本發(fā)明涉及大數(shù)據(jù)預(yù)測(cè)領(lǐng)域，特別涉及一種基于旅游大數(shù)據(jù)的游客流量預(yù)測(cè)及峰值調(diào)控方法。

背景技術(shù)：

截止2015年底，我國(guó)國(guó)內(nèi)旅游人數(shù)超過(guò)41億人次，旅游收入約4.13萬(wàn)億元，旅游業(yè)對(duì)GDP的綜合貢獻(xiàn)超過(guò)教育、銀行、汽車(chē)行業(yè)，占比高達(dá)10.51％。根據(jù)國(guó)家旅游局公布的2016年國(guó)慶節(jié)假日旅游市場(chǎng)信息，僅國(guó)慶黃金周期間全國(guó)共接待游客5.93億。旅游市場(chǎng)的繁榮在推動(dòng)旅游產(chǎn)業(yè)發(fā)展的同時(shí)，對(duì)景區(qū)和旅游城市提出了更高的要求，如何利用數(shù)據(jù)有效獲得游客流量數(shù)據(jù)預(yù)測(cè)，有預(yù)見(jiàn)性的進(jìn)行游客的疏導(dǎo)調(diào)控，從而提高景區(qū)的服務(wù)質(zhì)量，提升游客的旅游體驗(yàn)。

目前，為解決上述問(wèn)題，國(guó)家旅游局已發(fā)出通知要求各地建立健全景區(qū)游客流量控制機(jī)制。但是從目前全國(guó)各地的旅游業(yè)發(fā)展情況來(lái)看，景區(qū)和旅游城市尚缺乏完善的游客流量預(yù)測(cè)與峰值調(diào)控機(jī)制。傳統(tǒng)的游客流量預(yù)測(cè)大多只從門(mén)票銷售入手，數(shù)據(jù)來(lái)源單一，沒(méi)有充分利用旅游智慧化產(chǎn)生的旅游大數(shù)據(jù)，統(tǒng)計(jì)結(jié)果具有片面性，統(tǒng)計(jì)準(zhǔn)確性不足。缺乏有效的游客流量預(yù)測(cè)預(yù)警數(shù)據(jù)支撐，使得景區(qū)和旅游城市的游客調(diào)控方法仍停留在廣播提示、交通管制、消費(fèi)價(jià)格調(diào)控等傳統(tǒng)路徑上，沒(méi)有充分利用互聯(lián)網(wǎng)手段，實(shí)現(xiàn)線上和線下的互動(dòng)，進(jìn)行游客流量的引導(dǎo)，調(diào)控景區(qū)峰值游客數(shù)量。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的游客流量預(yù)測(cè)方法缺乏數(shù)據(jù)支撐，統(tǒng)計(jì)結(jié)果準(zhǔn)確性不足等缺陷，從而提供一種基于旅游大數(shù)據(jù)的游客流量預(yù)測(cè)及峰值調(diào)控方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于旅游大數(shù)據(jù)的游客流量預(yù)測(cè)方法，包括：

步驟101)、采集旅游大數(shù)據(jù)，建立預(yù)測(cè)樣本；其中，

所述旅游大數(shù)據(jù)包括歷史客流數(shù)據(jù)y₁、社交網(wǎng)絡(luò)熱力數(shù)據(jù)y₂、OTA瀏覽數(shù)據(jù)y₃、周邊城市游客數(shù)據(jù)y₄、交通流量數(shù)據(jù)y₅；所述預(yù)測(cè)樣板包括一個(gè)或多個(gè)時(shí)間段內(nèi)的旅游大數(shù)據(jù)；

步驟102)、建立客流量預(yù)測(cè)模型，并基于所述預(yù)測(cè)樣本求取所述客流量預(yù)測(cè)模型中的參數(shù)；其中，所述客流量預(yù)測(cè)模型為：

