[发明专利]一种基于打卡数据的人流量特征预测方法及装置

权利要求书

1.一种基于打卡数据的人流量特征预测方法，其特征在于，包括：

获取预设时间段内的打卡数据集；

对所述打卡数据集进行描述性统计分析；其中，所述打卡数据集包括打卡地点信息和打卡时间信息；

根据所述打卡时间信息和所述打卡地点信息，确定每个用户对应的地点熵和时间熵；

将所述地点熵和所述时间熵输入至预设的K均值聚类模型中进行聚类分析，得到所述K均值聚类模型输出的人群画像属性特征。

2.根据权利要求1所述的基于打卡数据的人流量特征预测方法，其特征在于，还包括：

将目标打卡地点对应的历史打卡数据输入到预设的季节性差分自回归滑动平均模型中；

基于所述季节性差分自回归滑动平均模型预测所述目标打卡地点在目标时间段内的人流量数据，得到相应的人流量预测值。

3.根据权利要求1所述的基于打卡数据的人流量特征预测方法，其特征在于，所述对所述打卡数据集进行描述性统计分析，具体包括：

利用统计分析中的频数分析方式，以柱状图形式表示打卡数据对应的属性特征信息；

利用集中趋势分析方式，根据平均值指标、中位数指标和众数指标确定打卡数据的水平特征信息；

利用离散程度分析方式，根据方差指标和标准差指标确定打卡数据之间的差异程度。

4.根据权利要求1所述的基于打卡数据的人流量特征预测方法，其特征在于，所述根据所述打卡时间信息和所述打卡地点信息，确定每个用户对应的地点熵和时间熵，具体包括：

将用户在预设时间段内打卡地点的频数对应的熵值通过第一聚集函数进行累计处理，得到用于表示用户对应的地点熵；所述地点熵为用于表示用户打卡地点多样性的度量；

将用户在预设时间段内打卡地点所对应打卡频数的熵值通过第二聚集函数进行累计处理，得到用于表示用户对应的时间熵；所述时间熵用于表示用户打卡时间多样性的度量。

5.根据权利要求1所述的基于打卡数据的人流量特征预测方法，其特征在于，所述根据所述打卡时间信息和所述打卡地点信息，确定每个用户对应的地点熵和时间熵，具体包括：

初始化目标用户在目标时间段内的打卡数据记录；

确定所述打卡数据记录对应的打卡地点信息以及打卡时间信息；

计算所述打卡地点信息和所述打卡时间信息所对应的频数；

获取打卡地点频数的集合P以及所述目标时间段内打卡频数的集合T；

根据预设的第一聚集函数和所述打卡地点频数的集合P，确定所述目标用户对应的地点熵；

根据预设的第二聚集函数和所述目标时间段内打卡频数的集合T，确定所述目标用户对应的时间熵。

6.根据权利要求1所述的基于打卡数据的人流量特征预测方法，其特征在于，所述将所述地点熵和所述时间熵输入至预设的K均值聚类模型中进行聚类分析，得到所述K均值聚类模型输出的人群画像属性特征，具体包括：

将所述打卡地点信息和打卡时间信息进行临均值标准化处理，并确定聚类中心点；

对所述聚类中心点进行随机化处理；基于预设的数据距离衡量方法确定样本数据距离所述聚类中心点的最短距离；

重新定义新的聚类中心位置，并计算新的聚类中心点；根据新的聚类中心点，基于预设的数据距离衡量方法重新计算样本数据距离所述新的聚类中心点的最短距离，并对分类标签进行相应的调整；

循环重复调用所述K均值聚类模型中的kmeans函数进行处理，直到聚类中心点不发生变化时终止循环，并得到所述K均值聚类模型输出的人群画像属性特征。

7.根据权利要求1所述的基于打卡数据的人流量特征预测方法，其特征在于，还包括：

将所述K均值聚类模型输出的聚类结果分别以包含所述地点熵和所述时间熵的图示的方式进行显示；

根据所述地点熵和所述时间熵分别对应的熵值，确定相应的人群画像属性特征。