CN113590962A - 一种流量数据预测***、方法、计算机设备及介质 - Google Patents
一种流量数据预测***、方法、计算机设备及介质 Download PDFInfo
- Publication number
- CN113590962A CN113590962A CN202110887163.6A CN202110887163A CN113590962A CN 113590962 A CN113590962 A CN 113590962A CN 202110887163 A CN202110887163 A CN 202110887163A CN 113590962 A CN113590962 A CN 113590962A
- Authority
- CN
- China
- Prior art keywords
- determining
- vacation
- information
- floating
- amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012937 correction Methods 0.000 claims abstract description 38
- 230000015654 memory Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 238000005094 computer simulation Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据监测技术领域，具体公开了一种流量数据预测***、方法、计算机设备及介质，所述***包括：时段确定模块、基础流量生成模块、浮动比例确定模块和修正模块，所述基础流量生成模块用于依次将不同的时段输入训练好的流量模型中，得到基础流量；所述浮动比例确定模块用于生成带浮动值的基础流量；所述修正模块用于根据天气修正带有浮动值的基础流量。本发明依次将不同的时段输入训练好的流量模型中，得到基础流量，通过浮动比例确定模块确定浮动比例，并基于基础流量和所述浮动比例确定带有浮动值的基础流量，此外，本发明还根据天气信息对上述带有浮动值的基础流量进行修正，预测准确性高，便于推广。
Description
技术领域
本发明涉及数据监测技术领域，具体是一种流量数据预测***、方法、计算机设备及介质。
背景技术
伴随着计算机应用技术的不断发展，流量数据预测技术也被越来越多的应用到各种不同的场景中，用来提前获取不同应用场景下的人流量数据，例如景区、车站、大型会议现场、体育赛事现场，及其他各种大型活动现场，从而在不同的应用场景下，预先根据人流量进行现场工作人员的工作安排，制定现场管控方案等，预防紧急事件的发生，而在多种应用场景下，人流量数据往往受到假期、天气等多种因素的影响，因此提出一种预测准确度高的流量预测***和方法是十分有意义的。
发明内容
本发明的目的在于提供一种流量数据预测***、方法、计算机设备及介质，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种流量数据预测***，所述***具体包括：
时段确定模块，用于获取假期信息，根据假期信息生成不同时段
，
表示起始日期，
表示结束日期；
基础流量生成模块，用于依次将不同的时段输入训练好的流量模型
中，得到基础流量
；
浮动比例确定模块，用于获取推广文件单位时间内的访问量与操作量，所述操作量至少包括收藏量、分享量与搜索量，根据所述访问量与操作量确定浮动比例，并基于基础流量和所述浮动比例确定带有浮动值的基础流量
，其中意向人数
，有效值
，
代表历史意向人数，
代表推广回报率，
代表访问量，
代表每一个访问量所对应的有效值的个数，
，
分别代表不同类型操作的操作量，及每一个操作量所对应的有效值的个数；
修正模块，用于获取预设时段内的天气状态信息，基于所述天气状态信息生成修正参数，并根据修正参数修正带有浮动值的基础流量，得到预测流量
,
，其中，
代表确定修正参数时用到的计算模型；
所述时段确定模块具体包括：
位置确定单元，用于获取假期信息，根据假期信息中的假期长度确定中心时刻，并计算所述中心时刻在一年时间内的位置比例；
半径确定单元，用于确定淡旺季信息，基于淡旺季信息确定各假期影响半径；
第一执行单元，用于基于假期的位置比例和影响半径生成假期表，并根据所述假期表确定不同时段；
所述时段确定模块还包括：
检索单元，用于确定关键词，将所述关键词输入搜索类App，获取检索内容；
文件分类单元，用于对所述检索内容进行分类，得到文本文件、图像文件和视频文件；
转换单元，用于当所述检索内容为视频文件时，将所述视频文件转换为音频文件和图像文件，并将所述音频文件转换为文本文件；
第二执行单元，用于分别对获取到的文本文件和图像文件进行内容识别，并根据识别结果更新淡旺季信息。
