[发明专利]一种基于机器学习的节假日景区客流预测方法

权利要求书

1.一种基于机器学习的节假日景区客流预测方法，其特征在于，包括：

以节假日景区客流量作为目标变量，获取与当前预测时段的时间属性相同或相近条件下的特征变量，进行数据预处理并保存到数据库中作为样本数据；

将所述样本数据随机分为训练集和测试集；选择支持向量回归算法作为训练模型，使用训练集对训练模型进行训练，获得节假日景区客流预测模型，以预测节假日景区客流量和实际节假日景区客流量的不一致程度作为损失函数；使用测试集进行模型预测，评估模型的泛化能力，对模型性能进行评价，并根据评价结果对模型参数进行调整，得到最终预测模型；所述特征变量包括：客流属性、网络热度属性、景区预约属性、天气属性以及时间属性。

2.根据权利要求1所述的一种基于机器学习的节假日景区客流预测方法，其特征在于，获取单一突发因素对于目标变量的影响因子；

判断当前预测时段内是否有突发因素，若有，则通过单一突发因素或综合多个突发因素的影响因子对目标变量的预测结果进行第一次修正；否则不予修正。

3.根据权利要求2所述的一种基于机器学习的节假日景区客流预测方法，其特征在于，将所述单一突发因素进行阶段划分，获取不同阶段下对于目标变量的影响因子；判断当前预测时段所处的突发因素的阶段，采用对应的影响因子对目标变量的预测结果进行修正。

4.根据权利要求2或3所述的一种基于机器学习的节假日景区客流预测方法，其特征在于，所述突发因素包括突发极端自然事件和突发公共卫生事件。

5.根据权利要求1所述的一种基于机器学习的节假日景区客流预测方法，其特征在于，所述客流属性是指：与当前预测时段的时间属性相同或相近条件下，前一天景区客流量、前5天平均客流量以及前10天平均客流量；所述天气属性包括温度、湿度、风力、降水以及空气质量；所述时间属性是指，与当前预测时段的时间属性相同或相近条件下的所属节假日类型和节假日时间长度；所述网络热度属性包括与当前预测时段的时间属性相同或相近条件下，前一天网络搜索指数、前5天网络搜索指数以及前10天网络搜索指数；所述景区预约属性是指与当前预测时段的时间属性相同或相近条件下，1天前节假日景区预约量、3天前节假日景区预约量以及5天前节假日景区预约量。

6.根据权利要求5所述的一种基于机器学习的节假日景区客流预测方法，其特征在于，所述数据预处理包括缺失值补充、数据去重以及数据变换；

对所述特征变量中的类别变量进行类别转换，其中类别变量是指节假日时间属性；

对所述特征变量中的连续性变量进行归一化处理，其中连续性变量是指客流属性、网络热度属性、景区预约属性以及天气属性。

7.根据权利要求1所述的一种基于机器学习的节假日景区客流预测方法，其特征在于，据景区客流量的特点,选取高斯径向基核函数作为所述支持向量回归算法的核函数。

8.根据权利要求1所述的一种基于机器学习的节假日景区客流预测方法，其特征在于，根据不同景区在预测时段内的平均客流量，对所述训练模型进行适应性MAPE阈值调整。

9.根据权利要求1所述的一种基于机器学习的节假日景区客流预测方法，其特征在于，在所述获取特征变量的过程中，基于景区客流量基础数据获取节假日景区客流属性，所述景区客流量基础数据来自与当前预测时段的时间属性相同或相近条件下，待预测景区内的手机信令数据；统计所述景区关键词在一定范围内的搜索热度，从而获得所述网络搜索指数。

10.根据权利要求9所述的一种基于机器学习的节假日景区客流预测方法，其特征在于，对获得的所述待预测景区内的手机信令数据进行去重，根据工作时间和非工作时间内的手机信令特征，通过统计一定时间内累计出现天数和每天累计驻留时间来判断常驻人群和过路人群，剔除常驻人群和过路人群对所述景区客流量基础数据得影响。