。

通过上述分析，现有技术存在的问题及缺陷为：现有景区游览车调度系统及方法没有合理的通知调度方法，导致效率降低，用户体验差；同时，现有景区游览车调度系统及方法通常不考虑现有的客流态势，而对车辆盲目调度，给景区造成损失。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于客流态势感知的景区游览车智能调度系统及方法。

本发明是这样实现的，一种基于客流态势感知的景区游览车智能调度系统，所述基于客流态势感知的景区游览车智能调度系统包括：

数据采集模块，与中央控制模块连接，包括采集设备和显示器，用于通过数据采集设备采集景区的客流量数据，由采集器采集到的数据为电信号，经由a/d转换器转换为数字信号，数字信号经过传输线传输至中央控制模块，采集的数据会实时的显示在显示器上，供工作人员查看；

数据预处理模块，与中央控制模块连接，用于通过数据预处理程序对采集的景区客流量数据进行预处理，构建景区客流量数据集，包括：

异常数据删除：删除所述采集的景区客流量数据中的异常数据；

缺失数据填补：使用所述原始景区客流量数据的均值或众数填补所述景区客流量数据中的缺失数据；

重复数据去重：删除所述采集的景区客流量数据中的重复数据；

中央控制模块，与数据采集模块、数据预处理模块、模型构建模块、预测感知模块、车辆调度模块、人机交互模块、通信模块、本地存储模块、云存储模块连接，用于通过主控制器对外部信号、各模块传输的数据以及请求进行采集，通过分析处理后输出给输出通道；当外部需要模拟量输出时，系统经过d/a转换器转换成标准电信号进行输出，同时协调控制所述基于客流态势感知的景区游览车智能调度系统各个模块的正常工作；

模型构建模块，与中央控制模块连接，用于通过模型构建程序根据景区客流量数据集构建客流态势预测感知模型，并对模型进行训练；

预测感知模块，与中央控制模块连接，用于通过客流态势预测感知模型对当前景区的客流态势进行预测感知，包括：

提取指定时间段的历史客流运行数据，基于预设定的时间权重公式和所述历史客流运行数据构建时间权重客流预测模型；所述时间权重公式根据所述指定时间段中各个历史日期距离当前预测日期的不同天数预先设定；

其中，所述时间权重公式为：

weight_meani＝f(ti)；

其中，f(ti)为权重系数，θ为训练确定的影响参数，ti为第i个历史日期距离当前预测日期的天数；

其中，所述时间权重客流预测模型为：

其中，time_modelflow表示对应景点在设定时段内的预测客流量，n为指定时间段的总天数，weight_meani为第i个历史日期对应的时间权重，history_flowi为第i个历史日期对应设定时段内的实际客流量；

基于预先构建的关联景点拓扑模型确定预测景点的关联景点，所述关联景点拓扑模型根据景点分类、景点是否相通或者运行时间和运行距离确定所述预测景点的关联景点；

基于所述时间权重客流预测模型确定各个所述关联景点的第一预测客流量；

根据所述时间权重客流预测模型、所述第一预测客流量以及预先训练的参数因子构建客流态势预测感知模型，并根据所述客流态势预测感知模型计算所述预测景点的第二预测客流量；

其中，所述客流态势预测感知模型为：

其中，time_modelflow表示对应景点在设定时段内的预测客流量，m为关联景点的总数量，neighbor_flowj为第j个关联景点的第一预测客流量，α、β分别为对应的预先训练的参数因子；

车辆调度模块，与中央控制模块连接，用于根据当前景区客流态势的预测感知数据，通过工作人员及时的对景区车辆进行调度，将指令以数字信号形式发送至调度模块，调度模块进行车辆调度安排；

人机交互模块，与中央控制模块连接，用于将数字信号进行解析显示到显示屏幕上；工作人员在显示界面进行指令输入，提交的数据指令表单经由中央处理器cpu通过互联网上传到服务器中，再由服务器传输至中央控制模块，中央控制模块将要执行的指令传送至数据采集模块；

通信模块，与中央控制模块连接，用于接收到人机交互模块的语音编码包，对语音编码包进行ip标签标记，被标记的语音编码包发送至arm处理器，arm处理器通过网口实现互联网的连接，进行数据的处理传送；

本地存储模块，与中央控制模块连接，用于通过本地存储器存储采集到的数据，由sql接口进行两个模块间数据的连接，采用sql服务数据库进行数据的存储，数据采集读取模块将转换好的数据打包发送至中央控制模块，经由中央控制模块进行标签操作传送至sql服务数据库和云存储模块；

