[0001] 本发明涉及人流管理技术领域，具体涉及一种用于景区的人流量调整方法、装置、电子设备及存储介质。

[0002] 随着旅游业的快速发展，景区接待的游客数量显著增长。为了提升游客的游览体验并保障游客安全，对景区内的人流量进行有效的调整和分流成为必要的研究方向。传统景区管理方法主要依赖于人工观察、简单分流或静态路线规划，难以实时响应人流变化，可能导致游客聚集、拥堵现象，降低游览效率并影响景区运营。

[0003] 近年来，基于定位设备和视频监控的技术被应用于景区管理，通过采集游客位置、游览速度等数据，为人流调控提供了支持。然而，现有技术通常仅能监测单一数据指标或采用静态分析模型，难以综合考虑游客的生理状态、实时分布和动态路线规划需求。这种局限性使得在突发大流量情况下，现有系统无法有效预警或合理分流，可能导致游客体验下降及安全隐患增加。

[0004] 因此，现有技术存在缺陷，有待改进与发展。

[0072] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。

[0073] 本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，除非上下文清楚地指明其它情况，否则单数形式的“一个”

[0074] “一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。

[0075] “包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的特征、整体、步骤、操作、元素和/或组件，并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。“上”“下”“左”“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

[0076] 现有技术中，通常仅能监测单一数据指标或采用静态分析模型，难以综合考虑游客的生理状态、实时分布和动态路线规划需求。这种局限性使得在突发大流量情况下，现有系统无法有效预警或合理分流，可能导致游客体验下降及安全隐患增加的问题。

[0077] 鉴于此，本发明的实施例提供一种用于景区的人流量调整方法，参照图1，包括：

[0078] 步骤S102：采集进入景区时佩戴于游客身上的定位装置的游客数据和布置在景区内的摄像头数据，游客数据至少包括游客位置、游览速度和生理状态数据，摄像头数据至少包括游客分布及流动信息；

[0079] 步骤S104：按照时间序列导入游客数据和摄像头数据至数据库中；

[0080] 步骤S106：分析游客数据和摄像头数据，获得预测人流量和景区分区拥堵等级，其中景区分区拥堵等级包括0级、1级和2级，0级表示无拥堵、1级表示轻度拥堵、2级表示严重拥堵；

[0081] 步骤S108：处理预测人流量和景区分区拥堵等级，获得游览路线；

[0082] 步骤S110：输出游览路线至佩戴于游客身上的定位装置以调整人流量。

[0083] 本发明实施例提供的一种用于景区的人流量调整方法，涵盖了游客和摄像头数据的采集、数据分析、人流量预测、拥堵等级划分，以及基于预测和划分结果动态规划游览路线的完整流程。具有以下优点：全面的数据采集能力：通过游客定位装置和景区内摄像头的组合，获得包含位置、速度、生理状态以及分布信息的多维度数据，为后续分析提供了可靠基础。精确的拥堵预测：使用预测人流量和拥堵等级划分方法，能够有效识别潜在的拥堵区域。动态调整机制：基于实时的分析结果和游览路线推送功能，引导游客分流至合理区域，有助于均衡景区内人流分布。

[0084] 通过定位装置和摄像头获取游客数据和分布信息，所采集数据包括游客位置，例如GPS坐标、速度、生理状态，例如心率及人群分布特征。按时间序列存储上述数据至数据库中，确保数据的可追溯性和连贯性。使用分析算法预测人流量并划分区域拥堵等级，划分为三个级别。基于预测结果动态生成游览路线，通过定位装置推送给游客，以调整游客的游览路线，达到人流分布优化的效果。

[0085] 在某些实施例中，分析游客数据和摄像头数据，获得预测人流量和景区分区拥堵等级，参照图2，包括：

[0086] 步骤S1061：对游客位置GPSx，y、游览速度Speedv以及生理状态数据HR使用滑动窗口平均法进行去噪处理，其中生理状态数据HR为游客心率，滑动窗口平均法公式为：

[0087]

[0088] 其中，t为检测总时长，单位为秒；

[0089] k为检测时间间隔，取值为5，单位为秒；

[0090] HRavg为t时间内的平均心率。

[0091] 此步骤可滤除瞬时波动噪声，保留真实心率趋势，用于后续为游客提供适合身体的游览路线。

[0092] 步骤S1062：将游览速度归一化以消除量纲影响，其中归一化公式为：

[0093]

[0094] 其中，Speedmin为游客最小速度，单位为m/s；

[0095] Speedmax为游客最大速度，单位为m/s。

[0096] 归一化后，数据被转换为区间[0，1]，便于后续计算。

[0097] 步骤S1063：使用LSTM模型预测人流量，输入为过去30秒内的游客位置GPSx，y和游览速度Speedv，输出为预测人流量Npred；

[0098] 步骤S1064：根据预测人流量Npred，将景区的区域划分为三个级别的景区分区拥堵等级，等级划分为：

[0099]

