一种客流指标确定方法、装置、电子设备及存储介质与流程

1.本技术涉及数据管理技术领域，具体涉及一种客流指标确定方法、装置、电子设备及存储介质。


背景技术：

2.客流指标包括客流量、进店率以及成交率等。其中，客流量指的是单位时间内经过商店门口的人数，进店率指的是单位时间内从店铺门口经过的客流量与进入店铺内的客流量的比率，成交率指的是订单成交人数与进店人数的比率。
3.在常见的客流统计方法中，大多是由摄像头记录下门店以及门店周围的人流信息，再通过计算机对所记录门店的人流数据进行分析，进而确定这一门店的指定客流指标。但是，使用该现有的客流统计方法进行跨门店客流统计时，其计算过程复杂且计算速度较慢，无法高效准确地实现跨门店的客流统计。


技术实现要素：

4.本技术实施例的目的在于提供一种客流指标确定方法、装置、电子设备及存储介质，以改善上述跨门店客流统计的计算过程复杂且计算速度较慢的技术问题。
5.为实现上述目的，本技术提供如下技术方案：
6.第一方面，本技术实施例提供一种客流指标确定方法，所述方法包括：
7.接收计算跨门店客流指标的触发信息；其中，所述触发信息包括待计算的门店信息和待计算客流指标；
8.根据所述待计算的门店信息从门店客流数据中获取每一待计算门店的相关客流数据；
9.根据所述待计算客流指标从预设算子中确定相关算子；其中，所述相关算子包括单门店计算算子和多门店聚合算子；
10.基于所述单门店计算算子和所述相关客流数据确定每一所述待计算门店的单一客流指标；
11.根据所述多门店聚合算子对所述单一客流指标进行聚合分析，获得跨门店客流指标。
12.在上述方案中，首先根据单门店计算算子确定单一客流指标这一中间数据，再对单一客流指标进行聚合分析，得到跨门店的客流指标；在简化了跨门店客流指标的计算过程的同时提高了跨门店客流指标的计算速度，可以高效准确地实现跨门店的客流统计。
13.可选的，在所述根据所述待计算的门店信息从门店客流数据中获取每一待计算门店的相关客流数据之前，所述方法还包括：根据预设规则从各个门店所采集的数据中提取特征数据；对所述特征数据进行特征识别获得特征识别结果；根据所述特征识别结果获得所述门店客流数据。
14.在上述方案中，按照预设规则从各个门店所采集的数据中提取特征数据，并对提
取得到的特征数据进行特征识别，进而获得特征识别结果，再对所获得的特征识别结果进行分析统计所获得的门店客流数据的准确度较高，进而提高了根据该门店客流数据所确定的客流指标的准确度。
15.可选的，每一所述预设算子包括算子过滤逻辑和算子计算逻辑；所述根据所述待计算客流指标从预设算子中确定相关算子，包括：根据所述待计算客流指标和每一所述预设算子的算子过滤逻辑从所述预设算子中确定所述相关算子；所述根据所述单门店计算算子和所述相关客流数据确定每一所述待计算门店的单一客流指标，包括：根据所述单门店计算算子的算子计算逻辑和所述相关客流数据确定每一所述待计算门店的单一客流指标；所述根据所述多门店聚合算子对所述单一客流指标进行聚合分析确定所述跨门店客流指标，包括：根据所述多门店聚合算子的算子计算逻辑对所述单一客流指标进行聚合分析确定所述跨门店客流指标。
16.在上述方案中，根据上述待计算客流指标和每一预设算子的算子过滤逻辑从预设算子中过滤出相关算子，根据单门店计算算子的算子计算逻辑和相关客流数据确定每一所述待计算门店的单一客流指标，以及根据多门店聚合算子的算子计算逻辑对所述单一客流指标进行聚合分析确定跨门店客流指标。通过为每一预设算子配置算子过滤逻辑和算子计算逻辑，简化了从预设算子中确定相关算子的过程以及单一客流指标和跨门店客流指标的计算过程，提高了跨门店客流指标的计算速度。
17.可选的，每一所述单门店计算算子还包括所需客流数据源；所述根据所述单门店计算算子和所述相关客流数据确定每一所述待计算门店的单一客流指标，包括：根据所述单门店计算算子的所需客流数据源从所述相关客流数据中获取算子计算所需的类型客流数据；根据所述单门店计算算子的算子计算逻辑和所述类型客流数据确定每一所述待计算门店的单一客流指标。
18.在上述方案中，通过为每一单门店计算算子配置其所需客流数据源，简化了从相关客流数据中获取算子计算所需的类型客流数据的过程，提高了跨门店客流指标的计算速度。
19.可选的，若所述单门店计算算子中存在多个所需客流数据源相同的算子，对所述所需客流数据源相同的算子进行数据源的合并。
20.在上述方案中，通过对所需客流数据源相同的算子的数据源进行合并，减少了单门店计算算子从相关客流数据中获取算子计算所需的类型客流数据的次数，进一步提高了跨门店客流指标的计算速度。