其中的Z為預(yù)測(cè)客流量，α_k為對(duì)應(yīng)樣本數(shù)據(jù)的計(jì)算參數(shù)，α_k為預(yù)測(cè)修訂常量，e是去除影響后的隨機(jī)誤差，y_k為預(yù)測(cè)樣板中的數(shù)據(jù)；α_k、α_k為所述客流量預(yù)測(cè)模型中的待求參數(shù)；

步驟103)、由步驟102)所得到的客流量預(yù)測(cè)模型計(jì)算游客流量的預(yù)測(cè)初始值；

步驟104)、根據(jù)景區(qū)在預(yù)測(cè)日的天氣預(yù)報(bào)校正游客流量的預(yù)測(cè)值。

上述技術(shù)方案中，在所述的步驟102)中，采用多元線性回歸的最小二乘法求取所述客流量預(yù)測(cè)模型中的參數(shù)。

上述技術(shù)方案中，所述步驟104)包括：

首先根據(jù)預(yù)測(cè)景區(qū)的天氣預(yù)報(bào)，計(jì)算人體舒適度指數(shù)，該指數(shù)的計(jì)算公式如下：

ssd＝(1.818t+18.18)(0.88+0.002f)+(t-32)/(45-t)-3.2v+18.2；

其中，t為平均氣溫，f為相對(duì)濕度，v為風(fēng)速；

然后根據(jù)ssd值校正參數(shù)β；具體包括：若50<ssd<76,β＝1.25，若25<ssd<51或75<ssd<86，β＝1；若ssd<26或ssd>85，β＝0.85；

最后在得到校正參數(shù)β后，對(duì)預(yù)測(cè)初始值進(jìn)行校正，取得校正后的景區(qū)預(yù)測(cè)客流量Z_β：

Z_β＝βZ；

Z為預(yù)測(cè)初始值。

本發(fā)明還提供了一種游客流量峰值調(diào)控方法，包括：

步驟201)、將所述基于旅游大數(shù)據(jù)的游客流量預(yù)測(cè)方法所得到的某一景區(qū)的游客流量預(yù)測(cè)值與該景區(qū)的接待游客能力進(jìn)行比較，根據(jù)比較結(jié)果將該景區(qū)劃分為峰值調(diào)控景區(qū)或余量充足景區(qū)；其中，

所述峰值調(diào)控景區(qū)為游客流量預(yù)測(cè)值大于景區(qū)的接待游客能力，所述余量充足景區(qū)為游客流量預(yù)測(cè)值小于景區(qū)的接待游客能力；

步驟202)、計(jì)算峰值調(diào)控景區(qū)與余量充足景區(qū)之間的單體調(diào)控阻力系數(shù)；其中,所述單體調(diào)控阻力系數(shù)是衡量峰值調(diào)控景區(qū)與余量充足景區(qū)之間調(diào)控游客難度的無(wú)量綱指標(biāo)，由景區(qū)間距離、景區(qū)間消費(fèi)差額、景區(qū)吸引力比值共同決定；

步驟203)、基于步驟202)得到的單體調(diào)控阻力系數(shù)構(gòu)建峰值調(diào)控計(jì)算模型；其中，所述峰值調(diào)控計(jì)算模型要求峰值游客調(diào)控的總阻力最小，其表達(dá)式為：

其中C為總的調(diào)控阻力，c_ij為從峰值調(diào)控景區(qū)p_i調(diào)度游客到余量充足景區(qū)v_j的單體調(diào)控阻力系數(shù)，x_ij為從峰值調(diào)控景區(qū)p_i調(diào)度游客到余量充足景區(qū)v_j的游客量；

步驟204)、基于步驟203)所建立的峰值調(diào)控計(jì)算模型，計(jì)算預(yù)計(jì)客流分配情況，確定游客峰值調(diào)控景區(qū)對(duì)應(yīng)的余量充足景區(qū)；

步驟205)、基于步驟204)的結(jié)果進(jìn)行游客誘導(dǎo)。

上述技術(shù)方案中，所述步驟202)包括：

步驟202-1)、峰值調(diào)控景區(qū)p_i與余量景區(qū)v_j之間進(jìn)行調(diào)度，計(jì)算兩景區(qū)之間的單體調(diào)控交通消費(fèi)t_ij；其中，d_ij為景區(qū)之間的距離，為當(dāng)?shù)刈廛?chē)費(fèi)用平均單價(jià)；

