一种服务区开放方法、系统、设备和可读存储介质与流程

1.本技术实施例涉及人工智能技术领域，具体涉及一种服务区开放方法、系统、设备和可读存储介质。


背景技术：

2.高速服务区是高速公路的重要组成部分，为过往高速公路的车辆和人员提供各种服务，满足不同层次、不同类型的需求。精准把握高速服务区的人流量变化，能够充分保障高速服务区的接纳能力，有利于进一步提高高速服务区的服务水平。
3.服务区区域内人流量预测是公共安全中的重要问题，现有的人流量预测技术，包括基于视频的人流密度计算、基于wifi热点、利用移动基站等等，准确度都严重不足。
4.现有技术中缺少一种完善融合实际应用场景的数据和神经网络的解决方案。


技术实现要素：

5.为此，本技术实施例提供一种服务区开放方法、系统、设备和可读存储介质，通过神经网络预测服务区下一时间段人流量信息，从而更高效且准确地辅助决策服务区和服务站点的开放/关闭。
6.为了实现上述目的，本技术实施例提供如下技术方案：
7.根据本技术实施例的第一方面，提供了一种服务区开放方法，所述方法包括：
8.根据目标服务区的历史车流量数据训练服务区人流量预测模型；
9.基于所述服务区人流量预测模型确定下一设定时间段所述目标服务区的人流量预测数据；
10.基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案；
11.根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案。
12.在一种可能的实施方式中，根据目标服务区的历史车流量数据训练服务区人流量预测模型，包括：
13.以设定间隔时间为周期，采集所述目标服务区的历史车流量数据；所述设定间隔时间是根据目标服务区与相邻城市的距离确定的；所述历史车流量数据包括车辆数量以及对应的车辆类型、驶入率和停留时间；
14.根据历史设定时段的车辆数量以及对应的车辆类型、驶入率和停留时间作为训练样本输入所述服务区人流量预测模型进行训练；所述服务区人流量预测模型是基于长短期记忆网络lstm构建的。
15.在一种可能的实施方式中，根据历史设定时段的车辆数量以及对应的车辆类型、驶入率和停留时间作为训练样本输入所述服务区人流量预测模型进行训练，包括：
16.根据历史设定时段的车辆数量以及对应的车辆类型、驶入率和停留时间，以及预
设的车辆类型的权重对所述服务区人流量预测模型中的各个层的参数进行训练。
17.在一种可能的实施方式中，在基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案之后，所述方法还包括：
18.将所述服务区人流量预测模型确定的下一设定时间段的人流量预测数据，与所述下一设定时间段的人流量真实数据进行比较，确定偏差值；
19.若所述偏差值大于设定阈值，则根据偏差值校正所述服务区人流量预测模型中各个层的参数，并训练样本。
20.在一种可能的实施方式中，基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案，包括：
21.当所述下一设定时间段的人流量预测数据超过设定服务区人流量阈值时，将目标服务区的开放方案确定为只出不进，直到下一设定时间段的人流量预测数据小于所述设定服务区人流量阈值时，恢复所述目标服务区的进入。
22.在一种可能的实施方式中，所述目标服务区的服务站点的服务效率是根据服务站点的服务人员提供服务平均时长和服务站点的可承载服务量确定的。
23.在一种可能的实施方式中，根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案，包括：
24.当所述目标服务区的开放方案为正常进出时，所述目标服务区的服务站点的服务效率低于第一设定服务效率阈值时，服务站点的开放方案为只出不进，直到所述服务站点的服务效率大于等于所述第一设定服务效率阈值时，恢复所述服务站点的进入；
25.当所述目标服务区的开放方案为只出不进时，所述目标服务区的服务站点的服务效率低于第二设定服务效率阈值时，服务站点的开放方案为只出不进，直到所述服务站点的服务效率大于等于所述第二设定服务效率阈值时，恢复所述服务站点的进入；
26.所述第一设定服务效率阈值大于所述第二设定服务效率阈值。
27.根据本技术实施例的第二方面，提供了一种服务区开放系统，所述系统包括：
28.人流量预测模型训练模块，用于根据目标服务区的历史车流量数据训练服务区人流量预测模型；
29.人流量预测模块，用于基于所述服务区人流量预测模型确定下一设定时间段所述目标服务区的人流量预测数据；
30.服务区开放方案确定模块，用于基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案；
31.服务站点开放方案确定模块，用于根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案。
32.根据本技术实施例的第三方面，提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行以实现上述第一方面所述的方法。
33.根据本技术实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现上述第一方面所述的方法。
34.综上所述，本技术实施例提供了一种服务区开放方法、系统、设备和可读存储介质，通过根据目标服务区的历史车流量数据训练服务区人流量预测模型；基于所述服务区
人流量预测模型确定下一设定时间段所述目标服务区的人流量预测数据；基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案；根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案。通过神经网络预测服务区下一时间段人流量信息，从而更高效且准确地辅助决策服务区和服务站点的开放/关闭。
附图说明
35.为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