[0100] 其中，Leve l＝0时，表示景区分区拥堵等级为0级；Leve l＝1时，表示景区分区拥堵等级为1级；Leve l＝2时，表示景区分区拥堵等级为2级。

[0101] 利用过去30秒内的游客位置和游览速度作为输入，预测未来时间段内的人流量。模型训练过程中，输入时间序列长度设定为30秒，输出为未来5秒的预测值。在步骤S1063中输入的时间为30秒，在还有一些实施例中，还能根据摄像头数据识别景区内的观赏地区、通道等情况，根据游客所在区域设定不同的秒数，例如在观赏地区可以将30秒设置为更长时间，在通道内由于是便于游客通行，可以在30秒的基础上设置为更短的时间，从而优化输入到LSTM模型中的数据，提高预测人流量的准确性。输出的预测人流量Npred如果是为了实时动态统计可以选择为额定时间内区域内的人数，如果是单独进行拥挤程度分析也可以选择人额定面积内区域的人数，如果是长期统计也可以选择为总人数。

[0102] 通过滑动窗口平均法对心率数据去噪、游览速度归一化处理，以及基于LSTM模型预测人流量，并结合预测值划分拥堵等级。因此具有以下优点：提高数据准确性：去噪处理消除数据采集中可能产生的瞬时干扰，归一化消除量纲影响，为后续分析提供一致的输入数据格式。使用的预测模型：LSTM模型的使用提高了人流量预测的时效性和可靠性。划分拥堵分级：通过预测人流量值划分拥堵等级，为规划游览路线提供了明确依据。

[0103] 在某些实施例中，处理预测人流量和景区分区拥堵等级，获得游览路线，参照图3，包括：

[0104] 步骤S1081：对景区分区拥堵等级不小于1的区域赋予额外路径代价：

[0105] g(n)＝g(parent)+d(n)+β·Level

[0106] 其中，g(n)表示当前节点n的路径总代价，即从起点节点到达当前节点的累计代价；

[0107] g(parent)表示父节点的路径总代价，即从起点节点到达当前节点的父节点的累计代价；

[0108] d(n)表示当前节点n与父节点之间的路径距离；

[0109] β为拥堵惩罚因子，取值为50；

[0110] Level为景区分区拥堵等级。

[0111] 假设：起点到当前节点的父节点路径代价：g(parent)＝100m；

[0112] 当前节点与父节点的距离：d(n)＝30m；

[0113] 当前景区分区拥堵等级Level＝2；

[0114] 则路径总代价计算为：g(n)＝100+30+50·2＝230m，此时，严重拥堵的区域增加了100m的额外路径代价，路径总代价达到230m，使得路径倾向于选择其他低于230m的路径作为最优选择。

[0115] 步骤S1082：对游客当前位置GPSx，y至目标位置Px，y计算路径总代价f(n)：

[0116] f(n)＝g(n)+h(n)

[0117] 其中，h(n)表示当前节点到目标节点的欧氏距离：

[0118]

[0119] 其中，Px表示目标位置横坐标；

[0120] Py表示目标位置纵坐标；

[0121] GPSx表示目标位置横坐标；

[0122] GPS表示目标位置纵坐标；

[0123] 步骤S1083：遍历路径总代价f(n)，选择数值最低的路径总代价f(n)，路径总代价f(n)的数值最低的路径为游览路线。

[0124] 在还有一些实施例中，在遍历路径总代价f(n)后，还能通过摄像头数据实时识别景区内通道的启闭情况，叠加摄像头获取的景区内通道的启闭情况和路径总代价f(n)后，获得可用于通行的路径，进而再选择数值最低的路径总代价f(n)，提高人流量调整效率。

[0125] 通过附加路径代价的方法，对拥堵区域进行惩罚性设置，以便动态规划出包含最优路径的游览路线。因此具有以下优点：减少拥堵影响：通过对高拥堵等级区域赋予额外路径代价，使规划的游览路线尽量避开拥堵区域。高效的路径规划：基于欧氏距离和拥堵等级综合评估路径代价，选择总代价最低的路线，实现优化的游客引导。灵活性高：动态规划方法能够根据实际情况调整路径，适应多变的景区环境。

[0126] 在某些实施例中，输出游览路线至佩戴于游客身上的定位装置以调整人流量，参照图4，包括：

[0127] 步骤S1101：根据游客位置GPSx，y和游览速度Speedv更新预测人流量Npred；

[0128] 步骤S1102：当预测人流量Npred＞400时，关闭景区内该区域的入口闸门并开放景区内的预测人流量Npred＜400的区域的入口闸门，将游客分散至景区分区拥堵等级不超过1的区域；

[0129] 步骤S1103：发送游览路线至佩戴于游客身上的定位装置以供游客调整路线。

[0130] 提出了基于实时预测人流量调整景区闸门开放状态的机制，并将调整后的游览路线发送至游客定位装置。因此具有以下优点：动态分流机制：根据人流量实时调整景区闸门状态，能够有效分散游客流动，避免局部拥堵。快速响应能力：实现了对高拥堵区域的及时疏导，提升景区整体通行效率。直观引导：调整后的游览路线直接推送至游客定位装置，便于游客接受信息。

