本發(fā)明屬于人群軌跡分析與預(yù)測，特別是涉及一種基于人工水母搜索算法的購物中心交通空間人群軌跡預(yù)測方法和系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代購物中心的運(yùn)營管理中，準(zhǔn)確預(yù)測人群軌跡對(duì)于提升運(yùn)營效率、優(yōu)化顧客體驗(yàn)和保障安全至關(guān)重要。隨著購物中心規(guī)模的不斷擴(kuò)大和功能的日益復(fù)雜，人群在其中的流動(dòng)軌跡受到多種因素的交互影響。其中，交通空間布局(包括通道、節(jié)點(diǎn)、樓梯、電梯以及它們的幾何特征、標(biāo)識(shí)等)對(duì)人群的流動(dòng)和行為有著關(guān)鍵的引導(dǎo)作用。

2、傳統(tǒng)軌跡預(yù)測方法局限性過多，這種基于自然生物行為的模擬使得算法在解決某些復(fù)雜問題時(shí)，能夠以一種更貼合自然規(guī)律的方式進(jìn)行搜索和優(yōu)化，為問題的解決提供了新的思路和方法，在達(dá)到最佳預(yù)測效果的同時(shí)，能夠降低生產(chǎn)成本。

3、人工水母搜索算法(artificial?jellyfish?search(js)optimizer)是周瑞生于2020年提出的一種基于新型優(yōu)化算法。具有尋優(yōu)能力強(qiáng)，收斂速度快等特點(diǎn)。其算法原理是模擬水母的搜尋行為，涉及到它們跟隨洋流，在水母群中的運(yùn)動(dòng)(主動(dòng)運(yùn)動(dòng)和被動(dòng)運(yùn)動(dòng))，這些運(yùn)動(dòng)之間切換的時(shí)間控制機(jī)制，以及它們匯聚成水母簇的過程。算法中，存在以上兩種假定：水母要么跟隨洋流，要么在群體內(nèi)部移動(dòng)，而“時(shí)間控制機(jī)制”控制著這些移動(dòng)類型之間的轉(zhuǎn)換。水母在海洋中移動(dòng)尋找食物，他們更容易被吸引到食物供應(yīng)量更大的地方。在軌跡預(yù)測過程中，交通空間的布局對(duì)人群的流動(dòng)和行為有著關(guān)鍵的引導(dǎo)作用。在現(xiàn)有的人群軌跡預(yù)測中，如何準(zhǔn)確反應(yīng)交通空間引導(dǎo)下的人群軌跡的靈活性和適應(yīng)性，尚缺乏有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明目的是為了解決現(xiàn)有技術(shù)中的問題以滿足實(shí)際的情況需要，提出了基于人工水母搜索算法的購物中心交通空間人群軌跡預(yù)測方法和系統(tǒng)。本發(fā)明采用人工水母搜索算法準(zhǔn)確反應(yīng)交通布局對(duì)人群行為的引導(dǎo)性，提高預(yù)測效率。

2、本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明提出基于人工水母搜索算法的購物中心交通空間人群軌跡預(yù)測方法，所述方法包括以下步驟：

3、步驟一：收集購物中心場景參數(shù)信息和人群行為數(shù)據(jù)，建立專門的數(shù)據(jù)融合平臺(tái)，將購物中心場景參數(shù)信息和人群行為數(shù)據(jù)進(jìn)行關(guān)聯(lián)，使得人群行為數(shù)據(jù)能對(duì)應(yīng)到具體的場景參數(shù)；

4、步驟二：將人群中的個(gè)體作為水母個(gè)體，確定位置坐標(biāo)(x,y)作為基本決策變量，個(gè)體在水平和垂直方向的速度分量為(vx,vy)，速度的初始值根據(jù)采集到的人群行為數(shù)據(jù)的統(tǒng)計(jì)平均值確定；定義其他決策變量為通道吸引力參數(shù)節(jié)點(diǎn)轉(zhuǎn)向概率參數(shù)pjk、樓梯、扶梯、直梯選擇參數(shù)ps、pl和pm以及速度調(diào)整參數(shù)vadjust；