36.本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
37.图1为本技术实施例提供的一种服务区开放方法流程示意图；
38.图2为本技术实施例提供的服务区开放方法逻辑图；
39.图3为本技术实施例提供的一种服务区开放系统框图；
40.图4示出了本技术实施例提供的一种电子设备的结构示意图；
41.图5示出了本技术实施例提供的一种计算机可读存储介质的示意图。
具体实施方式
42.以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
43.图1示出了本技术实施例提供的一种服务区开放方法，所述方法包括：
44.步骤101：根据目标服务区的历史车流量数据训练服务区人流量预测模型；
45.步骤102：基于所述服务区人流量预测模型确定下一设定时间段所述目标服务区的人流量预测数据；
46.步骤103：基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案；
47.步骤104：根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案。
48.在一种可能的实施方式中，在步骤101中，根据目标服务区的历史车流量数据训练服务区人流量预测模型，包括：
49.以设定间隔时间为周期，采集所述目标服务区的历史车流量数据；所述设定间隔时间是根据目标服务区与相邻城市的距离确定的；所述历史车流量数据包括车辆数量以及对应的车辆类型、驶入率和停留时间；根据历史设定时段的车辆数量以及对应的车辆类型、
驶入率和停留时间作为训练样本输入所述服务区人流量预测模型进行训练；所述服务区人流量预测模型是基于长短期记忆网络lstm构建的。
50.在一种可能的实施方式中，根据历史设定时段的车辆数量以及对应的车辆类型、驶入率和停留时间作为训练样本输入所述服务区人流量预测模型进行训练，包括：
51.根据历史设定时段的车辆数量以及对应的车辆类型、驶入率和停留时间，以及预设的车辆类型的权重对所述服务区人流量预测模型中的各个层的参数进行训练。
52.在一种可能的实施方式中，在步骤103中，基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案，包括：
53.当所述下一设定时间段的人流量预测数据超过设定服务区人流量阈值时，将目标服务区的开放方案确定为只出不进，直到下一设定时间段的人流量预测数据小于所述设定服务区人流量阈值时，恢复所述目标服务区的进入。
54.在一种可能的实施方式中，在步骤103基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案之后，所述方法还包括：
55.将所述服务区人流量预测模型确定的下一设定时间段的人流量预测数据，与所述下一设定时间段的人流量真实数据进行比较，确定偏差值；
56.若所述偏差值大于设定阈值，则根据偏差值校正所述服务区人流量预测模型中各个层的参数，并训练样本。
57.在一种可能的实施方式中，在步骤104中，所述目标服务区的服务站点的服务效率是根据服务站点的服务人员提供服务平均时长和服务站点的可承载服务量确定的。
58.在一种可能的实施方式中，在步骤104中，根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案，包括：
59.当所述目标服务区的开放方案为正常进出时，所述目标服务区的服务站点的服务效率低于第一设定服务效率阈值时，服务站点的开放方案为只出不进，直到所述服务站点的服务效率大于等于所述第一设定服务效率阈值时，恢复所述服务站点的进入；
60.当所述目标服务区的开放方案为只出不进时，所述目标服务区的服务站点的服务效率低于第二设定服务效率阈值时，服务站点的开放方案为只出不进，直到所述服务站点的服务效率大于等于所述第二设定服务效率阈值时，恢复所述服务站点的进入；
61.所述第一设定服务效率阈值大于所述第二设定服务效率阈值。
62.图2示出了本技术实施例提供的人流量预测模型生成方法，具体包括如下步骤：
63.步骤1：建立神经网络模型；所述神经网络模型可以是基于长短期记忆网络lstm。
64.步骤2：基于历史数据对神经网络模型进行训练；以设定间隔时间为周期，采集所述目标服务区的历史车流量数据；所述设定间隔时间是根据目标服务区与相邻城市的距离确定的；根据历史设定时段的车辆数量以及对应的车辆类型、驶入率和停留时间，以及预设的车辆类型的权重对所述服务区人流量预测模型中的各个层的参数进行训练；
65.步骤3：以时间为变量，得到下一时刻区域内的人流数据；
66.步骤4：根据下一时刻区域内的人流数据确定区域开放或关闭策略；当所述下一设定时间段的人流量预测数据超过设定服务区人流量阈值时，将目标服务区的开放方案确定为只出不进，直到下一设定时间段的人流量预测数据小于所述设定服务区人流量阈值时，恢复所述目标服务区的进入。
67.步骤5：根据服务时间和人员聚集程度，确定区域内服务站点开放或关闭策略。根据服务站点的服务人员提供服务平均时长和服务站点的可承载服务量确定所述目标服务区的服务站点的服务效率。
68.当所述目标服务区的开放方案为正常进出时，所述目标服务区的服务站点的服务效率低于第一设定服务效率阈值时，服务站点的开放方案为只出不进，直到所述服务站点的服务效率大于等于所述第一设定服务效率阈值时，恢复所述服务站点的进入；
69.当所述目标服务区的开放方案为只出不进时，所述目标服务区的服务站点的服务效率低于第二设定服务效率阈值时，服务站点的开放方案为只出不进，直到所述服务站点的服务效率大于等于所述第二设定服务效率阈值时，恢复所述服务站点的进入。
70.本技术实施例提供了的服务区开放方法，将循环神经网络模型应用到高速公路的服务区的开放/关闭策略中，通过高速公路的历史车辆信息来预测下一时刻的来往车辆信息，从而为后续的投入人力物力资源提供决策支撑。