[0131] 在某些实施例中，根据游客位置GPSx，y和游览速度Speedv更新预测人流量Npred，包括：

[0132] 步骤S10631：根据游客位置GPSx，y和游览速度Speedv获得实时人流量Nreal，融合实时人流量Nreal和预测人流量Npred，获得动态人流量Fcombined：

[0133] Fcombined(t)＝0.7·Nreal(t)+0.3·Npred(t)

[0134] 步骤S10632：将动态人流量Fcombined视为更新后的预测人流量Npred。

[0135] 融合实时人流量与预测人流量，动态更新景区人流分布，并用更新结果指导后续路径规划。因此具有以下优点：数据融合增强：结合实时和预测数据，使人流量分布更新更加精准。提升规划准确性：动态调整预测结果，反映实时变化，提高游览路线的合理性。实时反馈机制：更新后的预测数据为后续路径规划提供更可靠的输入。

[0136] 在某些实施例中，当预测人流量Npred＞400时，关闭景区内该区域的入口闸门并开放景区内的预测人流量Npred＜400的区域的入口闸门，将游客分散至景区分区拥堵等级不超过1的区域，包括：

[0137] 导入动态人流量Fcombined至A*算法中以规划游览路线并避开景区分区拥堵等级不超过1的区域。

[0138] 提出基于动态人流量数据应用A*算法规划游览路线，避开拥堵区域。因此具有以下优点：精准避拥堵功能：A*算法综合考虑动态人流量和拥堵等级，规划出的路径能有效绕开高拥堵区域。优化路径搜索：算法的启发式搜索机制提高了规划效率。适用范围广：能在不同拥堵情况下快速找到优化路径。

[0139] 在某些实施例中，处理预测人流量和景区分区拥堵等级，获得游览路线，还包括：

[0140] 若游客的生理状态数据HR>120，则优先规划游览路线的目的地为景区内的休息区。

[0141] 增加了基于游客生理状态优先规划休息区的功能，进一步提升游客体验。因此具有以下优点：增强舒适性：针对心率较高的游客，优先推荐休息区，关注游客健康需求。差异化服务：根据不同游客状态提供个性化的游览指导，提升服务水平。安全性保障：在游客状态异常时优先引导至安全区域，减少安全隐患。

[0142] 本发明的另一个实施例还提供一种用于景区的人流量调整装置，包括：

[0143] 采集模块，用于采集进入景区时佩戴于游客身上的定位装置的游客数据和布置在景区内的摄像头数据，游客数据至少包括游客位置、游览速度和生理状态数据，摄像头数据至少包括游客分布及流动信息；

[0144] 导入模块，用于按照时间序列导入游客数据和摄像头数据至数据库中；

[0145] 分析模块，用于分析游客数据和摄像头数据，获得预测人流量和景区分区拥堵等级，其中景区分区拥堵等级包括0级、1级和2级，0级表示无拥堵、1级表示轻度拥堵、2级表示严重拥堵；

[0146] 处理模块，用于处理预测人流量和景区分区拥堵等级，获得游览路线；

[0147] 输出模块，用于输出游览路线至佩戴于游客身上的定位装置以调整人流量。

[0148] 本发明的另一个实施例还提供一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，计算机程序被处理器执行时实施用于景区的人流量调整方法。

[0149] 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，处理器是网关的数据处理装置的控制中心，利用各种接口和线路连接整个网关的数据处理装置的各个部分。

[0150] 本发明的另一个实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实施用于景区的人流量调整方法。

[0151] 存储器可以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系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器优选但不限于高速随机存取存储器，例如，还可以是非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器还可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

[0152] 本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的程序，可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read‑Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid‑State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

[0153] 综上，利用本发明提供的一种用于景区的人流量调整方法、装置、电子设备及存储介质，通过佩戴于游客身上的定位装置，例如智能手环、智能手表等，获取游客的实时位置、游览速度及生理状态等数据，同时结合景区内部布置的摄像头，捕捉游客分布和流动信息，形成全景式数据采集网络。利用滑动窗口平均法对心率数据进行去噪处理，确保分析结果准确可靠，同时归一化游客游览速度以消除不同数据维度间的差异。基于LSTM模型对游客位置和速度进行预测，获得未来的人流量；通过分区拥堵等级划分，对景区内不同区域的拥堵情况进行分级。结合拥堵等级信息，对高拥堵区域施加额外路径代价，通过A*算法动态规划游客的游览路线，确保游客分流至低拥堵区域。当区域人流量超过设定阈值时，通过关闭或开放区域入口闸门，引导游客流动；并结合实时人流量与预测人流量，对未来分布进行动态更新。实现对景区人流量的精确预测和智能分流，有效减少拥堵现象，提升游客体验，同时提高景区整体游览效率与管理效能。

[0154] 虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。