CN116450709B - 一种基于大数据的景区数据监测分析方法 - Google Patents

一种基于大数据的景区数据监测分析方法 Download PDF

Info

Publication number
CN116450709B
CN116450709B CN202310705968.3A CN202310705968A CN116450709B CN 116450709 B CN116450709 B CN 116450709B CN 202310705968 A CN202310705968 A CN 202310705968A CN 116450709 B CN116450709 B CN 116450709B
Authority
CN
China
Prior art keywords
scenic spot
period
target scenic
sampling time
time period
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.)
Active
Application number
CN202310705968.3A
Other languages
English (en)
Other versions
CN116450709A (zh
Inventor
金岩
张卓
王志勋
黄德成
郑超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaanxi Yunchuang Network Technology Co ltd
Original Assignee
Shaanxi Yunchuang Network Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shaanxi Yunchuang Network Technology Co ltd filed Critical Shaanxi Yunchuang Network Technology Co ltd
Priority to CN202310705968.3A priority Critical patent/CN116450709B/zh
Publication of CN116450709A publication Critical patent/CN116450709A/zh
Application granted granted Critical
Publication of CN116450709B publication Critical patent/CN116450709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/72—Data preparation, e.g. statistical preprocessing of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Fuzzy Systems (AREA)
  • Geometry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Primary Health Care (AREA)
  • Psychiatry (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)

Abstract

本发明涉及景区数据监测分析领域，具体公开一种基于大数据的景区数据监测分析方法，本发明通过获取目标景区的预约信息和游客总人数，判断目标景区是否有扩增容纳量需求，有利于景区管理者在景区容纳量不足时及时采取应对举措；从目标景区的人流量、游客粘性和游客评价，综合分析目标景区的人气热度趋势，有利于景区管理者根据人气热度趋势进行有效定向管理；获取目标景区中各景点的游客数量、游客停留时长和游客拍照次数，分析目标景区中各景点的受欢迎度系数，得到目标景区中各景点的受欢迎度排名，有利于景区管理者根据景区中各景点的受欢迎度排名制定更合理的经营策略和优化景区服务内容和流程。

