【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(cè)等多個(gè)問(wèn)題�？土髁康臅r(shí)間分布趨勢(shì)和空間分布特征對(duì)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(cè)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(duì)于山岳型風(fēng)景區(qū),其纜車(chē)分布的空間位置與風(fēng)景區(qū)內(nèi)主要景點(diǎn)和主要出入口相鄰,故其纜車(chē)客流具有較高的研究?jī)r(jià)值。針對(duì)山岳型風(fēng)景區(qū)獨(dú)特的空間特點(diǎn),論文將纜車(chē)客流的時(shí)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(chē)客流時(shí)空分布特征分析方法和分時(shí)纜車(chē)客流預(yù)測(cè)方法,主要研究工作如下:(1)提出基于聚類(lèi)的分時(shí)纜車(chē)客流的時(shí)空分布特征分析方法,使用高峰指數(shù)來(lái)分析各空間地點(diǎn)客流的分時(shí)分布情況,以小時(shí)為單位,得出各地點(diǎn)客流每小時(shí)的客流時(shí)間分布趨勢(shì);使用K-means聚類(lèi)對(duì)各空間地點(diǎn)進(jìn)行分組,使得每組纜車(chē)地點(diǎn)的客流在時(shí)間上具有相似的分布特征,從而得出每個(gè)時(shí)段中客流的空間分布特征,進(jìn)而總結(jié)出客流的時(shí)空分布規(guī)律,考慮到風(fēng)景區(qū)促銷(xiāo)活動(dòng)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(shí)帶來(lái)的影響,論文構(gòu)建了山岳型風(fēng)景區(qū)時(shí)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(shí)空神經(jīng)網(wǎng)絡(luò)的分時(shí)纜車(chē)客流預(yù)測(cè)方法。對(duì)有著不同時(shí)空分布特征的空間地點(diǎn),進(jìn)行K-means空間聚類(lèi),對(duì)不同分組的空間地點(diǎn)分別構(gòu)建MT-STANN預(yù)測(cè)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(shí)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(cè)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(cè)精度。實(shí)驗(yàn)證明,MT-STANN預(yù)測(cè)模型能夠有效預(yù)測(cè)山岳型風(fēng)景區(qū)纜車(chē)客流的分時(shí)數(shù)據(jù),基于時(shí)空神經(jīng)網(wǎng)絡(luò)的分時(shí)纜車(chē)客流預(yù)測(cè)方法對(duì)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(shí)調(diào)度帶來(lái)的影響,研究結(jié)果具有理論和實(shí)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(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：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(gè)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(shí)刻。包括空間延遲算元[35]，時(shí)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(shí)間分布分析論文選擇黃山風(fēng)景區(qū)的八條纜車(chē)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(chē)線路：云谷纜車(chē)上行方向（以下簡(jiǎn)稱(chēng)云谷上行）、云谷纜車(chē)下行方向（簡(jiǎn)稱(chēng)云谷下行）、玉屏纜車(chē)上行方向（簡(jiǎn)稱(chēng)玉屏上行）、玉屏纜車(chē)下行方向（簡(jiǎn)稱(chēng)玉屏下行）、太平纜車(chē)上行方向（簡(jiǎn)稱(chēng)太平上行）、太平纜車(chē)下行方向（簡(jiǎn)稱(chēng)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?yàn)榭紤]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(duì)全年纜車(chē)客流數(shù)據(jù)和“泛節(jié)假日”的纜車(chē)客流數(shù)據(jù)進(jìn)行空間聚類(lèi)處理，從而分析不同時(shí)期下纜車(chē)客流的空間分布特點(diǎn)。（1）普通日客流針對(duì)黃山風(fēng)景區(qū)的八條纜車(chē)線路，分別對(duì)每條纜車(chē)線路進(jìn)行日內(nèi)的客流密度計(jì)算，按公式（3.1）和（3.2）進(jìn)行計(jì)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(shí)刻求和后平均，再計(jì)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(huì)感知計(jì)算的游客時(shí)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(shí)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(shí)空變化與調(diào)控對(duì)策[J];經(jīng)濟(jì)地理;2014年11期

4 王尚北;王建東;陳海燕;;時(shí)空神經(jīng)網(wǎng)絡(luò)及其在機(jī)場(chǎng)噪聲預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程;2014年07期

5 王守坤;;空間計(jì)量模型中權(quán)重矩陣的類(lèi)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(guó)內(nèi)游客時(shí)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(duì)比的我國(guó)入境游客流量時(shí)間分布集中性計(jì)算與差異分析[J];資源開(kāi)發(fā)與市場(chǎng);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(shí)空動(dòng)態(tài)比較分析——以四川為例[J];地域研究與開(kāi)發(fā);2011年03期

9 柳盛;吉根林;;空間聚類(lèi)技術(shù)研究綜述[J];南京師范大學(xué)學(xué)報(bào)(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(shí)空綜合預(yù)測(cè)算法[J];計(jì)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(shí)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(hào)：2765864