基于BP神經(jīng)網(wǎng)絡(luò)的上海市旅游需求預(yù)測研究

摘 要： 旅游需求預(yù)測對旅游目的地宏微觀管理都有重要意義。基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，對上海市旅游需求總?cè)藬?shù)，國內(nèi)旅游需求和入境旅游需求兩個分量進行模擬預(yù)測。結(jié)果顯示，未來市場開發(fā)重點是呈一定波動趨勢的入境旅游者，占主體部分的國內(nèi)旅游者數(shù)量將持續(xù)增長并趨向飽和，應(yīng)采用“國內(nèi)推、入境拉”的市場發(fā)展策略。

關(guān)鍵詞： BP神經(jīng)網(wǎng)絡(luò) 旅游需求 預(yù)測 上海

一、引言

旅游需求預(yù)測無論是在旅游目的地規(guī)劃發(fā)展前期的政策研究，還是在旅游目的地景區(qū)等接待部門的運營管理實踐層面都有重要的指導(dǎo)意義。從20世紀(jì)60年代開始，西方學(xué)者首先開始了旅游需求的預(yù)測模型和實證研究，并開發(fā)出多樣化的預(yù)測方法。國內(nèi)的相關(guān)研究主要出現(xiàn)在2000年后，在引介國外預(yù)測方法基礎(chǔ)上，以2007年為界體現(xiàn)出從定性方法到定量方法的轉(zhuǎn)變趨勢。但由于以往國內(nèi)旅游游客量相關(guān)統(tǒng)計數(shù)據(jù)的欠缺，以及高級計量經(jīng)濟工具應(yīng)用能力的不足等，仍處于起步階段。世界旅游組織（UNWTO）的亞洲旅游趨勢（2018）報告指出，2000年至2017年，中國作為第一大國際旅游消費國和第四大旅游目的地，是亞太旅游崛起中最重要的驅(qū)動力量，并預(yù)測2020年將成為世界第一大旅游目的地。民眾日漸突出的旅游需求、高漲的旅游熱情對旅游目的地承載力帶來巨大壓力，無論是自然類旅游資源的生態(tài)環(huán)境承載力，交通接待設(shè)施的經(jīng)濟承載力，還是旅游地居民的心理承載力都面臨飽和甚至過載。為了更好地滿足游客的旅游需求、提升游客的旅游體驗，同時也引導(dǎo)旅游目的地的可持續(xù)發(fā)展，探索科學(xué)預(yù)測旅游目的地旅游需求是必要前提和基礎(chǔ)。

基于一方面旅游行業(yè)飛速發(fā)展、游客數(shù)量屢創(chuàng)新高，一方面旅游統(tǒng)計數(shù)據(jù)欠缺、預(yù)測方法仍在探索階段的現(xiàn)實情況，本文通過BP神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型，對上海市的各類旅游需求做預(yù)測分析，并與灰色GM（1，1）等國內(nèi)常用預(yù)測模型對比驗證其模擬精度。當(dāng)前人工智能的發(fā)展，使人工神經(jīng)網(wǎng)絡(luò)成為值得嘗試的預(yù)測方法。游客的旅游需求受到社會經(jīng)濟、個人因素、季節(jié)時點等各種因素的綜合影響，而BP神經(jīng)網(wǎng)絡(luò)模糊性和自適應(yīng)性強的特點，尤其適用于解決復(fù)雜的非線性問題。通過對上海旅游需求的預(yù)測分析，進一步為該旅游目的地市場開發(fā)管理提供發(fā)展建議。

二、上海市旅游發(fā)展概況

世界旅游和旅行者協(xié)會（WTTC）發(fā)布的《城市旅游及影響》報告顯示，2017年全球旅游業(yè)產(chǎn)值增長最快的前五座城市均在中國，其中上海旅游業(yè)GDP總量領(lǐng)先全球旅游城市，占全國旅游業(yè)GDP的十分之一以上。