21.可选的，在所述根据所述待计算客流指标从预设算子中确定相关算子之前，所述方法还包括：配置每一所述预设算子的算子信息；其中，所述算子信息包括每一所述预设算子的所述算子过滤逻辑和所述算子计算逻辑；存储配置好的所述预设算子。
22.在上述方案中，可以实现配置好每一个预设算子的算子过滤逻辑和所述算子计算逻辑等算子信息，并对配置好的预设算子进行存储，便于客流指标计过程中对预设算子的调用，以简化跨门店客流指标的计算过程，提高跨门店客流指标的计算速度。
23.可选的，在所述配置每一所述预设算子的算子信息之后，所述方法还包括：根据算子调整指令对所述预设算子的算子信息进行算子调整；其中，所述算子调整包括算子的增加、删除和优化。
24.在上述方案中，根据算子调整指令对预设算子的算子信息进行算子调整，以保证预设算子的可扩展性，以适应各种业务需求下的对不同的跨门店客流指标的求取。
25.第二方面，本技术实施例提供一种客流指标确定装置，所述装置包括：
26.触发信息接收模块，所述触发信息接收模块用于接收计算跨门店客流指标的触发信息；其中，所述触发信息包括待计算的门店信息和待计算客流指标；
27.相关客流数据获取模块，所述相关客流数据获取模块用于根据所述待计算的门店信息从门店客流数据中获取每一待计算门店的相关客流数据；
28.相关算子确定模块，所述相关算子确定模块用于根据所述待计算客流指标从预设算子中确定相关算子；其中，所述相关算子包括单门店计算算子和多门店聚合算子；
29.单一客流指标确定模块，所述单一客流指标确定模块用于基于所述单门店计算算子和所述相关客流数据确定每一所述待计算门店的单一客流指标；
30.跨门店客流指标确定模块，所述跨门店客流指标确定模块用于根据所述多门店聚合算子对所述单一客流指标进行聚合分析，获得跨门店客流指标。
31.在上述方案中，该客流指标确定装置通过接收计算跨门店客流指标的触发信息；根据触发信息从门店客流数据中获取每一待计算门店的相关客流数据以及从预设算子中确定相关算子；基于单门店计算算子和所述相关客流数据确定每一所述待计算门店的单一客流指标；根据多门店聚合算子对所述单一客流指标进行聚合分析，获得跨门店客流指标。该客流指标确定装置先根据单门店计算算子确定单一客流指标这一中间数据，再对单一客流指标进行聚合分析，得到跨门店的客流指标；在简化了跨门店客流指标的计算过程的同时提高了跨门店客流指标的计算速度，可以高效准确地实现跨门店的客流统计。
32.可选的，所述客流指标确定装置还包括：特征数据提取模块，所述特征数据提取模块用于根据预设规则从各个门店所采集的数据中提取特征数据；特征识别模块，所述特征识别模块用于对所述特征数据进行特征识别获得特征识别结果；门店客流数据获取模块，所述门店客流数据获取模块用于根据所述特征识别结果获得所述门店客流数据。
33.可选的，每一所述预设算子包括算子过滤逻辑和算子计算逻辑；所述相关算子确定模块具体用于：根据所述待计算客流指标和每一所述预设算子的算子过滤逻辑从所述预设算子中确定所述相关算子；所述单一客流指标确定模块具体用于：根据所述单门店计算算子的算子计算逻辑和所述相关客流数据确定每一所述待计算门店的单一客流指标；所述跨门店客流指标确定模块具体用于：根据所述多门店聚合算子的算子计算逻辑对所述单一客流指标进行聚合分析确定所述跨门店客流指标。
34.可选的，每一所述单门店计算算子还包括所需客流数据源；所述单一客流指标确定模块具体还用于：根据所述单门店计算算子的所需客流数据源从所述相关客流数据中获取算子计算所需的类型客流数据；根据所述单门店计算算子的算子计算逻辑和所述类型客流数据确定每一所述待计算门店的单一客流指标。
35.可选的，所述客流指标确定装置还包括：合并模块，所述合并模块用于若所述单门店计算算子中存在多个所需客流数据源相同的算子，对所述所需客流数据源相同的算子进行数据源的合并。
36.可选的，所述客流指标确定装置还包括：算子信息配置模块，所述算子信息配置模块用于配置每一所述预设算子的算子信息；其中，所述算子信息包括每一所述预设算子的
所述算子过滤逻辑和所述算子计算逻辑；预设算子存储模块，所述预设算子存储模块用于存储配置好的所述预设算子。
37.可选的，所述客流指标确定装置还包括：算子调整模块，所述算子调整模块用于根据算子调整指令对所述预设算子的算子信息进行算子调整；其中，所述算子调整包括算子的增加、删除和优化。
38.第三方面，本技术实施例提供一种电子设备，包括：存储器以及处理器，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器读取并运行时，执行第一方面任意一种可能的实现方式提供的方法。
