本發明涉及數據預測技術領域，尤其涉及一種景點游客量預測系統。

背景技術：

在我國,由于受到自然氣候、國家經濟狀況、景區環境建設等諸多外部因素影響，旅游短期客流量表現出非線性、季節性、隨機性等復雜特點。對受自然、氣候等因素影響較大的旅游景區例如黃山、九寨溝、華山等風景區，旅游客流量的增加并不是呈現均勻分布態勢，加之節假日等多種因素影響，使得客流量在不同時期的不均衡狀態更加顯著。

由于旅游客流量是一個主要由游客參與的、復雜的、不確定的非線性系統，受到諸如自然氣候、節假日及旅游突發事件等多種因素的影響，在不同時期呈現不同的特點，因此這為客流量的預測帶來了極大的難度。以往的以年、季和月為尺度的旅游中長期客流量預測，主要是對客流量總體特征及變化趨勢的把握，只能為旅游景區提供宏觀層面的指導，難以為景區管理者的日常決策提供直接的信息參考，無法進行不同時間段的游客量的預測。

技術實現要素：

有鑒于此，本發明要解決的技術問題是提供一種景點游客量預測系統，能夠進行不同時間段的游客量的預測。

本發明的技術方案是這樣實現的：

一種景點游客量預測系統，包括數據采集模塊、數據預測模塊和流量顯示模塊；

所述數據采集模塊用于采集預測數據；

所述數據預測模塊設置有基于lstm的客流量預測模型，用于根據數據采集模塊采集的預測數據預測景點游客量；

所述流量顯示模塊用于顯示所述景點游客量數據。

優選的，還包括數據清理模塊；

所述數據清理模塊用于對所述數據采集模塊采集的數據進行清理。

優選的，所述數據清理模塊包括格式內容清理單元、數值變換單元、噪聲數據清理單元、重復值清理單元、邏輯錯誤清理單元和歸一化處理單元。

優選的，所述流量顯示模塊顯示所述景點游客量數據包括：

生成并顯示所述景點游客量的預測曲線。

優選的，所述預測數據包括：

游客相關數據、景區相關數據、景區周邊相關數據、經濟相關數據。

本發明提出的景點游客量預測系統，通過采集預測數據，通過基于lstm的客流量預測模型進行游客量預測，由于基于lstm的客流量預測模型能夠充分考慮時序特征，從而可以采集的不同時間段的預測數據進行不同時間段的游客量的預測。

附圖說明

圖1為本發明實施例提出的景點游客量預測系統的結構框圖。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

如圖1所示，本發明實施例提出了一種景點游客量預測系統1，包括數據采集模塊101、數據預測模塊102和流量顯示模塊103；

數據采集模塊101用于采集預測數據；

數據預測模塊102設置有基于lstm(longshort-termmemory，長短時記憶網絡)的客流量預測模型，用于根據數據采集模塊101采集的預測數據預測景點游客量；

流量顯示模塊103用于顯示景點游客量數據。

可見，本發明提出的景點游客量預測系統，通過采集預測數據，通過基于lstm的客流量預測模型進行游客量預測，由于基于lstm的客流量預測模型能夠充分考慮時序特征，從而可以采集的不同時間段的預測數據進行不同時間段的游客量的預測。

其中，基于lstm的客流量預測模型依次包括lstm層、dropout層、全連接層和sigmod激活層。

在本發明的一個優選實施例中，還包括數據清理模塊；

數據清理模塊用于對數據采集模塊采集的數據進行清理。

其中，數據清理模塊包括格式內容清理單元、數值變換單元、噪聲數據清理單元、重復值清理單元、邏輯錯誤清理單元和歸一化處理單元。

數據的清理方法包括：

步驟1、格式內容清理，用于進行格式內容清洗，主要進行三個方面的清洗：

a、將時間、日期、數值、全半角等格式不一致的，統一修改成指定格式；

b、清洗內容中不該存在的字符，如多余空格、多余的標點符號、多余的量詞等；

c、清洗與所在字段要求內容不符的數據，如地區字段寫成非地理位置、價格寫成漢字等。

步驟2、數值變換。主要將非數值型數據人為映射成數據型數據方便后續分析處理。

步驟3、噪聲數據清理。用于利用直方圖統計分析數據分布特征的方法來識別數據集中的噪聲數據，刪除一些異常值。

步驟4、重復值清理。用于將一些由人為因素造成的多次上報數據進行識別并刪除重復數據。

步驟5、邏輯錯誤清理。用于去掉一些使用簡單邏輯推理就能直接發現問題的數據，分為三個方面：a、去掉重復內容；b、去除不合理的值，根據字段限定的取值范圍進行清洗；c、修改有矛盾的內容。

步驟6、歸一化處理。用于將數據不在0～1范圍的映射到0～1范圍內，方便后續的計算處理，采用min-max標準化方法，計算公式為

x^*＝(x-min)/(max-min)

其中，x^*為歸一化處理后得到的值。

在本實施例中，完成數據的清洗后，可以將清洗后的數據以此拼接成長度為n的特征向量，輸入到已經訓練好的用于客流量預測的長短時記憶網絡(lstm)中，給出預測結果，結果為將來多個時間段內客流量的預測數量。

在本發明的一個優選實施例中，流量顯示模塊顯示景點游客量數據包括：

生成并顯示景點游客量的預測曲線。

通過曲線進行數據顯示，可以直觀的顯示數據的變化情況。

在本發明的一個優選實施例中，預測數據包括：

游客相關數據、景區相關數據、景區周邊相關數據、經濟相關數據。

其中，游客相關數據包括游客性別、游客來源地區、游客酒店人均支出、游客飲食人均支出、游客年齡、游客學歷、游客反饋、游客情緒等。

景區相關數據包括景區門票價格、景區位置、景區活動項目、景區國家級別、景區季度人流、景區微博標簽、景區游記數量、景區游記熱度、景區搜索量、景區微博關注度、景區搜索熱度、景區媒體報道數量等。

景區周邊相關數據包括酒店價格、酒店入住率、酒店房間數、交通路線開通情況、旅行社訂單數量、地區交通便利程度、地區治安穩定程度等。

經濟相關數據包括國家季度gdp、居民消費水平、區域經濟水平、地區財政支出等。

在本發明實施例提出的景點游客量預測系統進行預測時，可以根據需要預測的時間段來采集對應時間段的游客相關數據、景區相關數據、景區周邊相關數據、經濟相關數據；再將采集的數據進行數據清理，將清清洗后的數據拼接成長度為n的特征向量，輸入到已經訓練好的用于客流量預測的長短時記憶網絡(lstm)中，給出預測結果，在流量顯示模塊顯示景點游客量數據的曲線圖。

綜上所述，本發明實施例至少可以實現如下效果：

在本發明實施例中，通過采集預測數據，通過基于lstm的客流量預測模型進行游客量預測，由于基于lstm的客流量預測模型能夠充分考慮時序特征，從而可以采集的不同時間段的預測數據進行不同時間段的游客量的預測。

在本發明實施例中，景點游客量預測系統還包括數據清理模塊；數據清理模塊用于對數據采集模塊采集的數據進行清理，從而便于基于lstm的客流量預測模型的預測。

在本發明實施例中，預測數據包括游客相關數據、景區相關數據、景區周邊相關數據、經濟相關數據，從而能夠進行多源數據綜合分析，能夠適應各種景區的分析預測。

最后需要說明的是：以上所述僅為本發明的較佳實施例，僅用于說明本發明的技術方案，并非用于限定本發明的保護范圍。凡在本發明的精神和原則之內所做的任何修改、等同替換、改進等，均包含在本發明的保護范圍內。