步驟202-2)、計(jì)算峰值調(diào)控景區(qū)p_i、余量景區(qū)v_j之間的預(yù)計(jì)游客消費(fèi)差額；其中，

預(yù)計(jì)游客消費(fèi)差額分別為峰值調(diào)控景區(qū)p_i、余量景區(qū)v_j預(yù)計(jì)游客消費(fèi)平均值；

步驟202-3)、計(jì)算景區(qū)吸引力指數(shù)比；若峰值調(diào)控景區(qū)p_i、余量景區(qū)v_j的景區(qū)OTA網(wǎng)絡(luò)評(píng)分分別為s_i、s_j，則景區(qū)吸引力指數(shù)比為s_ij＝s_i/s_j；

步驟202-4)、對(duì)單體調(diào)控交通消費(fèi)t_ij、預(yù)計(jì)游客消費(fèi)差額w_ij進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理：

步驟202-5)、根據(jù)之前計(jì)算得到的兩景區(qū)之間的單體調(diào)控交通消費(fèi)t_ij、兩景區(qū)之間的預(yù)計(jì)游客消費(fèi)差額w_ij、景區(qū)吸引力指數(shù)比s_ij，計(jì)算兩景區(qū)之間的單體調(diào)控難度系數(shù)：

上述技術(shù)方案中，所述步驟204)包括：遍歷峰值調(diào)控計(jì)算模型中的所有的單體調(diào)控阻力系數(shù)c_ij，找到調(diào)控消費(fèi)最低的一條路徑優(yōu)先分配，取x_ij＝min(p_i，v_j)；循環(huán)往復(fù)，直至所有的x_ij均完成取值，即獲得峰值景區(qū)游客調(diào)控目的地和預(yù)計(jì)接納人數(shù)。

上述技術(shù)方案中，在所述步驟205)中采用三級(jí)調(diào)控模式進(jìn)行游客誘導(dǎo)，包括：

設(shè)定閾值x₁、x₂，當(dāng)x_ij<x₁時(shí)，采用一級(jí)誘導(dǎo)模式調(diào)控，在景區(qū)附近以廣播等方式誘導(dǎo)游客向目的地景區(qū)轉(zhuǎn)移；

當(dāng)x₁<x_ij<x₂時(shí)，采用二級(jí)誘導(dǎo)模式調(diào)控，在景區(qū)附近進(jìn)行廣播誘導(dǎo)之外，在通向景區(qū)的交通路段進(jìn)行交通廣播、區(qū)域信號(hào)燈控制，引導(dǎo)車(chē)流量像目的地景區(qū)轉(zhuǎn)移；

當(dāng)x_ij>x₂時(shí)，采用三級(jí)誘導(dǎo)模式調(diào)控，全網(wǎng)化發(fā)布游客誘導(dǎo)信息，在充分調(diào)動(dòng)前兩級(jí)誘導(dǎo)手段的同時(shí)，利用微信公眾平臺(tái)、WEB網(wǎng)站、移動(dòng)APP、OTA進(jìn)行消息發(fā)布，從行前開(kāi)始進(jìn)行游客誘導(dǎo)調(diào)控。

本發(fā)明的優(yōu)點(diǎn)在于：

本發(fā)明綜合多通道的客流量預(yù)測(cè)可以有效提升景區(qū)對(duì)客流量控制的準(zhǔn)確度和有效性，在預(yù)測(cè)的基礎(chǔ)上根據(jù)調(diào)控阻力系數(shù)進(jìn)行峰值調(diào)控，可以有效緩解景區(qū)的管理壓力，提高運(yùn)營(yíng)效率，從而更好的服務(wù)游客，釋放景區(qū)的管控壓力。

