就餐高峰预测方法及装置与流程

技术特征：
1.一种就餐高峰预测方法，其特征在于，步骤包括：1）获取连续历史星期中的同个指定星期的同个就餐时间点的历史就餐人数，形成数据集；2）根据所述数据集，计算各历史星期中的同个所述指定星期的同个所述就餐时间点的历史就餐人数的平均值；3）判断每个所述指定星期的所述就餐时间点的历史就餐人数与所述平均值的比值是否小于第一阈值或大于第二阈值，若是，则从所述数据集中剔除对应的所述指定星期的所述就餐时间点的历史就餐人数并返回所述步骤2）重新计算所述平均值；若否，则以所述平均值作为对当前星期中的同个所述指定星期的同个所述就餐时间点的就餐人数的预测结果；4）校正所述预测结果，并将关联同个所述指定星期中的对应每个所述就餐时间点的多个校正结果拟合为就餐高峰预测曲线并通过智能终端推送给用户。2.根据权利要求1所述的就餐高峰预测方法，其特征在于，所述步骤1）中的所述历史星期的数量为1
‑
5中的任意一个自然数。3.根据权利要求1所述的就餐高峰预测方法，其特征在于，所述步骤3）中的所述第一阈值为0.5。4.根据权利要求1所述的就餐高峰预测方法，其特征在于，所述第二阈值为1.5。5.根据权利要求1所述的就餐高峰预测方法，其特征在于，所述步骤4）中，对所述预测结果进行校正的方法步骤包括：4.1）计算每个用户在所述指定星期的所述就餐时间点到食堂就餐的初始概率；4.2）赋予所述指定星期以及所述指定星期中的所述就餐时间点相对应的用餐影响权重；4.3）以所述初始概率、所述指定星期对应的用餐影响权重、所述指定星期中的所述就餐时间点三者的乘积值校正所述初始概率，得到概率；4.4）判断经校正后的所述概率的概率值是否大于对应的概率阈值，若是，则将所述用户确定为会在当前星期中的所述指定星期的所述就餐时间点到食堂就餐的人员；若否，则将所述用户确定为不会在当前星期中的所述指定星期的所述就餐时间点到食堂就餐的人员；4.5）从数据库中匹配出所述步骤4.4）所确定的会在当前星期中的所述指定星期的所述就餐时间点到食堂就餐的人数对应的就餐人数预测影响因子，并计算所述步骤3）得到的所述预测结果中记载的就餐人数与匹配到的所述影响因子的乘积作为预测得到的就餐人数；4.6）实时获取在当前星期中的所述指定星期的所述就餐时间点到食堂就餐的就餐人数，并通过以下公式（1）计算所述步骤4.5）计算得到的预测就餐人数的误差率：
公式（1）中，表示所述步骤4.5）计算得到的在当前星期中的所述指定星期的所述就餐时间点到食堂就餐的预测就餐人数；表示在当前星期中的所述星期的所述就餐时间点到食堂就餐的真实就餐人数；4.7）根据所述就餐时间点的所处就餐时段的就餐人数的递增或递减趋势，并结合所述误差率，对所述就餐时间点的下一个就餐时间点的预测就餐人数进行校正。6.根据权利要求5所述的就餐高峰预测方法，其特征在于，所述步骤4.7）中，对所述就餐时间点的下一个就餐时间点的预测就餐人数进行校正的方法为：若所述就餐时间点的下一个就餐时间点在就餐时段中处于就餐人数单调递增区间，则通过以下公式（2）校正所述就餐时间点的下一个就餐时间点的预测就餐人数：公式（2）中，表示经校正后的在所述就餐时间点的下一个就餐时间点进行就餐的预测就餐人数；表示所述误差率；表示校正前的在所述就餐时间点的下一个就餐时间点进行就餐的预测就餐人数。7.根据权利要求5或6所述的就餐高峰预测方法，其特征在于，所述步骤4.7）中，对所述就餐时间点的下一个就餐时间点的预测就餐人数进行校正的方法为：若所述就餐时间点的下一个就餐时间点在就餐时段中处于就餐人数单调递减区间，则通过以下公式（3）校正所述就餐时间点的下一个就餐时间点的预测就餐人数：公式（3）中，表示经校正后的在所述就餐时间点的下一个就餐时间点进行就餐的预测就餐人数；表示所述误差率；表示校正前的在所述就餐时间点的下一个就餐时间点进行就餐的预测就餐人数。8.根据权利要求5所述的就餐高峰预测方法，其特征在于，所述步骤4.6）中，实时获取的在所述就餐时间点就餐的就餐人数通过以下方法统计而得：在每张餐桌上安装若干个人体感应器，每个所述人体感应器对一个对应餐位进行人体感应，每个所述人体感应器的感应方向朝下地面，当就餐人员落座后，所述人体感应器在一预设持续时间内若持续感应到人体，则与各所述人体感应器通信连接的控制器判定对应餐位有就餐人员，并将对应餐位的就餐人数记为“1”，否则记为“0”，所述控制器完成对所有餐位有无就餐人员的判定后，对判定结果进行累加，得到所述就餐时间点的真实就餐人数。9.一种就餐高峰预测装置，可实现如权利要求1
‑
8任意一项所述的就餐高峰预测方法，
