[发明专利]基于LSTM的公共场所入口人流量预测方法

说明书

本发明提供了一种基于LSTM的公共场所入口人流量预测方法，本发明包括以下步骤：通过公共场所入口前端视频采集装置实时获取人流量数据；对人流量数据实时提取，并上传至数据库服务器；在服务器终端对人流量数据进行清洗、过滤、整理，基于LSTM神经网络建立入口人流量预测模型；通过对预测模型进行训练，预测未来一段时间的公共场所入口人流量趋势，根据人流量信息调取决策库进行智能决策；将智能决策得到的人员设备调度方案提前通知相关工作人员做好应急准备。通过该发明方法极大地提高了公共场所入口的人流量预测精度，大大减少人力成本、节省了设备资源、提高了工作效率、改善了乘客体验，同时也提升了公共场所的信息化水平。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种基于LSTM的公共场所入口人流量预测方法。

背景技术

在我们生活中有众多公共场所属于人员密集流动区域(如车站、机场、旅游景点等)，公共场所入口是旅客通行的必经途径。由于经常入口闸机验票和安检开放不合理，人流量较少时会造成资源浪费，人流量较多时会造成客流拥堵，既潜藏着安全隐患，又影响旅客出行体验。在现有技术中，大多采用人工形式对公共场所入口的人流量进行监测，然后针对当前人流量采取相应措施。然而这种方式不仅处置时效性差，还需要较高的人力成本。此外，对未来一段时间的人流量主要靠工作人员的主观经验进行预估判断，预测不准确。

发明内容

本发明的目的在于提供一种基于LSTM的公共场所入口人流量预测方法，通过公共场所入口前端视频采集装置将人流量数据回传数据库服务器，然后在服务终端利用LSTM神经网络预测未来一天、一周的人流量分布，根据预测信息智能决策公共场所进站口闸机、安检设备的开放数量以及工作人员的分配情况。通过该发明方法极大地提高了公共场所入口的人流量预测精度，大大减少人力成本、节省设备资源、提高工作效率、改善乘客体验，同时也提升了公共场所的信息化水平。

为解决上述技术问题，本发明提供的技术方案在于：本发明提供的基于LSTM的公共场所入口人流量预测方法，包括以下步骤：

步骤一：获取人流量数据：通过公共场所入口前端安装的若干视频采集装置实时获取人流量数据；

步骤二：对步骤一中获取的人流量数据信息实时提取统计，并上传至与视频采集装置连接的数据库服务器

步骤三：通过数据库服务器对人流量数据进行清洗、过滤、整理；

步骤四：基于LSTM神经网络建立入口人流量预测模型；

步骤五：通过对预测模型进行训练，预测未来一段时间的公共场所入口人流量趋势；

步骤六：根据人流量信息调取决策库进行智能决策，将智能决策得到的人员设备调度方案提前通知相关工作人员做好应急准备。

进一步的，步骤四包括以下步骤建立入口人流量预测模型：

S41：原始RNN的隐藏层只有一个状态，即隐藏状态h，在原始RNN中增加单元状态c以保存长期的状态，LSTM中用门算法来控制隐藏状态h和单元状态c；

S42：设置遗忘门；

S43：设置输入门；

S44：计算用于描述当前输入的单元状态；

S45：计算当前时刻的单元状态c_t；

S46：设置输出门；

S47：误差项沿时间反向传递；

S48：计算权重梯度；

S49：权重更新。

进一步的，步骤S41具体为：