本发明涉及大数据,尤其涉及一种人流量预测方法、装置、设备及存储介质。
背景技术:
1、当前主要的人流量统计手段,是依赖于现场人工统计或ai摄像头识别,统计范围小且不精准,且因为缺少多时序性的历史数据,无法根据各时段、各地域等特性,实现对未来人流量的准确预测。
2、上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本发明的主要目的在于提供一种人流量预测方法、装置、设备及存储介质,旨在解决现有技术中使用传统的人流量统计手段得到的数据,难以实现对未来人流量准确预测的技术问题。
2、为实现上述目的,本发明提供了一种人流量预测方法,所述方法包括以下步骤:
3、根据目标场景的用户信令数据,确定用户轨迹信息,生成用户画像;
4、根据所述目标场景,确定特征数据的权重,所述特征数据至少包括所述用户画像;
5、根据所述用户信令数据,生成人流量时间序列;
6、根据所述人流量时间序列、所述特征数据以及所述特征数据的权重,构建人流量预测模型;
7、基于所述人流量预测模型,预测所述目标场景下的未来人流量数据。
8、可选地,所述根据目标场景的用户信令数据,确定用户轨迹信息,生成用户画像,包括:
9、根据所述用户信令数据中的用户编号数据,将所述用户信令数据划分为用户数据组;
10、根据所述用户数据组,确定所述用户数据组对应的用户轨迹信息,所述用户轨迹信息至少包括出现时间段信息与出现日期信息;
11、根据所述目标场景,确定所述用户画像的满足条件,所述满足条件至少包括出现时间段条件与连续出现条件;
12、根据所述用户轨迹信息与所述用户画像的满足条件,在所述用户画像中,确定所述用户数据组匹配的用户画像;
13、根据所述用户数据组匹配的用户画像,确定所述用户信令数据对应的用户画像。
14、可选地,所述根据所述用户信令数据,生成人流量时间序列,包括:
15、根据所述用户信令数据中的时间戳数据,将所述时间信令数据分解为时间特征数据,所述时间特征数据至少包括日期数据与人流量数据;
16、根据所述日期数据,将所述时间特征数据划分为时间特征数据组,所述时间特征数据组至少包括工作日数据组与非工作日数据组;
17、根据所述时间特征数据组,生成对应的人流量时间序列。
18、可选地,所述根据所述人流量时间序列、所述特征数据以及所述特征数据的权重,构建人流量预测模型,包括:
19、根据所述人流量时间序列之间的动态时间规整距离,对所述人流量时间序列进行聚类,得到聚类结果;
20、根据所述聚类结果,将所述目标场景划分为多个子场景;
21、获取所述子场景对应的人流量时间序列,根据预设滑动窗口,对所述子场景对应的人流量时间序列进行数据划分,得到所述子场景的样本数据集,所述样本数据集至少包括训练数据集、测试数据集以及验证数据集;
22、根据所述样本数据集、所述特征数据以及所述特征数据的权重,构建所述子场景的人流量预测模型。
23、可选地,所述根据所述人流量时间序列之间的动态时间规整距离,对所述人流量时间序列进行聚类,得到聚类结果之前,还包括:
24、根据所述人流量时间序列之间的元素欧式距离,得到欧式距离矩阵;
25、根据所述欧式距离矩阵以及欧式距离矩阵与动态时间规整矩阵之间的对应关系,确定动态时间规整矩阵;
26、根据所述动态时间规整矩阵,确定所述人流量时间序列之间的动态时间规整距离。
27、可选地,所述特征数据还包括天气因素,所述根据所述目标场景,确定特征数据的权重,包括:
28、基于所述目标场景,获取历史天气数据与所述历史天气数据对应的历史人流量数据;
29、根据所述历史天气数据与所述历史人流量数据,确定所述天气因素与历史人流量数据之间的关联度,所述天气因素至少包括温度、相对湿度、风速、能见度、气压以及露点温度;
30、根据所述目标场景下天气因素与历史人流量数据之间的关联度,确定所述天气因素的权重。
31、可选地,所述根据目标场景的用户信令数据,确定用户轨迹信息,生成用户画像之前,还包括:
32、根据预设时间范围,获取所述目标场景的原始用户信令数据;
33、对所述原始用户信令数据进行数据清洗,剔除所述原始用户信令数据中的无效数据,所述无效数据至少包括异常残缺数据、重复数据、乒乓数据以及漂移数据;
34、提取所述原始用户信令数据中的目标数据,得到所述用户信令数据,所述目标数据至少包括用户编号数据、时间戳数据、基站位置区编号数据以及基站小区编号数据。
35、此外,为实现上述目的,本发明还提出一种人流量预测装置,所述人流量预测装置包括:
36、用户画像模块,用于根据目标场景的用户信令数据,确定用户轨迹信息,生成用户画像;
37、权重配置模块,用于根据所述目标场景,确定特征数据的权重,所述特征数据至少包括所述用户画像;
38、模型构建模块,用于根据所述用户信令数据,生成人流量时间序列;
39、所述模型构建模块,还用于根据所述人流量时间序列、所述特征数据以及所述特征数据的权重,构建人流量预测模型;
40、预测模块,用于基于所述人流量预测模型,预测所述目标场景下的未来人流量数据。
41、此外,为实现上述目的,本发明还提出一种人流量预测设备,所述人流量预测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人流量预测程序,所述人流量预测程序配置为实现如上文所述的人流量预测方法的步骤。
42、此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有人流量预测程序,所述人流量预测程序被处理器执行时实现如上文所述的人流量预测方法的步骤。
43、在本发明中,根据目标场景的用户信令数据,确定用户轨迹信息,生成用户画像,根据目标场景,确定特征数据的权重,特征数据至少包括用户画像,根据用户信令数据,生成人流量时间序列,根据人流量时间序列、特征数据以及特征数据的权重,构建人流量预测模型,基于人流量预测模型,预测所述目标场景下的未来人流量数据。相较于传统的人流量统计手段得到的数据,难以实现对未来人流量的准确预测,本发明结合多时序性的信令数据以及能够表征用户活动轨迹的用户画像等特征数据,构建不同场景下的人流量预测模型,可以对不同场景下的人流量进行预测,实现多场景的高精度人流量预测,提高了预测的准确性以及场景适应性。
1.一种人流量预测方法,其特征在于,所述人流量预测方法,包括:
2.如权利要求1所述的方法,其特征在于,所述根据目标场景的用户信令数据,确定用户轨迹信息,生成用户画像,包括:
3.如权利要求1所述的方法,其特征在于,所述根据所述用户信令数据,生成人流量时间序列,包括:
4.如权利要求1所述的方法,其特征在于,所述根据所述人流量时间序列、所述特征数据以及所述特征数据的权重,构建人流量预测模型,包括:
5.如权利要求4所述的方法,其特征在于,所述根据所述人流量时间序列之间的动态时间规整距离,对所述人流量时间序列进行聚类,得到聚类结果之前,还包括:
6.如权利要求1所述的方法,其特征在于,所述特征数据还包括天气因素,所述根据所述目标场景,确定特征数据的权重,包括:
7.如权利要求1至6任一项所述的方法,其特征在于,所述根据目标场景的用户信令数据,确定用户轨迹信息,生成用户画像之前,还包括:
8.一种人流量预测装置,其特征在于,所述人流量预测装置包括:
9.一种人流量预测设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人流量预测程序,所述人流量预测程序配置为实现如权利要求1至7中任一项所述的人流量预测方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有人流量预测程序,所述人流量预测程序被处理器执行时实现如权利要求1至7任一项所述的人流量预测方法的步骤。