景点人流预测模型

3:00   夜间低谷基准
6:00   清晨开始
9:00   早高峰后
10:00  上午稳定段
11:00  午前上升
12:00  午间
13:00  午后
14:00  下午段
15:00  下午段
16:00  下午段
17:00  晚高峰前
18:00  晚高峰
19:00  晚间段
20:00  晚间段
21:00  晚间收尾
24:00  午夜

┌──────────────────────────────────────────────────────────────────┐ │ 数据采集层 (Cron) │ │ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐ │ │ │ wttr.in │ │ 百度迁徙 │ │ 百度POI │ │ 百度交通态势 │ │ │ │ 天气网格 │ │ 迁入指数 │ │ 评分数据 │ │ 周边路况 API │ │ │ └────┬─────┘ └────┬─────┘ └────┬─────┘ └──────┬───────┘ │ │ │ │ │ │ │ │ ▼ ▼ ▼ ▼ │ │ weather_cache 迁徙历史序列 merged_poi 实时路况 │ │ .json (内存) .json (按需拉取) │ └────────────────────────────┬─────────────────────────────────────┘ │ ┌────────────────────────────▼─────────────────────────────────────┐ │ 预测引擎 (Python) │ │ │ │ crowd_daily_cron.py crowd_hourly_cron.py │ │ 每天 6:00 执行 每小时执行 │ │ ├─ 读取 4 个静态数据源 ├─ 读取 crowd_cache.json │ │ ├─ 遍历 217 个景点 ├─ 拉取百度交通态势 │ │ ├─ 计算 baseline + level ├─ 非对称卡尔曼融合 │ │ └─ 写入 crowd_cache.json └─ 更新 live_score / CI │ └────────────────────────────┬─────────────────────────────────────┘ │ crowd_cache.json ┌────────────────┐ │ { │ │ "92dd57b6": {│ │ baseline, │ │ live_score,│ │ level, │ │ ci_low, │ │ ci_high, │ │ factors, │ │ timestamp │ │ }, ... │ │ } │ └───────┬────────┘ │ ┌───────────────────────────▼──────────────────────────────────────┐ │ API 服务层 │ │ │ │ server.py (Flask) :8767 │ │ ┌───────────────────────────────────────────────┐ │ │ │ GET /api/recommend │ │ │ │ ├─ 加载 merged_poi.json (POI 基础数据) │ │ │ │ ├─ 加载 crowd_cache.json (预测数据) │ │ │ │ ├─ 按 uid 匹配，附加字段到每个 POI │ │ │ │ └─ 返回 JSON: { pois: [{ │ │ │ │ ...原字段, │ │ │ │ crowd_score: 62.9, │ │ │ │ crowd_level: "较挤", │ │ │ │ crowd_ci: [57.2, 68.5] │ │ │ │ }]} │ │ │ │ │ │ │ │ GET /api/crowd/:uid │ │ │ │ └─ 单景点详细预测 + 因子拆解 │ │ │ └───────────────────────────────────────────────┘ │ └───────────────────────────┬──────────────────────────────────────┘ │ ▼ Nginx /kids-api/ → :8767/api/ ┌──────────────────────────────────────────────────────────────────┐ │ 前端展示层 │ │ │ │ kids-trip 首页 POI 卡片 │ │ ┌─────────────────────────────────────┐ │ │ │ 深圳湾公园 ★4.6 │ │ │ │ ┌──────────────────────────┐ 较挤 │ ← crowd_level │ │ │ │▓▓▓▓▓▓▓▓▓▓▓▓▓░░░░░░░░░│ 63 │ ← crowd_score │ │ │ └──────────────────────────┘ │ │ │ │ 预计拥挤 95%置信区间 57-69 │ ← 点击展开因子拆解 │ │ └─────────────────────────────────────┘ │ │ │ │ 详情页 │ │ ┌─────────────────────────────────────────┐ │ │ │ 人流预测详情 │ │ │ │ 拥挤评分: 62.9 等级: 较挤 │ │ │ │ 置信区间: [57.2, 68.5] │ │ │ │ ───────────────────── │ │ │ │ 日期: 工作日(0.30) ██░░░░░░ 权重35% │ │ │ │ 热度: 4.6★(0.90) ██████░░ 权重25% │ │ │ │ 天气: 28°C无雨(0.94) ██████░░ 权重15% │ │ │ │ 迁徙: Z=0.62(0.66) ████░░░░ 权重15% │ │ │ │ 季节: 夏季(0.50) ███░░░░░ 权重10% │ │ │ │ 路况: 周边畅通 [卡尔曼融合 K=0.10] │ │ │ └─────────────────────────────────────────┘ │ └──────────────────────────────────────────────────────────────────┘

crowd_score   → POI 卡片拥挤进度条 + 数字
crowd_level   → 彩色标签 (畅游/舒适/适中/较挤/拥挤)
crowd_ci      → 展开后显示置信区间

{
  "uid": "92dd57b6",
  "name": "玛雅水公园",
  "crowd_score": 50.2,
  "crowd_level": "适中",
  "confidence_interval": [44.5, 55.9],
  "factors": {
    "D": { "value": 0.30, "weight": 0.35, "label": "工作日" },
    "H": { "value": 0.85, "weight": 0.25, "label": "4.4★" },
    "W": { "value": 0.94, "weight": 0.15, "label": "28°C 无雨" },
    "M": { "value": 0.66, "weight": 0.15, "label": "Z=0.62" },
    "S": { "value": 1.00, "weight": 0.10, "label": "7月旺季" }
  },
  "traffic": {
    "score": 15.0,
    "status": "畅通",
    "K_eff": 0.10,
    "sections": []
  },
  "baseline_raw": 46.6,
  "baseline_compressed": 54.1
}

# 每天 6:00 计算天级基线
0 6 * * * cd /var/www/kids-trip && python3 crowd_daily_cron.py >> /var/log/kids-trip/crowd_daily.log 2>&1

# 每天 16 个查询点 (3,6,9,10,11,12,13,14,15,16,17,18,19,20,21,24 整点)
0 3,6,9,10,11,12,13,14,15,16,17,18,19,20,21,0 * * * cd /var/www/kids-trip && python3 crowd_hourly_cron.py >> /var/log/kids-trip/crowd_hourly.log 2>&1

crontab: 0 6 * * * python3 /var/www/kids-trip/crowd_daily_cron.py │ └── 每天 6:00: 计算 217 个景点的天级基线 (D/H/W/M/S → baseline → 写入 crowd_cache.json) 0 3,6,9-21,0 * * * python3 /var/www/kids-trip/crowd_hourly_cron.py │ └── 每天 16 次: 聚簇查询百度交通态势(150簇) → 非查询时段按系数推算 → 卡尔曼融合 → 更新 live 评分 /api/recommend │ └── server.py 读取 crowd_cache.json → 附加 crowd_score / crowd_level 到每个 POI