【摘要】：客流量研究是當(dāng)前風(fēng)景區(qū)管理研究的重要課題,涉及到客流量分布分析、客流量預(yù)測等多個問題�？土髁康臅r間分布趨勢和空間分布特征對風(fēng)景區(qū)的管理和資源調(diào)度起著至關(guān)重要的作用,客流量分析和預(yù)測的結(jié)果是風(fēng)景區(qū)管理者進(jìn)行決策和提供旅游服務(wù)的基礎(chǔ)和依據(jù)。對于山岳型風(fēng)景區(qū),其纜車分布的空間位置與風(fēng)景區(qū)內(nèi)主要景點和主要出入口相鄰,故其纜車客流具有較高的研究價值。針對山岳型風(fēng)景區(qū)獨特的空間特點,論文將纜車客流的時間分布特征和空間分布特征相結(jié)合,提出了山岳型風(fēng)景區(qū)纜車客流時空分布特征分析方法和分時纜車客流預(yù)測方法,主要研究工作如下:(1)提出基于聚類的分時纜車客流的時空分布特征分析方法,使用高峰指數(shù)來分析各空間地點客流的分時分布情況,以小時為單位,得出各地點客流每小時的客流時間分布趨勢;使用K-means聚類對各空間地點進(jìn)行分組,使得每組纜車地點的客流在時間上具有相似的分布特征,從而得出每個時段中客流的空間分布特征,進(jìn)而總結(jié)出客流的時空分布規(guī)律,考慮到風(fēng)景區(qū)促銷活動引起的客流變化,論文引入“泛節(jié)假日”的概念,尋找到不同情況下客流的分布規(guī)律,并以黃山風(fēng)景區(qū)為案例進(jìn)行分析。(2)為解決突發(fā)狀況和管理調(diào)度不及時帶來的影響,論文構(gòu)建了山岳型風(fēng)景區(qū)時空神經(jīng)網(wǎng)絡(luò)模型(Mountain Type Spacial-Temporal Artificial Neural Network,MT-STANN),并提出了基于時空神經(jīng)網(wǎng)絡(luò)的分時纜車客流預(yù)測方法。對有著不同時空分布特征的空間地點,進(jìn)行K-means空間聚類,對不同分組的空間地點分別構(gòu)建MT-STANN預(yù)測模型。在傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network,BP)的基礎(chǔ)上引入海拔和距離等空間因素,構(gòu)建嵌套空間權(quán)重矩陣,用該矩陣初始化神經(jīng)網(wǎng)絡(luò)模型,并根據(jù)時空特征分析的結(jié)果確定網(wǎng)絡(luò)的輸入和輸出,訓(xùn)練并構(gòu)建MT-STANN網(wǎng)絡(luò)。論文比較了BP、MT-STANN、支持向量機(jī)(Support vector machine,SVM)模型的預(yù)測結(jié)果,發(fā)現(xiàn)MT-STANN模型擁有較好的擬合結(jié)果和良好的預(yù)測精度。實驗證明,MT-STANN預(yù)測模型能夠有效預(yù)測山岳型風(fēng)景區(qū)纜車客流的分時數(shù)據(jù),基于時空神經(jīng)網(wǎng)絡(luò)的分時纜車客流預(yù)測方法對管理者的決策和調(diào)度提供了便利和幫助,能夠減少突發(fā)事件和延時調(diào)度帶來的影響,研究結(jié)果具有理論和實際的雙重意義。
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U491
【圖文】：

合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文0) (1) (1) ( ) ( )1 1, , ,N Nh hi i i ij j i ij jj j z z L z w z L z w z ( )11Nhijjw 第 i 個空間位置的變量值，jz 表示空間 i 鄰近空間 j 的變數(shù)，h 表示空間延遲階數(shù)，t 表示時刻。包括空間延遲算元[35]，時空神經(jīng)元如圖 2.2 所示。bL(1)

14圖 3.2 黃山風(fēng)景區(qū)地圖Fig 3.2 Map of Huangshan Scenic Area3.5.1 時間分布分析論文選擇黃山風(fēng)景區(qū)的八條纜車線路檢票口為研究空間單元。黃山風(fēng)景區(qū)共有八條纜車線路：云谷纜車上行方向（以下簡稱云谷上行）、云谷纜車下行方向（簡稱云谷下行）、玉屏纜車上行方向（簡稱玉屏上行）、玉屏纜車下行方向（簡稱玉屏下行）、太平纜車上行方向（簡稱太平上行）、太平纜車下行方向（簡稱太平下

圖 3.3 2014-2016 年日內(nèi)高峰指數(shù)圖Fig 3.3 2014-2016 daily peak index of eight cable car routes3.5.2 空間分布分析在空間分布分析中，因為考慮到“泛節(jié)假日”和普通日（全年所有的數(shù)據(jù)）的區(qū)別，該部分將分別對全年纜車客流數(shù)據(jù)和“泛節(jié)假日”的纜車客流數(shù)據(jù)進(jìn)行空間聚類處理，從而分析不同時期下纜車客流的空間分布特點。（1）普通日客流針對黃山風(fēng)景區(qū)的八條纜車線路，分別對每條纜車線路進(jìn)行日內(nèi)的客流密度計算，按公式（3.1）和（3.2）進(jìn)行計算后，分別得出 2014-2016 年三年的分客流密度，將三年數(shù)據(jù)中的 ( )iz t 按 t 時刻求和后平均，再計算 ( )iV t 值，結(jié)果如表 3.2 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李君軼;唐佳;馮娜;;基于社會感知計算的游客時空行為研究[J];地理科學(xué);2015年07期

2 張健欽;仇培元;杜明義;;基于時空軌跡數(shù)據(jù)的出行特征挖掘方法[J];交通運(yùn)輸系統(tǒng)工程與信息;2014年06期

3 熊鷹;董成森;;武陵源風(fēng)景區(qū)旅游客流量時空變化與調(diào)控對策[J];經(jīng)濟(jì)地理;2014年11期

4 王尚北;王建東;陳海燕;;時空神經(jīng)網(wǎng)絡(luò)及其在機(jī)場噪聲預(yù)測中的應(yīng)用[J];計算機(jī)工程;2014年07期

5 王守坤;;空間計量模型中權(quán)重矩陣的類型與選擇[J];經(jīng)濟(jì)數(shù)學(xué);2013年03期

6 高楠;馬耀峰;李天順;晉迪;胡巧娟;;2001～2010年山西省入境和國內(nèi)游客時空分布格局及演化研究[J];干旱區(qū)資源與環(huán)境;2013年07期

7 岳大鵬;焦洋;劉耿;石勁松;;基于典型省份對比的我國入境游客流量時間分布集中性計算與差異分析[J];資源開發(fā)與市場;2011年07期

8 龍茂興;孫根年;馬麗君;王潔潔;;區(qū)域旅游網(wǎng)絡(luò)關(guān)注度與客流量時空動態(tài)比較分析——以四川為例[J];地域研究與開發(fā);2011年03期

9 柳盛;吉根林;;空間聚類技術(shù)研究綜述[J];南京師范大學(xué)學(xué)報(工程技術(shù)版);2010年02期

10 徐薇,黃厚寬,王英杰;一種基于數(shù)據(jù)融合和方法融合的時空綜合預(yù)測算法[J];計算機(jī)研究與發(fā)展;2005年07期

相關(guān)碩士學(xué)位論文 前1條

1 楊文濤;時空序列數(shù)據(jù)挖掘中若干關(guān)鍵技術(shù)研究[D];中南大學(xué);2013年

本文編號：2765864