[发明专利]一种基于机器学习的节假日景区客流预测方法

说明书

本申请公开了一种基于机器学习的节假日景区客流预测方法，包括：以节假日景区客流量作为目标变量，获取特征变量，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；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。本申请将人工智能算法与旅游行业游客出行业务特点有效结合，综合以往数据统计出多种因素和实时网络数据对于特定时间段景区人数的影响，纳入突发因素对预测结果进行修正，从而获得更准确地预测节假日景区客流情况。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于机器学习的 节假日景区客流预测方法。

背景技术

假日旅游的兴起，成为我国国民经济新的增长点，节假日旅游目 前已成为一种重要的社会现象和经济现象，节假日客流量预测逐渐成 为旅游需求管理的重要任务之一。

节假日期间大量游客在同一时间集中于同一地点，极易造成景区 超载、交通拥挤、住宿紧张、服务质量下降、安全隐患增多等问题， 准确的节假日客流量预测能为旅游景区管理部门提供有效决策辅助， 也为周边酒店、公路、航空等部门合理安排资源提供直接依据。尤其 是当前正处于疫情防控关键期，节假日景区客流量预测能够帮助景区 管理者提前进行客流管控，有效实行限流、错峰、预约旅游的措施。 同时也能够帮助游客合理安排出行计划，提前进行景区预约。

节假日客流产生的机理和模式与平时完全不同，由于游客在短 期内大量集中于同一地点会造成客流急剧变化，不同节假日休假时 间长短、所处季节等不同，都使得节假日客流量呈现复杂非线性特 征和明显季节性特点。研究节假日期间客流的波动特点，用客流波 动规律指导客流预测，才能提高预测的精度。由于节假日旅游客流 量的季节性、非线性特点，传统时间序列预测方法对具有线性特征 的旅游客流量有较好的预测效果，但对于复杂的非线性旅游客流量 预测往往难以实现；线性回归法、灰色预测法和指数平滑法等方法 通过分析数据可以在一定程度上预测客流量的数值,但由于未将算法 与旅游行业游客出行业务特点有效结合，面对节假日客流样本时预 测结果往往不够准确。

发明内容

本发明的目的在于提供一种基于机器学习的节假日景区客流预 测方法，将人工智能算法与旅游行业游客出行业务特点有效结合，综 合以往数据统计出多种因素和实时网络数据对于特定时间段景区人 数的影响，纳入突发因素对预测结果进行修正，从而获得更准确地预 测节假日景区客流情况。

本发明是通过以下技术方案达到上述目的：一种基于机器学习的 节假日景区客流预测方法，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。

作为优选，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。

作为优选，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。

作为优选，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。