附圖說(shuō)明

圖1是本發(fā)明的基于旅游大數(shù)據(jù)的游客流量預(yù)測(cè)方法的流程圖；

圖2是本發(fā)明的游客流量峰值調(diào)控方法的流程圖；

圖3是客流預(yù)測(cè)樣本的結(jié)構(gòu)示意圖；

圖4是峰值調(diào)控模型的示意圖；

圖5是單體調(diào)控阻力系數(shù)的影響因子的示意圖。

具體實(shí)施方式

現(xiàn)結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的描述。

參考圖1，本發(fā)明的基于旅游大數(shù)據(jù)的游客流量預(yù)測(cè)方法包括：

第一步：讀取旅游大數(shù)據(jù)，建立預(yù)測(cè)樣本。

參考圖3，本發(fā)明使用的旅游大數(shù)據(jù)包括歷史客流數(shù)據(jù)y₁、社交網(wǎng)絡(luò)熱力數(shù)據(jù)y₂、OTA瀏覽數(shù)據(jù)y₃、周邊城市游客數(shù)據(jù)y₄、交通流量數(shù)據(jù)y₅。這些數(shù)據(jù)共同構(gòu)成預(yù)測(cè)樣本，即某天客流數(shù)據(jù)的預(yù)測(cè)樣本為Y{y₁,y₂,y₃,y₄,y₅}。

第二步：基于所述預(yù)測(cè)樣本，建立客流量預(yù)測(cè)模型。

預(yù)測(cè)客流量Z按式進(jìn)行計(jì)算。其中，α_k為對(duì)應(yīng)樣本數(shù)據(jù)的計(jì)算參數(shù)，α₀為預(yù)測(cè)修訂常量，e是去除影響后的隨機(jī)誤差。

根據(jù)預(yù)測(cè)客流量Z的上述計(jì)算公式，在n組預(yù)測(cè)樣本數(shù)據(jù){Y₁,Y₂,…,Y_n}的基礎(chǔ)上，建立客流量預(yù)測(cè)模型{Z₁,Z₂,…,Z_n}，可表示為：

其中，該客流量預(yù)測(cè)模型中的參數(shù)值α_ik(i＝1,2,……,n；k＝1,2,……,5)為未知值，其在后續(xù)步驟中進(jìn)行計(jì)算。

第三步：對(duì)所述客流量預(yù)測(cè)模型中的參數(shù)進(jìn)行求解，從而得到客流量預(yù)測(cè)模型。在參數(shù)求解時(shí)，采用了多元線性回歸的最小二乘法，即：使客流量實(shí)際值與預(yù)測(cè)值之間的離差平方和最小，進(jìn)行參數(shù)初始化計(jì)算：

在上述計(jì)算公式中，、y_k(k＝1、2、3、4、5)可從前述的n組預(yù)測(cè)樣本數(shù)據(jù)中獲取，為已知值；Z可由歷史的真實(shí)客流數(shù)據(jù)得到，為已知值；六個(gè)參數(shù)α₀,α₁,α₂,α₃,α₄,α₅為未知值，通過(guò)上述六組關(guān)系式，可計(jì)算出六個(gè)參數(shù)的值。

在實(shí)現(xiàn)時(shí)，可將n組預(yù)測(cè)樣本數(shù)據(jù)隨機(jī)組合為n/6個(gè)計(jì)算組，通過(guò)上述六組關(guān)系式，得到n/6組α₀,α₁,α₂,α₃,α₄,α₅，最后通過(guò)取平均確定最后的參數(shù)值α₀,α₁,α₂,α₃,α₄,α₅。

第四步：計(jì)算預(yù)測(cè)初始值。

根據(jù)第三步求得的旅游客流預(yù)測(cè)參數(shù)，代入計(jì)算求得預(yù)測(cè)日當(dāng)日客流量Z的初始值。

第五步：校正預(yù)測(cè)日當(dāng)日客流量Z的預(yù)測(cè)值。

在校正預(yù)測(cè)值時(shí)，首先根據(jù)預(yù)測(cè)景區(qū)的天氣預(yù)報(bào)，計(jì)算人體舒適度指數(shù)，該指數(shù)的計(jì)算公式如下：

ssd＝(1.818t+18.18)(0.88+0.002f)+(t-32)/(45-t)-3.2v+18.2；

其中，t為平均氣溫，f為相對(duì)濕度，v為風(fēng)速。

以ssd值對(duì)應(yīng)校正參數(shù)β，50<ssd<76,β＝1.25，25<ssd<51或75<ssd<86，β＝1，ssd<26或ssd>85，β＝0.85。

