特征分离编码的景区短期客流量预测模型

摘要：

为增强景区科学管理、缓解交通压力、减少安全隐患、提升游客体验,提出基于特征分离编码和注意力机制的网络模型(feature separation encoding and attention mechanism network,FSEAMNet)预测景区短期客流量.该模型包含序列到序列(sequence-to-sequence,Seq2Seq)结构,将不同分布规律的特征进行分离并独立编码,融合成最终的编码向量序列.在每个解码时刻,注意力机制将编码向量序列重新组合成一个上下文向量,解码器从上下文向量解码出未来的游客数量.通过真实的景区数据库数据构建训练集、测试集.实验结果表明,与其它模型相较,FSEANet的预测误差最多可下降82.80％,该模型在工程应用案例分析中对未来一周客流量预测的每日相对误差均在10％以下.所提模型能对实际景区未来短期客流量实现较准确的预测.

关键词：景区短期客流量预测、特征分离、独立编码、序列到序列、注意力机制

所属期刊栏目：44

分类号：TP183(自动化基础理论)

资助基金：成都市重点研发支撑计划基金项目2020YF0900048SN

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：92-98