5、步驟三：初始化水母種群，確定種群規(guī)模n；水母個(gè)體初始化位置坐標(biāo)(x,y)在購物中心范圍內(nèi)隨機(jī)生成，速度分量(vx,vy)根據(jù)采集數(shù)據(jù)的速度范圍隨機(jī)初始化，其他決策變量在取值范圍內(nèi)進(jìn)行初始化；

6、步驟四：利用人工水母搜索算法進(jìn)行算法迭代，以獲取最終人群軌跡預(yù)測；

7、所述預(yù)測軌跡具體為：將購物中心交通空間中各種引導(dǎo)人群流動(dòng)的因素作為洋流，分別計(jì)算通道i，節(jié)點(diǎn)j，樓梯s、扶梯l和直梯m的洋流方向向量；對(duì)于每個(gè)水母個(gè)體n，計(jì)算洋流對(duì)個(gè)體n的吸引力和各水母個(gè)體之間的排斥力基于數(shù)據(jù)采集設(shè)備特性確定時(shí)間步長δt；根據(jù)計(jì)算得到的吸引力、排斥力以及慣性權(quán)重，更新人群個(gè)體的速度和位置，得到新的速度和位置坐標(biāo)，從而模擬人群在交通空間中的移動(dòng)軌跡；

8、在更新位置時(shí)，需要檢查人群個(gè)體是否超出購物中心的邊界范圍，即通道吸引力參數(shù)、節(jié)點(diǎn)轉(zhuǎn)向概率參數(shù)、樓梯、扶梯、直梯選擇參數(shù)都在[0,1]區(qū)間內(nèi)，如果超出邊界，則需要將參數(shù)調(diào)整回合理區(qū)間內(nèi)，確保預(yù)測的軌跡符合實(shí)際的空間限制；

9、設(shè)置迭代終止條件，即所有水母個(gè)體在連續(xù)m次迭代內(nèi)的位置變化小于一定閾值ξ，當(dāng)滿足終止條件時(shí)，停止迭代，輸出為連續(xù)時(shí)間內(nèi)的水母軌跡，即預(yù)測的人群軌跡。

10、進(jìn)一步地，建立一個(gè)購物中心場景參數(shù)信息和人群行為數(shù)據(jù)相關(guān)聯(lián)的數(shù)據(jù)融合平臺(tái)，數(shù)據(jù)融合平臺(tái)采用三層架構(gòu)，包括數(shù)據(jù)采集層、邊緣計(jì)算層和云端融合分析層；

11、其中，數(shù)據(jù)采集層由wi-fi定位設(shè)備和智能攝像頭組成，負(fù)責(zé)采集購物中心的場景參數(shù)信息和人群行為數(shù)據(jù)；邊緣計(jì)算層分布在購物中心的各個(gè)區(qū)域，靠近數(shù)據(jù)采集設(shè)備，由多個(gè)邊緣計(jì)算節(jié)點(diǎn)構(gòu)成，這些節(jié)點(diǎn)能夠?qū)Σ杉降臄?shù)據(jù)進(jìn)行實(shí)時(shí)預(yù)處理和初步分析，篩選掉多余的信息獲得所需要的交通空間信息和人群行為信息；云端融合分析層位于數(shù)據(jù)中心，用于對(duì)來自邊緣計(jì)算層的數(shù)據(jù)進(jìn)行深度融合、分析和存儲(chǔ)。

12、進(jìn)一步地，通道吸引力參數(shù)節(jié)點(diǎn)的轉(zhuǎn)向概率參數(shù)pjk，樓梯、扶梯、電梯的選擇概率參數(shù)ps、pl和pm的取值范圍均為[0-1]，每項(xiàng)參數(shù)受不同因素影響；

13、其中，每個(gè)通道i的通道吸引力參數(shù)其受因素：通道寬度widthi、標(biāo)識(shí)完善度signagei影響，各因素權(quán)重分別為α和β，并滿足α+β＝1，計(jì)算其中，max(widht)、max(signage)分別是所有通道寬度、標(biāo)識(shí)完善度的最大值；

14、每個(gè)節(jié)點(diǎn)j的每個(gè)可能轉(zhuǎn)向方向k的轉(zhuǎn)向概率參數(shù)pjk，

15、每個(gè)樓梯s、扶梯l和直梯m，選擇概率參數(shù)ps、pl和pm，均受到位置便利性locations/l/m和周圍店鋪吸引力attractions/l/m影響。

