《智慧景区背景下的旅游客流量预测方法研究》PDF下载

  • 购买积分:8 如何计算积分?
  • 作  者:陈荣著
  • 出 版 社:成都:西南交通大学出版社
  • 出版年份:2018
  • ISBN:9787564363215
  • 页数:108 页
图书介绍: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。

第1章 绪论 1

1.1 研究背景和意义 1

1.2 国内外旅游需求研究方法分析 4

1.2.1 经典时间序列预测方法 4

1.2.2 计量经济学预测方法 6

1.2.3 人工神经网络预测方法 8

1.2.4 支持向量回归预测方法 10

1.3 国内外旅游需求研究内容分析 11

1.3.1 目的地—客源地旅游需求预测 11

1.3.2 中长期旅游需求预测 12

1.3.3 预测方法的选择 12

1.4 本研究主要研究内容 13

1.5 本研究结构安排 15

第2章 旅游短期客流量影响因素、特点及分类分析 16

2.1 影响因素重要性分析 16

2.2 旅游短期客流量主要影响因素分析 16

2.2.1 国外学者对旅游需求影响因素的分析 17

2.2.2 国内学者对旅游需求影响因素的分析 18

2.2.3 旅游短期客流量主要影响因素分析 18

2.3 旅游短期客流量特点分析 23

2.4 旅游短期客流量分类分析 26

2.5 小结 27

第3章 平常日客流量预测方法研究 28

3.1 问题分析 28

3.2 支持向量机理论 29

3.2.1 统计学习理论 29

3.2.2 支持向量回归原理 34

3.3 自由参数最优化方法选择 40

3.3.1 自由参数影响程度分析 40

3.3.2 自由参数最优化准则和方法选择 40

3.3.3 遗传算法的基本原理 41

3.4 平常日客流量预测方法研究 42

3.4.1 基于GA的SVR参数选择 42

3.4.2 GA-SVR方法算法过程 44

3.5 实验过程和结果讨论 46

3.5.1 数据来源 46

3.5.2 GA-SVR预测方法实验过程 49

3.5.3 BPNN预测方法比较 49

3.5.4 评价指标分析 52

3.5.5 实验结果分析 52

3.6 小结 55

第4章 节假日客流量预测方法研究 57

4.1 问题分析 57

4.2 旅游季节性分析 57

4.2.1 季节性和旅游季节性的内涵 57

4.2.2 旅游季节性形成原因 58

4.3 旅游季节性处理方法 60

4.3.1 旅游季节性测量方法 60

4.3.2 季节调整方法 61

4.4 节假日客流量预测方法研究 63

4.4.1 基于AGA的SVR参数选择 63

4.4.2 季节AGA-SVR方法算法过程 64

4.5 实验过程和结果分析 68

4.5.1 数据来源 68

4.5.2 季节AGA-SVR预测方法实验过程 70

4.5.3 评价指标分析 74

4.5.4 实验结果分析 75

4.6 小结 78

第5章 旅游突发事件客流量预测方法研究 79

5.1 问题分析 79

5.2 旅游突发事件客流量预测现状 79

5.2.1 突发事件和旅游突发事件的内涵 79

5.2.2 旅游突发事件客流量预测现状 80

5.3 混合预测方法研究现状 80

5.4 基于SVR-ARIMA的旅游突发事件客流量混合预测方法 81

5.4.1 基于CPSO的SVR参数选择 82

5.4.2 ARIMA模型原理 86

5.4.3 CPSO-SVR-ARIMA混合方法算法过程 87

5.5 实验过程和结果分析 88

5.5.1 数据来源 88

5.5.2 CPSO-SVR-ARIMA混合方法实验过程 89

5.5.3 实验方法及结果 90

5.5.4 评价指标分析 93

5.5.5 实验结果分析 93

5.5.6 预测方法的局限性 95

5.6 小结 95

第6章 总结和展望 96

6.1 总结 96

6.2 展望 98

参考文献 99