Description

一种基于大数据的景区数据监测分析方法
技术领域
本发明涉及景区数据监测分析领域，涉及到一种基于大数据的景区数据监测分析方法。
背景技术
对景区数据进行监测分析可以更全面地了解景区的运营状况、游客体验和市场需求等方面，并基于数据结果进行有效定向管理，提升景区的整体营运效能；而且可为景区管理者提供客观、准确的决策依据，有助于制定更合理的经营策略，优化景区服务内容和流程，提高游客体验和满意度，提升景区的竞争力和收益水平；同时可以了解地区旅游市场的整体态势和走向，为旅游业的发展提供有力支持。因此，对景区数据进行监测分析具有现实意义。
现有的景区数据分析方法主要通过游客数量等基本数据的分析，得到景区运营相关的信息，进而为景区管理者提供一定的优化建议和决策依据，但存在着一些不足：一方面，现有方法缺乏对景区容纳量扩增需求的分析，如果景区的预约人数较多，但由于景区可接待的游客数量有限，使得部分有意向预约的游客未能成功预约和进入景区参观，长此以往会使游客产生消极情绪，降低游客的满意度和体验感，进而降低景区的人气，影响景区的运营，当景区预约参观的人数较多甚至超出景区的容纳量时，景区的管理者就需要及时采取调整开放时间、建设配套设施等一系列应对景区容纳量不足的举措。
一方面，现有方法缺乏对景区人气热度趋势走向的动态分析或者分析景区人气热度的指标较为单一，主要依据游客人数对人气热度进行评估，没有从景区的人流量、游客的粘性和游客在媒体互动平台发表的评论反馈等多个指标对景区的人气热度进行综合性评估，使得景区人气热度的评估体系不够完善，进而使得目标景区人气热度和人气热度趋势的分析结果存在较大误差，可靠性不足，不利于景区的管理者根据景区的人气热度趋势走向进行有效定向管理和提升景区的整体营运效能。
另一方面，现有方法对景区中各景点的受欢迎度的分析不够深入，没有根据游客的行为表征，深度分析景区的受欢迎度，如游客的停留和游客的拍照次数等，进而使得景区中各景点受欢迎度分析结果的准确性不高，不利于景区管理者根据景点的受欢迎度排名制定更合理的经营策略、优化景区服务内容和流程和提升景区的竞争力和收益水平。
发明内容
针对上述问题，本发明提出了一种基于大数据的景区数据监测分析方法，具体技术方案如下：一种基于大数据的景区数据监测分析方法，包括如下步骤：步骤一、景区容纳量扩增需求分析判断：获取监测周期内各采样时间段目标景区的预约信息和游客总人数，分析得到目标景区的容纳量扩增需求系数，判断目标景区是否有扩增容纳量需求。
步骤二、景区人流量数据监测分析：获取监测周期内各采样时间段目标景区中各游客的游览时长，根据监测周期内各采样时间段目标景区的游客总人数和各游客的游览时长，分析得到监测周期内各采样时间段目标景区的人流量相对增长系数。
步骤三、景区游客粘性系数分析：获取监测周期内各采样时间段目标景区的常客数量和常客平均游览时长，分析得到监测周期内各采样时间段目标景区的游客粘性系数。
步骤四、景区游客评价系数分析：获取监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论，分析得到监测周期内各采样时间段目标景区的游客评价系数。
步骤五、景区人气热度趋势获取：根据监测周期内各采样时间段目标景区的人流量相对增长系数、游客粘性系数和游客评价系数，分析得到目标景区的人气热度趋势曲线。
步骤六、景点受欢迎度排名获取：获取监测周期内各采样时间段目标景区中各景点的参观游客数量、参观游客平均停留时长和参观游客平均拍照次数，分析目标景区中各景点的受欢迎度系数，得到目标景区中各景点的受欢迎度排名。
步骤七、景区数据分析结果反馈：将目标景区的扩增容纳量需求、人气热度趋势曲线和各景点的受欢迎度排名发送至目标景区的管理部门。
在上述实施例的基础上，所述步骤一的具体分析过程包括：按照预设的原则设定监测周期的时长，并按照预设的等时间间隔原则在监测周期内设置各采样时间段。
通过目标景区的线上预约平台获取监测周期内各采样时间段进入预约界面的用户人数、进入预约界面并完成预约流程的用户人数和进入预约界面但未完成预约流程的用户人数，将其分别记为监测周期内各采样时间段目标景区的意向预约人数、完成预约人数和未完成预约人数，并分别表示为，表示第/>个采样时间段的编号，。
提取数据库中存储的目标景区的容纳量，将其记为。
获取监测周期内各采样时间段进入目标景区的总人数，将其记为监测周期内各采样时间段目标景区的游客总人数，并表示为。
通过分析公式得到监测周期内各采样时间段目标景区的容纳量扩增需求系数/>，其中/>表示自然常数，/>表示预设的目标景区容纳量的波动量。
在上述实施例的基础上，所述步骤一的具体分析过程还包括：将监测周期内各采样时间段目标景区的容纳量扩增需求系数进行相互比较，得到监测周期内采样时间段目标景区容纳量扩增需求系数的中位数，将其记为目标景区的容纳量扩增需求系数。
将目标景区的容纳量扩增需求系数与预设的容纳量扩增需求系数预警值进行比较，若目标景区的容纳量扩增需求系数大于预设的容纳量扩增需求系数预警值，则目标景区有扩增容纳量需求。
在上述实施例的基础上，所述步骤二的具体分析过程为：获取监测周期内各采样时间段进入目标景区各游客的进目标景区时间和出目标景区时间，得到监测周期内各采样时间段目标景区中各游客的游览时长，将其记为，/>表示采样时间段进入目标景区第/>个游客的编号，/>。
通过分析公式得到监测周期内各采样时间段目标景区的人流量相对增长系数/>，其中/>表示采样时间段的数量，/>表示采样时间段进入目标景区游客的数量，/>表示预设的目标景区游客的参考游览时长。
在上述实施例的基础上，所述步骤三的具体分析过程为：设定监测周期内各采样时间段对应的历史周期。