其特征在于，所述装置包括：历史就餐人数获取模块，用于获取连续历史星期中的同个指定星期的同个就餐时间点的历史就餐人数，并形成数据集；历史就餐人数平均值计算模块，连接所述历史就餐人数获取模块，用于根据所获取的所述数据集，计算各所述历史星期中的同个所述指定星期的同个所述就餐时间点的历史就餐人数的平均值；数据处理模块，连接所述历史就餐人数平均值计算模块，用于判断每个所述指定星期的所述就餐时间点的历史就餐人数与所述平均值的比值是否小于第一阈值或大于第二阈值，若是，则从所述数据集中剔除对应的所述指定星期的所述就餐时间点的历史就餐人数；若否，则将所述平均值作为对当前星期中的同个所述指定星期的同个所述就餐时间点的就餐人数的预测结果输出给数据校正模块；所述历史就餐人数平均值计算模块，还用于在所述数据处理模块剔除数据后重新计算所述平均值；所述数据校正模块，连接所述数据处理模块，用于校正所述预测结果；数据拟合模块，连接所述数据校正模块，用于将经结果校正后的关联同个所述指定星期的对应所述就餐时间点的多个校正结果拟合为星期的就餐高峰预测曲线；结果推送模块，连接所述数据拟合模块，用于将所述就餐高峰预测曲线通过智能终端推送给用户。10.根据权利要求9所述的就餐高峰预测装置，其特征在于，所述数据校正模块中具体包括：就餐初始概率计算单元，用于计算每个用户在所述指定星期的所述就餐时间点到食堂就餐的初始概率；权重赋予单元，用于赋予所述指定星期以及所述指定星期中的所述就餐时间点相对应的就餐影响权重；概率校正单元，分别连接所述就餐初始概率计算单元和所述权重赋予单元，用于以所述初始概率、所述指定星期对应的用餐影响权重、所述指定星期中的所述就餐时间点三者的乘积值校正所述初始概率，得到概率；就餐人数第一校正单元，连接所述概率校正单元，用于判断经校正后的所述概率的概率值是否大于对应的概率阈值，若是，则将所述用户确定为会在当前星期中的所述指定星期的所述就餐时间点到食堂就餐的人员；若否，则将所述用户确定为不会在当前星期中的所述指定星期的所述就餐时间点到食堂就餐的人员；就餐人数预测影响因子匹配单元，连接所述就餐人数第一校正单元和数据库，用于从所述数据库中匹配出所确定的会在当前星期中的所述指定星期的所述就餐时间点到食堂就餐的人数对应的就餐人数预测影响因子；
就餐人数预测单元，连接所述数据处理模块和所述就餐人数预测影响因子匹配单元，用于计算所述预测结果中记载的就餐人数与匹配到的所述影响因子的乘积作为预测得到的会在当前星期中的所述指定星期的所述就餐时间点到食堂就餐的人数；就餐人数实时获取单元，用于实时获取在当前星期中的所述指定星期的所述就餐时间点到所述食堂就餐的就餐人数；就餐人数预测误差计算单元，分别连接所述就餐人数预测单元和所述就餐人数实时获取单元，用于通过以下公式（4）计算所述就餐人数预测单元计算得到的预测就餐人数的误差率：公式（4）中，表示经所述就餐人数预测单元计算得到的预测就餐人数；表示在当前星期中的所述指定星期的所述就餐时间点到食堂就餐的真实就餐人数；就餐人数第二校正单元，分别连接所述就餐人数预测误差计算单元和所述就餐人数预测单元，用于判断所述就餐时间点的下一个就餐时间点在就餐时段中是否处于就餐人数单调递增区间，若是，则通过以下公式（5）校正所述就餐时间点的下一个就餐时间点的预测就餐人数：公式（5）中，表示经校正后的在所述就餐时间点的下一个就餐时间点进行就餐的预测就餐人数；表示所述误差率；表示所述就餐人数预测单元对所述就餐时间点的下一个就餐时间点的预测就餐人数；若否，则通过以下公式（6）校正所述就餐时间点的下一个就餐时间点的预测就餐人数：公式（6）中，表示经校正后的在所述就餐时间点的下一个就餐时间点进行就餐的预测就餐人数；表示所述误差率；表示所述就餐人数预测单元对所述就餐时间点的下一个就餐时间点的预测就餐人数。

技术总结
本发明公开了一种就餐高峰预测方法及装置，其中方法包括：获取连续历史星期中的同个指定星期的同个就餐时间点的历史就餐人数；计算各历史星期中的同个指定星期的同个就餐时间点的历史就餐人数的平均值；判断每个指定星期的就餐时间点的历史就餐人数与平均值的比值是否小于第一阈值或大于第二阈值，若是，则剔除对应的指定星期的就餐时间点的历史就餐人数并重新计算平均值；若否，则以平均值作为对当前同个指定星期的同个就餐时间点的就餐人数的预测结果；校正预测结果，并将关联同个指定星期中的对应每个就餐时间点的多个校正结果拟合为就餐高峰预测曲线推送给用户。本发明可引导就餐人员戳峰消费，减少就餐排队时间，缓解食堂服务压力。缓解食堂服务压力。缓解食堂服务压力。


技术研发人员：陈国栋 寿国良
受保护的技术使用者：杭州企智互联科技有限公司
技术研发日：2021.08.05
技术公布日：2021/11/2