上述内容中时段确定模块的输出为不同时段，本发明的时段与传统的时段确定是不同的，我们可以通过常识进行回想，传统的时段确定就是简单的淡旺季，将一年的时间分为两段，由于分的段数过少，一个时间段的跨度非常大，这也与其分段的目的有关，比如对于景区，传统的分段目的仅是为了定票价，而对于本发明技术方案来说，分段的目的是为了更好的预测流量。其分段的过程是根据假期为节点进行分段的，不同假期之间的时段是不同的，比如，端午和中秋之间，是学生们的暑假时间，相对于其它假期之间的时段，其流量是会高一些的，因此，根据假期节点将一年的时间分段，然后根据分段后的时段进行后续操作是很有意义的。
浮动比例生成模块的目的是，生成一个浮动比例，然后根据此浮动比例确定一个带有浮动值的基础流量，形成a±b的数据形式。
修正模块顾名思义，对上述带有浮动值的基础流量进行修正，修正的依据是根据天气，我们知道，天气预测信息与预测时间有关，换而言之，预测明天的天气一定比预测后天的天气要更加准确，因此，天气预测信息不断变化，修正参数也不断变化，其修正过程是一个动态的过程，但是变化幅度不大。
下述内容是时段确定模块的具体工作流程，首先，将假期信息转换为节点，生成各时段，然后再在各时段增加淡旺季信息，比如雪景为主的景区，在夏天客流量较少，因此，在劳动节假期客流量也会很少，具体的影响方式就是影响半径，极端一点，半径为零的话，那么实际上就是使得假期影响因素降为零；但是，比如以雪景为主的景区，元旦假期便很重要，其假期时间为3天，但实际上，很多游客会通过请假休假等方式，“延长”假期，反映到上述模块中，便是增大半径。值得一提的是，所述影响半径一般以天为单位。
作为本发明技术方案进一步的限定，所述浮动比例确定模块具体包括：
有效值确定单元，用于获取推广文件中的访问量和操作量，根据所述访问量和操作量确定推广文件的有效值；
回报率生成单元，用于读取计算好的推广回报率，并基于有效值修正所述回报率；
比对单元，用于根据修正后的回报率确定意向人数，将所述意向人数与相应的历史意向人数进行比对；
浮动比例确定单元，用于根据比对结果确定浮动比例。
作为本发明技术方案进一步的限定，所述有效值确定单元具体包括：
权重值确定子单元，用于获取推广文件中的操作量，确定操作量中不同操作的权重值；
兴趣值计算子单元，用于根据所述权重值计算相应操作的兴趣值；
累加子单元，用于累加不同操作的兴趣值，并基于累加后的兴趣值与推广文件的访问量和操作量确定推广文件的有效值。
作为本发明技术方案进一步的限定，所述***还包括：
接收模块，用于接收用户访问请求，并将请求次数置为一；
身份确认模块，用于获取含用户ID的登陆信息，确定与所述登陆信息对应的用户注册信息；
第一判断模块，用于判断含用户ID的登陆信息与所述登陆信息对应的用户注册信息是否相同，若含用户ID的登陆信息与所述登陆信息对应的用户注册信息相同，则通过验证；
第二判断模块，若含用户ID的登陆信息与所述登陆信息对应的用户注册信息不同，则用于判断请求次数与阈值大小，若请求次数小于阈值，则重复接收用户访问请求，并增加所述请求次数；若请求次数大于阈值，则停止接收用户访问请求。
上述内容则是一个辅助功能，是本发明技术方案的一个额外功能，即，对于使用本***人员的一个简单权限判断，并不是任何人都具备访问权限的，具备访问权限的可以是管理人员，也可以是合作方，因为，本发明技术方案中流量模型的确定也许会使用到其他合作方的样本数据。
本发明技术方案还提供了一种流量数据预测方法，所述方法具体包括：
获取假期信息，根据假期信息生成不同时段；
依次将不同的时段输入训练好的流量模型中，得到基础流量；
获取推广文件单位时间内的访问量与操作量，根据所述访问量与操作量确定浮动比例，并基于基础流量和所述浮动比例确定带有浮动值的基础流量；其中，所述操作量至少包括收藏量、分享量与搜索量；
获取预设时段内的天气状态信息，基于所述天气状态信息生成修正参数，并根据修正参数修正带有浮动值的基础流量，得到预测流量。
作为本发明技术方案进一步的限定，所述获取假期信息，根据假期信息生成不同时段具体包括：
获取假期信息，根据假期信息中的假期长度确定中心时刻，并计算所述中心时刻在一年时间内的位置比例；
确定淡旺季信息，基于淡旺季信息确定各假期影响半径；
基于假期的位置比例和影响半径生成假期表，并根据所述假期表确定不同时段。
本发明技术方案还提供了一种计算机设备，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行时，实现如上述所述流量数据预测方法的功能。
本发明技术方案还提供了一种计算机设备，所述计算机存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行时，实现如上述流量数据预测方法的功能。
与现有技术相比，本发明的有益效果是：
1、基础流量生成模块用于依次将不同的时段输入训练好的流量模型中，得到基础流量；浮动比例确定模块用于获取推广文件单位时间内的访问量与操作量，根据所述访问量与操作量确定浮动比例，并基于基础流量和所述浮动比例确定带有浮动值的基础流量；修正模块用于获取预设时段内的天气状态信息，基于所述天气状态信息生成修正参数，并根据修正参数修正带有浮动值的基础流量，得到预测流量。
