(西南交通大学希望学院轨道交通学院 四川 成都 610031)

一、引言

中国旅游研究院文化和旅游部数据中心数据显示2018年全年国内游客为55.4亿人次，较上年增长10.8%，其中出入境游客2.9亿人次，增长7.4%。预计，2019年国内游客总数将达到60.6亿人次，较上年9.5%的增长幅度。入境游客人数将达1.4亿人次，较上年增长1%。居民出境游客人数或达1.7亿人次，较上年增长11%。我国在国内旅游人次、旅游消费以及出境旅游人次、旅游消费几项数据上均位列世界第一。旅游就业人数占我国总就业人数的10.2%。旅游业对我国GDP的综合贡献已超过了教育、银行和汽车产业。

旅游景区为旅游产业的核心环节之一，亦是游客的主要目的地和集散地。随着全国范围内各大景区旅游服务质量的提升以及门票价格的下调，景区的引流作用持续增强。位于成都的大熊猫繁育研究基地是著名的大熊猫迁地保护基地，同时也是大熊猫公众教育基地、科研繁育基地和教育旅游基地，占地面积达1500亩，以保护和繁育大熊猫等中国特有的濒危野生动物而闻名遐迩，吸引着大批的海内外游客不断前往。数据显示2019年春节成都大熊猫基地接待游客接近50万人，旅游旺季单日接待游客量已超3万人，年接待游客人数超过300万人次。并且随着人们对于动物保护意识的增强以及旅行出游需求的增长，每逢节假日成都大熊猫繁育研究基地景区都会迎来一波又一波的客流高峰，考验着景区组织管理水平。因此，有必要对基地客流量进行精确预测，实时掌握景区客流状况，是确保景区能正常有序运营并持续稳定发展的先决条件。

二、基于神经网络的基地客流量预测

(一)神经网络算法分析

神经网络算法对非线性问题具有强大的处理能力，能够与成都大熊猫繁育研究基地游客数量变化的随机性特点和非线性特点相适应，同时也可以弥补传统客流预测算法在解决非线性与时变问题上的短板。神经网络算法可以根据输入输出样本数据对网络参数值进行自动调整，并在此基础上建立起优良的输入输出映射关系，以实现其客流预测的功能。在对基地客流量进行预测时，只需要提供基地客流量历史数据用于对神经网络的训练，就可以得到分配矩阵信息并将其存储在网络之中，而不必要求确定的分配矩阵，便能对实际客流数据进行准确预测。

1.BP神经网络

BP 神经网络是目前使用最为广泛的神经网络，被运用在各种场景中。典型的BP 神经网络具有三层网络结构，分别是输入层、输出层和隐含层，其训练学习有前向过程与反向过程两种。前向训练过程是将某个训练样本作用于输入端之后，使用当前权重值来计算神经网络的输出，以实现一个信号从输入层到隐含层再到输出层的整个过程。计算可以得到输出同已知输出间的误差值，然后依据这个误差值对输出层权重值的偏导数来修正输出层的权重值，然后把误差值反向传递至倒数第二层的各个节点之上，依据误差值对这些节点权重值的偏导数来对这些权重值进行修正，依次重复下去，直到把每层的权重值全部修正一次之后。再从训练集当中选出另外一个样本来进行相同的训练过程。依此方法不断的重复下去，直到完成此前预设的训练次数或者最终达到预定的精度，训练过程随即终止。

2.RBF神经网络

RBF神经网络将RBF作为隐单元的“基”构成隐含层空间，如此就可以将输入矢量直接映射到隐含层空间，而不需要通过权来进行连接。当RBF的中心点确定出来以后，这样映射关系便也就确定出来了。隐含层空间到输出空间的映射是线性的，也就是说网络的输出是隐单元输出的线性加权和，这里的权就是网络的可调参数。当中隐含层存在的作用是实现向量从低维度的p映射到高维度的h映射，如此在低维度存在的线性不可分情况到高维度即变成线性可分了，也就是核函数的思想。如此，网络由输入到输出的映射是非线性的，但是网络输出对可调参数来说却变成线性的了。网络的权便可以根据线性方程组直接求解出来，这样在很大程度上提高了学习速度并且能够避免局部极小问题的出现。