39.第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行第一方面任意一种可能的实现方式提供的方法。
40.本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术实施例了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
41.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
42.图1为本技术实施例提供的一种客流指标确定方法的流程示意图；
43.图2为本技术实施例提供的另一种客流指标确定方法的流程示意图；
44.图3为本技术实施例提供的一种客流指标确定装置的结构示意图；
45.图4为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
46.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
47.术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
48.术语“第一”、“第二”等仅用于将一个实体或者操作与另一个实体或操作区分开来，而不能理解为指示或暗示相对重要性，也不能理解为要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
49.针对现有技术中存在的不足，本技术实施例提供一种客流指标确定方法，用于简化跨门店客流统计的计算过程，提高跨门店客流统计的计算速度，高效准确地实现跨门店
客流指标的统计。
50.请参照图1，图1为本技术实施例提供的一种客流指标确定方法的流程示意图，该客流指标确定方法，包括：
51.步骤101、接收计算跨门店客流指标的触发信息；其中，所述触发信息包括待计算的门店信息和待计算客流指标；
52.步骤102、根据所述待计算的门店信息从门店客流数据中获取每一待计算门店的相关客流数据；
53.步骤103、根据所述待计算客流指标从预设算子中确定相关算子；其中，所述相关算子包括单门店计算算子和多门店聚合算子；
54.步骤104、基于所述单门店计算算子和所述相关客流数据确定每一所述待计算门店的单一客流指标；
55.步骤105、根据所述多门店聚合算子对所述单一客流指标进行聚合分析，获得跨门店客流指标。
56.其中，在步骤101中，触发信息可以是在满足触发器的触发条件后，触发器触发所生成的。触发器包括webhook触发器、api触发器或定时触发器等；其中，可以通过设置定时触发器，对每小时或每30分钟内的待计算门店的客流量进行统计。触发器的触发条件可以是提前设置好的，也可以根据实际的需求进行调整。待计算的门店信息指的是需要进行指标计算的门店的信息，可以是某地区的全部门店，也可以是对门店进行编号后的某一编号范围的门店。待计算客流指标包括客流量指标和进店率指标等。
57.其中，在步骤102中，门店客流数据可以是从各个门店所采集的图像数据或视频数据中进行提取和特征识别所得到的，也可以是各个门店已经进行特征识别后存储到数据库的客流数据。
58.其中，在步骤103中，预设算子指的是预先设置好的用于计算单一客流指标或跨门店客流指标的算子；例如，行人数量统计算子、行人专有属性统计算子、人脸专有属性算子、停留时长算子、访问次数算子、身份类型算子、到访顺序算子以及轨迹算子等；其中，行人专有属性可以包括服装颜色、是否佩戴帽子、是否佩戴眼镜等，人脸专有属性可以包括肤色、表情属性等。单门店计算算子指的是用于计算单一客流指标的算子，多门店聚合算子指的是用于对多个单一客流指标进行聚合以获得跨门店客流指标的算子。
59.其中，在步骤104中，单一客流指标指的是与单个门店相关的客流指标，例如，门店a在某一天的客流量，或者门店b在某一段时间的进店率等。
60.其中，在步骤105中，跨门店客流指标指的是与两个或两个以上的门店相关的综合客流指标，例如，门店a、门店b和门店c在某一天的综合客流量，或者门店a和门店b在某一段时间的客流量的差值等。
61.其中，所得到的第一单一客流指标或者第一跨门店客流指标都可以存储到数据库中，方便再次接收到计算第一跨门店客流指标的触发信息时，直接从数据库中进行调用；或者接收到不同的计算第二跨门店客流指标的触发信息，但第一跨门店客流指标和第二跨门店客流指标的计算需要用到相同的第一单一客流指标，也可以直接从数据库中对已存储的第一单一客流指标进行调用。其中，可以采用时序数据库对已获得的客流指标数据进行存储，例如，elasticsearch或influxdb或clickhouse数据库等。