2、本发明依次将不同的时段输入训练好的流量模型中，得到基础流量，通过浮动比例确定模块确定浮动比例，并基于基础流量和所述浮动比例确定带有浮动值的基础流量。
3、本发明还根据天气信息对上述带有浮动值的基础流量进行修正，预测准确性高，便于推广。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
图1示出了流量数据预测***的第一组成结构图。
图2示出了流量数据预测***中时段确定模块的第一组成结构图。
图3示出了流量数据预测***中时段确定模块的第二组成结构图。
图4示出了流量数据预测***中浮动比例确定模块的组成结构图。
图5示出了浮动比例确定模块中的有效值确定单元的组成结构图。
图6示出了流量数据预测***的第二组成结构图。
图7示出了流量数据预测方法的流程框图。
图8示出了流量数据预测方法的子流程框图。
图9示出了2021年4月至6月的假期时段图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本发明实施例中可能采用术语第一、第二等来描述不同的模块，但这些模块不应限于这些术语。这些术语仅用来将同一类型的模块彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一判断模块也可以被称为第二判断模块，不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。类似地，第二判断模块也可以被称为第一判断模块。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
实施例1
图1示出了流量数据预测***的第一组成结构图，本发明实施例中，一种流量数据预测***、方法、计算机设备及介质，所述***10具体包括：
时段确定模块11，用于获取假期信息，根据假期信息生成不同时段
，
表示起始日期，表示结束日期。
基础流量生成模块12，用于依次将不同的时段输入训练好的流量模型
中，得到基础流量
；
浮动比例确定模块13，用于获取推广文件单位时间内的访问量与操作量，所述操作量至少包括收藏量、分享量与搜索量，根据所述访问量与操作量确定浮动比例，并基于基础流量和所述浮动比例确定带有浮动值的基础流量
，其中意向人数
，有效值
，
代表历史意向人数，
代表推广回报率，
代表访问量，
代表每一个访问量所对应的有效值的个数，
，
分别代表不同类型操作的操作量，及每一个操作量所对应的有效值的个数；
修正模块14，用于获取预设时段内的天气状态信息，基于所述天气状态信息生成修正参数，并根据修正参数修正带有浮动值的基础流量，得到预测流量
,
，其中，
代表确定修正参数的计算模型。
上述内容中时段确定模块的输出为不同时段，本发明的时段与传统的时段确定是不同的，我们可以通过常识进行回想，传统的时段确定就是简单的淡旺季，将一年的时间分为两段，由于分的段数过少，一个时间段的跨度非常大，这也与其分段的目的有关，比如对于景区，传统的分段目的仅是为了定票价，而对于本发明技术方案来说，分段的目的是为了更好的预测流量。其分段的过程是根据假期为节点进行分段的，不同假期之间的时段是不同的，比如，端午和中秋之间，是学生们的暑假时间，相对于其它假期之间的时间段，其流量是会高一些的，因此，根据假期节点将一年的时间分段，然后根据分段后的时段进行后续操作是很有意义的。
基础流量生成模块中需要对流量模型进行一个简单的叙述，所述流量模型的生成方法，最常用的是通过样本拟合的方法生成，这种方式很适用于实际工程，也很有效，随着样本数量的增加，其准确度也越来越高。值得一提的是，样本并非只有自己场景的历史数据，根据类似规模场景的样本进行模型生成也是可行的方案。
浮动比例生成模块的目的是，生成一个浮动比例，然后根据此浮动比例确定一个带有浮动值的基础流量，形成a±b的数据形式。
修正模块，用于对上述带有浮动值的基础流量进行修正，修正的依据是天气，首先需要获取某时段内的天气状态，而天气状态会直接影响客流量发生上升或下降，因此还需要根据某时段内的天气状态评估其对客流量的影响，受天气状态影响的客流量即修正参数用于对上述的带有浮动值的基础流量进行进一步的修正，修正参数的确定过程需要用到一个计算模型，比如，针对不同的天气状态分别训练出不同的机器学习模型，通过将带有浮动值的基础流量输入提前训练好的机器学习模型，模型能够预测出受天气状态影响的客流量，还需要说明的是，天气预测信息跟预测时间有关，换而言之，预测明天的天气一定比预测后天的天气要更加准确，因此，天气预测信息不断变化，修正参数也不断变化，其修正过程是一个动态的过程。
图2示出了流量数据预测***中时段确定模块的第一组成结构图，所述时段确定模块11具体包括：
位置确定单元111，用于获取假期信息，根据假期信息中的假期长度确定中心时刻，并计算所述中心时刻在一年时间内的位置比例；
半径确定单元112，用于确定淡旺季信息，基于淡旺季信息确定各假期影响半径；
第一执行单元113，用于基于假期的位置比例和影响半径生成假期表，并根据所述假期表确定不同时段。