71.为了完成对不同地点区域的模型灵活定制，对循环神经网络模型进行针对性的强化学习，即服务区到相邻服务区或者最近城市的距离越远，历史车辆数据中均匀间隔的各个时刻中相邻两个时刻之间的时间间隔越长；在历史车辆的选取过程中，比如间隔时间每十分钟进行历史车辆模型的学习，但是这个间隔时间并非对所有服务区统一，是根据服务区到最近城市的距离决定，服务区到最近城市的距离越远，间隔时间越大。
72.在确定服务区关闭或打开策略时，可以对服务区车辆类型对应的乘员多少进行加权计算，乘员越多，对应的车辆类型权重越大；乘员越多的情况下，上服务区的概率越大，例如设置大巴车的权重大一些。
73.在确定服务区服务站点的开放/关闭策略时，可以对服务站点种类(含人员提供服务时间长短、人员聚集程度等)大小进行加权计算，一般的，服务时间越长，对应的权重越大，即影响越大。根据服务区的规模大小跟服务时间长短确定服务站点的关闭开放策略。
74.基于历史人流数据预测下一时刻区域内人流数据，并基于预测结果给管理者提供了下一时刻区域开放/关闭、通行策略。本技术实施例提供的服务区开放方法不限于应用于服务区人流量的预测上，还可以应用于任意社区/园区、建筑等场景内人员管控、公共安防上。
75.综上所述，本技术实施例提供了一种服务区开放方法，通过根据目标服务区的历史车流量数据训练服务区人流量预测模型；基于所述服务区人流量预测模型确定下一设定时间段所述目标服务区的人流量预测数据；基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案；根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案。通过神经网络预测服务区下一时间段人流量信息，从而更高效且准确地辅助决策服务区和服务站点的开放/关闭。
76.基于相同的技术构思，本技术实施例还提供了一种服务区开放系统，如图3所示，所述系统包括：
77.人流量预测模型训练模块301，用于根据目标服务区的历史车流量数据训练服务区人流量预测模型；
78.人流量预测模块302，用于基于所述服务区人流量预测模型确定下一设定时间段所述目标服务区的人流量预测数据；
79.服务区开放方案确定模块303，用于基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案；
80.服务站点开放方案确定模块304，用于根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案。
81.本技术实施方式还提供一种与前述实施方式所提供的方法对应的电子设备。请参考图4，其示出了本技术的一些实施方式所提供的一种电子设备的示意图。所述电子设备20可以包括：处理器200，存储器201，总线202和通信接口203，所述处理器200、通信接口203和存储器201通过总线202连接；所述存储器201中存储有可在所述处理器200上运行的计算机程序，所述处理器200运行所述计算机程序时执行本技术前述任一实施方式所提供的方法。
82.其中，存储器201可能包含高速随机存取存储器(ram：random access memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个物理端口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
83.总线202可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器201用于存储程序，所述处理器200在接收到执行指令后，执行所述程序，前述本技术实施例任一实施方式揭示的所述方法可以应用于处理器200中，或者由处理器200实现。
84.处理器200可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201，处理器200读取存储器201中的信息，结合其硬件完成上述方法的步骤。
85.本技术实施例提供的电子设备与本技术实施例提供的方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
86.本技术实施方式还提供一种与前述实施方式所提供的方法对应的计算机可读存储介质，请参考图5，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的方法。
87.需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
88.本技术的上述实施例提供的计算机可读存储介质与本技术实施例提供的方法出
于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
89.需要说明的是：
90.在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备有固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本技术也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本技术的内容，并且上面对特定语言所做的描述是为了披露本技术的最佳实施方式。
91.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本技术的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
92.类似地，应当理解，为了精简本技术并帮助理解各个发明方面中的一个或多个，在上面对本技术的示例性实施例的描述中，本技术的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本技术要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本技术的单独实施例。
93.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
94.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本技术的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
