[发明专利]基于随机森林算法预测景区客流量的方法和装置

说明书

本申请实施例公开了一种基于随机森林算法预测景区客流量的方法和装置，其中方法包括步骤：建立参数优化的随机森林算法模型，根据拟合优度和平均标准误差调试模型参数，基于网格搜索算法寻找最优随机森林算法模型；将特征数据集输入到所述最优随机森林算法模型，得到预测景区未来的日客流量。本申请实施例提供的方法和装置，可有效的提高预测模型的准确率，并保证预测的时效性，方便城市和景区的管理。

技术领域

本申请涉及人工智能技术领域，尤其是涉及一种基于随机森林算法预测景区客流量的方法和装置。

背景技术

随着我国旅游产业的迅速发展，外出旅游已成为生活的常态，且我国诸多景区的客流量随季节变化明显，呈现出较为典型的季节性。每逢客流量高峰，城市内和各个旅游景区都会出现不同情况的拥堵和混乱，甚至发生群体性摩擦，危及游客的人身财产安全，给城市和景区的管理造成极大的困扰。因此，急需一种能够对旅游景区未来客流量的预测方法，景区管理者可根据未来游客量和景区实际接待能力提前采取有效的防范措施，从而避免拥堵、摩擦甚至人身财产伤害等社会危害现象，确保景区的服务质量和景区安全。随着旅游大数据的发展，目前的景区客流量预测主要面临着两个问题。第一，由于历史数据不断的增加，模型训练时间也在不断增加，难以保证预测的时效性；第二，预测的准确率与特征和预测模型相关，由于特征和训练模型导致准确率的不理想。当前有许多关于景区客流量预测的方法，为景区管理决策提供了一定的帮助，但是预测模型的时效性和准确率却一直难提高。

发明内容

本申请实施例的主要目的在于提供一种基于随机森林算法预测景区客流量的方法和装置，提高了预测景区客流量的准确率，并保证预测的时效性。

第一方面，提供了一种基于随机森林算法预测景区客流量的方法，包括：首先，建立参数优化的随机森林算法模型，根据拟合优度和平均标准误差调试模型参数，基于网格搜索算法寻找最优随机森林算法模型；然后，将特征数据集输入到所述最优随机森林算法模型，得到预测景区未来的日客流量，方便景区提前做好管理措施。

一种可能的设计中，所述特征数据集的获取方式包括：收集景区历史的客流量和特征因子得到历史原始数据，所述特征因子包括天气、节假日、最高气温、最低气温、季节；针对不同类型缺失值分别使用拉格朗日插值法和同期历史数据均值补全所述历史原始数据缺失的游客数据值；通过高维映射对离散型定性特征进行量化；进行标准化和归一化处理。

一种可能的设计中，所述建立参数优化的随机森林算法模型包括：定义训练集和测试集，按比例分割整个数据集的训练集和测试集，建立训练集/测试集的输入和输出矩阵；计算R方值、均方差和平均绝对误差；根据拟合优度和平均标准误差调试模型参数，基于网格搜索算法寻找最优随机森林模型。

一种可能的设计中，所述基于网格搜索算法寻找最优随机森林模型具体包括：确定决策树的数量k和候选分裂属性数m_try的范围，设定步长，在k和m_try坐标系上建立二维网格，网格节点就是相应的k和m_try的参数对；对网格节点上的每一组参数构建随机森林，并利用袋外数据估计分类误差；选择分类误差最小的参数k，m_try，若分类误差或者步长满足要求，则输出最优参数和分类误差。

一种可能的设计中，所述计算R方值、均方差和平均绝对误差包括：

R方值

均方差

平均绝对误差

其中，y代表每日客流量，y_i代表历史第i天的客流量。

第二方面，本申请实施例还提供了一种装置，包括：

特征数据集单元，根据景区历史的客流量和特征因子构成的历史原始数据经过处理得到的特征数据集；