以下内容是时段确定模块的具体工作流程，首先，将假期信息转换为节点，生成各时段，然后再在各时段增加淡旺季信息，比如以雪景为主的景区，在夏天客流量较少，因此，在劳动节假期客流量也会很少，具体的影响方式就是影响半径，极端一点，半径为零的话，那么实际上就是使得假期影响因素降为零；但是，比如以雪景为主的景区，元旦假期便很重要，其假期时间为3天，但实际上，很多游客会通过请假休假等方式，“延长”假期，反映到上述模块中，便是增大半径。值得一提的是，所述影响半径一般以天为单位。
例如，如图9所示，以2021年4月1日至2021年6月30日的时间间隔为例，该时间间隔包含清明节、劳动节、端午节，首先分别根据假期长度确定中心时刻，接着基于淡旺季信息以天为单位确定各假期影响半径，最后基于假期的中心时刻和影响半径生成假期时间表，从而将2021年4月1日至2021年6月30日按照不同假期划分为多个时段并输出。
图3示出了流量数据预测***中时段确定模块的第二组成结构图，所述时段确定模块11还包括：
检索单元114，用于确定关键词，将所述关键词输入搜索类App，获取检索内容；
文件分类单元115，用于对所述检索内容进行分类，得到文本文件、图像文件和视频文件；
转换单元116，用于当所述检索内容为视频文件时，将所述视频文件转换为音频文件和图像文件，并将所述音频文件转换为文本文件；
第二执行单元117，用于分别对获取到的文本文件和图像文件进行内容识别，并根据识别结果更新淡旺季信息。
上述的淡旺季信息用来决定某假期的影响半径，其中，淡旺季信息是可以变化的，比如，如果有一篇推广文章发现了以雪景为主的景区在暑假也有可取之处，那么，该景区的旺季时间将会增长，相应的，该景区暑假的影响半径将增大，对于假期的影响半径值得一提的是，淡旺季并不是必需为两块连续的时间，也可是多段分离式的时间。
图4示出了流量数据预测***中浮动比例确定模块的组成结构图，所述浮动比例确定模块13具体包括：
有效值确定单元131，用于获取推广文件中的访问量和操作量，根据所述访问量和操作量确定推广文件的有效值；
回报率生成单元132，用于读取计算好的推广回报率，并基于有效值修正所述回报率；
比对单元133，用于根据修正后的回报率确定意向人数，将所述意向人数与相应的历史意向人数进行比对；
浮动比例确定单元134，用于根据比对结果确定浮动比例。
上述内容对所述浮动比例工作流程进行了具体描述，自媒体技术的兴起，使得线上推广更加容易，这也从侧面说明了自媒体文件对于流量是有影响的，为了便于说明，本发明通过具体实例进行描述：比如，现在有一个推广文件是一篇文章，***会读取文章的访问量与操作量，进而确定这篇文章的有效值，所述有效值是反映推广效果的一个值。
图5示出了浮动比例确定模块中的有效值确定单元的组成结构图，所述有效值确定单元131具体包括：
权重值确定子单元1311，用于获取推广文件中的操作量，确定操作量中不同操作的权重值；
兴趣值计算子单元1312，用于根据所述权重值计算相应操作的兴趣值；
累加子单元1313，用于累加不同操作的兴趣值，并基于累加后的兴趣值与推广文件的访问量和操作量确定推广文件的有效值。
有效值确定过程是比较重要的，由上述内容可知，所述有效值的目的是获取推广文件的推广效果，以上述文章为例，如果用户对文章点赞，那么他就是有兴趣的，如果用户将文章分享了，那么他的兴趣值更高，因此，基于操作量可以确定用户的兴趣值；值得一提的是，一个访问量可以视为一个兴趣值，只要访问过推广文件便可以说明用户是有兴趣的，这是因为在大数据时代，个人的兴趣很容易获取，现有的许多推广软件都是根据用户的兴趣来进行推广的，换而言之，只要用户访问了推广文件，就说明相应的软件认为那属于用户的兴趣，因此，可以将一个访问量视为一个兴趣值。
上述内容流程较为完善，需要说明的一点是，操作量中的分享量一定比访问量更加重要，为了方便计算，我们设置一个单位，即，兴趣值，比如，一个分享量相当于10个兴趣值，一个兴趣值相当于1个有效值，这样便可以区分操作量，使得比例确定过程更加准确。
具体的，有效值
可以通过公式
进行计算，其中
代表访问量，
代表每一个访问量所对应的有效值的个数，
代表收藏量，
代表每一个收藏量所对应的有效值的个数，
代表分享量，
代表每一个分享量所对应的有效值的个数，
代表搜索量，
代表每一个搜索量所对应的有效值的个数，以此类推，
，
分别代表其他类型操作的操作量，及每一个操作量所对应的有效值的个数。
在确定有效值后，读取推广回报率
，所述推广回报率
是一个现有数据，不同平台以不同方式，发送什么样的文章都有其预先的一个预测，这在大数据时代的今天，准确度很高，但是，虽然准确度很高，但也会有例外，因此，需要通过有效值去修正回报率。
具体的，其修正方式便是将某次计算得到的有效值
与历史平均有效值
进行比对，得到一个偏移率，然后根据偏移率对上述的回报率进行修正，修正后的回报率可以表示为
；通过修正后的回报率直接乘以访问量和操作量的和，即可确定意向人数
，其中，
代表访问量，
代表收藏量，
代表分享量，
代表搜索量，以此类推，
代表其他类型操作的操作量；将所述意向人数
