(西南交通大學(xué)希望學(xué)院軌道交通學(xué)院 四川 成都 610031)

一、引言

中國旅游研究院文化和旅游部數(shù)據(jù)中心數(shù)據(jù)顯示2018年全年國內(nèi)游客為55.4億人次，較上年增長10.8%，其中出入境游客2.9億人次，增長7.4%。預(yù)計(jì)，2019年國內(nèi)游客總數(shù)將達(dá)到60.6億人次，較上年9.5%的增長幅度。入境游客人數(shù)將達(dá)1.4億人次，較上年增長1%。居民出境游客人數(shù)或達(dá)1.7億人次，較上年增長11%。我國在國內(nèi)旅游人次、旅游消費(fèi)以及出境旅游人次、旅游消費(fèi)幾項(xiàng)數(shù)據(jù)上均位列世界第一。旅游就業(yè)人數(shù)占我國總就業(yè)人數(shù)的10.2%。旅游業(yè)對(duì)我國GDP的綜合貢獻(xiàn)已超過了教育、銀行和汽車產(chǎn)業(yè)。

旅游景區(qū)為旅游產(chǎn)業(yè)的核心環(huán)節(jié)之一，亦是游客的主要目的地和集散地。隨著全國范圍內(nèi)各大景區(qū)旅游服務(wù)質(zhì)量的提升以及門票價(jià)格的下調(diào)，景區(qū)的引流作用持續(xù)增強(qiáng)。位于成都的大熊貓繁育研究基地是著名的大熊貓遷地保護(hù)基地，同時(shí)也是大熊貓公眾教育基地、科研繁育基地和教育旅游基地，占地面積達(dá)1500畝，以保護(hù)和繁育大熊貓等中國特有的瀕危野生動(dòng)物而聞名遐邇，吸引著大批的海內(nèi)外游客不斷前往。數(shù)據(jù)顯示2019年春節(jié)成都大熊貓基地接待游客接近50萬人，旅游旺季單日接待游客量已超3萬人，年接待游客人數(shù)超過300萬人次。并且隨著人們對(duì)于動(dòng)物保護(hù)意識(shí)的增強(qiáng)以及旅行出游需求的增長，每逢節(jié)假日成都大熊貓繁育研究基地景區(qū)都會(huì)迎來一波又一波的客流高峰，考驗(yàn)著景區(qū)組織管理水平。因此，有必要對(duì)基地客流量進(jìn)行精確預(yù)測，實(shí)時(shí)掌握景區(qū)客流狀況，是確保景區(qū)能正常有序運(yùn)營并持續(xù)穩(wěn)定發(fā)展的先決條件。

二、基于神經(jīng)網(wǎng)絡(luò)的基地客流量預(yù)測

(一)神經(jīng)網(wǎng)絡(luò)算法分析

神經(jīng)網(wǎng)絡(luò)算法對(duì)非線性問題具有強(qiáng)大的處理能力，能夠與成都大熊貓繁育研究基地游客數(shù)量變化的隨機(jī)性特點(diǎn)和非線性特點(diǎn)相適應(yīng)，同時(shí)也可以彌補(bǔ)傳統(tǒng)客流預(yù)測算法在解決非線性與時(shí)變問題上的短板。神經(jīng)網(wǎng)絡(luò)算法可以根據(jù)輸入輸出樣本數(shù)據(jù)對(duì)網(wǎng)絡(luò)參數(shù)值進(jìn)行自動(dòng)調(diào)整，并在此基礎(chǔ)上建立起優(yōu)良的輸入輸出映射關(guān)系，以實(shí)現(xiàn)其客流預(yù)測的功能。在對(duì)基地客流量進(jìn)行預(yù)測時(shí)，只需要提供基地客流量歷史數(shù)據(jù)用于對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，就可以得到分配矩陣信息并將其存儲(chǔ)在網(wǎng)絡(luò)之中，而不必要求確定的分配矩陣，便能對(duì)實(shí)際客流數(shù)據(jù)進(jìn)行準(zhǔn)確預(yù)測。

