基于云边协同与深度学习的鼓浪屿人流量智能监测与预测系统

摘要

为处理厦门鼓浪屿在旅游高峰期面临的游客拥挤、管理困难及体验降低等问题，本研究设计并实现了一套基于云边协同架构的智能人流监测与预测系统。该系统在边缘端采用目标检测算法第8版(you only look once version 8,YOLOv8)改进的YOLOv8n模型实现实时人流密度检测，在云端构建融合注意力机制的“变换器(transformer)-长短期记忆(long short-term memory,LSTM)”网络混合模型(Transformer-LSTM)进行精准流量预测，并基于Dash-React框架开发了可视化管控平台，实际部署结果表明，系统人流量预测的平均绝对误差(mean absolute error,MAE)达2.8%，峰值识别准确率达到94.5%，响应延迟低于1.5 s，有效提升了景区的管理效率与游客体验。

关键词

云边协同 / 深度学习 / 人流量预测 / YOLOv8 / Transformer / 智慧旅游