与统一时间段的相应的历史意向人数
进行比对，然后根据比对结果确定浮动比例
。
上述过程最终过程是生成一个比例
，可能会显得有些赘余，因为，既然计算出了意向人数，为何不直接作为预测值；一方面，自媒体只是影响流量的一个因素，并不能以偏概全，本发明真正的预测过程是由基础流量生成模块完成的，另一方面，自媒体的数据波动很大，获取到的意向人数，其实包含于基础流量里。因此，上述内容的目的仅是生成一个比例，比方说今天景区的火爆程度与去年相比如何，根据比对结果，确定浮动比例，然后对基础流量进行修正，并得到一个带浮动流量的基础流量
，其中，
代表训练好的流量模型，
代表时段，
表示起始日期，
表示结束日期。
确定了带有浮动值的基础流量
以后，还需要考虑时间段内天气状态对客流量的影响，因此需要根据时段内天气状态确定受其影响的客流量，即修正参数，并使用该修正参数对带有浮动值的基础流量做进一步的修正，得到预测流量
,
，其中，
代表确定修正参数时使用的计算模型。
图6示出了流量数据预测***的第二组成结构图，所述***10还包括：
接收模块15，用于接收用户访问请求，并将请求次数置为一；
身份确认模块16，用于获取含用户ID的登陆信息，确定与所述登陆信息对应的用户注册信息；
第一判断模块17，用于判断含用户ID的登陆信息与所述登陆信息对应的用户注册信息是否相同，若含用户ID的登陆信息与所述登陆信息对应的用户注册信息相同，则通过验证；
第二判断模块18，若含用户ID的登陆信息与所述登陆信息对应的用户注册信息不同，则用于判断请求次数与阈值大小，若请求次数小于阈值，则重复接收用户访问请求，并增加所述请求次数；若请求次数大于阈值，则停止接收用户访问请求。
上述内容则是一个辅助功能，是本发明技术方案的一个额外功能，即，对于使用本***人员的一个简单权限判断，并不是任何人都具备访问权限的，具备访问权限的可以是管理人员，也可以是合作方，因为，本发明技术方案中流量模型的确定也许会使用到其它合作方的样本数据。
实施例2
图7示出了流量数据预测方法的流程框图，本发明实施例中，还提供了一种流量数据预测方法，所述方法具体包括：
步骤S200：获取假期信息，根据假期信息生成不同时段；
所述步骤S200由时段确定模块11完成；
步骤S400：依次将不同的时段输入训练好的流量模型中，得到基础流量；
步骤S400由基础流量生成模块12完成；
步骤S600：获取推广文件单位时间内的访问量与操作量，根据所述访问量与操作量确定浮动比例，并基于基础流量和所述浮动比例确定带有浮动值的基础流量；其中，所述操作量至少包括收藏量、分享量与搜索量；
所述步骤S600由浮动比例确定模块13完成；
步骤S800：获取预设时段内的天气状态信息，基于所述天气状态信息生成修正参数，并根据修正参数修正带有浮动值的基础流量，得到预测流量；
所述步骤S800由修正模块14完成。
图8示出了流量数据预测方法的子流程框图，所述获取假期信息，根据假期信息生成不同时段具体包括：
步骤S201：获取假期信息，根据假期信息中的假期长度确定中心时刻，并计算所述中心时刻在一年时间内的位置比例；
所述步骤S201由位置确定单元111完成；
步骤S203：确定淡旺季信息，基于淡旺季信息确定各假期影响半径；
所述步骤S203由半径确定单元112完成；
步骤S205：基于假期的位置比例和影响半径生成假期表，并根据所述假期表确定不同时段；
所述步骤S205由第一执行单元113完成。
需要引起注意的是，上述内容所表述的一种流量数据预测***、方法，适用于在景区、车站、大型会议现场、体育赛事现场，及其他任一个不同的需要对人流量进行准确预测的大型活动现场中使用。
上述流量数据预测方法所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述流量数据预测方法的功能。
处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器(Read-Only Memory，ROM)，所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示***的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（Secure Digital， SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例***中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个***实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、电载波信号、电信信号以及软件分发介质等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种流量数据预测***，其特征在于，所述***具体包括：
时段确定模块，用于获取假期信息，根据假期信息生成不同时段
，
表示起始日期，
表示结束日期；
