[发明专利]客流数据分析的方法及系统

说明书

技术领域

本发明涉及到数据分析领域，特别涉及到一种客流数据分析的方法及系统。

背景技术

在传统行业，比如餐饮行业等，都未实现对客流数据的准确分析，通常都是通过管理者的人为主观判断，准确度很难有保障。

随着科技的发展，将信息技术引入传统行业，对客流数据进行准确分析，为管理者的决策提供帮助，是提升传统行业管理水平的必然趋势。因此，现阶段能提供一种准确预估客流数据的方法或系统成为亟待解决的问题。

发明内容

本发明的主要目的为提供一种客流数据分析的方法，可实现对客流数据的预估，提升客流数据预估的准确度。

本发明提出一种客流数据分析的方法，包括步骤：

采集包含预估变量的历史客流数据；

根据所述历史客流数据建立预估模型；

根据预估变量以及预估模型估算客流数据。

优选地，所述方法还包括：

设置客流数据的预估变量。

优选地，所述预估变量包括天气状况以及节日状况。

优选地，所述根据预估变量以及预估模型估算客流数据的步骤具体包括：

采用LS_SVM算法对历史数据进行回归训练，计算回归函数相关参数，构建回归函数；

将预估变量置入所述回归函数，获取估算的客流数据。

优选地，所述计算回归函数相关参数，构建回归函数的步骤具体包括：

计算取得相应参数b和α_i，构建预测函数：

本发明还提出一种客流数据分析的系统，包括：

数据采集单元，用于采集包含预估变量的历史客流数据；

模型建立单元，用于根据所述历史客流数据建立预估模型；

预估计算单元，用于根据预估变量以及预估模型估算客流数据。

优选地，所述系统还包括：

变量设置单元，用于设置客流数据的预估变量。

优选地，所述预估变量包括天气状况以及节日状况。

优选地，所述预估计算单元具体包括：

函数构建模块，用于采用LS_SVM算法对历史数据进行回归训练，计算回归函数相关参数，构建回归函数；

数据获取模块，用于将预估变量置入所述回归函数，获取估算的客流数据。

优选地，所述函数构建模块具体用于：

计算取得相应参数b和α_i，构建预测函数：

本发明可通过采集历史客流数据构建LS_SVM模型的样本集，并采用LS_SVM算法对样本集进行回归训练，计算回归函数相关参数构建回归函数，再是将预先设置的预估变量值输入至该回归函数，计算得出对应的预测客流量数据，从而获得更准确的预估数据。

附图说明

图1是本发明客流数据分析的方法一实施例中步骤流程示意图；

图2是本发明客流数据分析的方法另一实施例中步骤流程示意图；

图3是本发明客流数据分析的方法另一实施例中另一步骤流程示意图；

图4是本发明客流数据分析的系统一实施例中结构示意图；

图5是本发明客流数据分析的系统另一实施例中结构示意图；

图6是本发明客流数据分析的系统另一实施例中预估计算单元的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，提出一种客流数据分析的方法的一实施例。该方法可包括：

步骤S10、采集包含预估变量的历史客流数据；

步骤S11、根据所述历史客流数据建立预估模型；

步骤S12、根据预估变量以及预估模型估算客流数据。

本实施例中的客流(量)数据的预估是基于客流的历史数据，通过最小二乘支持向量回归机(LS_SVM)算法计算获取。

首先需获取包含有预估变量的历史客流数据，该历史客流数据主要用于构建LS_SVM模型的样本集。该预估变量主要指影响客流量的变量因素。然后根据该历史客流数据建立预估模型(可为回归函数)，再根据预估变量以及预估模型获得相应的客流数据。上述使用LS_SVM算法基于历史客流数据的预估方式，可使得预估更加准确。

参照图2，在本发明的另一实施例中，上述步骤S10前还包括：

步骤S100、设置客流数据的预估变量。