基于非線性自回歸模型的短期導游人才需求預測

摘要：該文采用非線性自回歸模型（NAR），利用從四大招聘網(wǎng)站上提取的旅游公司導游崗位需求數(shù)據(jù)，使用MatLAB編制相關(guān)計算程序，按“每日需求”預測導游崗位的需求量，該方法可以為旅行社、景區(qū)等旅游企業(yè)提供參考。

關(guān)鍵詞：導游需求預測;非線性自回歸模型;人工神經(jīng)網(wǎng)絡(luò)

中圖分類號：F590.2? ? ?文獻標識碼：A

文章編號：1009-3044（2020）02-0250-02

1 背景

隨著“決勝全面建成小康社會”工作的不斷深入開展，旅游，這個曾經(jīng)比較奢侈的消費，已經(jīng)成為普通老百姓日常生活不可缺少的組成部分，每逢節(jié)假日上班后同事間問候的第一句話就是：這幾天去哪兒玩了？從這個角度業(yè)看，我國旅游業(yè)進入一個新的時期——大眾化旅游時代。從國內(nèi)旅游業(yè)的收入和接待游客的數(shù)量方面看：2017年全年國內(nèi)游客比2016年增長12.8%，游客總數(shù)達到了50.01億人次;國內(nèi)旅游收入比上一年增長15.9%，達到4.57 萬億元;我們通過對2010—2017年這8年間國內(nèi)旅游市場數(shù)據(jù)進行整理和分析，得到圖1。從圖1可以看出，我國旅游業(yè)的旅游收入和游客數(shù)量實現(xiàn)了雙增長，旅游業(yè)呈可持續(xù)增長態(tài)勢。國家旅游局的《“十三五”旅游業(yè)發(fā)展規(guī)劃》明確提出了目標：“到2020年，旅游市場總規(guī)模達到67億人次，旅游業(yè)總收入達到7萬億元”。經(jīng)過測算，要實現(xiàn)這個目標，未來2年，旅游市場總規(guī)模年均增長要達到8.495億人次，年均增長率要達到15%～16%;旅游總收入年均增長為1.215萬億元，年均增長率要達到23%～24%?？梢姡迤陂g，我國旅游業(yè)必將有較大的發(fā)展，旅游就業(yè)人才需求旺盛，根據(jù)國家旅游局《“十三五”旅游人才發(fā)展規(guī)劃綱要》的目標，2020年旅游業(yè)直接就業(yè)人數(shù)將達3300萬人。

導游員崗位是旅游業(yè)崗位需求人才的非常重要一個部分，但從實際情況來看，旅行社和景區(qū)一般很少真正雇傭?qū)в螁T作為長期正式員工，眾所周知的原因，因為大多數(shù)游客都集中在春節(jié)、國慶等節(jié)日進行遠距離旅行，有些景點是有最佳游覽期的，過了最佳游覽期，旅游的體驗度就要大打折扣了，以上這些原因都促成了旅游鮮明季節(jié)性，這種狀況，就使得旅行社和景區(qū)對導游員崗位的人才需求是一個動態(tài)過程，是在不斷發(fā)生變化的，旺季和淡季的差別是非常大的，這也是旅行社和景區(qū)在旅游旺季，導游員需求旺盛時，專職導游不夠用的情況下，臨時招一些兼職導游，旅行社和景區(qū)是企業(yè)，企業(yè)自然是要盈利的，是要進行成本控制的，從這方面看，旅游企業(yè)這么做，也是完全可以理解的。所以，這與其他許多行業(yè)或職業(yè)不一樣，旅行社和景區(qū)對導游的需求是季節(jié)性的，是一個動態(tài)的需求，所以旅游企業(yè)需要對導游的需求進行預測，并且，導游需求的季節(jié)性，使得導游崗位的需求預測是側(cè)重于短期需求預測。加強對導游崗位需求進行預測分析，可以準確地確定導游人才的需求量，是開發(fā)旅游企業(yè)人力資源、提高導游行業(yè)人員效績的重要前提。旅游人力資源與產(chǎn)業(yè)的發(fā)展息息相關(guān)。如果能科學的預測導游人力資源規(guī)模對今后的旅游的發(fā)展意義重大。

所謂人才需求預測，就是使用某種科學的方法，來對未來一段時間內(nèi)，社會對某類人才需求的趨勢進行定性或定量估計和判斷，以確定人才需求的狀況。定性的預測方法，一般主要為分析和比較研究等，定量預測的方法一般包括回歸性分析（例如一元線性分析）、基于時間序列預測模型、灰色系統(tǒng)理論（GM模型）預測以及人工神經(jīng)網(wǎng)絡(luò)。

一般文獻對旅游人才的需求預測，大多數(shù)研究都是著眼于大中尺度時間段的預測，而對于小尺度的短期預測研究很少;在數(shù)據(jù)上，大部分文獻采用月度或年度數(shù)據(jù)進行預測，很少有文獻采用每日的數(shù)據(jù)，這些局限性，限制了導游人力資源需求的預測的效果，在旺季，旅行社和景區(qū)的管理者需要以每日計的短時導游需求仿真和預測。課題組將以人工神經(jīng)網(wǎng)絡(luò)中的NAR回歸神經(jīng)網(wǎng)絡(luò)對導游的每日需求量進行預測研究。