基础流量生成模块，用于依次将不同的时段输入训练好的流量模型
中，得到基础
；
浮动比例确定模块，用于获取推广文件单位时间内的访问量与操作量，所述操作量至少包括收藏量、分享量与搜索量，根据所述访问量与操作量确定浮动比例，并基于基础流量和所述浮动比例确定带有浮动值的基础流量
，其中意向人数
，有效值
，
代表历史意向人数，
代表推广回报率，
代表访问量，
代表每一个访问量所对应的有效值的个数，
，
分别代表不同类型操作的操作量，及每一个操作量所对应的有效值的个数；
修正模块，用于获取预设时段内的天气状态信息，基于所述天气状态信息生成修正参数，并根据修正参数修正带有浮动值的基础流量，得到预测流量
，
，其中，
代表确定修正参数时用到的计算模型；
所述时段确定模块具体包括以下单元：
位置确定单元，用于获取假期信息，根据假期信息中的假期长度确定中心时刻，并计算所述中心时刻在一年时间内的位置比例；
半径确定单元，用于确定淡旺季信息，基于淡旺季信息确定各假期影响半径；
第一执行单元，用于基于假期的位置比例和影响半径生成假期表，并根据所述假期表确定不同时段；
所述时段确定模块还包括以下单元：
检索单元，用于确定关键词，将所述关键词输入搜索类App，获取检索内容；
文件分类单元，用于对所述检索内容进行分类，得到文本文件、图像文件和视频文件；
转换单元，用于当所述检索内容为视频文件时，将所述视频文件转换为音频文件和图像文件，并将所述音频文件转换为文本文件；
第二执行单元，用于分别对获取到的文本文件和图像文件进行内容识别，并根据识别结果更新淡旺季信息。
2.根据权利要求1所述的流量数据预测***，其特征在于，所述浮动比例确定模块具体包括：
有效值确定单元，用于获取推广文件中的访问量和操作量，根据所述访问量和操作量确定推广文件的有效值；
回报率生成单元，用于读取计算好的推广回报率，并基于有效值修正所述回报率；
比对单元，用于根据修正后的回报率确定意向人数，将所述意向人数与相应的历史意向人数进行比对；
浮动比例确定单元，用于根据比对结果确定浮动比例。
3.根据权利要求2所述的流量数据预测***，其特征在于，所述有效值确定单元具体包括：
权重值确定子单元，用于获取推广文件中的操作量，确定操作量中不同操作的权重值；
兴趣值计算子单元，用于根据所述权重值计算相应操作的兴趣值；
累加子单元，用于累加不同操作的兴趣值，并基于累加后的兴趣值与推广文件的访问量和操作量确定推广文件的有效值。
4.根据权利要求1所述的流量数据预测***，其特征在于，所述***还包括：
接收模块，用于接收用户访问请求，并将请求次数置为一；
身份确认模块，用于获取含用户ID的登陆信息，确定与所述登陆信息对应的用户注册信息；
第一判断模块，用于判断含用户ID的登陆信息与所述登陆信息对应的用户注册信息是否相同，若含用户ID的登陆信息与所述登陆信息对应的用户注册信息相同，则通过验证；
第二判断模块，若含用户ID的登陆信息与所述登陆信息对应的用户注册信息不同，则用于判断请求次数与阈值大小，若请求次数小于阈值，则重复接收用户访问请求，并增加所述请求次数；若请求次数大于阈值，则停止接收用户访问请求。
5.一种流量数据预测方法，基于权利要求1-4任一所述的流量数据预测***实现，其特征在于，所述方法具体包括：
获取假期信息，根据假期信息生成不同时段；
依次将不同的时段输入训练好的流量模型中，得到基础流量；
获取推广文件单位时间内的访问量与操作量，根据所述访问量与操作量确定浮动比例，并基于基础流量和所述浮动比例确定带有浮动值的基础流量；其中，所述操作量至少包括收藏量、分享量与搜索量；
获取预设时段内的天气状态信息，基于所述天气状态信息生成修正参数，并根据修正参数修正带有浮动值的基础流量，得到预测流量。
6.根据权利要求5所述的流量数据预测方法，其特征在于，所述获取假期信息，根据假期信息生成不同时段具体包括：
获取假期信息，根据假期信息中的假期长度确定中心时刻，并计算所述中心时刻在一年时间内的位置比例；
确定淡旺季信息，基于淡旺季信息确定各假期影响半径；
基于假期的位置比例和影响半径生成假期表，并根据所述假期表确定不同时段。
7.一种计算机设备，其特征在于，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行时，实现如权利要求5至6中任一项权利要求所述流量数据预测方法的功能。
8.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行时，实现如权利要求5至6中任一项权利要求所述流量数据预测方法的功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110887163.6A CN113590962B (zh) | 2021-08-03 | 2021-08-03 | 一种流量数据预测***、方法、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110887163.6A CN113590962B (zh) | 2021-08-03 | 2021-08-03 | 一种流量数据预测***、方法、计算机设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113590962A true CN113590962A (zh) | 2021-11-02 |