获取监测周期内各采样时间段目标景区的各游客和其采样时间段对应历史周期内目标景区的各游客，将监测周期内各采样时间段目标景区的各游客和其采样时间段对应历史周期内目标景区的各游客进行比对，分析得到监测周期内各采样时间段目标景区的各常客，获取监测周期内各采样时间段目标景区的常客数量，将其记为。
根据监测周期内各采样时间段目标景区中各游客的游览时长，筛选得到监测周期内各采样时间段目标景区各常客的游览时长，对监测周期内各采样时间段目标景区各常客的游览时长进行平均值计算，得到监测周期内各采样时间段目标景区的常客平均游览时长，将其记为。
通过分析公式得到监测周期内各采样时间段目标景区的游客粘性系数/>，其中/>分别表示预设的常客数量阈值和常客平均游览时长阈值，/>分别表示预设的常客数量和常客平均游览时长的权重因子。
在上述实施例的基础上，所述步骤四的具体分析过程为：获取监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论，对监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论进行分类，得到监测周期内各采样时间段目标景区在各社交媒体平台的各条好评和各条差评，获取监测周期内各采样时间段目标景区在各社交媒体平台各条好评和各条差评中的文字字数和图片数，将其分别记为和，/>表示第/>个社交媒体平台的编号，/>，/>表示第/>条好评的编号，，/>表示第/>条差评的编号，/>。
通过分析公式得到监测周期内各采样时间段目标景区的游客评价系数/>，其中/>分别表示预设的评论文字和评论图片的权值，/>表示预设的第/>个社交媒体平台的权重因子。
在上述实施例的基础上，所述步骤五的具体分析过程为：将监测周期内各采样时间段目标景区的人流量相对增长系数、游客粘性系数/>和游客评价系数/>代入公式得到监测周期内各采样时间段目标景区的人气热度系数/>，其中/>分别表示预设的人流量相对增长系数、游客粘性系数和游客评价系数的权重因子，/>。
根据监测周期内各采样时间段目标景区的人气热度系数，以采样时间段为自变量，以人气热度系数为因变量，通过数学模型建立方法，绘制目标景区的人气热度趋势曲线。
在上述实施例的基础上，所述步骤六的具体分析过程为：通过目标景区中各景点安装的高清摄像头，获取监测周期内各采样时间段目标景区中各景点的参观游客数量，将其记为，/>表示第/>个景点的编号，/>。
获取监测周期内各采样时间段目标景区中各景点中各参观游客的停留时长和拍照次数，对监测周期内各采样时间段目标景区中各景点中各参观游客的停留时长和拍照次数分别进行平均值计算，得到监测周期内各采样时间段目标景区中各景点的参观游客平均停留时长和参观游客平均拍照次数，将其分别记为。
通过分析公式得到目标景区中各景点的受欢迎度系数/>，其中/>表示景点的数量，/>分别表示预设的参观游客数量、参观游客平均停留时长和参观游客平均拍照次数的权重因子，/>。
将目标景区中各景点按照其受欢迎度系数从高到低的顺序进行排序，得到目标景区中各景点的受欢迎度排名。
相对于现有技术，本发明所述的一种基于大数据的景区数据监测分析方法以下有益效果：1、本发明通过获取目标景区的预约信息和到场游客人数，分析目标景区是否有扩增容纳量的需求，有利于景区管理者在景区容纳量不足时及时采取应对举措，避免游客因未能预约和参观景区而产生消极情绪，进而提升游客的满意度和体验感，减少游客的流失，增加景区的人气。
2、本发明从景区人流量、游客粘性和游客评价反馈多个维度对景区的人气热度进行评估，并进一步分析目标景区的人气热度趋势走向，进而有利于景区管理者根据人气热度趋势进行有效定向管理和提升景区的整体营运效能。
3、本发明从景区中各景点的游客数量、游客停留时长和游客拍照次数多个指标评估景区中各景点的受欢迎度，进一步得到景区中各景点的受欢迎度排名，有利于景区管理者根据景区中各景点的受欢迎度排名制定更合理的经营策略、优化景区服务内容和流程和提升景区的竞争力和收益水平。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明提供的一种基于大数据的景区数据监测分析方法，包括如下步骤：步骤一、景区容纳量扩增需求分析判断：获取监测周期内各采样时间段目标景区的预约信息和游客总人数，分析得到目标景区的容纳量扩增需求系数，判断目标景区是否有扩增容纳量需求。
作为一种优选方案，所述步骤一的具体分析过程包括：按照预设的原则设定监测周期的时长，并按照预设的等时间间隔原则在监测周期内设置各采样时间段。
通过目标景区的线上预约平台获取监测周期内各采样时间段进入预约界面的用户人数、进入预约界面并完成预约流程的用户人数和进入预约界面但未完成预约流程的用户人数，将其分别记为监测周期内各采样时间段目标景区的意向预约人数、完成预约人数和未完成预约人数，并分别表示为，/>表示第/>个采样时间段的编号，/>。
提取数据库中存储的目标景区的容纳量，将其记为。
获取监测周期内各采样时间段进入目标景区的总人数，将其记为监测周期内各采样时间段目标景区的游客总人数，并表示为。
通过分析公式得到监测周期内各采样时间段目标景区的容纳量扩增需求系数/>，其中/>表示自然常数，/>表示预设的目标景区容纳量的波动量。
需要说明的是，所述目标景区的容纳量指目标景区一次最多能接待的游客数量。
需要说明的是，获取监测周期内各采样时间段进入目标景区的总人数，一共有三种方式，第一种方式是通过目标景区入口处的高清摄像头获取进入目标景区的总人数，第二种方式是通过目标景区入口处游客扫描的二维码获取进入目标景区的总人数，第三种方式是通过目标景区入口处的闸机装置获取进入目标景区的总人数。
