[发明专利]一种基于大数据的商场客流预测方法

说明书

本发明公开了一种基于大数据的商场客流预测方法，通过采集商场客流、周围天气以及营销活动信息，并将上述信息进行统计和分析，然后通过运用深度神经网络准确预测出下一时段或者下一天的客流，从而针对客流过多的情况进行预防；商场客流数据来自于商场的红外客流计数器，节假日数据来自于每年的自然年历，天气数据来自于2345天气预报网的公开数据，营销活动数据来自于商场的营销活动管理平台，运用神经网络(NN)算法对客流进行预测，并且将预测效果跟均值法、指数平滑法、ARIMA以及XGboost算法进行了比较。精确度高且鲁棒性强，可以方便的融入节假日这个特征来提高预测效果，可以方便的融入天气，营销活动等因素来对客流反常变化进行归因分析。

技术领域

本发明涉及大数据算法的应用领域，尤其涉及一种基于大数据的商场客流预测方法。

背景技术

当前，随着社会经济快速发展，人民生活水平不断提高，大型商场已成为人们娱乐的主要场所之一，在节假日期间，大型商场客流将更加集中，密集度也会相对上升，一旦商场实时客流超过商场实际设计的客流上限，发生突发事件的概率会大大增加，会造成巨大经济损失和人员伤亡。因此，对人员密集场所进行监督和控制刻不容缓，其核心就是对客流的监控。

现有不少的客流预测算法，比如均值法，指数平滑法，ARIMA等，都被用来预测客流，但这些算法有共同的缺点：误差较大，不能准确预测节假日的客流；不能将天气加入作为一个特征值来提高预测精度；不能将营销活动加入作为一个特征值来提高预测精度。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于大数据的商场客流预测方法，精确度高且鲁棒性强，可以方便的融入节假日这个特征来提高预测效果，可以方便的融入天气，营销活动等因素来对客流反常变化进行归因分析。

为了达到上述发明目的，本发明采用的具体方案为：

一种基于大数据的商场客流预测方法，通过采集商场客流、周围天气以及营销活动信息，并将上述信息进行统计和分析，然后通过运用深度神经网络准确预测出下一时段或者下一天的客流，从而针对客流过多的情况进行预防；

商场客流数据来自于商场的红外客流计数器，节假日数据来自于每年的自然年历，天气数据来自于2345天气预报网的公开数据，营销活动数据来自于商场的营销活动管理平台，在数据清洗之后，运用神经网络(NN)算法对客流进行预测，并且将预测效果跟均值法、指数平滑法、ARIMA以及XGboost算法进行了比较。

本发明的有益效果为：

准确性，一般的客流预测算法，比如均值法，指数平滑法，ARIMA等的误差在15％左右，我们提出的算法可以降误差降到5％左右；鲁棒性，这个算法已经成功运用到291家广场的客流系统中，平均误差是6.52％，所有广场的预测误差都小于10％；可拓展性，在这个算法框架中，可以轻松地将天气，营销活动等融入到现有的算法框架中，来对天气和营销活动等对客流造成的影响进行归因分析。

附图说明

图1为本发明的三层全连接的神经网络；

图2为本发明的预测效果热力图；图中数字是均方根百分比误差(RMSPE)，红色代表误差小，模型好；绿色代表误差大，Neural net的预测效果最佳，平均RMSPE值为6.52％；XGBoost、均值法、Holt-Winters和Arima的效果也不错，平均RMSPE在10％-13％之间。

具体实施方式

为了使本发明的内容更容易被清楚地理解，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

以下通过具体实施例进一步描述本发明，但本发明不仅仅限于以下实施例。在本发明的范围内或者在不脱离本发明的内容、精神和范围内，对本发明进行的变更、组合或替换，对于本领域的技术人员来说是显而易见的，且包含在本发明的范围之内。