| CN113590962B CN113590962B (zh) | 2023-07-25 |
Family
ID=78254566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110887163.6A Active CN113590962B (zh) | 2021-08-03 | 2021-08-03 | 一种流量数据预测***、方法、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113590962B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592196A (zh) * | 2021-08-23 | 2021-11-02 | 田继伟 | 一种流量数据预测***、方法、计算机设备及介质 |
| CN114493726A (zh) * | 2022-04-06 | 2022-05-13 | 萨科(深圳)科技有限公司 | 一种订单的监控方法和监控平台 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104408143A (zh) * | 2014-12-01 | 2015-03-11 | 北京国双科技有限公司 | 网页数据的监测方法和装置 |
| US20190087469A1 (en) * | 2017-09-18 | 2019-03-21 | Google Inc. | Evaluating models that rely on aggregate historical data |
| CN110443314A (zh) * | 2019-08-08 | 2019-11-12 | 中国工商银行股份有限公司 | 基于机器学习的景区客流量预测方法及装置 |
| CN110689184A (zh) * | 2019-09-21 | 2020-01-14 | 广东毓秀科技有限公司 | 一种通过深度学习进行轨交人流预测的方法 |
| CN110910659A (zh) * | 2019-11-29 | 2020-03-24 | 腾讯云计算（北京）有限责任公司 | 一种交通流量预测方法、装置、设备以及存储介质 |
| CN112733002A (zh) * | 2020-12-02 | 2021-04-30 | 珠海南方数字娱乐公共服务中心 | 一种基于新媒体平台的品牌推广关键数据的提取和分析方法 |
| CN113592196A (zh) * | 2021-08-23 | 2021-11-02 | 田继伟 | 一种流量数据预测***、方法、计算机设备及介质 |
-
2021
- 2021-08-03 CN CN202110887163.6A patent/CN113590962B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104408143A (zh) * | 2014-12-01 | 2015-03-11 | 北京国双科技有限公司 | 网页数据的监测方法和装置 |
| US20190087469A1 (en) * | 2017-09-18 | 2019-03-21 | Google Inc. | Evaluating models that rely on aggregate historical data |
| CN110443314A (zh) * | 2019-08-08 | 2019-11-12 | 中国工商银行股份有限公司 | 基于机器学习的景区客流量预测方法及装置 |
| CN110689184A (zh) * | 2019-09-21 | 2020-01-14 | 广东毓秀科技有限公司 | 一种通过深度学习进行轨交人流预测的方法 |
| CN110910659A (zh) * | 2019-11-29 | 2020-03-24 | 腾讯云计算（北京）有限责任公司 | 一种交通流量预测方法、装置、设备以及存储介质 |
| CN112733002A (zh) * | 2020-12-02 | 2021-04-30 | 珠海南方数字娱乐公共服务中心 | 一种基于新媒体平台的品牌推广关键数据的提取和分析方法 |
| CN113592196A (zh) * | 2021-08-23 | 2021-11-02 | 田继伟 | 一种流量数据预测***、方法、计算机设备及介质 |
Non-Patent Citations (3)
| Title |
|---|