作为一种优选方案，所述步骤一的具体分析过程还包括：将监测周期内各采样时间段目标景区的容纳量扩增需求系数进行相互比较，得到监测周期内采样时间段目标景区容纳量扩增需求系数的中位数，将其记为目标景区的容纳量扩增需求系数。
将目标景区的容纳量扩增需求系数与预设的容纳量扩增需求系数预警值进行比较，若目标景区的容纳量扩增需求系数大于预设的容纳量扩增需求系数预警值，则目标景区有扩增容纳量需求。
在本实施例中，本发明通过获取目标景区的预约信息和到场游客人数，分析目标景区是否有扩增容纳量的需求，有利于景区管理者在景区容纳量不足时及时采取应对举措，避免游客因未能预约和参观景区而产生消极情绪，进而提升游客的满意度和体验感，减少游客的流失，增加景区的人气。
步骤二、景区人流量数据监测分析：获取监测周期内各采样时间段目标景区中各游客的游览时长，根据监测周期内各采样时间段目标景区的游客总人数和各游客的游览时长，分析得到监测周期内各采样时间段目标景区的人流量相对增长系数。
作为一种优选方案，所述步骤二的具体分析过程为：获取监测周期内各采样时间段进入目标景区各游客的进目标景区时间和出目标景区时间，得到监测周期内各采样时间段目标景区中各游客的游览时长，将其记为，/>表示采样时间段进入目标景区第/>个游客的编号，/>。
通过分析公式得到监测周期内各采样时间段目标景区的人流量相对增长系数/>，其中/>表示采样时间段的数量，/>表示采样时间段进入目标景区游客的数量，/>表示预设的目标景区游客的参考游览时长。
需要说明的是，采样时间段目标景区的游客总人数即为采样时间段进入目标景区游客的数量。
步骤三、景区游客粘性系数分析：获取监测周期内各采样时间段目标景区的常客数量和常客平均游览时长，分析得到监测周期内各采样时间段目标景区的游客粘性系数。
作为一种优选方案，所述步骤三的具体分析过程为：设定监测周期内各采样时间段对应的历史周期。
获取监测周期内各采样时间段目标景区的各游客和其采样时间段对应历史周期内目标景区的各游客，将监测周期内各采样时间段目标景区的各游客和其采样时间段对应历史周期内目标景区的各游客进行比对，分析得到监测周期内各采样时间段目标景区的各常客，获取监测周期内各采样时间段目标景区的常客数量，将其记为。
根据监测周期内各采样时间段目标景区中各游客的游览时长，筛选得到监测周期内各采样时间段目标景区各常客的游览时长，对监测周期内各采样时间段目标景区各常客的游览时长进行平均值计算，得到监测周期内各采样时间段目标景区的常客平均游览时长，将其记为。
通过分析公式得到监测周期内各采样时间段目标景区的游客粘性系数/>，其中/>分别表示预设的常客数量阈值和常客平均游览时长阈值，/>分别表示预设的常客数量和常客平均游览时长的权重因子。
在一个具体实施例中，设定监测周期内各采样时间段对应的历史周期，具体方法为：将监测周期内各采样时间段其对应的相邻上一采样时间段作为监测周期内各采样时间段对应的历史周期，其中监测周期内第一个采样时间段对应的历史周期为设定的时间段。
需要说明的是，所述常客是指在目标景区游览次数大于或等于两次的游客。
需要说明的是，若监测周期内某采样时间段目标景区的某游客也在其采样时间段对应历史周期内目标景区的各游客中，则将监测周期内该采样时间段目标景区的该游客记为监测周期内该采样时间段目标景区的常客。
步骤四、景区游客评价系数分析：获取监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论，分析得到监测周期内各采样时间段目标景区的游客评价系数。
作为一种优选方案，所述步骤四的具体分析过程为：获取监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论，对监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论进行分类，得到监测周期内各采样时间段目标景区在各社交媒体平台的各条好评和各条差评，获取监测周期内各采样时间段目标景区在各社交媒体平台各条好评和各条差评中的文字字数和图片数，将其分别记为和，/>表示第/>个社交媒体平台的编号，/>，/>表示第/>条好评的编号，，/>表示第/>条差评的编号，/>。
通过分析公式得到监测周期内各采样时间段目标景区的游客评价系数/>，其中/>分别表示预设的评论文字和评论图片的权值，/>表示预设的第/>个社交媒体平台的权重因子。
需要说明的是，对监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论进行分类，具体方法为：以监测周期内某采样时间段某社交媒体平台上关于目标景区的某条评论的分类方法为例：将监测周期内该采样时间段该社交媒体平台上关于目标景区的该条评论记为待分析评论，对待分析评论进行处理，得到待分析评论的文字部分和各表情符号，进一步利用关键词提取技术获取待分析评论文字部分的各关键词，将其记为待分析评论的各关键词。
将待分析评论的各关键词与预设的积极评论对应的关键词库进行比对，若待分析评论的某关键词属于积极评论对应的关键词库内，则将该关键词记为积极性关键词，统计得到待分析评论的积极性关键词数量。
将待分析评论的各表情符号与预设的积极评论对应的表情符号库进行比对，若待分析评论的某表情符号属于积极评论对应的表情符号库内，则将该表情符号记为积极性表情符号，统计得到待分析评论的积极性表情符号数量。
同理，根据待分析评论的积极性关键词数量和积极性表情符号数量的分析方法，得到待分析评论的消极性关键词数量和消极性表情符号数量。