在得到校正參數(shù)β后，對(duì)預(yù)測(cè)初始值進(jìn)行校正，取得校正后的景區(qū)預(yù)測(cè)客流量：

Z_β＝βZ。

在本發(fā)明的游客流量預(yù)測(cè)方法所得到的景區(qū)預(yù)測(cè)客流值的基礎(chǔ)上，本發(fā)明的游客流量峰值調(diào)控方法能夠?qū)τ慰土髁窟M(jìn)行調(diào)控，如圖2所示，該方法包括：

第六步：將景區(qū)預(yù)測(cè)客流值Z_β與景區(qū)接待游客能力Z_max進(jìn)行差額比較，若Z_β＞Z_max則景區(qū)處于峰值待調(diào)控狀態(tài)，待調(diào)控游客量p＝Z_β-Z_max；若Z_β＜Z_max則景區(qū)處于余量充足狀態(tài)，可接待游客余量v＝Z_max-Z_β。

第七步：景區(qū)劃分。

根據(jù)游客流量預(yù)測(cè)，將景區(qū)劃分為峰值調(diào)控景區(qū)集和余量充足景區(qū)集。峰值調(diào)控景區(qū)集包含m個(gè)待調(diào)控景區(qū)，記為P₁,P₂…P_m，其待調(diào)控游客量為p₁、p₂…p_m。余量充足景區(qū)集包含n個(gè)可平衡游客景區(qū)，記為V₁,V₂…V_n，其游客容納能力為v₁、v₂…v_n。

第八步：計(jì)算峰值調(diào)控景區(qū)與余量充足景區(qū)之間的單體調(diào)控阻力系數(shù)。其中,所述單體調(diào)控阻力系數(shù)是衡量峰值調(diào)控景區(qū)與余量充足景區(qū)之間調(diào)控游客難度的無(wú)量綱指標(biāo)，如圖5所示，由景區(qū)間距離、景區(qū)間消費(fèi)差額、景區(qū)吸引力比值共同決定。該步驟具體包括：

峰值調(diào)控景區(qū)p_i與余量景區(qū)v_j之間進(jìn)行調(diào)度，兩景區(qū)之間的單體調(diào)控交通消費(fèi)t_ij，景區(qū)之間的距離為d_ij，當(dāng)?shù)刈廛?chē)費(fèi)用平均單價(jià)為則

計(jì)算兩景區(qū)之間的預(yù)計(jì)游客消費(fèi)差額，p_i、v_j景區(qū)預(yù)計(jì)游客消費(fèi)平均值分別為

計(jì)算景區(qū)吸引力指數(shù)比，若p_i、v_j景區(qū)OTA網(wǎng)絡(luò)評(píng)分分別為s_i、s_j，則景區(qū)吸引力指數(shù)比為s_ij＝s_i/s_j。

對(duì)t_ij、w_ij進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理：

根據(jù)之前計(jì)算得到的兩景區(qū)之間的單體調(diào)控交通消費(fèi)t_ij、兩景區(qū)之間的預(yù)計(jì)游客消費(fèi)差額w_ij、景區(qū)吸引力指數(shù)比s_ij，計(jì)算兩景區(qū)之間的單體調(diào)控難度系數(shù)：

第九步：構(gòu)建峰值調(diào)控計(jì)算模型。

如圖4所示，假設(shè)峰值游客調(diào)控的總阻力的表達(dá)式為：調(diào)控過(guò)程中力求其調(diào)控阻力最小。即：

其中C為總的調(diào)控阻力，c_ij為從峰值調(diào)控景區(qū)p_i調(diào)度游客到余量充足景區(qū)v_j的單體調(diào)控阻力系數(shù)，x_ij為從峰值調(diào)控景區(qū)p_i調(diào)度游客到余量充足景區(qū)v_j的游客量。

