《智慧景区背景下的旅游客流量预测方法研究》陈荣著|(epub+azw3+mobi+pdf)电子书下载

图书名称：《智慧景区背景下的旅游客流量预测方法研究》

【作　者】陈荣著

【页 数】 108

【出版社】 成都：西南交通大学出版社 , 2018.08

【ISBN号】978-7-5643-6321-5

【价 格】50.00

【分 类】风景区-旅游客源-客流量-预测-研究

【参考文献】 陈荣著. 智慧景区背景下的旅游客流量预测方法研究. 成都：西南交通大学出版社, 2018.08.

图书封面：

图书目录：

《智慧景区背景下的旅游客流量预测方法研究》内容提要：

随着科技的不断发展，以信息和物联网为技术支撑的智慧景区已经成为旅游景区乃至旅游业发展的新趋势。智慧景区建设是一项复杂的系统工程，其中旅游客流量预测是智慧景区信息管理平台预测系统建设的核心内容之一。如何实现不同时期客流量预测对旅游景区来讲是至关重要的。然而在我国，由于受到自然条件、特有的休假制度、旅游突发事件等诸多外部因素的影响，旅游短期客流量表现出非线性性、季节性、随机性等复杂特点，传统的预测方法往往难以实现准确预测，因此建立科学合理的短期客流量预测方法模型，实现对旅游景区不同时期的短期客流量预测，对旅游景区尤其是热门景区乃至整个旅游行业意义重大。本书以智慧景区为研究对象，以科学准确预测智慧景区短期客流量为目标，根据旅游短期客流量在不同时期表现出的特点，将其分成平常日客流量、节假日客流量、旅游突发事件时期客流量三种不同类型，分别研究这三种不同类型的短期客流量预测问题。

《智慧景区背景下的旅游客流量预测方法研究》内容试读

第1章绪论

1.1研究背景和意义

根据世界旅行&旅游业委员会(WTTC)统计，至2021年，中国的

旅游经济将处于世界第三位，旅游需求的增长将位于世界第二位。旅游需求的增长直接带动了旅游客流量的急剧增加和旅游经济的快速发展，旅游成为我国国民经济的重要来源之一。

同时，随着科技的不断发展，以信息和物联网为技术支撑的“智慧景区”成为未来旅游业发展的新趋势。“智慧景区”的建成对旅游行业来说，有利于其建立完善的旅游安全警报体系，有效地配置旅游资源，降低未来决策的风险。“智慧景区”建设是一项复杂的系统工程，其中旅游短期客流量预测是“智慧景区”信息管理平台建设的核心内容之一。如何实现不同时期客流量预测，并通过智慧景区预测系统及应用平台及时获取预测结果对旅游景区至关重要。但是，在我国由于四季自然、气候等条件各异，这些因素对不同地理区域的景区影响程度各不相同。对受自然、气候等因素影响较大的旅游景区，如黄山、九寨沟、华山等风景区，旅游客流量的增加并不是呈现均匀分布态势，加之节假日、旅游突发事件等多种因素影响，使得客流量在不同时期的不均衡状态更加显著。

一方面，在以节假日为主体的旅游旺季，游客消费集中释放，大量游客在同一时间快速集中于同一地点。据2011年2月全国假日旅游部际协调会议办公室发布的《2011年春节、十一黄金周旅游统计报告》显示，2011年春节期间旅游景区共计接待游客1.53亿人次，比2010年春节黄金周增长22.7%；国庆节期间接待游客3.02亿人次，同比增长18.8%，居民节

1

智慧景区背景下的旅游客流量预测方法研究

假日旅游不仅比往年更加拥挤，而且也更为集中。客流量在短时间内急剧增长，超过景区最大承载量，造成游客超载、旅游资源被过度消费以及由此带来的游客被困、乘车站点拥堵及车辆调度不畅等间题，不仅对旅游景区生态环境造成破坏，而且极容易诱发安全事故，降低游客游览质量。近几年，由于旅游景区客流量超载等问题造成的安全事故频发，如华山、九寨沟、张家界及黄山等景区拥堵事件，直接导致了游客与旅游景区的正面冲突，给旅游景区及旅游行业造成了极大的负面影响，也给游客的生命安全造成严重的威胁。另一方面，在以平常日（除节假日外)为基础的旅游淡季，旅游景区、酒店宾馆及相关旅行社接待游客数量相对不足，旅游设施及资源闲置现象存在，造成不必要的人、财、物的浪费。除此之外，旅游景区还面临着另外一种不确定的状况：各种旅游突发事件的冲击。由于旅游突发事件具有产生的瞬间性、爆发点的偶然性和对社会的危害性等特征，会给旅游客流量在短期内产生极大的波动，呈现高度的不确定性和随机性。客流量在不同情况下表现的不均衡状况给旅游景区内部资源管理、调度和科学决策带来很大的挑战。