1.BP神經(jīng)網(wǎng)絡(luò)

BP 神經(jīng)網(wǎng)絡(luò)是目前使用最為廣泛的神經(jīng)網(wǎng)絡(luò)，被運(yùn)用在各種場景中。典型的BP 神經(jīng)網(wǎng)絡(luò)具有三層網(wǎng)絡(luò)結(jié)構(gòu)，分別是輸入層、輸出層和隱含層，其訓(xùn)練學(xué)習(xí)有前向過程與反向過程兩種。前向訓(xùn)練過程是將某個(gè)訓(xùn)練樣本作用于輸入端之后，使用當(dāng)前權(quán)重值來計(jì)算神經(jīng)網(wǎng)絡(luò)的輸出，以實(shí)現(xiàn)一個(gè)信號(hào)從輸入層到隱含層再到輸出層的整個(gè)過程。計(jì)算可以得到輸出同已知輸出間的誤差值，然后依據(jù)這個(gè)誤差值對(duì)輸出層權(quán)重值的偏導(dǎo)數(shù)來修正輸出層的權(quán)重值，然后把誤差值反向傳遞至倒數(shù)第二層的各個(gè)節(jié)點(diǎn)之上，依據(jù)誤差值對(duì)這些節(jié)點(diǎn)權(quán)重值的偏導(dǎo)數(shù)來對(duì)這些權(quán)重值進(jìn)行修正，依次重復(fù)下去，直到把每層的權(quán)重值全部修正一次之后。再從訓(xùn)練集當(dāng)中選出另外一個(gè)樣本來進(jìn)行相同的訓(xùn)練過程。依此方法不斷的重復(fù)下去，直到完成此前預(yù)設(shè)的訓(xùn)練次數(shù)或者最終達(dá)到預(yù)定的精度，訓(xùn)練過程隨即終止。

2.RBF神經(jīng)網(wǎng)絡(luò)

RBF神經(jīng)網(wǎng)絡(luò)將RBF作為隱單元的“基”構(gòu)成隱含層空間，如此就可以將輸入矢量直接映射到隱含層空間，而不需要通過權(quán)來進(jìn)行連接。當(dāng)RBF的中心點(diǎn)確定出來以后，這樣映射關(guān)系便也就確定出來了。隱含層空間到輸出空間的映射是線性的，也就是說網(wǎng)絡(luò)的輸出是隱單元輸出的線性加權(quán)和，這里的權(quán)就是網(wǎng)絡(luò)的可調(diào)參數(shù)。當(dāng)中隱含層存在的作用是實(shí)現(xiàn)向量從低維度的p映射到高維度的h映射，如此在低維度存在的線性不可分情況到高維度即變成線性可分了，也就是核函數(shù)的思想。如此，網(wǎng)絡(luò)由輸入到輸出的映射是非線性的，但是網(wǎng)絡(luò)輸出對(duì)可調(diào)參數(shù)來說卻變成線性的了。網(wǎng)絡(luò)的權(quán)便可以根據(jù)線性方程組直接求解出來，這樣在很大程度上提高了學(xué)習(xí)速度并且能夠避免局部極小問題的出現(xiàn)。