16、進(jìn)一步地，將購物中心交通空間中各種引導(dǎo)人群流動(dòng)的因素作為洋流，根據(jù)影響因素，洋流有不同的方向向量；

17、其中，對(duì)于通道i，根據(jù)其寬度和標(biāo)識(shí)因素對(duì)應(yīng)的向量以及相應(yīng)的權(quán)重系數(shù)α、β，通道的洋流方向向量為

18、對(duì)于節(jié)點(diǎn)j，根據(jù)其各個(gè)轉(zhuǎn)向方向k的轉(zhuǎn)向概率參數(shù)pjk，以及與每個(gè)轉(zhuǎn)向方向相關(guān)的環(huán)境向量節(jié)點(diǎn)j的洋流方向向量為轉(zhuǎn)向概率參數(shù)pjk作為權(quán)重，體現(xiàn)了不同轉(zhuǎn)向方向在人群選擇中的可能性大??；

19、對(duì)于樓梯s、扶梯l和直梯m，根據(jù)其位置、周圍店鋪吸引力因素對(duì)應(yīng)的向量為以及權(quán)重系數(shù)δ和ε，其中δ+ε＝1，計(jì)算洋流方向向量

20、進(jìn)一步地，每個(gè)水母個(gè)體，其受到的吸引力為包含通道吸引力節(jié)點(diǎn)吸引力樓梯/電梯或扶梯/直梯吸引力目標(biāo)吸引力

21、其中，通道吸引力為：其中，k1為通道吸引力系數(shù)，是個(gè)體所在通道的通道吸引力權(quán)重參數(shù)，是通道的洋流方向向量；

22、節(jié)點(diǎn)吸引力為：其中，k2為節(jié)點(diǎn)吸引力系數(shù)，j表示個(gè)體n周圍的節(jié)點(diǎn)，pnj是個(gè)體n受節(jié)點(diǎn)j影響的概率，是節(jié)點(diǎn)的洋流方向向量；

23、樓梯/電梯或扶梯/直梯吸引力為：其中，k3為樓梯/電梯或扶梯/直梯吸引力系數(shù)，s表示個(gè)體n周圍的樓梯/電梯或扶梯/直梯，是個(gè)體選擇樓梯/電梯或扶梯/直梯s的概率，是樓梯/電梯或扶梯/直梯s的洋流方向向量；

24、目標(biāo)吸引力為：其中，k4為目標(biāo)吸引力系數(shù)，是從個(gè)體位置指向目標(biāo)位置的向量，是個(gè)體到目標(biāo)位置的距離；

25、總吸引力為：

26、進(jìn)一步地，對(duì)于任意兩個(gè)水母個(gè)體n和q，水母個(gè)體之間的排斥力為對(duì)于任意兩個(gè)水母個(gè)體n和q，排斥力與它們之間的距離dnq成反比，排斥力因子為r，則其中是從個(gè)體n指向個(gè)體q的向量，將所有與個(gè)體n相互作用的排斥力進(jìn)行疊加，總的排斥力

27、進(jìn)一步地，預(yù)測過程中，基于時(shí)間步長δt，更新水母在連續(xù)時(shí)間下的速度和移動(dòng)位置；

28、其中，速度更新公式為：其中，是個(gè)體n在時(shí)刻t+δt的新速度，是個(gè)體n在t時(shí)刻的舊速度，w是慣性權(quán)重，a是吸引力因子，r是排斥力因子，是個(gè)體n在t時(shí)刻受到的吸引力，是個(gè)體n在t時(shí)刻受到的排斥力；

29、位置更新公式為：其中，是個(gè)體n在t+δt時(shí)刻的新位置，是個(gè)體n在t時(shí)刻的舊位置。

30、本發(fā)明還提出基于人工水母搜索算法的購物中心交通空間人群軌跡預(yù)測系統(tǒng)，所述系統(tǒng)包括：

31、數(shù)據(jù)收集模塊：收集購物中心場景參數(shù)信息和人群行為數(shù)據(jù)，建立專門的數(shù)據(jù)融合平臺(tái)，將購物中心場景參數(shù)信息和人群行為數(shù)據(jù)進(jìn)行關(guān)聯(lián)，使得人群行為數(shù)據(jù)能對(duì)應(yīng)到具體的場景參數(shù)；

