[发明专利]一种基于模型集成的景区人群聚集预测方法

权利要求书

1.一种基于模型集成的景区人群聚集预测方法，其特征在于，步骤如下：

1)对原始数据进行数据观察和清洗；

2)根据数据建模需要，对数据进行特征工程处理，生成训练数据集和测试数据集；

3)选取算法模型，使用训练数据集对选定的算法模型进行优化，并对算法模型进行训练得到预测结果，对预测结果与测试数据集得到的真实值进行验证对比；

4)根据验证对比结果，采用模型集成的方式进行人群聚集预测。

2.根据权利要求1所述的基于模型集成的景区人群聚集预测方法，其特征在于，所述步骤1)具体包括：

数据观察：对景区电信运营商基站数据、基站客流数据通过构造统计曲线的方式进行数据观察，得到数据存在的数据缺失、数据异常问题；

数据清洗：对于数据缺失采用均值法补全缺失值，即根据统计学均值原理，基于历史数据统计分布的均值来对缺失数据进行填充；对于数据异常采用滑动平均法对异常值进行代替处理，即利用统计学平移原理，基于历史数据统计分布根据时间维度进行平移对数据异常值进行替换。

3.根据权利要求1所述的基于模型集成的景区人群聚集预测方法，其特征在于，所述步骤2)具体包括：

特征构建：景区人流量时间分布特征和时序相关性分析，在时间分布特征上，通过对人群聚集数据的时间探索分析，发现其存在周期性变化趋势；在时序相关性分析上，景区当前时间点的人流量与其前一个时刻的客流量相关程度高，与其滞后五个时间点的客流量存在负相关性；

特征提取：对于时间序列数据，提取每个时间戳的月份和日期；通过Lag特征将时间序列预测问题转化为有监督学习问题，即在每个观察的时间序列中滑动焦点，使用给定前一时间t-1的值预测下一次t+1的值，以扩展窗口宽度并包含更多Lag特征。

4.根据权利要求3所述的基于模型集成的景区人群聚集预测方法，其特征在于，所述步骤2)具体还包括：对提取的特征进行处理，采用的方法包含标准化、区间缩放法和归一化；

标准化：计算特征的均值和标准差，公式表达为：

式中，X'表示标准化处理后的值，X表示原始值，表示平均值，S是标准差，即离均差平方的算术平均数的算术平方根；

标准化的结果是特征值服从正态分布，标准化后，其转换成标准正态分布；

区间缩放法包括利用两个最值进行缩放及利用边界值信息将特征的取值区间缩放到某个特点的范围；

利用两个最值进行缩放的公式表达为：

式中，Y'表示区间缩放处理后的值，Y表示原始值，Max表示最大值，Min表示最小值；

归一化是依据标准差的特征矩阵处理数据，公式表达为：

式中，Z'表示归一化处理后的值，Z表示原始值，S是标准差，即离均差平方的算术平均数的算术平方根。

5.根据权利要求4所述的基于模型集成的景区人群聚集预测方法，其特征在于，所述步骤2)具体还包括：

特征是否发散：如果一个特征不发散，即方差接近于0，则表示样本数据在这个特征上没有差异，那么这个特征对于算法模型的训练和验证无用处。

特征与目标的相关性：与目标相关性高的特征，应优先选择。

6.根据权利要求5所述的基于模型集成的景区人群聚集预测方法，其特征在于，所述步骤2)具体还包括：

用数据库中已保存的历史数据构建训练数据集，用目标景区的实时客流量数据构建测试数据集；使用训练数据集的数据对算法模型进行训练，得到预测曲线，再使用测试数据集的数据得到的真实曲线对其进行对比验证。