论文部分内容阅读
随着近年来旅游业的蓬勃发展,游客对出行过程中的安全有了更多的关注。对景区相关信息的收集、挖掘和分析、对场景人数和景区状态进行检测以及进行承载力挖掘与旅游突发事件预警,具有非常重要的理论意义和应用意义。论文完成的主要工作如下:(1)提出了一种基于情感舒适度增强的算法(BCOF)。通过抓取景区相关的微博数据,考虑天气等景区外界属性,综合预测出景区中当前游客的整体舒适度情况,实现了对游客情感倾向的准确判定,建立了游客状态表达模型。实验结果表明,相比于BN算法和NEG算法,BCOF算法在识别景区游客情感状态的准确性和召回率指标上分别提升了 14%和18%,能够满足舒适度检测和景区承载力挖掘的需要。(2)利用景区监控视频对承载力的状态进行检测。提出了基于景区视频的社会压力异常检测算法(SFNODE)。采用光流融合社会力模型,对景区视频进行了不同维度的分析,可根据社会力矩阵表达的状态压力图检测景区异常状态。提出了密度压力人数统计的算法(CTF-A)。提取了场景密度,通过对不同密度等级下的人数进行预测,实现了对场景中游客数量的检测。实验结果表明,相比于FLOW、SocialForce算法,提出的SFNODE算法在对场景异常状态的预测准确率分别提升了 9%和2%;相比于非密度区分的算法,提出的CTF-A算法在对场景人数的预测偏差比方面降低了 5%。(3)基于根据社会网络挖掘出的景区舒适度状态和根据监控视频挖掘出的景区游客状态,建立了基于群智感知的旅游突发事件预警模型,可动态监测景区状态。实验结果表明,该预警模型具有较高的预测准确性。(4)设计和开发了基于群智感知的承载力挖掘和旅游突发事件预警系统。包括景区舒适度挖掘模块、景区异常行为检测模块、景区人数检测模块等。系统还对情感舒适度增强算法、基于光流的社会压力算法和密度压力人数统计算法等进行了实验验证。该系统能够满足承载力挖掘与旅游突发事件预警的要求。