将待分析评论的积极性关键词数量和积极性表情符号数量的累加数量与消极性关键词数量和消极性表情符号数量的累加数量进行比较，若前者大于或等于后者，则待分析评论为好评，反之，则待分析评论为差评。
进而对监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论进行分类。
步骤五、景区人气热度趋势获取：根据监测周期内各采样时间段目标景区的人流量相对增长系数、游客粘性系数和游客评价系数，分析得到目标景区的人气热度趋势曲线。
作为一种优选方案，所述步骤五的具体分析过程为：将监测周期内各采样时间段目标景区的人流量相对增长系数、游客粘性系数/>和游客评价系数/>代入公式得到监测周期内各采样时间段目标景区的人气热度系数/>，其中/>分别表示预设的人流量相对增长系数、游客粘性系数和游客评价系数的权重因子，/>。
根据监测周期内各采样时间段目标景区的人气热度系数，以采样时间段为自变量，以人气热度系数为因变量，通过数学模型建立方法，绘制目标景区的人气热度趋势曲线。
在本实施例中，本发明从景区人流量、游客粘性和游客评价反馈多个维度对景区的人气热度进行评估，并进一步分析目标景区的人气热度趋势走向，进而有利于景区管理者根据人气热度趋势进行有效定向管理和提升景区的整体营运效能。
步骤六、景点受欢迎度排名获取：获取监测周期内各采样时间段目标景区中各景点的参观游客数量、参观游客平均停留时长和参观游客平均拍照次数，分析目标景区中各景点的受欢迎度系数，得到目标景区中各景点的受欢迎度排名。
作为一种优选方案，所述步骤六的具体分析过程为：通过目标景区中各景点安装的高清摄像头，获取监测周期内各采样时间段目标景区中各景点的参观游客数量，将其记为，/>表示第/>个景点的编号，/>。
获取监测周期内各采样时间段目标景区中各景点中各参观游客的停留时长和拍照次数，对监测周期内各采样时间段目标景区中各景点中各参观游客的停留时长和拍照次数分别进行平均值计算，得到监测周期内各采样时间段目标景区中各景点的参观游客平均停留时长和参观游客平均拍照次数，将其分别记为。
通过分析公式得到目标景区中各景点的受欢迎度系数/>，其中/>表示景点的数量，/>分别表示预设的参观游客数量、参观游客平均停留时长和参观游客平均拍照次数的权重因子，/>。
将目标景区中各景点按照其受欢迎度系数从高到低的顺序进行排序，得到目标景区中各景点的受欢迎度排名。
需要说明的是，获取监测周期内各采样时间段目标景区中各景点中各参观游客的拍照次数，具体方法为：以监测周期内某采样时间段目标景区中某景点中某参观游客的拍照次数的分析方法为例：将监测周期内该采样时间段目标景区中该景点中该参观游客记为待分析游客。
通过高清摄像头获取待分析游客在采样时间段的各动作图像，将待分析游客在采样时间段的各动作图像与预设的拍照动作对应的图像集合进行比对，若待分析游客在采样时间段的某动作图像属于预设的拍照动作对应图像集合内，则将待分析游客在采样时间段的该动作图像记为拍照动作图像，统计待分析游客在采样时间段的拍照动作图像数量，将其记为待分析游客的拍照次数。
进而得到监测周期内各采样时间段目标景区中各景点中各参观游客的拍照次数。
在本实施例中，本发明从景区中各景点的游客数量、游客停留时长和游客拍照次数多个指标评估景区中各景点的受欢迎度，进一步得到景区中各景点的受欢迎度排名，有利于景区管理者根据景区中各景点的受欢迎度排名制定更合理的经营策略、优化景区服务内容和流程和提升景区的竞争力和收益水平。
步骤七、景区数据分析结果反馈：将目标景区的扩增容纳量需求、人气热度趋势曲线和各景点的受欢迎度排名发送至目标景区的管理部门。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种基于大数据的景区数据监测分析方法，其特征在于，包括如下步骤：
步骤一、景区容纳量扩增需求分析判断：获取监测周期内各采样时间段目标景区的预约信息和游客总人数，分析得到目标景区的容纳量扩增需求系数，判断目标景区是否有扩增容纳量需求；
步骤二、景区人流量数据监测分析：获取监测周期内各采样时间段目标景区中各游客的游览时长，根据监测周期内各采样时间段目标景区的游客总人数和各游客的游览时长，分析得到监测周期内各采样时间段目标景区的人流量相对增长系数；
步骤三、景区游客粘性系数分析：获取监测周期内各采样时间段目标景区的常客数量和常客平均游览时长，分析得到监测周期内各采样时间段目标景区的游客粘性系数；
步骤四、景区游客评价系数分析：获取监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论，分析得到监测周期内各采样时间段目标景区的游客评价系数；
步骤五、景区人气热度趋势获取：根据监测周期内各采样时间段目标景区的人流量相对增长系数、游客粘性系数和游客评价系数，分析得到目标景区的人气热度趋势曲线；
步骤六、景点受欢迎度排名获取：获取监测周期内各采样时间段目标景区中各景点的参观游客数量、参观游客平均停留时长和参观游客平均拍照次数，分析目标景区中各景点的受欢迎度系数，得到目标景区中各景点的受欢迎度排名；
步骤七、景区数据分析结果反馈：将目标景区的扩增容纳量需求、人气热度趋势曲线和各景点的受欢迎度排名发送至目标景区的管理部门；
所述步骤六的具体分析过程为：通过目标景区中各景点安装的高清摄像头，获取监测周期内各采样时间段目标景区中各景点的参观游客数量，将其记为，/>表示第/>个景点的编号，/>；
获取监测周期内各采样时间段目标景区中各景点中各参观游客的停留时长和拍照次数，对监测周期内各采样时间段目标景区中各景点中各参观游客的停留时长和拍照次数分别进行平均值计算，得到监测周期内各采样时间段目标景区中各景点的参观游客平均停留时长和参观游客平均拍照次数，将其分别记为；