传统的旅游客流量预测大都建立在感性的管理经验及景区宏观预测基础上。一直以来，由于缺乏清晰的预测方法，导致旅游客流量预测值和真实值之间存在较大偏差，更无法建立客流量与其影响因素如历史客流量、自然气候、节假日及旅游突发事件等因素之间的关系的方法模型。这些预测方法满足不了智慧景区对客流量预测的要求，因此也不能为旅游决策者带来更多的参考和建议。

因此，如何在智慧景区背景下研究旅游客流量影响因素、特点及分类，并利用更有效的方法实现不同时期客流量的准确预测，已成为智慧景区预测系统及应用平台能够建立并实施成功的前提之一，也是旅游企业未来成功发展的一个重要基础，更是旅游需求预测研究中的一个关键科学问题。

然而，与解决上述问题的迫切需求相比，相关的关于旅游客流量预测理论研究在国内尚处于起步阶段。虽然近年来有关旅游需求预测的研究逐渐增加，但是具体到对不同时期旅游客流量预测的研究尚未发现。本研究以智慧景区为研究背景，以旅游客流量不同影响因素研究为切入

.2

第1章绪论

口，以不同时期客流量准确预测为主要目标，并通过数据研究、实证分析、智能算法、神经网络和统计学习理论等对智慧景区背景下影响客流量的主要因素进行系统分析，探讨不同时期客流量的特点及分类，探析不同时期客流量的预测方法，并以此为基础，建立智慧景区旅游短期客流量预测方法系统以便为智慧景区建设提供理论支持和实践指导，从而实现中长期预测难以达到的效果。其意义重大，主要体现在以下几个方面：

第一，对智慧景区来说，可以使景区管理部门能够实时根据系统监控情况对景区开放时间、游览方式及游览路径等提前做出规划，为旅游景区在不同时期科学调度、资源统一管理、分流游客等提供直接信息，为旅游管理者在面临各种复杂的环境下进行科学决策提供主要依据；

第二，对游客来说，旅游景区能够实现发布未来客流量情况，可为游客提供出行参考，避免拥堵，从而提高其旅游的质量和满意度：

第三，对酒店、宾馆及交通运输等与旅游相关的行业具有重要的参考价值。

因此，旅游短期客流量预测对旅游行业、旅游景区、游客乃至旅游相关行业都有着至关重要的意义。

由于旅游短期客流量是一个主要由游客参与的、复杂的、不确定的非线性系统，受到诸如自然气候、节假日及旅游突发事件等多种因素的影响，在不同时期呈现不同的特点，因此给短期客流量的预测带来了极大的难度，目前很难用一个统一的方法去实现不同时期的短期客流量预测。

目前，我国多数旅游景区已经逐步开始重视短期客流量的预测工作，但由于信息化起步较晚，有记录的客流量数据样本小，对短期客流量如日客流量的预测都是建立在感性的管理经验及景区宏观预测上，其过程由政府相关统计部门根据每日汽车、火车、飞机等流量信息，参考经济增长、历史数据推算出较为宏观的游客数量增长率；部分历年游客资料较完善的旅游景区可以利用历年来同期同日游客数量，配合天气、政府宏观预测等因素，大致推算出每日游客的数量；少数信息化较早的景区还可以利用门票系统的预售票、每日门票销售情况，结合多年的管理经验，在每日早上推算出当日接待游客数。但是由于客流量与节假日、天气、重大活动、历史客流、突发事件等诸多要素相关，以上推算一般存

.3

智慧景区背景下的旅游客流量预测方法研究

在较大的误差，对旅游景区来说可操作性较差，甚至可能会出现因为措施制订失误造成严重的浪费。一直以来，由于缺乏清晰的数学模型，导致短期客流量预测值和真实值之间存在较大偏差，更无法建立客流量与历史客流量、自然气候、节假日等因素之间的定量关系。

黄山风景区作为我国著名的5A级山岳风景区，由于其独特的地形地

貌、植被和人文景观成为游客热点旅游目的地，而且黄山风景区四季自然、气候等条件分明，客流量常年处于极度不均衡状态，因此本研究将代表性地选取黄山风景区为应用背景，研究以日为主的旅游短期客流量预测问题，通过对不同影响因素及不同时期客流量特点的分析，拟建立准确的、能反映与历史客流量、自然气候、节假日、旅游突发事件等要素有定量关系的不同时期的短期客流量预测模型。

1.2国内外旅游需求研究方法分析

国际上从20世纪60年代初期就对旅游需求进行了研究，通过建立不同的预测模型对旅游客流量进行预测，从最初的传统时间序列方法到计量经济学模型，发展到后来的人工智能预测方法，从理论到方法逐渐趋已成熟，并且取得大量的研究成果。

1.2.1经典时间序列预测方法

经典时间序列预测方法是根据系统观测得到的时间序列数据，发现其历史的趋势和模式（如季节性），并依据这种历史的趋势和模式，通过曲线拟合和参数估计来建立数学模型的理论和方法。