62.由上可知，本技术提供的一种客流指标确定方法，该客流指标确定方法通过接收计算跨门店客流指标的触发信息；根据触发信息从门店客流数据中获取每一待计算门店的相关客流数据以及从预设算子中确定相关算子；基于单门店计算算子和所述相关客流数据确定每一所述待计算门店的单一客流指标；根据多门店聚合算子对所述单一客流指标进行聚合分析，获得跨门店客流指标。该客流指标确定方法先根据单门店计算算子确定单一客流指标这一中间数据，再对单一客流指标进行聚合分析，得到跨门店的客流指标；在简化了跨门店客流指标的计算过程的同时提高了跨门店客流指标的计算速度，可以高效准确地实现跨门店的客流统计。
63.请参照图2，图2为本技术实施例提供的另一种客流指标确定方法的流程示意图。
64.在一些可选的实施例中，在步骤102、根据所述待计算的门店信息从门店客流数据中获取每一待计算门店的相关客流数据之前，所述方法还包括：步骤106、根据预设规则从各个门店所采集的数据中提取特征数据；步骤107、对所述特征数据进行特征识别获得特征识别结果；步骤108、根据所述特征识别结果获得所述门店客流数据。
65.其中，在步骤106-108中，各个门店所采集的数据包括门店外数据和门店内数据；通过对门店外数据进行特征提取和特征识别等处理可以获得与客流量等客流指标所相关的门店客流数据，通过对门店内数据进行特征提取和特征识别等处理可以获得与回头率等客流指标所相关的门店客流数据，通过对门店内数据和门店外数据进行特征提取和特征识别等处理可以综合获得与进店率等客流指标所相关的门店客流数据。
66.其中，在步骤106-108中，若各个门店所采集的数据是图片类数据，相应的图片类数据的预设规则可以是：对图片类数据进行图片特征提取，以获取人脸特征或行人特征等特征数据，再对特征数据进行特征识别。其中，若识别到人脸特征数据，可以对人脸特征数据进行特征入库，再通过k-means聚类或者topk算法等方式找到已入库的人脸特征中的相似人脸，得到该相似人脸的id；还可以对该人脸特征数据进行属性的识别，以获得该人脸特征数据所对应的性别或者年龄等。若各个门店所采集的数据是视频类数据，则可以按照预设的截图频率和预设的截图大小对视频类数据中的视频流进行截图，以获得图片类数据，再按照图片类数据的预设规则对其进行特征提取以及特征识别等处理。
67.其中，也可以通过预设相应算子的方式实现对各个门店所采集的数据的特征提取和特征识别；例如，可以预设神经网络类型算子和线性回归类型算子等，用于完成对各个门店所采集的数据的特征提取和特征识别等过程。
68.在一些可选的实施例中，每一所述预设算子包括算子过滤逻辑和算子计算逻辑；步骤103、根据所述待计算客流指标从预设算子中确定相关算子，包括：根据所述待计算客流指标和每一所述预设算子的算子过滤逻辑从所述预设算子中确定所述相关算子；步骤104、根据所述单门店计算算子和所述相关客流数据确定每一所述待计算门店的单一客流指标，包括：根据所述单门店计算算子的算子计算逻辑和所述相关客流数据确定每一所述待计算门店的单一客流指标；步骤105、根据所述多门店聚合算子对所述单一客流指标进行聚合分析确定所述跨门店客流指标，包括：根据所述多门店聚合算子的算子计算逻辑对所述单一客流指标进行聚合分析确定所述跨门店客流指标。
69.其中，以客流量指标的计算为例，具体地，以计算门店a和门店b的总客流量指标为例，由于客流量指标的计算需要知道一天内经过门店行人数量，当需要求取客流量指标时，
可以根据每一预设算子的算子过滤逻辑从预设算子中确定出和求取客流量指标相关的单门店计算算子；且由于需要计算两个门店的客流量指标之和，可以根据每一预设算子的算子过滤逻辑从预设算子中确定出和求取客流量指标之和相关的多门店聚合算子。再根据单门店计算算子的算子计算逻辑和相关客流数据计算出每一待计算门店的单一客流指标，也就是门店a的客流量指标和门店b的客流量指标。最后，根据多门店聚合算子对门店a的客流量指标和门店b的客流量指标进行求和计算，进而确定出跨门店客流指标，也就是门店a和门店b的总客流量指标。
70.在一些可选的实施例中，每一所述单门店计算算子还包括所需客流数据源；步骤104、根据所述单门店计算算子和所述相关客流数据确定每一所述待计算门店的单一客流指标，包括：根据所述单门店计算算子的所需客流数据源从所述相关客流数据中获取算子计算所需的类型客流数据；根据所述单门店计算算子的算子计算逻辑和所述类型客流数据确定每一所述待计算门店的单一客流指标。
