买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜四川旅游学院;四川省文化和旅游宣传信息中心申请的专利一种基于游客行为分析的旅游管理优化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119227911B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411732723.0，技术领域涉及：G06Q10/04；该发明授权一种基于游客行为分析的旅游管理优化方法及系统是由翁凯;廖静怡;张玉梅;周相兵设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于游客行为分析的旅游管理优化方法及系统在说明书摘要公布了：本发明属于数据建模分析领域，提供一种基于游客行为分析的旅游管理优化方法及系统，包括：周期性地获取景区内各个节点的特征数据；获取景区内游客在不同节点之间移动的边特征数据；在每个数据采集周期，对所述节点的特征数据进行卷积操作，并使用所述边特征数据对邻居节点的特征进行加权聚合，并将聚合结果与当前节点的特征融合，得到卷积输出；将每个采集周期的卷积输出作为时间序列数据输入长短期记忆网络；使用长短期记忆网络处理这些时间序列数据；预测每个节点在未来时间步的游客流量；根据每个节点在未来时间步的游客流量预测结果，动态分配未来时间步每个节点的服务人员和资源。本发明可以优化景区管理和提升游客体验。

本发明授权一种基于游客行为分析的旅游管理优化方法及系统在权利要求书中公布了：1.一种基于游客行为分析的旅游管理优化方法，其特征在于，所述方法包括如下步骤：周期性地获取景区内各个节点的特征数据，所述特征数据包括游客数量和节点分类，所述节点分类包括售票点、入口、景区出口、景点、服务点、交通站和卫生间；获取景区内游客在不同节点之间移动的边特征数据，所述边特征数据包括游客移动数量、平均停留时间和移动方向；对收集到的节点特征数据和边特征数据进行清洗、填补缺失值和归一化处理；在每个数据采集周期，对所述节点的特征数据进行卷积操作，并使用所述边特征数据对邻居节点的特征进行加权聚合，并将聚合结果与当前节点的特征融合；使用激活函数对融合后的特征进行非线性变换，得到卷积输出；将每个采集周期的卷积输出作为时间序列数据输入长短期记忆网络；使用长短期记忆网络处理这些时间序列数据，捕捉游客流量的时间动态变化；将长短期记忆网络层的输出通过全连接层进行映射，预测每个节点在未来时间步的游客流量；根据每个节点在未来时间步的游客流量预测结果，动态分配未来时间步每个节点的服务人员和资源，以优化景区管理和提升游客体验；在每个数据采集周期开始时，每个节点的特征数据包括当前的游客数量、节点分类信息以及辅助特征,将这些初始特征表示为一个向量：hi0＝[游客数量，节点分类，节点面积，开放时间]根据节点和边的数据，构建一个图结构，其中节点表示景区内的各个地点，边表示游客在这些地点之间的移动路径；使用边特征对邻居节点的特征进行加权聚合： 其中： 是节点i在第k+1层的特征表示； 是节点i在第k层的特征表示； 是节点j在第k层的特征表示；是节点i的邻居节点集合；cij是节点i和节点j之间的归一化系数，取值为邻居节点的数量；Wk是第k层的权重矩阵，由训练数据通过反向传播算法学习得到σ是激活函数；将聚合后的邻居节点特征与当前节点的特征进行融合： 其中： 是节点i在第k+1层的融合特征表示；αij是边i,j的权重，反映了边特征对聚合的影响；αij＝f游客移动数量ij,平均停留时间ij,移动方向ij其中f是映射函数；bk是第k层的偏置向量；将融合后的节点特征通过非线性激活函数进行变换；使用一个两层神经网络实现非线性映射函数得到αij：zij＝tanhW1[游客移动数量ij,平均停留时间ij,移动方向ij]+b1其中，zij为第一层非线性映射函数，用于表示游客流量趋势；αij＝σW2zij+b2W1和W2分别是第一层和第二层的权重矩阵；b1和b2是偏置向量；tanh是双曲正切激活函数；σ是Sigmoid激活函数；将每个节点的卷积输出按时间顺序排列，形成节点特征的时间序列数据,对于节点i，其在不同采集周期的卷积输出依次排列为 其中表示节点i在第tk个采集周期的卷积输出；将每个节点的卷积输出时间序列数据分割成若干个固定长度的时间窗口，设时间窗口长度为W，则对于节点i，将其时间序列数据划分为若干个子序列 每个子序列包含固定数量的时间步的数据；将格式化后的时间序列数据输入到LSTM网络；在LSTM中，每个时间步的输入都与前一个时间步的隐状态相结合，通过LSTM单元的记忆和遗忘机制，逐步更新隐状态，从而捕捉序列数据中的时间动态变化；LSTM的输出表示为其中包含了节点i在不同时间步的综合特征；将LSTM网络的输出通过全连接层进行映射，得到每个节点在未来时间步的游客流量预测值： 其中：yi是节点i在未来时间步的游客流量预测值；Wy是全连接层的权重矩阵，通过训练数据学习得到；by是全连接层的偏置向量，通过训练数据学习得到。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川旅游学院;四川省文化和旅游宣传信息中心，其通讯地址为：610100 四川省成都市龙泉驿区红岭路459号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。