3.適用性分析

BP神經(jīng)網(wǎng)絡(luò)是對(duì)非線性映射的全局逼近。其隱節(jié)點(diǎn)采用輸入模式與權(quán)向量的內(nèi)積作為激活函數(shù)的自變量，激活函數(shù)采用Sigmoid函數(shù)。各調(diào)參數(shù)對(duì)BP網(wǎng)絡(luò)的輸出具有相同程度的影響。BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是通用性強(qiáng)，理論依據(jù)堅(jiān)實(shí)，推導(dǎo)過程嚴(yán)謹(jǐn)，不過存在計(jì)算過程易陷入局部極小值，收斂速度慢，網(wǎng)絡(luò)結(jié)構(gòu)難確定的問題，適用于模式識(shí)別、圖像處理、系統(tǒng)辨識(shí)、優(yōu)化計(jì)算、智能控制、非線性時(shí)間序列預(yù)測等。而RBF神經(jīng)網(wǎng)絡(luò)具有“局部映射”特性。其隱節(jié)點(diǎn)采用輸入模式與中心向量的距離作為函數(shù)的自變量，并使用徑向基函數(shù)作為激活函數(shù)。神經(jīng)元的輸入離徑向基函數(shù)中心越遠(yuǎn)，神經(jīng)元的激活程度就越低。RBF網(wǎng)絡(luò)的輸出與部分調(diào)參數(shù)有關(guān)。RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是其唯一最佳逼近點(diǎn)是性能良好的前向網(wǎng)絡(luò)，存在的主要問題是其學(xué)習(xí)過程中存在隱函數(shù)多，計(jì)算過程數(shù)據(jù)量大，適用于模式識(shí)別、函數(shù)逼近、非線性時(shí)間序列預(yù)測等。

時(shí)間長了，我們都看出了一點(diǎn)門道，二狗伢在拉琴時(shí)，一張嘴巴就像和尚念經(jīng)一樣沒停過。開始我們不知道他念的是什么經(jīng)，還以為他這是裝神弄鬼呢！后來聽多了，我們也聽出一些門道了，原來他念的是外空外三內(nèi)空內(nèi)一之類，這是他背的譜子，后來我們也自制了一把土琴，學(xué)著拉當(dāng)時(shí)非常流行的《東方紅》，東方紅，太陽升，中國出了個(gè)毛澤東，用梭捺弦，口訣是：外三三四空，內(nèi)三三一外空，外三三四六四三內(nèi)三三一外空。這辦法還真奏效，二狗伢的胡琴藝術(shù)密碼終于讓我們給破譯了。

(二)神經(jīng)網(wǎng)絡(luò)預(yù)測模型構(gòu)建與分析

1.參數(shù)設(shè)置

BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)設(shè)置中訓(xùn)練函數(shù)為trainlm；傳遞函數(shù)為purelin；網(wǎng)絡(luò)類型為newff；預(yù)測仿真sim( )；最小梯度要求取10-16；mu的最大值取1015；學(xué)習(xí)速率取0.05；訓(xùn)練次數(shù)取5000；訓(xùn)練目標(biāo)取500。RBF神經(jīng)網(wǎng)絡(luò)模型參數(shù)設(shè)置中網(wǎng)絡(luò)類型為newrb；神經(jīng)元最大數(shù)目取20；擴(kuò)展速度取0.8；均方誤差取0。

2.模型構(gòu)建

本模型采用3層神經(jīng)網(wǎng)絡(luò)，將調(diào)查得的熊貓基地高峰小時(shí)(9:00-9:50)每分鐘到達(dá)游客數(shù)量的50組數(shù)據(jù)進(jìn)行訓(xùn)練。預(yù)測時(shí)段(9:50-10:00)每分鐘到達(dá)游客人數(shù)。

Step 1 將現(xiàn)場實(shí)地調(diào)查每分鐘游客到達(dá)人數(shù)數(shù)據(jù)分為訓(xùn)練樣本和預(yù)測樣本。

Step 2 將調(diào)查得到的客流量樣本數(shù)據(jù)進(jìn)行歸一化處理。

Step 3構(gòu)建神經(jīng)網(wǎng)絡(luò)模型。選取調(diào)查游客數(shù)據(jù)作為輸入輸出樣本，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，建立神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

Step 4 用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對(duì)下一時(shí)段的游客到達(dá)人數(shù)進(jìn)行預(yù)測。