通过分析公式得到目标景区中各景点的受欢迎度系数/>，其中/>表示景点的数量，/>分别表示预设的参观游客数量、参观游客平均停留时长和参观游客平均拍照次数的权重因子，；
将目标景区中各景点按照其受欢迎度系数从高到低的顺序进行排序，得到目标景区中各景点的受欢迎度排名；
所述步骤三的具体分析过程为：设定监测周期内各采样时间段对应的历史周期；
获取监测周期内各采样时间段目标景区的各游客和其采样时间段对应历史周期内目标景区的各游客，将监测周期内各采样时间段目标景区的各游客和其采样时间段对应历史周期内目标景区的各游客进行比对，分析得到监测周期内各采样时间段目标景区的各常客，获取监测周期内各采样时间段目标景区的常客数量，将其记为；
根据监测周期内各采样时间段目标景区中各游客的游览时长，筛选得到监测周期内各采样时间段目标景区各常客的游览时长，对监测周期内各采样时间段目标景区各常客的游览时长进行平均值计算，得到监测周期内各采样时间段目标景区的常客平均游览时长，将其记为；
通过分析公式得到监测周期内各采样时间段目标景区的游客粘性系数/>，其中/>分别表示预设的常客数量阈值和常客平均游览时长阈值，分别表示预设的常客数量和常客平均游览时长的权重因子。
2.根据权利要求1所述的一种基于大数据的景区数据监测分析方法，其特征在于：所述步骤一的具体分析过程包括：
按照预设的原则设定监测周期的时长，并按照预设的等时间间隔原则在监测周期内设置各采样时间段；
通过目标景区的线上预约平台获取监测周期内各采样时间段进入预约界面的用户人数、进入预约界面并完成预约流程的用户人数和进入预约界面但未完成预约流程的用户人数，将其分别记为监测周期内各采样时间段目标景区的意向预约人数、完成预约人数和未完成预约人数，并分别表示为，/>表示第/>个采样时间段的编号，；
提取数据库中存储的目标景区的容纳量，将其记为；
获取监测周期内各采样时间段进入目标景区的总人数，将其记为监测周期内各采样时间段目标景区的游客总人数，并表示为；
通过分析公式得到监测周期内各采样时间段目标景区的容纳量扩增需求系数/>，其中/>表示自然常数，/>表示预设的目标景区容纳量的波动量。
3.根据权利要求2所述的一种基于大数据的景区数据监测分析方法，其特征在于：所述步骤一的具体分析过程还包括：
将监测周期内各采样时间段目标景区的容纳量扩增需求系数进行相互比较，得到监测周期内采样时间段目标景区容纳量扩增需求系数的中位数，将其记为目标景区的容纳量扩增需求系数；
将目标景区的容纳量扩增需求系数与预设的容纳量扩增需求系数预警值进行比较，若目标景区的容纳量扩增需求系数大于预设的容纳量扩增需求系数预警值，则目标景区有扩增容纳量需求。
4.根据权利要求2所述的一种基于大数据的景区数据监测分析方法，其特征在于：所述步骤二的具体分析过程为：
获取监测周期内各采样时间段进入目标景区各游客的进目标景区时间和出目标景区时间，得到监测周期内各采样时间段目标景区中各游客的游览时长，将其记为，/>表示采样时间段进入目标景区第/>个游客的编号，/>；
通过分析公式得到监测周期内各采样时间段目标景区的人流量相对增长系数/>，其中/>表示采样时间段的数量，/>表示采样时间段进入目标景区游客的数量，/>表示预设的目标景区游客的参考游览时长。
5.根据权利要求1所述的一种基于大数据的景区数据监测分析方法，其特征在于：所述步骤四的具体分析过程为：
获取监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论，对监测周期内各采样时间段各社交媒体平台上关于目标景区的各条评论进行分类，得到监测周期内各采样时间段目标景区在各社交媒体平台的各条好评和各条差评，获取监测周期内各采样时间段目标景区在各社交媒体平台各条好评和各条差评中的文字字数和图片数，将其分别记为和/>，/>表示第/>个社交媒体平台的编号，/>，/>表示第/>条好评的编号，/>，/>表示第/>条差评的编号，/>；
通过分析公式得到监测周期内各采样时间段目标景区的游客评价系数/>，其中/>分别表示预设的评论文字和评论图片的权值，/>表示预设的第/>个社交媒体平台的权重因子。
6.根据权利要求5所述的一种基于大数据的景区数据监测分析方法，其特征在于：所述步骤五的具体分析过程为：
将监测周期内各采样时间段目标景区的人流量相对增长系数、游客粘性系数/>和游客评价系数/>代入公式/>得到监测周期内各采样时间段目标景区的人气热度系数/>，其中/>分别表示预设的人流量相对增长系数、游客粘性系数和游客评价系数的权重因子，/>；
根据监测周期内各采样时间段目标景区的人气热度系数，以采样时间段为自变量，以人气热度系数为因变量，通过数学模型建立方法，绘制目标景区的人气热度趋势曲线。
CN202310705968.3A 2023-06-15 2023-06-15 一种基于大数据的景区数据监测分析方法 Active CN116450709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310705968.3A CN116450709B (zh) 2023-06-15 2023-06-15 一种基于大数据的景区数据监测分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310705968.3A CN116450709B (zh) 2023-06-15 2023-06-15 一种基于大数据的景区数据监测分析方法