云存储模块，与中央控制模块连接，用于通过云数据库服务器存储客流量和车辆调度信息，使用云存储服务，首先要在本地服务器部署数据中心中创建云存储平台，通过第三方网关来实现存储协议，此存储协议可以实现从nfs到smb的转换，用户将本地数据通过网线写入云存储网关中，云存储网关将数据传输至边界路由，边界路由通过专线公网将数据传入至云平台，在云平台中发起对象存储的请求，将数据传送至云平台内的云存储网关，云存储网关通过vswitch将数据发送到云存储可用区中，完成数据云存储。

进一步，数据采集模块中，所述采集器包括摄像头、指纹采集器、人脸识别采集器和声纹采集器。

进一步，数据预处理模块中，所述通过数据预处理程序对采集的景区客流量数据进行预处理，还包括：标准化处理、归一化处理和量化处理。

进一步，预测感知模块中，所述基于预先构建的关联景点拓扑模型确定预测景点的关联景点，包括：

将线网拓扑数据信息确定与预测景点线路相通的对应景点作为关联景点；

根据任意两个景点间的景点距离数据信息和景点运行时间数据信息确定任意两个景点间的最短路径，确定在对应的所述最短路径上，运行时间和运行距离与所述预测景点匹配的对应景点作为关联景点。

进一步，预测感知模块中，所述基于预先构建的关联景点拓扑模型确定预测景点的关联景点，还包括：

根据预定义的地理位置分类规则确定各个景点的第一分类；

根据预定义的景点属性分类规则确定各个景点的第二分类；

将所述第一分类和第二分类与所述预测景点相同的景点作为关联景点。

进一步，本地存储模块中，所述sql接口用于连接模块之间的验证，验证需要密码。

进一步，云存储模块中，所述云服务器的连接方式包括3g、4g、5g、wifi或网线连接中任意一种。

本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述的基于客流态势感知的景区游览车智能调度系统。

本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述的基于客流态势感知的景区游览车智能调度系统。

本发明的另一目的在于提供一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现所述的基于客流态势感知的景区游览车智能调度系统。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的基于客流态势感知的景区游览车智能调度系统，通过数据预处理模块能够有效去除采集的景区客流量数据中的异常数据和重复数据，并填补所述景区客流量数据中的缺失数据；通过预测感知模块根据时间权重客流预测模型、第一预测客流量以及预先训练的参数因子构建景点客流预测模型，并根据景点客流预测模型计算预测景点的第二预测客流量，可以结合关联景点以及不同日期历史客流运行数据对客流预测的影响，实现更精准的客流预测，优化客流运营效果。同时，本发明通过对客流量的分析来有效的解决车辆不够或者车辆空闲太多的问题，提高景区效率，缩短泊位停靠衔接时间，实现无缝调度，提高游览车的时效和周转率，提高游客体验。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于客流态势感知的景区游览车智能调度系统结构框图；

图中：1、数据采集模块；2、数据预处理模块；3、中央控制模块；4、模型构建模块；5、预测感知模块；6、车辆调度模块；7、人机交互模块；8、通信模块；9、本地存储模块；10、云存储模块。

图2是本发明实施例提供的基于客流态势感知的景区游览车智能调度方法流程图。

图3是本发明实施例提供的通过数据预处理模块利用数据预处理程序对采集的景区客流量数据进行预处理，构建景区客流量数据集的方法流程图。

图4是本发明实施例提供的通过预测感知模块利用客流态势预测感知模型对当前景区的客流态势进行预测感知的方法流程图。

图5是本发明实施例提供的通过云存储模块利用云数据库服务器存储客流量和车辆调度信息的方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种基于客流态势感知的景区游览车智能调度系统及方法，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的基于客流态势感知的景区游览车智能调度系统包括：数据采集模块1、数据预处理模块2、中央控制模块3、模型构建模块4、预测感知模块5、车辆调度模块6、人机交互模块7、通信模块8、本地存储模块9、云存储模块10。

数据采集模块1，与中央控制模块3连接，包括采集设备和显示器，用于通过数据采集设备采集景区的客流量数据，由采集器采集到的数据为电信号，经由a/d转换器转换为数字信号，数字信号经过传输线传输至中央控制模块，采集的数据会实时的显示在显示器上，供工作人员查看；

