基于時序模型的旅游地客流量的分析預測

彭　雯

?

基于時序模型的旅游地客流量的分析預測

彭雯

(長江職業(yè)學院 湖北武漢 430074)

文章對旅游地客流量預測問題，利用時間序列分析中的不同模型對上海市連續(xù)多個季度的入境旅游數(shù)據(jù)進行統(tǒng)計分析。通過對照得到文章采用的預測方法與實際數(shù)據(jù)吻合度較高，并給出未來幾個季度數(shù)據(jù)的預測，為旅游行業(yè)實施科學化管理提供了參考。

時間序列分析；客流量；季節(jié)性模型

近年來，我國旅游業(yè)對GDP的貢獻率持續(xù)增長。2017年，我國旅游業(yè)對GDP的綜合貢獻率為9.13 萬億元，占GDP總量的11.04 %，與2014年相比，旅游業(yè)對GDP的綜合貢獻增長了2.52 萬億元，旅游業(yè)對經(jīng)濟增長的拉動作用加強。隨著智慧旅游的興起，旅游產(chǎn)業(yè)的規(guī)模和效益都在急劇提升，從而對產(chǎn)業(yè)的管理和決策工作提出了新的挑戰(zhàn)。無論是一個國家還是一個地區(qū)，要保持旅游產(chǎn)業(yè)的可持續(xù)穩(wěn)定發(fā)展，就必須高舉科學管理的旗幟，以科學的方法對產(chǎn)業(yè)進行管理，對相關(guān)數(shù)據(jù)進行分析和預測，從而更清晰的把握市場規(guī)律。

1 旅游地客流量數(shù)據(jù)的分析預測

我們調(diào)取了上海市近年來連續(xù)多個月份接待入境旅游者人數(shù)（數(shù)據(jù)來源于上海旅游網(wǎng)http://lyw. sh. gov. cn）。由于按月統(tǒng)計的旅游統(tǒng)計月報中含多項指標，現(xiàn)僅將我們所關(guān)心的接待入境旅游者人數(shù)提取2011年1月~2018年9月共計93 個月度數(shù)據(jù)作為分析樣本。數(shù)據(jù)顯示每年4、5月以及10 月前后達到峰值。峰值出現(xiàn)在這幾個月份的原因是，四五月正值草長鶯飛的春季且含五一長假，所以人數(shù)出現(xiàn)顯著的增長，10 月恰值金秋加上期間穿插國慶中秋等重要節(jié)日，旅游人數(shù)也達到峰值。另外，幾乎每年2月前后達到最低值，這是因為一般農(nóng)歷春節(jié)恰在2月左右，出游人較少，大部分人選擇回到家鄉(xiāng)忙年。整個序列圖表明盡管近幾年赴上海游玩的人數(shù)無論是峰值還是谷值無重大變化，但具體到每年呈現(xiàn)比較明顯的季節(jié)性周期性特征。

采用時間序列分析方法對樣本數(shù)據(jù)間的內(nèi)在相關(guān)性和規(guī)律進行探索，從而產(chǎn)生預測結(jié)果。預測結(jié)果中既包含了與訓練樣本相同時間點的擬合值也包括了所關(guān)心的未來某些時間點的預測值，其中前者是用以觀察預測樣本與訓練樣本之間的偏差，從而明確該預測的可信度。若預測結(jié)果與實際結(jié)果相差較小，則后者也就是未來時間點的預測值是有參考意義的，否則就是沒有參考意義的。我們采用SPSS時間序列分析模塊中的指數(shù)平滑法，并針對性地采用季節(jié)性模型來對訓練樣本進行分析預測。

預測數(shù)據(jù)曲線不但包含了對訓練樣本數(shù)據(jù)的擬合，還包含了對2018.10 -2019.6不在樣本期的各月度人數(shù)的預測。在開始階段（2011年1月~2011年9月）可用數(shù)據(jù)較少而導致擬合結(jié)果與樣本的數(shù)據(jù)線相差較大，隨后時間序列預測模型學習到了樣本數(shù)據(jù)的時序規(guī)律，尤其是其周期性的特征。擬合折線很好地把握住了樣本折線的波動規(guī)律，二者貼合非常緊密。尤其是樣本數(shù)據(jù)處于局部峰值和谷值的月度均被準確捕捉，只是數(shù)值上有一定出入。對應93 個月度數(shù)據(jù)預測值和真實值的具體對比結(jié)果限于篇幅我們僅呈現(xiàn)2013年6月~2014年5月12 個月度的對比情況，如表一所示。其中誤差采取實際值與預測值之間差的絕對值來度量。

表1 　2013年6月~2014年5月預測值和實際值的對比

由表1看出，預測值與實際值的誤差在大多數(shù)情況下都小于15 000的，誤差最小時僅為770。這12個月度的平均誤差為18 380，之所以這么高是因為對峰值處，即2013年10月以及谷值處，即2014年2這兩個月度的預測誤差較大，分別為37 827和79 419。出現(xiàn)這種情況的原因是，峰值和谷值都屬于樣本數(shù)據(jù)集的異常值，是樣本數(shù)據(jù)本身規(guī)律很難解釋的數(shù)值，所以預測模型在學習時無法依據(jù)掌握的樣本數(shù)據(jù)的一般性波動規(guī)律精確地預測具體的峰值和谷值。若刨開這兩個月度數(shù)據(jù)，其余10個月的平均誤差則僅為8 622。

2 小結(jié)

旅游地客流量的預測問題是對旅游行業(yè)實施科學化管理，大數(shù)據(jù)分析的重要一環(huán)。其結(jié)果既會影響旅游相關(guān)部門的整體規(guī)劃和方針制定，也會影響相關(guān)產(chǎn)業(yè)的布局和發(fā)展。在實施預測時，不同預測方法要注意其原理的差異和適用問題的類型。從本文的討論來看，時間序列分析方法善于對大規(guī)模且有著一定周期性變化的數(shù)據(jù)進行分析并掌握規(guī)律，從而進行較準確的預測，為為旅游行業(yè)實施科學化管理提供了參考。

[1]崔廣才,趙鑫焱,左思源,等.基于時間序列分析的獨居老人活動量研究[J].吉林大學學報(信息科學版),2016,34(5):427-433.

[2]何延治.基于時間序列分析的吉林省糧食產(chǎn)量預測模型[J].江蘇農(nóng)業(yè)科學,2014,42(10):478-479.

[3]邱華旭,黃張裕,鄭建雷,等.基于分形原理的時間序列分析及預測研究[J].東南大學學報(自然科學版),2013,43(11):334- 337.

10.3969/j.issn.2095-1205.2019.04.82

彭雯(1982- )，女，湖北赤壁人，長江職業(yè)學院副教授，研究方向：旅游管理、職業(yè)教育。

F224

C

2095-1205(2019)04-138-02