第十步：計(jì)算預(yù)計(jì)客流分配情況，確定游客峰值調(diào)控景區(qū)對(duì)應(yīng)的余量充足景區(qū)。

在該步驟中，遍歷所有的單體調(diào)控阻力系數(shù)c_ij，找到調(diào)控消費(fèi)最低的一條路徑優(yōu)先分配，取x_ij＝min(p_i，v_j)。如此循環(huán)，直至所有的x_ij均完成取值。即獲得峰值景區(qū)游客調(diào)控目的地和預(yù)計(jì)接納人數(shù)。

第十一步：按照第十步的結(jié)果進(jìn)行游客誘導(dǎo)，按照預(yù)計(jì)調(diào)控客流量設(shè)定三級(jí)調(diào)控模式。設(shè)定閾值x₁、x₂，x_ij<x₁時(shí)，采用一級(jí)誘導(dǎo)模式調(diào)控，在景區(qū)附近以廣播等方式誘導(dǎo)游客向目的地景區(qū)轉(zhuǎn)移。x₁<x_ij<x₂時(shí)，采用二級(jí)誘導(dǎo)模式調(diào)控，在景區(qū)附近進(jìn)行廣播誘導(dǎo)之外，在通向景區(qū)的交通路段進(jìn)行交通廣播、區(qū)域信號(hào)燈控制，引導(dǎo)車(chē)流量像目的地景區(qū)轉(zhuǎn)移。x_ij>x₂時(shí)，采用三級(jí)誘導(dǎo)模式調(diào)控，全網(wǎng)化發(fā)布游客誘導(dǎo)信息，在充分調(diào)動(dòng)前兩級(jí)誘導(dǎo)手段的同時(shí)，利用微信公眾平臺(tái)、WEB網(wǎng)站、移動(dòng)APP、OTA進(jìn)行消息發(fā)布，從行前開(kāi)始進(jìn)行游客誘導(dǎo)調(diào)控。

本發(fā)明綜合使用歷史客流數(shù)據(jù)、社交網(wǎng)絡(luò)熱力數(shù)據(jù)、OTA瀏覽數(shù)據(jù)、周邊城市游客數(shù)據(jù)、交通流量數(shù)據(jù)建立多元回歸模型，進(jìn)行參數(shù)擬合，獲得參數(shù)擬合值后進(jìn)行指定日期的預(yù)測(cè)。初始預(yù)測(cè)完成后，根據(jù)天氣信息，對(duì)初始預(yù)測(cè)值做修訂。在客流預(yù)測(cè)的基礎(chǔ)上對(duì)景區(qū)進(jìn)行分類，根據(jù)預(yù)測(cè)值將景區(qū)劃分為峰值調(diào)控景區(qū)和余量重組景區(qū)，計(jì)算景區(qū)之間的調(diào)控阻力系數(shù)，利用游客調(diào)控分配模型，計(jì)算求解得到游客調(diào)控分配數(shù)值，依據(jù)分配數(shù)值對(duì)各調(diào)控景區(qū)實(shí)施不同的調(diào)控手段，在兩類景區(qū)之間進(jìn)行游客調(diào)度，以實(shí)現(xiàn)景區(qū)之間客流量的平衡分配。綜合多通道的客流量預(yù)測(cè)可以有效提升景區(qū)對(duì)客流量控制的準(zhǔn)確度和有效性，在預(yù)測(cè)的基礎(chǔ)上根據(jù)調(diào)控阻力系數(shù)進(jìn)行峰值調(diào)控，可以有效緩解景區(qū)的管理壓力，提高運(yùn)營(yíng)效率，從而更好的服務(wù)游客，釋放景區(qū)的管控壓力。

最后所應(yīng)說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制。盡管參照實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，都不脫離本發(fā)明技術(shù)方案的精神和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。