技术特征：
1.一种客流量的确定方法，包括：获取目标时间片所属目标日期的类型和所述目标时间片内的预估客流量；依据所述类型确定与所述类型对应的机器学习模型，其中，所述机器学习模型为基于历史数据中至少一个时间片内的客流量和所述时间片对应的天气特征确定的；将所述目标时间片的天气特征输入至所述机器学习模型中进行分析，得到天气影响因子，其中，该天气影响因子用于指示天气特征对客流量的影响程度；基于所述天气影响因子对所述预估客流量进行调整，得到目标客流量。2.根据权利要求1所述的方法，其中，将所述目标时间片的天气特征输入至所述机器学习模型中进行分析，包括：获取所述目标时间片内的天气特征；基于历史时间片内的天气特征对所述目标时间片的天气特征进行归一化处理，得到目标天气特征值，其中，所述历史时间片为在所述目标日期之前的至少一个历史日期中与所述目标时间片属于同一时间片的时间片；基于所述机器学习模型对所述目标天气特征值进行分析，得到所述天气影响因子。3.根据权利要求2所述的方法，其中，获取所述目标时间片内的天气特征，包括：获取所述目标时间片内的天气数据，其中，所述天气数据包括：具有用于量化天气状态的物理量的第一类天气数据和不具有所述物理量的第二类天气数据；基于所述第一类天气数据对应的物理量确定所述第一类天气数据对应的天气特征值；对所述第二类天气数据进行独热编码，得到编码值；基于所述编码值确定与所述第二类天气数据对应的天气特征值；基于所述第一类天气数据对应的天气特征值和与所述第二类天气数据对应的天气特征值共同确定所述目标时间片内的天气特征。4.根据权利要求2所述的方法，其中，所述目标天气特征值包括：第一目标特征值；所述第一目标特征值通过以下方式确定：确定所述至少一个历史日期中所有所述历史时间片的天气特征值；确定所有所述历史时间片的天气特征值中的极大值和极小值；基于所述极大值和极小值对所述目标时间片内的天气特征进行归一化处理，得到所述第一目标特征值；将所述目标时间片的天气特征输入至所述机器学习模型中进行分析，得到天气影响因子，包括：将所述第一目标特征值输入至所述机器学习模型中进行分析，得到第一天气影响因子。5.根据权利要求2所述的方法，其中，所述目标天气特征值包括：第二目标特征值；所述第二目标特征值通过以下方式确定：确定所述目标日期的前一个日期内所述历史时间片的天气特征值；确定所述目标时间片的天气特征值与所述历史时间片的天气特征值的差异；依据所述差异确定所述第二目标特征值；将所述目标时间片的天气特征输入至所述机器学习模型中进行分析，得到天气影响因子，包括：将所述第二目标特征值输入至所述机器学习模型中进行分析，得到第二天气影响因子。6.根据权利要求1所述的方法，其中，所述机器学习模型通过以下方式训练得到：
获取预设统计周期内的各个时间片的样本天气数据，以及所述各个时间片内的客流量；对所述样本天气数据进行归一化处理，得到目标样本特征，以及对所述各个时间片内的客流量进行归一化处理，得到所述各个时间片的第一客流因子；建立所述目标样本特征和第一客流因子的映射关系，并基于所述映射关系确定样本数据集；采用样本数据集中的样本数据对所述机器学习模型进行训练。7.根据权利要求1所述的方法，其中，所述机器学习模型通过以下方式训练得到：获取预设统计周期内的各个时间片的样本天气数据，以及所述各个时间片内的客流量；对所述样本天气数据之间的差异进行归一化处理，得到目标样本特征，以及对所述各个时间片的客流量差异进行归一化处理，得到所述各个时间片的第二客流因子；建立所述目标样本特征和第二客流因子的映射关系，并基于所述映射关系确定样本数据集；采用样本数据集中的样本数据对所述机器学习模型进行训练。8.根据权利要求6或7所述的方法，其中，采用样本数据集中的样本数据对所述机器学习模型进行训练之前，所述方法还包括：确定样本数据集中的样本数据所对应的样本时间片；确定所述样本时间片所属的日期；确定所述样本时间片所属的日期类型；依据所述日期类型对所述样本数据集中的样本数据进行分类，得到多个类型的样本数据集，其中，不同类型的数据集中包括不同日期类型的样本数据；采用样本数据集中的样本数据对所述机器学习模型进行训练，包括：分别采用所述多个类型的样本数据集对所述机器学习模型进行训练，得到与所述多个类型的样本数据及对应的多个训练后的机器学习模型。9.一种客流量的确定装置，包括：获取模块，用于获取目标时间片所属目标日期的类型和所述目标时间片内的预估客流量；确定模块，用于依据所述类型确定与所述类型对应的机器学习模型，其中，所述机器学习模型为基于历史数据中至少一个时间片内的客流量和所述时间片对应的天气特征确定的；分析模块，用于将所述目标时间片的天气特征输入至所述机器学习模型中进行分析，得到天气影响因子，其中，该天气影响因子用于指示天气特征对客流量的影响程度；调整模块，用于基于所述天气影响因子对所述预估客流量进行调整，得到目标客流量。10.一种非易失性存储介质，其中，所述存储介质包括存储的程序，其中，在所述程序被处理器执行时执行权利要求1至8中任意一项所述的客流量的确定方法。11.一种计算设备，包括：处理器；以及存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：获取目标时间片所属目标日期的类型和所述目标时间片内的预估客流量；
依据所述类型确定与所述类型对应的机器学习模型，其中，所述机器学习模型为基于历史数据中至少一个时间片内的客流量和所述时间片对应的天气特征确定的；将所述目标时间片的天气特征输入至所述机器学习模型中进行分析，得到天气影响因子，其中，该天气影响因子用于指示天气特征对客流量的影响程度；基于所述天气影响因子对所述预估客流量进行调整，得到目标客流量。
技术总结
本申请公开了一种客流量的确定方法及装置、非易失性存储介质。其中，该方法包括：获取目标时间片所属目标日期的类型和目标时间片内的预估客流量；依据类型确定与类型对应的机器学习模型，其中，机器学习模型为基于历史数据中至少一个时间片内的客流量和时间片对应的天气特征确定的；将目标时间片的天气特征输入至机器学习模型中进行分析，得到天气影响因子，其中，该天气影响因子用于指示天气特征对客流量的影响程度；基于天气影响因子对预估客流量进行调整，得到目标客流量。本申请解决了目前采用统计特征衡量天气对客流大小的影响导致景区客流量预测的精确度比较低的技术问题。题。题。
技术研发人员：贾建超
受保护的技术使用者：阿里巴巴集团控股有限公司
技术研发日：2020.06.29
技术公布日：2022/1/13