1.研究现状

经典时间序列预测方法主要以指数平滑模型(exponential smoothing,ES)及Box-Jenkins预测等方法为主，其中自回归模型(auto regressive,AR)、滑动平均模型（moving average,MA),以及在此基础上提出的自

4

第I章绪论

回归滑动平均模型(autoregressive moving average,ARMA)、自回归求和滑动平均模型(autoregressive integrated moving average,ARIMA)均为Box-Jenkins方法的不同形式，ARIMA模型后来成为Box-Jenkins方法的代名词。

初期的旅游客流量时间序列预测是关于一些预测技术的应用及预测准确性的分析，预测方法以单变量的Box-Jenkins预测方法和ES等最为常见。Geurts等人用Box-Jenkins预测方法对夏威夷旅游市场每月客流量进行预测，并同指数平滑方法做比较，结果发现Box-Jenkins预测方法效果较好，平均误差达到3.5%，平均绝对误差达到8.3%；Liepa用Box

Jenkins预测方法预测美国到加拿大的每月客流量，认为该方法能够实现较准确的预测。Fitz等人用ARIMA方法与计量经济学模型天真法等结合，通过游客停留的时间、支出等来预测通过航空途径到达佛罗里达州游客的数量。Wt等人用指数平滑方法预测拉斯维加斯旅游客流量，在与天真1方法的比较中，指数平滑MAPE值最小。Chu用了六种不同的预测方法对来自亚太地区的十个不同国家如新加坡、泰国、韩国等到达

中国台湾的客流量进行预测，结果显示以ARIMA为基础的模型MAPE

值最小，预测效果最好。

进入21世纪后，学者们关于旅游客流量预测的文献有超过三分之二

使用的是ARMA、ARIMA模型及以它们为基础的季节ARIMA模型、

ARMAX模型、广义自回归条件异方差模型(generalized autoregressiveconditional heteroskedasticity,GARCH)等。这些方法进一步丰富了经典时间序列预测方法，并在旅游需求预测方面得到极大应用并发挥了重要的作用。

Gustavsson和Nordstrom利用ARMA对不同类型瑞典入境游客流量进行预测，取得很好的预测效果；Lim和McAleer分别使用ES模型和

ARMA模型预测中国香港、马来西亚、新加坡到澳大利亚的月客流量和

季客流量；Tideswell等人认为ES模型能够将较大的权数放在最近的数据上，因此预测的结果更能反映实际的趋势；Cho用ARIMA方法预测美国、英国、新加坡、日本、中国台湾和韩国到达中国香港的客流量；Du等人预测四个欧洲国家：法国、德国、意大利和英国到Seychelles岛的

.5

智慧景区背景下的旅游客流量预测方法研究

客流量，结果发现ARIMA预测效果优于单变量和多变量状态空间模型：

KongOh和Morzuch、Pai和Hong使用ARIMA预测旅游客流量；由于季节性是旅游行业的突出特征，Goh和Law、Papatheodorou和Song(2005)、

雷可为和陈瑛(2007)、王丽英和刘后平(2008)使用季节ARIMA模型

预测旅游客流量，都取得了很好的预测效果。考虑到ARIMA、SARIMA

等模型存在预测性能的易变性，学者们努力将单变量的时间序列预测模型向多变量转变，Akal通过ARMAX模型预测土耳其的国际游客到达量；

Chan等人利用三种不同类型的多变量GARCH模型预测日本、新西兰、英国和美国到澳大利亚的月客流量，为旅游部门提供了很好的预测和分析工具。其他的一些时间序列预测方法如简单的自回归模型、天真1、天真2也经常被应用于旅游客流量预测，但是这些模型在更多的时候是作为一种衡量预测准确性的对比模型出现的。

2.存在的问题

在利用经典时间序列方法进行旅游客流量预测时，对历史数据准确性有较高要求，坏数据对其预测效果影响很大，需要严格处理脏数据：同时还要求被预测变量在过去、现在和将来的各种客观条件基本保持不变，历史数据解释的规律可以延续到未来，预测变量的发展过程是渐变的，而不是跳跃式的或大起大落的，因此经典时间序列预测多以线性方法为主，重在线性时间趋势的外推，对旅游客流量生成与影响因素的内在作用机理分析不够，没有考虑其他对旅游需求影响的各种干扰因素，模型中没有体现影响因素和预测值之间的因果关系，对中长期尤其是长期的旅游客流量趋势预测能取得较好的预测效果。旅游短期客流量由于受到众多因素的影响，尤其当遇到一些节假日、突发事件等因素而导致客流量呈现巨大波动性时，非线性性、随机性不确定趋势明显，经典时间序列预测模型很难把握短时客流量的特征，往往难以实现复杂的非线性的短期客流量，因此不能为旅游决策者带来更多的参考和建议。

1.2.2计量经济学预测方法

计量经济学方法是揭示经济活动中各个因素之间的定量关系，通过

6…

···试读结束···