基于灰色预测和BP神经网络的高校食堂客流量预测与调度——以华北电力大学为例

Prediction and Scheduling of University Canteen Passenger Flow Based on Grey Prediction And BP Neural Network

在当前疫情防控背景下,高校复学对公共区域的人流量预测和调控有着更高要求。以高校食堂为例,预测就餐时期客流量,既有利于食堂人员的合理调度安排,降低了人群密集带来的潜在病毒传播风险,也可针对食堂客流量分布情况提供分时分批服务,减少餐饮浪费,厉行勤俭节约,同时还有助于缓解就餐高峰时期排队拥挤的现状,改善用餐体验,提升就餐效率。基于实地调研得到的食堂客流量数据,将灰色理论、神经网络技术研究与客流量信息预测研究紧密结合,以期能适应客流量的非线性特征,优化预测模型的性能并提高预测模型的精度,并将结果用以计算客流密度,指导窗口开放。通过对结果进行综合因子分析,优中选优,建立了适用于校园多食堂的渐变色客流量预测模型。