近年来,随着城市化进程的不断加快,我国旅游业得到迅速发展,客流量的快速增长给各旅游景区的环境与安全管理带来了一系列挑战,而精准的景区客流预测预警有助于景区的科学管理,降低密集人群带来的风险。因此,建立准确的客流预测模型与高效的客流预警平台对于旅游发展政策制定、旅游市场资源优化配置、旅游企业战略实施等方面都有着重要意义。针对以往景区客流预测数据源单一,传统时间序列模型对数据分布稳定性的依赖等问题,本文提出一种顾及景区周边多源公共交通客流,且基于混合深度神经网络模型的景区客流预测方法,并以客流预测模型为核心建立了客流预警系统,实现了景区客流综合预警的实际应用。本文的主要研究内容:(1)多源数据清洗与归一化处理。为了进行时间维度的景区核心区内客流预测,本文首先对多源客流数据进行数据清洗,去除噪声数据,然后根据研究区范围,从原始数据中提取相关数据集,最后以统一的时间粒度归一化处理,转化为多源客流时间序列数据。(2)景区多源客流的时空分析。由于景区客流量受到诸多因素干扰,具有非线性与非平稳性特征,因此,本文分别对景区核心区内与其周边多源公共交通客流从时间与空间两个维度进行统计分析,研究得出各类交通客流之间的分布差异,周期变化规律以及相关性。(3)构建景区客流预测模型。为了实现景区内部短时客流预测,本文以南锣鼓巷景区为例,根据该景区环境与多源客流的时空特征,结合深度神经网络相关研究,设计了基于卷积神经网络(CNN)与长短期记忆(LSTM)网络的混合神经网络客流预测模型。该模型将处理后的数据构造景区客流时空数据集,利用CNN网络模型进行数据融合提取特征向量,然后将特征向量以时间序列方式输入LSTM网络模型中进行景区核心区内客流预测。实验结果表明,该方法较传统客流预测方法自回归差分移动平均模型(ARIMA)模型与标准LSTM网络预测方法具有更高的预测精度,且具有一定的鲁棒性。(4)设计并实现客流预警系统。为了将客流预测模型服务于实际景区,本文设计并开发了基于B/S架构的南锣鼓巷区域大客流预警系统,该系统通过数据管理与多种可视化技术,可帮助管理者及时应对大规模客流聚集风险,同时为寻找重点客流来源并有效疏散人群提供交通状态依据,有助于全面提升景区管理水平。