[发明专利]一种网点客流量的预测方法、系统、电子设备及存储介质

权利要求书

1.一种网点客流量的预测方法，其特征在于，包括：

获取各网点的历史客流量数据和场景描述数据，并据此生成所述各网点的历史客流量特征和场景描述特征；

根据所述历史客流量特征和场景描述特征生成场景识别模型；

将所述历史客流量数据划分为训练集和测试集，生成至少一个客流量预测模型；

根据所述场景识别模型和客流量预测模型对待预测网点的客流量进行预测，并将得到的客流量数据推送给所述待预测网点。

2.根据权利要求1所述的网点客流量的预测方法，其特征在于，所述生成至少一个客流量预测模型还包括：

根据所述场景识别模型得到不同的场景类别，并根据不同的场景类别确定与之对应的客流量预测模型。

3.根据权利要求2所述的网点客流量的预测方法，其特征在于，所述根据不同的场景类别确定与之对应的客流量预测模型包括：

计算不同的场景类别对应的各个客流量预测模型的平均预测误差，根据所述平均预测误差的大小确定每个场景对应的客流量预测模型。

4.根据权利要求1所述的网点客流量的预测方法，其特征在于，所述根据所述场景识别模型和客流量预测模型对待预测网点的客流量进行预测包括：

获取所述待预测网点的历史客流量数据和场景描述数据，并据此生成所述待预测网点的历史客流量特征和场景描述特征；

将所述历史客流量特征、场景描述特征输入场景识别模型，确定场景类别；

根据所述场景类别确定对应的客流量预测模型，根据该客流量预测模型对待预测网点的客流量进行预测。

5.根据权利要求4所述的网点客流量的预测方法，其特征在于，所述根据所述场景类别确定对应的客流量预测模型包括：

根据所述场景类别，选取该场景类别对应的平均预测误差最小的客流量预测模型，并根据该平均预测误差最小的客流量预测模型对待预测网点客流量进行预测。

6.根据权利要求1所述的网点客流量的预测方法，其特征在于，所述客流量预测模型包括时间序列预测算法，所述时间序列预测算法包括线性回归算法、指数平滑算法、ARIMA算法、SARIMA算法、LSTM算法、随机游走算法。

7.根据权利要求1所述的网点客流量的预测方法，其特征在于，所述据此生成所述各网点的历史客流量特征和场景描述特征包括：

根据各网点的历史客流量数据和场景描述数据生成统计特征数据，包括均值、中位数、标准差、25％分位数、75％分位数、最小值和最大值。

8.根据权利要求7所述的网点客流量的预测方法，其特征在于，所述根据所述历史客流量特征和场景描述特征生成场景识别模型包括：

将所述历史客流量特征和场景描述特征进行聚类分析，通过聚类算法将各网点聚类成不同的场景类别，生成场景识别模型。

9.根据权利要求8所述的网点客流量的预测方法，其特征在于，所述聚类算法包括层次聚类算法。

10.一种网点客流量的预测系统，其特征在于，包括：

第一获取模块，用于获取各网点的历史客流量数据和场景描述数据，并据此生成所述各网点的历史客流量特征和场景描述特征；

场景识别模块，用于根据所述历史客流量特征和场景描述特征生成场景识别模型；

训练模块，将所述历史客流量数据划分为训练集和测试集，生成至少一个客流量预测模型；

推送模块，用于根据所述场景识别模型和客流量预测模型对待预测网点的客流量进行预测，并将预测的客流量数据推送给网点。

11.根据权利要求10所述的网点客流量的预测系统，其特征在于，还包括：

第一确定模块，用于根据所述场景识别模型得到不同的场景类别，并根据不同的场景类别确定与之对应的客流量预测模型。