Step 5 對(duì)神經(jīng)網(wǎng)絡(luò)模型預(yù)測數(shù)據(jù)進(jìn)行誤差分析。

3.熊貓基地游客數(shù)量預(yù)測結(jié)果分析

采用Matlab 2018b軟件進(jìn)行編程，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型和RBF神經(jīng)網(wǎng)絡(luò)模型，分別運(yùn)用模型進(jìn)行預(yù)測可以得到熊貓基地(9:50-10:00)時(shí)段游客到達(dá)數(shù)量的預(yù)測數(shù)據(jù)，將預(yù)測數(shù)據(jù)與調(diào)查數(shù)據(jù)的進(jìn)行對(duì)比，如下圖。

圖1 神經(jīng)網(wǎng)絡(luò)模型游客人數(shù)預(yù)測數(shù)據(jù)比對(duì)

根據(jù)模型預(yù)測數(shù)據(jù)，采用預(yù)測誤差指數(shù)EA(0～1)和MAE來表征預(yù)測數(shù)據(jù)與調(diào)查數(shù)據(jù)間的擬合情況。

(1-1)

(1-2)

式中xp(i)和xr(i)分別為熊貓基地第i分鐘游客到達(dá)人數(shù)的預(yù)測數(shù)據(jù)和調(diào)查數(shù)據(jù)。由公式(1-1)與(1-2)可以得到BP神經(jīng)網(wǎng)絡(luò)模型與RBF神經(jīng)網(wǎng)絡(luò)模型的誤差指數(shù)，如下表。

表1 神經(jīng)網(wǎng)絡(luò)模型預(yù)測游客人數(shù)誤差表

由上表的數(shù)據(jù)情況可以看出，構(gòu)建的模型中，RBF神經(jīng)網(wǎng)絡(luò)模型和BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測數(shù)據(jù)與調(diào)查數(shù)據(jù)間的偏差都很小，預(yù)測精度滿足要求，達(dá)到熊貓基地短時(shí)客流預(yù)測要求。同時(shí)也可以通過對(duì)比看到，RBF神經(jīng)網(wǎng)絡(luò)模型比BP神經(jīng)網(wǎng)絡(luò)模型的誤差更小，擬合能力更好一些，預(yù)測的數(shù)據(jù)也更為準(zhǔn)確。

三、熊貓基地景區(qū)發(fā)展建議

成都大熊貓繁育研究基地作為成都市一張享譽(yù)全球的名片，不僅需要加強(qiáng)景區(qū)日常運(yùn)營管理與游客組織管理，同時(shí)還需要不斷進(jìn)行旅游產(chǎn)品研發(fā)和產(chǎn)業(yè)創(chuàng)新，逐步深耕細(xì)分市場，提升服務(wù)品質(zhì)，擴(kuò)展景區(qū)市場空間。

(一)加強(qiáng)景區(qū)創(chuàng)新轉(zhuǎn)型升級(jí)

消費(fèi)升級(jí)、旅游品質(zhì)化需求帶動(dòng)旅游產(chǎn)業(yè)創(chuàng)新，如今高端酒店、專屬導(dǎo)游、定制化旅游服務(wù)等成為國內(nèi)旅游的新風(fēng)向。景區(qū)需以創(chuàng)新為基石，為國民提供受歡迎的文化和旅游產(chǎn)品。

(二)為景區(qū)高品質(zhì)的旅游服務(wù)提供新內(nèi)容

國內(nèi)旅游需求從景觀向服務(wù)轉(zhuǎn)變，觀光旅游比重下降成為中長期趨勢。積極打造旅游度假區(qū)、生態(tài)旅游示范區(qū)等新內(nèi)容，不斷滿足國民對(duì)美好生活的訴求。

(三)跨界融合實(shí)現(xiàn)多元服務(wù)

在文化與旅游融合發(fā)展的行業(yè)新時(shí)代以大數(shù)據(jù)技術(shù)為支撐，基于旅游、文化、教育、科技等的融合創(chuàng)新，以及以熊貓主體為基礎(chǔ)的特有IP創(chuàng)新，打造本地居民和外來游客喜愛的休閑旅游空間。