[发明专利]客流量预测方法、装置、计算机设备和存储介质

权利要求书

1.一种客流量预测方法，其特征在于，所述方法包括：

获取预测时间段，并确定所述预测时间段对应的历史时间段；

获取所述历史时间段内历史客流量序列、客流量影响因子和活动波动因子，所述活动波动因子由历史时间段内活动日客流量与非活动日客流量的比值确定；

根据所述历史客流量序列和所述客流量影响因子，得到预测时段内非活动日的预测客流量序列；

根据所述非活动日的预测客流量序列和所述活动波动因子，得到预测时段内活动日的预测客流量序列。

2.根据权利要求1所述的客流量预测方法，其特征在于，所述活动波动因子基于以下方式得到：

获取所述历史时间段的目标日均客流量序列和上一次活动的客流量序列，所述目标日均客流量序列为非活动日以星期属性分组的日均客流量序列；

针对各活动日，对应获取所述上一次活动的客流量序列中活动日当天的客流量与所述目标日均客流量序列中各星期数的日均客流量的比值，得到当天对应的活动波动因子。

3.根据权利要求1所述的客流量预测方法，其特征在于，所述根据所述非活动日的预测客流量序列和所述活动波动因子，得到预测时段内活动日的预测客流量序列包括：

确定所述预测时段内活动日时间轴；

基于所述活动日时间轴，依次获取各活动日对应的活动波动因子与所述非活动日的预测客流量序列中各预测客流量的乘积，得到预测时段内活动日的预测客流量序列。

4.根据权利要求1所述的客流量预测方法，其特征在于，所述根据历史客流量序列和客流量影响因子，得到预测时段内非活动日的预测客流量序列之前，还包括：

对所述历史客流量序列和所述客流量影响因子进行数据预处理，所述数据预处理包括异常值处理；

所述根据历史客流量序列和客流量影响因子，得到预测时段内非活动日的预测客流量序列包括：

根据数据预处理之后的历史客流量序列和客流量影响因子，得到预测时段内非活动日的预测客流量序列。

5.根据权利要求4所述的客流量预测方法，其特征在于，对所述历史客流量序列和所述客流量影响因子进行异常值处理包括：

识别所述历史客流量序列的异常值和所述客流量影响因子的异常值；

采用平均值修正方法，对所述历史客流量序列的异常值和所述客流量影响因子的异常值进行修正。

6.根据权利要求5所述的客流量预测方法，其特征在于，所述识别所述历史客流量序列的异常值和所述客流量影响因子的异常值包括：

获取所述历史客流量序列的均值和所述客流量影响因子的均值；

确定所述历史客流量序列中各历史客流量与所述历史客流量序列的均值的第一绝对距离，以及各所述客流量影响因子与各客流量影响因子的均值的第二绝对距离；

将第一绝对距离和所述第二绝对距离分别与预设标准差进行比较，筛选出所述历史客流量序列的异常值和所述客流量影响因子的异常值。

7.根据权利要求1至5任意一项所述的客流量预测方法，其特征在于，所述客流量预测方法应用于餐饮行业的客流量预测，所述客流量影响因子包括天气因子、每日平均客单价、每日人均用餐时长、星期属性、节假日属性和每日平均到店等待时长。

8.一种客流量预测装置，其特征在于，所述装置包括：

时间确定模块，用于获取预测时间段，并确定所述预测时间段对应的历史时间段；

数据获取模块，用于获取所述历史时间段内历史客流量序列、客流量影响因子和活动波动因子，所述活动波动因子由历史时间段内活动日客流量与非活动日客流量的比值确定；

非活动日客流量预测模块，用于根据所述历史客流量序列和所述客流量影响因子，得到预测时段内非活动日的预测客流量序列；

活动日客流量预测模块，用于根据所述非活动日的预测客流量序列和所述活动波动因子，得到预测时段内活动日的预测客流量序列。