| MENG XU ET AL.: "Hybrid holiday traffic predictions in cellular networks", 《NOMS 2018 - 2018 IEEE/IFIP NETWORK OPERATIONS AND MANAGEMENT SYMPOSIUM》, pages 1 - 6 * |
| 王茜雅: "南京旅游客源市场及旅游流的时空特征研究————基于手机信令的分析", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, pages 153 - 87 * |
| 费城: "基于深度学习的特色小镇热点区域预测模型研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, pages 038 - 1021 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592196A (zh) * | 2021-08-23 | 2021-11-02 | 田继伟 | 一种流量数据预测***、方法、计算机设备及介质 |
| CN114493726A (zh) * | 2022-04-06 | 2022-05-13 | 萨科(深圳)科技有限公司 | 一种订单的监控方法和监控平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113590962B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11281969B1 (en) | Artificial intelligence system combining state space models and neural networks for time series forecasting | |
| Saayman et al. | Non-linear models for tourism demand forecasting | |
| CN113590962A (zh) | 一种流量数据预测***、方法、计算机设备及介质 | |
| US10902445B2 (en) | Location evaluation | |
| CN113592196A (zh) | 一种流量数据预测***、方法、计算机设备及介质 | |
| CN108777701B (zh) | 一种确定信息受众的方法及装置 | |
| WO2023005120A1 (zh) | 楼宇能耗预测方法、装置、计算机设备和存储介质 | |
| CN111639988B (zh) | 经纪人推荐方法、装置、电子设备和存储介质 | |
| CN112990530B (zh) | 区域人口数量预测方法、装置、电子设备和存储介质 | |
| CN113838303B (zh) | 停车场推荐方法、装置、电子设备及存储介质 | |
| CN115018552A (zh) | 产品点击率确定方法 | |
| Liang et al. | Improving stock trend prediction through financial time series classification and temporal correlation analysis based on aligning change point | |
| CN117216393A (zh) | 信息推荐方法、信息推荐模型的训练方法及装置、设备 | |
| CN114491134B (zh) | 一种商标注册成功率分析方法及*** | |
| CN115907875B (zh) | 价格区间的造价编制方法、装置、电子设备及介质 | |
| Parygin et al. | Development the online operating system of urban infrastructure data | |
| CN116701935A (zh) | 敏感度预测模型训练方法、敏感信息处理方法及装置 | |
| CN112084408B (zh) | 名单数据筛选方法、装置、计算机设备及存储介质 | |
| Ghandeharioun et al. | Exploring deep learning approaches for short-term passenger demand prediction | |
| CN109299321B (zh) | 一种曲目推荐方法及装置 | |
| CN112184417A (zh) | 一种业务的审批方法、装置、介质及电子设备 | |
| CN114548463A (zh) | 线路信息预测方法、装置、计算机设备和存储介质 | |
| CN112069806A (zh) | 简历筛选方法、装置、电子设备及存储介质 | |
| KR102526003B1 (ko) | 상가 부동산 매물 정보 제공 방법 및 서버 | |
| CN116796076B (zh) | 业务推荐方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |