客流预测是餐饮行业的重要问题,然而其存在影响因子多、相关关系复杂、历史数据缺失等难题,要估计出较为准确的未来客流量并不容易.我们设计了一种深度神经网络模型,通过长短期记忆网络(LSTM)建模客流历史趋势等时序特征,通过深度神经网络(DNN)建模餐厅的静态属性和静态时空特征,并将两个网络结合,进行联合训练.基于(Holdings,2018)数据集上829家餐厅的历史客流和餐厅属性数据,我们建立了通用的的餐饮客流预测模型,可供餐饮企业在缺乏历史数据积累的情况下直接应用,模型在下一日客流预测问题上取得了较优的精度(MAPE=0.3611),对比常见的基线模型预测性能有显著提高;
NETL
NSTL
万方数据