Publications (2)

Publication Number Publication Date
CN116450709A CN116450709A (zh) 2023-07-18
CN116450709B true CN116450709B (zh) 2023-09-05

Family

ID=87134076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310705968.3A Active CN116450709B (zh) 2023-06-15 2023-06-15 一种基于大数据的景区数据监测分析方法

Country Status (1)

Country Link
CN (1) CN116450709B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116757448B (zh) * 2023-08-16 2023-10-20 江苏汇励丰节能环保科技有限公司 一种基于物联网的公共区域智能节水管理***
CN117521901B (zh) * 2023-11-15 2024-05-31 广东红旗体育用品有限公司 运动场所运动健身数据统计分析***及方法
CN117610936B (zh) * 2023-12-15 2024-06-14 宁夏丝路风情网络科技股份有限公司 一种景区数字化监控管理方法及***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809634A (zh) * 2015-05-11 2015-07-29 中国旅游研究院 旅游数据调研与监测***
CN112580877A (zh) * 2020-12-22 2021-03-30 北京东方风景智慧科技有限公司 景区内综合管理***
WO2021179455A1 (zh) * 2020-03-10 2021-09-16 深圳市华侨城创新研究院有限公司 测量旅游景区欢乐指数的科学计量方法
CN113590954A (zh) * 2021-07-30 2021-11-02 武汉亿融信科科技有限公司 一种旅游景点智能匹配推荐方法、***及计算机存储介质
CN113657766A (zh) * 2021-08-18 2021-11-16 深圳华侨城创新研究院有限公司 一种基于游客多元数据的旅游景区欢乐指数的计量方法
CN115204730A (zh) * 2022-07-30 2022-10-18 湖北星拓商务服务有限公司 一种旅游数据分析处理方法、设备及计算机存储介质
WO2022217685A1 (zh) * 2021-04-13 2022-10-20 海南云端信息技术有限公司 一种旅游景区智能路径规划方法及***
TW202316288A (zh) * 2021-10-01 2023-04-16 豐趣科技股份有限公司 自動蒐集目的地旅遊規劃及網路評量資訊提供方法
CN116227834A (zh) * 2022-12-28 2023-06-06 四川农业大学 一种基于三维点云模型的智能景区数字化平台