71.其中，以客流量指标的计算为例，具体地，以计算门店a和门店b的总客流量指标为例，由于客流量指标的计算需要知道一天内经过门店a和门店b的行人数量，当需要求取客流量指标时，可以根据每一预设算子的算子过滤逻辑从预设算子中确定出和求取客流量指标相关的单门店计算算子，也就是行人客流统计算子，再根据行人客流统计算子的所需客流数据源从相关客流数据(即门店a的客流数据源和门店b的客流数据源)中获取算子计算所需的类型客流数据，即门店a的行人类型数据源和门店b的行人类型数据源。
72.在一些可选的实施例中，若所述单门店计算算子中存在多个所需客流数据源相同的算子，对所述所需客流数据源相同的算子进行数据源的合并。
73.其中，以在一次指标计算中，同时用到行人客流统计算子和求取进店率的算子为例，由于行人客流统计算子和求取进店率的算子都需要用到门店外的行人类型数据源，则可以对其数据源进行合并，只获取一次门店的行人类型数据源，以减少数据源的获取次数，进而提高客流指标的计算速度。
74.在一些可选的实施例中，在步骤103、根据所述待计算客流指标从预设算子中确定相关算子之前，所述方法还包括：配置每一所述预设算子的算子信息；其中，所述算子信息包括每一所述预设算子的所述算子过滤逻辑和所述算子计算逻辑；存储配置好的所述预设算子。
75.其中，可以根据每一客流指标的计算所需算子以及指标的计算逻辑确定每一预设算子的算子过滤逻辑和算子计算逻辑。可以通过关系型数据库或者非关系型数据库对配置好的预设算子进行存储，如myspl或者mongodb数据库等。
76.在一些可选的实施例中，在所述配置每一所述预设算子的算子信息之后，所述方法还包括：根据算子调整指令对所述预设算子的算子信息进行算子调整；其中，所述算子调整包括算子的增加、删除和优化。
77.其中，预设算子的算子信息可以根据实际需求进行调整，包括算子的增加、删除和优化。
78.请参照图3，图3为本技术实施例提供的一种客流指标确定装置的结构示意图，该客流指标确定装置，包括：
79.触发信息接收模块201，触发信息接收模块201用于接收计算跨门店客流指标的触
发信息；其中，所述触发信息包括待计算的门店信息和待计算客流指标；
80.相关客流数据获取模块202，相关客流数据获取模块202用于根据所述待计算的门店信息从门店客流数据中获取每一待计算门店的相关客流数据；
81.相关算子确定模块203，相关算子确定模块203用于根据所述待计算客流指标从预设算子中确定相关算子；其中，所述相关算子包括单门店计算算子和多门店聚合算子；
82.单一客流指标确定模块204，单一客流指标确定模块204用于基于所述单门店计算算子和所述相关客流数据确定每一所述待计算门店的单一客流指标；
83.跨门店客流指标确定模块205，跨门店客流指标确定模块205用于根据所述多门店聚合算子对所述单一客流指标进行聚合分析，获得跨门店客流指标。
84.在一些可选的实施例中，所述客流指标确定装置还包括：特征数据提取模块，所述特征数据提取模块用于根据预设规则从各个门店所采集的数据中提取特征数据；特征识别模块，所述特征识别模块用于对所述特征数据进行特征识别获得特征识别结果；门店客流数据获取模块，所述门店客流数据获取模块用于根据所述特征识别结果获得所述门店客流数据。
85.在一些可选的实施例中，每一所述预设算子包括算子过滤逻辑和算子计算逻辑；所述相关算子确定模块具体用于：根据所述待计算客流指标和每一所述预设算子的算子过滤逻辑从所述预设算子中确定所述相关算子；所述单一客流指标确定模块具体用于：根据所述单门店计算算子的算子计算逻辑和所述相关客流数据确定每一所述待计算门店的单一客流指标；所述跨门店客流指标确定模块具体用于：根据所述多门店聚合算子的算子计算逻辑对所述单一客流指标进行聚合分析确定所述跨门店客流指标。
86.在一些可选的实施例中，每一所述单门店计算算子还包括所需客流数据源；所述单一客流指标确定模块具体还用于：根据所述单门店计算算子的所需客流数据源从所述相关客流数据中获取算子计算所需的类型客流数据；根据所述单门店计算算子的算子计算逻辑和所述类型客流数据确定每一所述待计算门店的单一客流指标。
87.在一些可选的实施例中，所述客流指标确定装置还包括：合并模块，所述合并模块用于若所述单门店计算算子中存在多个所需客流数据源相同的算子，对所述所需客流数据源相同的算子进行数据源的合并。