3.适用性分析

BP神经网络是对非线性映射的全局逼近。其隐节点采用输入模式与权向量的内积作为激活函数的自变量，激活函数采用Sigmoid函数。各调参数对BP网络的输出具有相同程度的影响。BP神经网络的优点是通用性强，理论依据坚实，推导过程严谨，不过存在计算过程易陷入局部极小值，收敛速度慢，网络结构难确定的问题，适用于模式识别、图像处理、系统辨识、优化计算、智能控制、非线性时间序列预测等。而RBF神经网络具有“局部映射”特性。其隐节点采用输入模式与中心向量的距离作为函数的自变量，并使用径向基函数作为激活函数。神经元的输入离径向基函数中心越远，神经元的激活程度就越低。RBF网络的输出与部分调参数有关。RBF神经网络的优点是其唯一最佳逼近点是性能良好的前向网络，存在的主要问题是其学习过程中存在隐函数多，计算过程数据量大，适用于模式识别、函数逼近、非线性时间序列预测等。

时间长了，我们都看出了一点门道，二狗伢在拉琴时，一张嘴巴就像和尚念经一样没停过。开始我们不知道他念的是什么经，还以为他这是装神弄鬼呢！后来听多了，我们也听出一些门道了，原来他念的是外空外三内空内一之类，这是他背的谱子，后来我们也自制了一把土琴，学着拉当时非常流行的《东方红》，东方红，太阳升，中国出了个毛泽东，用梭捺弦，口诀是：外三三四空，内三三一外空，外三三四六四三内三三一外空。这办法还真奏效，二狗伢的胡琴艺术密码终于让我们给破译了。

(二)神经网络预测模型构建与分析

1.参数设置

BP神经网络模型参数设置中训练函数为trainlm；传递函数为purelin；网络类型为newff；预测仿真sim( )；最小梯度要求取10-16；mu的最大值取1015；学习速率取0.05；训练次数取5000；训练目标取500。RBF神经网络模型参数设置中网络类型为newrb；神经元最大数目取20；扩展速度取0.8；均方误差取0。

2.模型构建

本模型采用3层神经网络，将调查得的熊猫基地高峰小时(9:00-9:50)每分钟到达游客数量的50组数据进行训练。预测时段(9:50-10:00)每分钟到达游客人数。

Step 1 将现场实地调查每分钟游客到达人数数据分为训练样本和预测样本。

Step 2 将调查得到的客流量样本数据进行归一化处理。

Step 3构建神经网络模型。选取调查游客数据作为输入输出样本，对网络进行训练，建立神经网络预测模型。

Step 4 用已训练好的神经网络模型对下一时段的游客到达人数进行预测。

Step 5 对神经网络模型预测数据进行误差分析。

3.熊猫基地游客数量预测结果分析

采用Matlab 2018b软件进行编程，构建BP神经网络模型和RBF神经网络模型，分别运用模型进行预测可以得到熊猫基地(9:50-10:00)时段游客到达数量的预测数据，将预测数据与调查数据的进行对比，如下图。

图1 神经网络模型游客人数预测数据比对

根据模型预测数据，采用预测误差指数EA(0～1)和MAE来表征预测数据与调查数据间的拟合情况。

(1-1)

(1-2)

式中xp(i)和xr(i)分别为熊猫基地第i分钟游客到达人数的预测数据和调查数据。由公式(1-1)与(1-2)可以得到BP神经网络模型与RBF神经网络模型的误差指数，如下表。

表1 神经网络模型预测游客人数误差表

由上表的数据情况可以看出，构建的模型中，RBF神经网络模型和BP神经网络模型的预测数据与调查数据间的偏差都很小，预测精度满足要求，达到熊猫基地短时客流预测要求。同时也可以通过对比看到，RBF神经网络模型比BP神经网络模型的误差更小，拟合能力更好一些，预测的数据也更为准确。

三、熊猫基地景区发展建议

成都大熊猫繁育研究基地作为成都市一张享誉全球的名片，不仅需要加强景区日常运营管理与游客组织管理，同时还需要不断进行旅游产品研发和产业创新，逐步深耕细分市场，提升服务品质，扩展景区市场空间。

(一)加强景区创新转型升级

消费升级、旅游品质化需求带动旅游产业创新，如今高端酒店、专属导游、定制化旅游服务等成为国内旅游的新风向。景区需以创新为基石，为国民提供受欢迎的文化和旅游产品。

(二)为景区高品质的旅游服务提供新内容

国内旅游需求从景观向服务转变，观光旅游比重下降成为中长期趋势。积极打造旅游度假区、生态旅游示范区等新内容，不断满足国民对美好生活的诉求。

(三)跨界融合实现多元服务

在文化与旅游融合发展的行业新时代以大数据技术为支撑，基于旅游、文化、教育、科技等的融合创新，以及以熊猫主体为基础的特有IP创新，打造本地居民和外来游客喜爱的休闲旅游空间。