(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210971107.5 (22)申请日 2022.08.11 (71)申请人 华侨大学 地址 362000 福建省泉州市城华北路269号 申请人 陕西识代运筹信息科技股份有限公 司 (72)发明人 谢朝武　李哲君　卫华飞　曾怡　 (74)专利代理 机构 泉州市文华专利代理有限公 司 35205 专利代理师 陈雪莹 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06N 20/10(2019.01) G06K 9/62(2022.01) (54)发明名称 一种景区游客饱和量的判断方法和装置 (57)摘要 本发明公开了一种景区游客饱和量的判断 方法和装置， 通过分挖掘WiFi探针监测到的手机 mac的相关性， 然后设定预测步长h， 构造多个学 习任务， 对每一个学习任务通过数据集样本构造 对应的训练集和测试集， 通过训练集优化多任务 模型， 然后通过测试集输入优化的多任务预测模 型， 得到设定预测步长时刻的游客预测数据， 从 而实现准确预测下一时刻景区游 客的数量， 并对 景区的饱和量达 到预警的目的。 权利要求书3页 说明书9页 附图2页 CN 115130786 A 2022.09.30 CN 115130786 A 1.一种景区游客饱和量的判断方法， 其特 征在于， 包括： 步骤10、 获取WiFi探针采集到的手机mac总量时间序列， 得到历史样本， 对所述历史样 本按设定预测步长 h进行预处理， 得到数据集样本； 步骤20、 构造n个学习任务t+1， t+2， ……， t+n， 其中t为当前时刻， n≦h； 步骤30、 针对每一个学习任务， 对所述数据集样本进行处理得到对应的训练集和测试 集； 步骤40、 将训练集输入多任务预测模型， 得到优化的多任务预测模型； 步骤50、 将测试集输入优化的多任务预测模型， 得到设定预测步长h时刻的游客预测数 据。 2.根据权利要求1所述的一种景区游客饱和量的判断方法， 其特征在于： 所述步骤10具 体包括： 获取wifi探针采集到的手机mac总量时间序列， 得到历史样本{y1,y2,...,yn,yn+1,..., yt}， 其中， t为当前时刻， n为学习任务数； 然后根据历史样本通过如下公式得到t+h时刻的 估计值 得到数据集样本， 其中， h为预测步长， f为计算采集样本函数。 3.根据权利要求2所述的一种景区游客饱和量的判断方法， 其特征在于： 所述步骤20具 体包括： 构造n个学习任务， 每 个学习任务对应的m个训练样本， 其公式表示 为： 其中， xi,j为输入数据， yi,j为输出数据， j为样本， m为训练样本个数。 4.根据权利要求1所述的一种景区游客饱和量的判断方法， 其特征在于： 所述步骤30具 体包括： 针对每一个学习任务， 对所述数据集样本通过流出法、 交叉验证法或自助法处理得 到训练集和 测试集。 5.根据权利要求3或4所述的一种景区游客饱和量的判断方法， 其特征在于： 所述步骤 40具体包括： 采用MTLS ‑SVM多任务预测模型， 其需要优化的目标函数为： 其中， 为原始空间向高维特征空间的映射， ξ＝( ξ1, ξ2,..., ξn)Τ为松弛变量， minJ为最小化损失函数， w0T表示转置公共信息， w0表示公共信息， λ为正则 项系数， m为训练样本个数， viT表示转置特定信息， vi表示特定信息， γ为正则项， s.t.表示 约束条件， bi表示偏差向量， 1n表示n阶单位矩阵； MTLS‑SVM多任务预测模型通过最小化所述目标函数， 同时找到 和b＝(b1, b2,...,bm)T；权　利　要　求　书 1/3 页 2 CN 115130786 A 2通过拉格朗日法求解所述目标函数， 最终得到MTLS ‑SVM多任务预测模型的决策函数， 作为优化的多任务预测模型： 其中， αi,j表示第i个任务中第j个样本的拉格朗日乘子， k(xi,j,x)为核函数， n为任务个 数， λ为正则项系数， m为训练样本个数， k(xi,x)为内积函数， bi为偏差向量。 6.一种景区游客饱和量的判断装置， 其特征在于， 包括： 预处理模块、 多任务构造模块、 样本构建模块、 模型优化模块以及预测模块； 所述预处理模块， 用于获取wifi探针采集到的手机mac总量时间序列， 得到历史样本， 对所述历史样本按设定预测步长 h进行预处理， 得到数据集样本； 所述多任务构造模块， 用于构造n个学习任务t+1， t+2， ……， t+n， 其中t为当前时刻， n ≦h； 所述样本构建模块， 用于针对每一个学习任务， 对所述数据集样本进行处理得到对应 的训练集和 测试集； 所述模型优化模块， 用于将训练集输入多任务预测模型， 得到优化的多任务预测模型； 所述预测模块， 用于将测试集输入优化的多任务预测模型， 得到设定预测步长h时刻的 游客预测数据。 7.根据权利要求6所述的一种景区游客饱和量的判断装置， 其特征在于： 所述预处理模 块具体包括： 获取WiFi探针采集到的手机mac总量时间序列， 得到历史样本{y1,y2,...,yn,yn+1,..., yt}， 其中， t为当前时刻， n为学习任务数； 然后根据历史样本通过如下公式得到t+h时刻的 估计值 得到数据集样本， 其中， h为预测步长， f为计算采集样本函数。 8.根据权利要求7所述的一种景区游客饱和量的判断装置， 其特征在于： 所述模型优化 模块具体包括： 构造n个学习任务， 每 个学习任务对应的m个训练样本， 其公式表示 为： 其中， xi,j为输入数据， yi,j为输出数据， j为样本， m为训练样本个数。 9.根据权利要求6所述的一种景区游客饱和量的判断装置， 其特征在于： 所述样本构建 模块具体包括： 针对每一个学习任务， 对所述数据集样本通过流出法、 交叉验证法或自助法 处理得到训练集和 测试集。 10.根据权利要求8 或9所述的一种景区游客饱和量的判断装置， 其特征在于： 所述预测 模块具体包括： 采用MTLS ‑SVM多任务预测模型， 其需要优化的目标函数为： 权　利　要　求　书 2/3 页 3 CN 115130786 A 3