[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

说明书

本发明提供一种基于打卡数据的人流量特征预测方法及装置。其中，该方法包括：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；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；针对特定人群提取打卡数据，基于季节性差分自回归滑动平均模型预测特定人群在不同时间不同地点的打卡特征。采用本发明公开的方法，能够对特定区域内的人流量数据进行精准的预测，便于管理者及时采取相应的应对措施，提高了人流量预测效率和鲁棒性。

技术领域

本发明涉及大数据分析技术领域，具体涉及一种基于打卡数据的人流量特征预测方法和装置。另外，还涉及一种电子设备及非暂态计算机可读存储介质。

背景技术

随着信息化技术的快速发展，信息互联已经逐渐融入人们日常生活的方方面面，尤其是数据挖掘技术在大数据中愈发得到重视。其中，教育领域与大数据技术结合必不可少。截止目前，已经出现很多高校和学者对校园内人群数据和人流量进行不同程度上的研究和运用。比如：数理统计方法；K-mediods算法；SOM算法；基于DBSCAN算法聚类；利用深度学习构建侧与模型预测；以及ARIMA模型和SARIMA模型等。以上方法中，在人群画像属性特征方面，仍然主要局限于对一卡通数据的数据挖掘分析，通过分析用户一卡通消费行为规律，探讨学习生活与安全之间的潜在联系以及获取人群聚集区域和区域之间人群移动规律，并结合在校期间学生所形成的各类信息为基础，刻画人群画像，分析用户行为；另外，在人流量预测方面，主要是利用深度学习构建侧与模型对用户成绩进行预测；或者利用ARIMA模型对医院、车站等地方人流量进行预测；或者利用SARIMA模型对季节性病毒进行人流量进出情况预测。

由此可知，目前在人群画像属性特征方面，多数都为对个人行为或者人群区域进行的分析，对于人群本身特征分析不够全面，不能有效利用人群本身特征对用户做出精准了解。而且数据来源多为校园一卡通，校园人群画像特征主要面向消费方向，过于片面。在人流量预测方面，针对校园内的预测也多数是对于上网流量以及学生成绩方面的预测，缺少对人流量特征进行的预测。因此，如何设计一种及时、有效的基于打卡数据的人流量特征预测方案成为本领域研究的重要课题。

发明内容

为此，本发明提供一种基于打卡数据的人流量特征预测方法及装置，以解决现有技术中存在的人流量预测方案局限性较高，预测效率和精度较差，导致无法满足实际使用需求的问题。

本发明提供一种基于打卡数据的人流量特征预测方法，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。

进一步的，所述的基于打卡数据的人流量特征预测方法，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。

进一步的，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；