山岳型風景區(qū)纜車客流時空分布特征分析與預測.pdf

1、客流量研究是當前風景區(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景區(qū)的管理和資源調度起著至關重要的作用，客流量分析和預測的結果是風景區(qū)管理者進行決策和提供旅游服務的基礎和依據。對于山岳型風景區(qū)，其纜車分布的空間位置與風景區(qū)內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合，提出

2、了山岳型風景區(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，進而總結出客流的時空分布規(guī)律，考慮到風景區(qū)促銷活動引起

3、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，并以黃山風景區(qū)為案例進行分析。
　　(2)為解決突發(fā)狀況和管理調度不及時帶來的影響，論文構建了山岳型風景區(qū)時空神經網絡模型（Mountain Type Spacial-Temporal Artificial Neural Network，MT-STANN），并提出了基于時空神經網絡的分時纜車客流預測方法。對有著不同時空分布特征的空間地點，進行K-means空間

4、聚類，對不同分組的空間地點分別構建MT-STANN預測模型。在傳統(tǒng)BP神經網絡(Back Propagation Neural Network，BP)的基礎上引入海拔和距離等空間因素，構建嵌套空間權重矩陣，用該矩陣初始化神經網絡模型，并根據時空特征分析的結果確定網絡的輸入和輸出，訓練并構建MT-STANN網絡。論文比較了BP、MT-STANN、支持向量機(Support vector machine，SVM)模型的預測結果，發(fā)現MT-S