32、決策變量設(shè)置模塊：將人群中的個(gè)體作為水母個(gè)體，確定位置坐標(biāo)(x,y)作為基本決策變量，個(gè)體在水平和垂直方向的速度分量為(vx,vy)，速度的初始值根據(jù)采集到的人群行為數(shù)據(jù)的統(tǒng)計(jì)平均值確定；定義其他決策變量為通道吸引力參數(shù)節(jié)點(diǎn)轉(zhuǎn)向概率參數(shù)pjk、樓梯、扶梯、直梯選擇參數(shù)ps、pl和pm以及速度調(diào)整參數(shù)vadjust；

33、初始化模塊：初始化水母種群，確定種群規(guī)模n；水母個(gè)體初始化位置坐標(biāo)(x,y)在購物中心范圍內(nèi)隨機(jī)生成，速度分量(vx,vy)根據(jù)采集數(shù)據(jù)的速度范圍隨機(jī)初始化，其他決策變量在取值范圍內(nèi)進(jìn)行初始化；

34、軌跡預(yù)測模塊：利用人工水母搜索算法進(jìn)行算法迭代，以獲取最終人群軌跡預(yù)測；

35、所述預(yù)測軌跡具體為：將購物中心交通空間中各種引導(dǎo)人群流動(dòng)的因素作為洋流，分別計(jì)算通道i，節(jié)點(diǎn)j，樓梯s、扶梯l和直梯m的洋流方向向量；對(duì)于每個(gè)水母個(gè)體n，計(jì)算洋流對(duì)個(gè)體n的吸引力和各水母個(gè)體之間的排斥力基于數(shù)據(jù)采集設(shè)備特性確定時(shí)間步長δt；根據(jù)計(jì)算得到的吸引力、排斥力以及慣性權(quán)重，更新人群個(gè)體的速度和位置，得到新的速度和位置坐標(biāo)，從而模擬人群在交通空間中的移動(dòng)軌跡；

36、在更新位置時(shí)，需要檢查人群個(gè)體是否超出購物中心的邊界范圍，即通道吸引力參數(shù)、節(jié)點(diǎn)轉(zhuǎn)向概率參數(shù)、樓梯、扶梯、直梯選擇參數(shù)都在[0,1]區(qū)間內(nèi)，如果超出邊界，則需要將參數(shù)調(diào)整回合理區(qū)間內(nèi)，確保預(yù)測的軌跡符合實(shí)際的空間限制；

37、設(shè)置迭代終止條件，即所有水母個(gè)體在連續(xù)m次迭代內(nèi)的位置變化小于一定閾值ξ，當(dāng)滿足終止條件時(shí)，停止迭代，輸出為連續(xù)時(shí)間內(nèi)的水母軌跡，即預(yù)測的人群軌跡。

38、本發(fā)明還提出一種電子設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)所述基于人工水母搜索算法的購物中心交通空間人群軌跡預(yù)測方法的步驟。

39、本發(fā)明還提出一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述基于人工水母搜索算法的購物中心交通空間人群軌跡預(yù)測方法的步驟。

40、本發(fā)明的有益效果：

41、本發(fā)明通過創(chuàng)新的數(shù)據(jù)融合平臺(tái)與人工水母搜索算法相結(jié)合，實(shí)現(xiàn)了對(duì)購物中心交通空間人群軌跡的精準(zhǔn)預(yù)測。數(shù)據(jù)融合平臺(tái)有效整合多源數(shù)據(jù)，提高數(shù)據(jù)質(zhì)量和可用性；人工水母搜索算法則充分考慮交通空間引導(dǎo)和人群個(gè)體間相互作用，能夠準(zhǔn)確模擬人群行為變化，為購物中心運(yùn)營管理提供決策依據(jù)，如優(yōu)化店鋪布局、調(diào)整交通設(shè)施運(yùn)行策略、制定精準(zhǔn)營銷方案等，從而提升運(yùn)營效率、優(yōu)化顧客體驗(yàn)、保障安全。