数据预处理模块2，与中央控制模块3连接，用于通过数据预处理程序对采集的景区客流量数据进行预处理，构建景区客流量数据集；

中央控制模块3，与数据采集模块1、数据预处理模块2、模型构建模块4、预测感知模块5、车辆调度模块6、人机交互模块7、通信模块8、本地存储模块9、云存储模块10连接，用于通过主控制器对外部信号、各模块传输的数据以及请求进行采集，通过分析处理后输出给输出通道；当外部需要模拟量输出时，系统经过d/a转换器转换成标准电信号进行输出，同时协调控制所述基于客流态势感知的景区游览车智能调度系统各个模块的正常工作；

模型构建模块4，与中央控制模块3连接，用于通过模型构建程序根据景区客流量数据集构建客流态势预测感知模型，并对模型进行训练；

预测感知模块5，与中央控制模块3连接，用于通过客流态势预测感知模型对当前景区的客流态势进行预测感知；

车辆调度模块6，与中央控制模块3连接，用于根据当前景区客流态势的预测感知数据，通过工作人员及时的对景区车辆进行调度，将指令以数字信号形式发送至调度模块，调度模块进行车辆调度安排；

人机交互模块7，与中央控制模块3连接，用于将数字信号进行解析显示到显示屏幕上；工作人员在显示界面进行指令输入，提交的数据指令表单经由中央处理器cpu通过互联网上传到服务器中，再由服务器传输至中央控制模块，中央控制模块将要执行的指令传送至数据采集模块；

通信模块8，与中央控制模块3连接，用于接收到人机交互模块的语音编码包，对语音编码包进行ip标签标记，被标记的语音编码包发送至arm处理器，arm处理器通过网口实现互联网的连接，进行数据的处理传送；

本地存储模块9，与中央控制模块3连接，用于通过本地存储器存储采集到的数据，由sql接口进行两个模块间数据的连接，采用sql服务数据库进行数据的存储，数据采集读取模块将转换好的数据打包发送至中央控制模块，经由中央控制模块进行标签操作传送至sql服务数据库和云存储模块；

云存储模块10，与中央控制模块3连接，用于通过云数据库服务器存储客流量和车辆调度信息，使用云存储服务，首先要在本地服务器部署数据中心中创建云存储平台，通过第三方网关来实现存储协议，此存储协议可以实现从nfs到smb的转换，用户将本地数据通过网线写入云存储网关中，云存储网关将数据传输至边界路由，边界路由通过专线公网将数据传入至云平台，在云平台中发起对象存储的请求，将数据传送至云平台内的云存储网关，云存储网关通过vswitch将数据发送到云存储可用区中，完成数据云存储。

如图2所示，本发明实施例提供的基于客流态势感知的景区游览车智能调度方法包括以下步骤：

s101，通过数据采集模块利用数据采集设备采集景区的客流量数据，由采集器采集到的数据为电信号，经由a/d转换器转换为数字信号，数字信号经过传输线传输至中央控制模块，采集的数据会实时显示在显示器上；

s102，通过数据预处理模块利用数据预处理程序对采集的景区客流量数据进行预处理，构建景区客流量数据集；通过中央控制模块利用主控制器对外部信号、各模块传输的数据以及请求进行采集；

s103，通过分析处理后输出给输出通道；当外部需要模拟量输出时，系统经过d/a转换器转换成标准电信号进行输出，同时协调控制所述基于客流态势感知的景区游览车智能调度系统各个模块的正常工作；

s104，通过模型构建模块利用模型构建程序根据景区客流量数据集构建客流态势预测感知模型，并对模型进行训练；通过预测感知模块利用客流态势预测感知模型对当前景区的客流态势进行预测感知；

s105，通过车辆调度模块根据当前景区客流态势的预测感知数据，通过工作人员及时的对景区车辆进行调度，将指令以数字信号形式发送至调度模块，调度模块进行车辆调度安排；

s106，通过人机交互模块将数字信号进行解析显示到显示屏幕上；工作人员在显示界面进行指令输入，提交的数据指令表单经由中央处理器cpu通过互联网上传到服务器中，再由服务器传输至中央控制模块，中央控制模块将要执行的指令传送至数据采集模块；

s107，通过通信模块接收到人机交互模块的语音编码包，对语音编码包进行ip标签标记，被标记的语音编码包发送至arm处理器，arm处理器通过网口实现互联网的连接，进行数据的处理传送；

s108，通过本地存储模块利用本地存储器存储采集到的数据，由sql接口进行两个模块间数据的连接，采用sql服务数据库进行数据的存储，数据采集读取模块将转换好的数据打包发送至中央控制模块，经由中央控制模块进行标签操作传送至sql服务数据库和云存储模块；

s109，通过云存储模块利用云数据库服务器存储客流量和车辆调度信息，通过第三方网关来实现存储协议，云存储网关通过vswitch将数据发送到云存储可用区中，完成数据云存储。