上海是長江三角洲經(jīng)濟中心城市，排名靠前的國內(nèi)與入境旅游目的地。無論是早先提出的都市旅游、歷史文化旅游、紅色旅游，還是郵輪旅游、體育旅游、郊野休閑等，旅游產(chǎn)品體系逐漸豐富完整、提質(zhì)升級。近年來建設(shè)上海迪士尼主題樂園為核心的國際旅游度假區(qū)，排名亞洲第一、世界第四的上海郵輪母港等，都進一步提升了旅游產(chǎn)業(yè)能級。根據(jù)《上海旅游業(yè)統(tǒng)計公報》，2003年至2018年期間，上海市旅游總?cè)藬?shù)保持不斷增長，其中2009至2010年漲幅巨大。2018年上海市旅游總收入首次突破5000億元大關(guān)，旅游業(yè)增加值占全市比重6 4%，成為支柱產(chǎn)業(yè)之一。

從上海市旅游者的結(jié)構(gòu)來看，與全國入境旅游人數(shù)中外國人僅占20-30%，大部分為港澳臺同胞的特征相比，上海市入境旅游者中外國人的比重較高，達70%-80%，體現(xiàn)國際化旅游城市的特點。上海擬對標(biāo)巴黎、紐約等國際大都市，建設(shè)世界級著名旅游城市，制定了2020年入境游客超過1000萬人的目標(biāo)。旅游業(yè)態(tài)升級游客數(shù)量不斷增長的同時，超出旅游環(huán)境承載力的風(fēng)險也給目的地生態(tài)環(huán)境平衡和接待體驗管理帶來很大挑戰(zhàn)，無論是外灘踩踏事件還是近兩年網(wǎng)絡(luò)走紅的武警“人墻紅綠燈”式游客管理都表明，合理預(yù)測游客旅游需求對目的地有深刻現(xiàn)實意義。

三、預(yù)測方法與過程

（一）BP神經(jīng)網(wǎng)絡(luò)基本原理與預(yù)測模型

BP神經(jīng)網(wǎng)絡(luò)（Back-Propagation-Network），即多層前饋式誤差反傳神經(jīng)網(wǎng)絡(luò)，通常由輸入層、輸出層和若干隱含層構(gòu)成，典型結(jié)構(gòu)是包含一個輸入層、一個輸出層和一個隱含層的三層結(jié)構(gòu)。只要提供足夠多的樣本模式供BP網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，便能完成由n維輸入控件到m維輸出控件的非線性映射，網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程一直進行到網(wǎng)絡(luò)輸出的誤差減少到設(shè)定的可接受程度。

根據(jù)上海游客量的實際情況選擇建立一個隱含層的三層網(wǎng)絡(luò)模型，經(jīng)過多次上機模擬對比學(xué)習(xí)效果精度后最終選擇輸入層神經(jīng)元為3個，即連續(xù)三年的游客數(shù)值作為輸入變量。隱含層的神經(jīng)元數(shù)量確定則借鑒經(jīng)驗公式[KF（]m+n[KF）]+a試湊為12，而輸出層為1個神經(jīng)元，即首個從第四年的游客量數(shù)值開始輸出。為了提高訓(xùn)練速率，合理避開轉(zhuǎn)換函數(shù)的飽和區(qū)間，對輸入數(shù)據(jù)做歸一化預(yù)處理，用Matlab工具箱編制程序算法預(yù)測。

本文采用的訓(xùn)練算法為帶有動量項的自適應(yīng)學(xué)習(xí)梯度下降算法（traingdx），由于之前一些研究使用標(biāo)準(zhǔn)算法且需要自行設(shè)定學(xué)習(xí)速率，它的設(shè)置會在一定程度上影響結(jié)果，給研究者們留下參數(shù)設(shè)置難，容易止步于局部最小值的印象，該算法能一定程度改善，用相對少的迭代次數(shù)達到較高的精度要求。隱含層和輸出層的激活函數(shù)分布采用tan-sigmoid和log-sigmoid，設(shè)定目標(biāo)誤差為0 00001，學(xué)習(xí)速率自適應(yīng)。

