基于用户标签的活跃人群特征分析_基于用户行为模型的客流量分析与预测

基于用户行为模型的客流量分析与预测①

程求江

1,2,

彭艳兵

2

【摘

要】

摘

要：为了预测无线城市接入中商圈的短时客流量

,

通过分析顾客

购物行为模式

,

提出了一种基于停留时间和区间活跃度的身份识别方案

,

用于区

分工作人员和顾客

;

采用二元线性回归方法对停留时间和活跃次数进行置信水平

为

95%

的拟合

,

分析了不同拟合参数对预测的影响

.

实验结果表明

:

停留时间和

活跃度用于区分身份信息合理有效

,

且在时间阈值为

3

小时

,

活跃度阈值为

2

次

时

,

用小波神经网络预测效果最好

.

【期刊名称】

计算机系统应用

【年

(

卷

),

期】

2015(024)003

【总页数】

5

【关键词】

停留时间

;

活跃度

;

身份识别

;

小波神经网络

;

预测

移动互联网的发展和智能终端的普及

,

带来了流量风暴问题

,

为了减轻蜂窝网

络负载

,

近年来提出了无线城市建设

,

目前已在各大中型城市如火如荼的进行

.

设备接入到

Wi-Fi

热点时

,

服务端会产生一条日志信息

,

挖掘海量日志信息中隐

藏的规律

,

能够有效指导商业行为

.

客流量是商业分析中重要考虑因素

,

特别是短时客流量

,

其对商业抉择、人群导

向、后勤保障有重要意义

.

短时预测问题具有高度的非线性和不确定性

,

并且同

时间相关性较强

,

该类问题常用的方法主要有以自回归移动均值为代表的回归模

型预测方法

[1]

和以神经网络为代表的机器学习方法

[2-5],

前者在预测精度和刻

画复杂序列的全部特征方面劣于神经网络

[2,3].

小波神经网络是一种优化的

BP

神经网络

,

它继承了小波分析的多分辨率分析和处理能力又保留了神经网络在函