88.在一些可选的实施例中，所述客流指标确定装置还包括：算子信息配置模块，所述算子信息配置模块用于配置每一所述预设算子的算子信息；其中，所述算子信息包括每一所述预设算子的所述算子过滤逻辑和所述算子计算逻辑；预设算子存储模块，所述预设算子存储模块用于存储配置好的所述预设算子。
89.在一些可选的实施例中，所述客流指标确定装置还包括：算子调整模块，所述算子调整模块用于根据算子调整指令对所述预设算子的算子信息进行算子调整；其中，所述算子调整包括算子的增加、删除和优化。
90.本技术实施例提供的客流指标确定装置，其实现原理及产生的技术效果在前述方法实施例中已经介绍，为简要描述，装置实施例部分未提及之处，可参考方法实施例中相应内容。
91.图4为本技术实施例提供的一种电子设备的结构示意图。参照图4，电子设备3包括：处理器301、存储器302，这些组件通过通信总线303和/或其他形式的连接机构(未示出)
互连并相互通讯。
92.其中，存储器302包括一个或多个(图中仅示出一个)，其可以是，但不限于，随机存取存储器(random access memory，简称ram)，只读存储器(read only memory，简称rom)，可编程只读存储器(programmable read-only memory，简称prom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，电可擦除可编程只读存储器(electric erasable programmable read-only memory，简称eeprom)等。处理器301以及其他可能的组件可对存储器302进行访问，读和/或写其中的数据。
93.处理器301包括一个或多个(图中仅示出一个)，其可以是一种集成电路芯片，具有信号的处理能力。上述的处理器301可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、微控制单元(micro controller unit，简称mcu)、网络处理器(network processor，简称np)或者其他常规处理器；还可以是专用处理器，包括神经网络处理器(neural-network processing unit，简称npu)、图形处理器(graphics processing unit，简称gpu)、数字信号处理器(digital signal processor，简称dsp)、专用集成电路(application specific integrated circuits，简称asic)、现场可编程门阵列(field programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。并且，在处理器301为多个时，其中的一部分可以是通用处理器，另一部分可以是专用处理器。
94.在存储器302中可以存储一个或多个计算机程序指令，处理器301可以读取并运行这些计算机程序指令，以实现本技术实施例提供的一种客流指标确定方法。
95.可以理解的，图4所示的结构仅为示意，电子设备3还可以包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的结构。图4中所示的各组件可以采用硬件、软件或其组合实现。电子设备3可能是实体设备，例如pc机、笔记本电脑、平板电脑、手机、服务器、嵌入式设备等，也可能是虚拟设备，例如虚拟机、虚拟化容器等。并且，电子设备3也不限于单台设备，也可以是多台设备的组合或者大量设备构成的集群。
96.本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被计算机的处理器读取并运行时，执行本技术实施例提供的客流指标确定方法。例如，计算机可读存储介质可以实现为图4中电子设备3中的存储器302。
97.在本技术所提供的实施例中，应该理解到，所揭露装置以及系统，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
98.另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
99.再者，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部
分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
100.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。