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809634A (zh) * 2015-05-11 2015-07-29 中国旅游研究院 旅游数据调研与监测***
WO2021179455A1 (zh) * 2020-03-10 2021-09-16 深圳市华侨城创新研究院有限公司 测量旅游景区欢乐指数的科学计量方法
CN112580877A (zh) * 2020-12-22 2021-03-30 北京东方风景智慧科技有限公司 景区内综合管理***
WO2022217685A1 (zh) * 2021-04-13 2022-10-20 海南云端信息技术有限公司 一种旅游景区智能路径规划方法及***
CN113590954A (zh) * 2021-07-30 2021-11-02 武汉亿融信科科技有限公司 一种旅游景点智能匹配推荐方法、***及计算机存储介质
CN113657766A (zh) * 2021-08-18 2021-11-16 深圳华侨城创新研究院有限公司 一种基于游客多元数据的旅游景区欢乐指数的计量方法
TW202316288A (zh) * 2021-10-01 2023-04-16 豐趣科技股份有限公司 自動蒐集目的地旅遊規劃及網路評量資訊提供方法
CN115204730A (zh) * 2022-07-30 2022-10-18 湖北星拓商务服务有限公司 一种旅游数据分析处理方法、设备及计算机存储介质
CN116227834A (zh) * 2022-12-28 2023-06-06 四川农业大学 一种基于三维点云模型的智能景区数字化平台

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
旅游评论极性分析对景区服务品质影响研究;唐明虎;;电脑知识与技术(第20期);全文 *

Also Published As

Publication number Publication date
CN116450709A (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN116450709B (zh) 一种基于大数据的景区数据监测分析方法
CN102576461B (zh) 评估数字图像的美学质量
CN109284733A (zh) 一种基于yolo和多任务卷积神经网络的导购消极行为监控方法
CN113069080A (zh) 一种基于人工智能的困难气道评估方法及装置
CN104537028B (zh) 一种网页信息处理方法及装置
CN104794171A (zh) 标记图片地理位置信息的方法及装置
CN112053354B (zh) 一种轨道板裂缝检测方法
CN112910961B (zh) 一种网络课程视频质量自动评价方法及***
CN112001279B (zh) 基于双重属性信息的跨模态行人重识别方法
CN115861738A (zh) 一种类别语义信息引导的遥感目标检测主动采样方法
CN111027385B (zh) 聚类访客统计方法、***、设备及计算机可读存储介质
CN112085000A (zh) 年龄识别方法、年龄识别模型的训练方法及装置
JP2006081021A (ja) 電子アルバム表示システム、電子アルバム表示方法、電子アルバム表示プログラム、画像分類装置、画像分類方法、及び画像分類プログラム
CN113869115A (zh) 一种人脸图像处理的方法及***
CN113869569A (zh) 一种基于决策树的学习成绩预测及个性化干预的方法
KR102525491B1 (ko) 구조물 손상검출 보고서 제공 방법
CN115690704A (zh) 基于LG-CenterNet模型的复杂道路场景目标检测方法及装置
TWI761090B (zh) 對話資料處理系統、其方法及電腦可讀媒介
CN111143688B (zh) 一种基于移动新闻客户端的评估方法及其***
CN113962999A (zh) 基于高斯混合模型和标签矫正模型的噪声标签分割方法
CN115599985A (zh) 目标客户识别方法和***、电子设备及可读存储介质
JP5156342B2 (ja) 画像分析装置、及び、この画像分析装置を有する情報交換システム。
Shibata et al. Length estimation of fish detected as non-occluded using a smartphone application and deep learning method
CN110598125A (zh) 一种评估关键意见领袖投入的方法及装置、存储介质
CN113705499B (zh) 一种景区自动寻人方法

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