2 NAR回歸神經(jīng)網(wǎng)絡(luò)

NAR（Nonlinear Auto-Regressive）全稱是非線性自回歸模型，這種模型實際上就是用自己本身作為回歸中用的變量，換種說法，就是利用前段時期若干時刻產(chǎn)生的隨機變量的線性組合，來產(chǎn)生以后繼某時刻隨機變量的非線性回歸模型，這種模型是時間序列中的一種經(jīng)常使用的形式，所謂時間序列，就是按時間順序排列產(chǎn)生的一段數(shù)字序列，基于時間序列分析與預測，就是使用實際采集或觀測，而得到的時間序列數(shù)據(jù)，通過曲線擬合和參數(shù)估計，預測未來事物的發(fā)展。

課題組選用動態(tài)神經(jīng)網(wǎng)絡(luò)一一NAR回歸神經(jīng)網(wǎng)絡(luò)基于導游崗位人才需求時間序列特性建立了導游短期人才需求預測模型，使用從招聘網(wǎng)站上提取的導游崗位需求量數(shù)據(jù)，用MatLab編程，最終預測了12月21日至12月27日導游崗位人才需求。

3 計算工具、數(shù)據(jù)來源、誤差檢驗

3.1 編制計算程序

NAR神經(jīng)網(wǎng)絡(luò)模型的運算，一般不用手工完成，通常都是基于計算機進行模擬運算，所以課題組利用MATLAB編寫相關(guān)NAR神經(jīng)網(wǎng)絡(luò)模型的計算程序，并用這一程序進行導游崗位短期人才需求的預測。

3.2 數(shù)據(jù)來源

為了保證數(shù)據(jù)的準確和權(quán)威，本次使用的人才需求數(shù)據(jù)是從“智聯(lián)招聘”“前程無憂”“58同城”“最佳東方”四大人才招聘網(wǎng)站上，通過網(wǎng)絡(luò)爬蟲技術(shù)抓取了2018年11月28日至12月20日期間旅游企業(yè)發(fā)布的相關(guān)導游崗位的招聘崗位數(shù)，經(jīng)過比對，去掉重復發(fā)布的企業(yè)，得到原始數(shù)據(jù)如表1所示。

目前，絕大部分人才需求的預測的文獻，均采用年度數(shù)據(jù)進行預測，并且現(xiàn)有研究文獻主要著眼于大中尺度的預測，很少有進行按日需求進行預測的文獻。求是按季節(jié)和時間不斷變化的，所以導游的崗位需求預測主要著眼于短期預測。

NAR神經(jīng)網(wǎng)絡(luò)預測效果可以通過誤差圖、誤差自相關(guān)圖等進行可視化。

本次研究，課題組利用招聘網(wǎng)站提取的12月份導游崗位招聘數(shù)據(jù)，采用NAR神經(jīng)網(wǎng)絡(luò)模型進行短期導游崗位的需求預測，使用MatLAB實現(xiàn)NAR模型，進行導游崗位的每日需求預測的嘗試。圖3為誤差圖，用豎直方向的線段來表示測試目標和預測結(jié)果之間的差值，如果此類線段越少，就表示NAR神經(jīng)網(wǎng)絡(luò)預測的效果越佳;一般來說，還需要結(jié)合圖2的誤差自相關(guān)圖分析，通常誤差在lag 為0的時候最大，其他情況下以不超過置信區(qū)間為佳。由圖可知，此模型誤差絕大部分在置信區(qū)間內(nèi)，因此可以推測此NAR神經(jīng)網(wǎng)絡(luò)預測模型可以用于導游崗位每日需求的預測。

4 預測結(jié)果

根據(jù)編寫的程序和訓練好的數(shù)據(jù)，預測出12月21日至12月27日7天期間導游崗位人才需求如表2所示。

5 結(jié)束語

課題組使用從“智聯(lián)招聘”“前程無憂”“58同城”“最佳東方”四大人才招聘網(wǎng)站上提取的2018年11月28日至12月20日期間旅游企業(yè)發(fā)布的相關(guān)導游崗位的招聘崗位數(shù)，運用NAR神經(jīng)網(wǎng)絡(luò)預測模型，對12月21日至12月27日的導游需求量進行了預測，取得了較好的效果。

參考文獻：

[1] 王新宇， 方法林， 宋益丹. 江蘇旅游人才需求預測——基于灰色系統(tǒng)理論和一元回歸方程混合模型[J]. 中國商貿(mào)， 2012（14）：174-175.

[2] 陳婕. 基于C++和MatLab混合編程的GM（1，1）模型實現(xiàn)與應用[J]. 電腦知識與技術(shù)， 2017， 13（33）：124-126.

【通聯(lián)編輯：謝媛媛】