1.一种用于景区的车辆智能调度方法，所述方法包括：利用数据存储服务器对信息采集模块所采集的信息进行存储；

利用数据处理中心支持人流预测和数据转换模块的处理；

利用所述信息采集模块进行信息采集，所述信息包括日期信息、温度信息、天气信息、景区周边一设定阈值范围内的车流信息和人流信息；所述日期信息包括节假日及工作日的标识；

利用人流预测模块将所述信息采集模块获取的信息输入至经过训练的基于深度神经网络的人流预测模型中，获得人流预测结果值；

利用数据转换模块将所述人流预测结果值以及所述车流信息转化为览车需求预测结果值；利用车辆调配控制模块根据所述览车需求预测结果值对景区内的览车进行调配，还对览车司机进行调度。

2.根据权利要求1所述的车辆智能调度方法，所述天气信息以独热编码的形式作为所述人流预测模型中的特征；所述深度神经网络利用了正弦指数损失函数增强人流预测的准确性；所述正弦指数损失函数为：其中，θyi表示为样本i与其对应标签yi的向量夹角，其中byi表示样本i在其标签yi处的偏差，bj表示输出节点j处的偏差；所述N表示训练样本个数；所述wyi表示样本i在其标签yi处的权重。

3.根据权利要求1所述的车辆智能调度方法，所述人流预测模型的LSTM模块能够处理人流在一个时间段内的多个时间点上的特征信息，捕捉多个时间点上的特征信息之间的时序信息，人流预测模型的预测结果是一个时间点的预测结果，或一个时间段内的不同时间点的预测值结果。

4.根据权利要求1所述的车辆智能调度方法，所述一设定阈值范围内的车流信息和人流信息来自与景区联动的交警‑景区联动平台，所述一设定阈值设定为3公里。

5.一种用于景区的车辆智能调度系统，所述系统包括：数据存储服务器，用于对信息采集模块的信息进行存储；

数据处理中心，以支持人流预测和数据转换的处理；

所述信息采集模块，用于进行信息采集，所述信息包括日期信息、温度信息、天气信息、景区周边一设定阈值范围内的车流信息和人流信息；所述日期信息包括节假日及工作日的标识；人流预测模块，用于将所述信息采集模块获取的信息输入至经过训练的基于深度神经网络的人流预测模型中，获得人流预测结果值；

数据转换模块，将所述人流预测结果值以及所述车流信息转化为览车需求预测结果值；

车辆调配控制模块，根据所述览车需求预测结果值对景区内的览车进行调配，还对览车司机进行调度。

6.根据权利要求5所述的车辆智能调度系统，所述天气信息以独热编码的形式作为所述人流预测模型中的特征；所述深度神经网络利用了正弦指数损失函数增强人流预测的准确性；所述正弦指数损失函数为：其中，θyi表示为样本i与其对应标签yi的向量夹角，其中byi表示样本i在其标签yi处的偏差，bj表示输出节点j处的偏差；所述N表示训练样本个数；所述wyi表示样本i在其标签yi处的权重。

7.根据权利要求5所述的车辆智能调度系统，所述人流预测模型的LSTM模块能够处理人流在一个时间段内的多个时间点上的特征信息，捕捉多个时间点上的特征信息之间的时序信息，人流预测模型的预测结果是一个时间点的预测结果，或一个时间段内的不同时间点的预测值结果。

8.根据权利要求5所述的车辆智能调度系统，所述一设定阈值范围内的车流信息和人流信息来自与景区联动的交警‑景区联动平台，所述一设定阈值设定为3公里。

9.一种计算机存储介质，所述存储介质上存储有程序代码，所述代码用于实现权利要求1‑4任一项所述的方法。

10.一种计算机设备，所述设备包括处理器、存储器，所述存储器上存储有计算机指令，所述指令用于实现权利要求1‑4任一项所述的方法。