95.本技术的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本技术实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本技术还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本技术的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
96.应该注意的是上述实施例对本技术进行说明而不是对本技术进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，
不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本技术可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
97.以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种服务区开放方法，其特征在于，所述方法包括：根据目标服务区的历史车流量数据训练服务区人流量预测模型；基于所述服务区人流量预测模型确定下一设定时间段所述目标服务区的人流量预测数据；基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案；根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案。2.如权利要求1所述的方法，其特征在于，根据目标服务区的历史车流量数据训练服务区人流量预测模型，包括：以设定间隔时间为周期，采集所述目标服务区的历史车流量数据；所述设定间隔时间是根据目标服务区与相邻城市的距离确定的；所述历史车流量数据包括车辆数量以及对应的车辆类型、驶入率和停留时间；根据历史设定时段的车辆数量以及对应的车辆类型、驶入率和停留时间作为训练样本输入所述服务区人流量预测模型进行训练；所述服务区人流量预测模型是基于长短期记忆网络lstm构建的。3.如权利要求2所述的方法，其特征在于，根据历史设定时段的车辆数量以及对应的车辆类型、驶入率和停留时间作为训练样本输入所述服务区人流量预测模型进行训练，包括：根据历史设定时段的车辆数量以及对应的车辆类型、驶入率和停留时间，以及预设的车辆类型的权重对所述服务区人流量预测模型中的各个层的参数进行训练。4.如权利要求1所述的方法，其特征在于，在基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案之后，所述方法还包括：将所述服务区人流量预测模型确定的下一设定时间段的人流量预测数据，与所述下一设定时间段的人流量真实数据进行比较，确定偏差值；若所述偏差值大于设定阈值，则根据偏差值校正所述服务区人流量预测模型中各个层的参数，并训练样本。5.如权利要求1所述的方法，其特征在于，基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案，包括：当所述下一设定时间段的人流量预测数据超过设定服务区人流量阈值时，将目标服务区的开放方案确定为只出不进，直到下一设定时间段的人流量预测数据小于所述设定服务区人流量阈值时，恢复所述目标服务区的进入。6.如权利要求1所述的方法，其特征在于，所述目标服务区的服务站点的服务效率是根据服务站点的服务人员提供服务平均时长和服务站点的可承载服务量确定的。7.如权利要求1所述的方法，其特征在于，根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案，包括：当所述目标服务区的开放方案为正常进出时，所述目标服务区的服务站点的服务效率低于第一设定服务效率阈值时，服务站点的开放方案为只出不进，直到所述服务站点的服务效率大于等于所述第一设定服务效率阈值时，恢复所述服务站点的进入；当所述目标服务区的开放方案为只出不进时，所述目标服务区的服务站点的服务效率
低于第二设定服务效率阈值时，服务站点的开放方案为只出不进，直到所述服务站点的服务效率大于等于所述第二设定服务效率阈值时，恢复所述服务站点的进入；所述第一设定服务效率阈值大于所述第二设定服务效率阈值。8.一种服务区开放系统，其特征在于，所述系统包括：人流量预测模型训练模块，用于根据目标服务区的历史车流量数据训练服务区人流量预测模型；人流量预测模块，用于基于所述服务区人流量预测模型确定下一设定时间段所述目标服务区的人流量预测数据；服务区开放方案确定模块，用于基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案；服务站点开放方案确定模块，用于根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案。9.一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行以实现如权利要求1-7任一项所述的方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1-7任一项所述的方法。

技术总结
本申请实施例公开了一种服务区开放方法、系统、设备和可读存储介质，所述方法包括：根据目标服务区的历史车流量数据训练服务区人流量预测模型；基于所述服务区人流量预测模型确定下一设定时间段所述目标服务区的人流量预测数据；基于所述下一设定时间段的人流量预测数据确定所述下一设定时间段的所述目标服务区的开放方案；根据所述目标服务区的开放方案和所述目标服务区的服务站点的服务效率确定服务站点的开放方案。通过神经网络预测服务区下一时间段人流量信息，从而更高效且准确地辅助决策服务区和服务站点的开放/关闭。助决策服务区和服务站点的开放/关闭。助决策服务区和服务站点的开放/关闭。


技术研发人员：程天梅
受保护的技术使用者：特斯联科技集团有限公司
技术研发日：2023.03.14
技术公布日：2023/7/19