本发明实施例提供的步骤s101中，所述数据采集模块中采集器包括摄像头、指纹采集器、人脸识别采集器和声纹采集器。

如图3所示，本发明实施例提供的步骤s102中，所述通过数据预处理模块利用数据预处理程序对采集的景区客流量数据进行预处理，构建景区客流量数据集，包括：

s201，异常数据删除：删除所述采集的景区客流量数据中的异常数据；

s202，缺失数据填补：使用所述原始景区客流量数据的均值或众数填补所述景区客流量数据中的缺失数据；

s203，重复数据去重：删除所述采集的景区客流量数据中的重复数据。

本发明实施例提供的步骤s102中，所述通过数据预处理模块利用数据预处理程序对采集的景区客流量数据进行预处理，还包括：标准化处理、归一化处理和量化处理。

如图4所示，本发明实施例提供的步骤s104中，所述通过预测感知模块利用客流态势预测感知模型对当前景区的客流态势进行预测感知，包括：

s301，提取指定时间段的历史客流运行数据，基于预设定的时间权重公式和所述历史客流运行数据构建时间权重客流预测模型；

s302，基于预先构建的关联景点拓扑模型确定预测景点的关联景点，所述关联景点拓扑模型根据景点分类、景点是否相通或者运行时间和运行距离确定所述预测景点的关联景点；

s303，基于所述时间权重客流预测模型确定各个所述关联景点的第一预测客流量；

s304，根据所述时间权重客流预测模型、所述第一预测客流量以及预先训练的参数因子构建客流态势预测感知模型，并根据所述客流态势预测感知模型计算所述预测景点的第二预测客流量。

本发明实施例提供的步骤s301中，所述时间权重公式根据所述指定时间段中各个历史日期距离当前预测日期的不同天数预先设定；其中，所述时间权重公式为：

weight_meani＝f(ti)；

其中，f(ti)为权重系数，θ为训练确定的影响参数，ti为第i个历史日期距离当前预测日期的天数。

本发明实施例提供的步骤s301中，所述时间权重客流预测模型为：

其中，time_modelflow表示对应景点在设定时段内的预测客流量，n为指定时间段的总天数，weight_meani为第i个历史日期对应的时间权重，history_flowi为第i个历史日期对应设定时段内的实际客流量。

本发明实施例提供的步骤s302中，所述基于预先构建的关联景点拓扑模型确定预测景点的关联景点，包括：

将线网拓扑数据信息确定与预测景点线路相通的对应景点作为关联景点；

根据任意两个景点间的景点距离数据信息和景点运行时间数据信息确定任意两个景点间的最短路径，确定在对应的所述最短路径上，运行时间和运行距离与所述预测景点匹配的对应景点作为关联景点。

本发明实施例提供的步骤s302中，所述基于预先构建的关联景点拓扑模型确定预测景点的关联景点，还包括：

根据预定义的地理位置分类规则确定各个景点的第一分类；

根据预定义的景点属性分类规则确定各个景点的第二分类；

将所述第一分类和第二分类与所述预测景点相同的景点作为关联景点。

本发明实施例提供的步骤s304中，所述客流态势预测感知模型为：

其中，time_modelflow表示对应景点在设定时段内的预测客流量，m为关联景点的总数量，neighbor_flowj为第j个关联景点的第一预测客流量，α、β分别为对应的预先训练的参数因子。

本发明实施例提供的步骤s108中，所述sql接口用于连接模块之间的验证，验证需要密码。

本发明实施例提供的步骤s109中，所述云存储模块云服务器的连接方式包括3g、4g、5g、wifi或网线连接中任意一种。

如图5所示，本发明实施例提供的步骤s109中，所述通过云存储模块利用云数据库服务器存储客流量和车辆调度信息，包括：

s401，通过云存储模块利用云数据库服务器存储客流量和车辆调度信息，使用云存储服务，在本地服务器部署数据中心中创建云存储平台；

s402，通过第三方网关来实现存储协议；其中，所述存储协议可以实现从nfs到smb的转换；

s403，用户将本地数据通过网线写入云存储网关中，云存储网关将数据传输至边界路由，边界路由通过专线公网将数据传入至云平台；

s404，在云平台中发起对象存储的请求，将数据传送至云平台内的云存储网关，云存储网关通过vswitch将数据发送到云存储可用区中，完成数据云存储。

在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站景点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站景点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。