（二）上海市旅游需求模擬預(yù)測

本文數(shù)據(jù)來源于官方發(fā)布，《上海市統(tǒng)計年鑒》“對外經(jīng)濟貿(mào)易和旅游”部分（2003年至2009年）和上海市文化和旅游局發(fā)布的《上海旅游業(yè)統(tǒng)計公報》（2010年至2018年）。樣本數(shù)據(jù)中每三年的數(shù)據(jù)用來預(yù)測第四年，即2003年至2005年的數(shù)據(jù)預(yù)測2006年，以此類推。程序?qū)@些數(shù)據(jù)集按照70%和30%的比例隨機分為訓(xùn)練集和測試集，測試集用來測試訓(xùn)練好的模型以真實反映擬合情況。使用上海市總旅游人數(shù)訓(xùn)練時，在迭代55380次后梯度滿足設(shè)定要求，誤差迅速下降并逐漸收斂在4 36×10-5，非常接近目標(biāo)誤差，訓(xùn)練曲線顯示目標(biāo)值與輸出值之間的相關(guān)度達0 99843，在較短時間內(nèi)達到精度高的要求。學(xué)習(xí)速率不是人為設(shè)定的，而是根據(jù)訓(xùn)練算法每次迭代實時變化。從2006年至2018年的上海市總旅游人數(shù)，訓(xùn)練結(jié)果的預(yù)測值與實際值之間的擬合效果良好。上海市總旅游人數(shù)整體呈現(xiàn)波動增長的變化趨勢，除了2010年的特殊值外，其余保持較為穩(wěn)定的增長速度。

上海市總旅游人數(shù)實際值與估計值的具體對照見表1，除由于2010年上海世博會特殊事件引起的變化幅度較大，以及被抽作測試集的年份誤差可能略大，其余年份尤其是在2010年之后，最高誤差2 65%，最低誤差-0 04%。眾所周知，2010年上海世博會是上海旅游發(fā)展的關(guān)鍵節(jié)點，這次盛會吸引了包括190個國家、56個國際組織參展，參觀人數(shù)達到7308萬人次，直接將來滬旅游人數(shù)推至新臺階。

為了進一步驗證該方法的模擬效果，用同一組游客量歷史數(shù)據(jù)，建立國內(nèi)以往較廣泛應(yīng)用的線性回歸、指數(shù)模擬和灰色GM（1，1）模型進行模擬，得到了相應(yīng)的2006年至2018年上海市總旅游需求的預(yù)測值，與使用traingdx算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果對比。表2顯示本文所用的BP神經(jīng)網(wǎng)絡(luò)模型，相關(guān)系數(shù)0 9980，誤差MAPE僅為2 46%，平均絕對誤差MAE和均方根誤差RMSE遠小于其他模型，從各個指標(biāo)看預(yù)測的效果最好，其次是指數(shù)模擬、線性回歸，該組數(shù)據(jù)預(yù)測結(jié)果最不理想的為灰色GM（1，1）模型。

測試通過后繼續(xù)利用該模型的學(xué)習(xí)情況，輸入2016—2018年的實際數(shù)據(jù)，得到2019年的預(yù)測值，多次迭代依次得到表3中預(yù)測至2025年的上海市總旅游需求人數(shù)。通過同樣的方法可以預(yù)測上海市的國內(nèi)旅游需求、入境旅游需求等分量，限于篇幅不贅述過程。上海市國內(nèi)旅游需求訓(xùn)練過程中實際值與估計值的最高誤差6 77%，最低0 08%，誤差絕對值的均值即平均誤差1 73%;入境旅游需求的訓(xùn)練過程中實際值與估計值的最高誤差5 94%，最低誤差0 16%，平均誤差1 82%，達到了較好的模擬訓(xùn)練結(jié)果。不同于總旅游需求和國內(nèi)旅游需求一直穩(wěn)定增長的趨勢，上海市入境旅游需求的歷史數(shù)據(jù)本身是波動的，該結(jié)果驗證了此前文獻中認(rèn)為BP神經(jīng)網(wǎng)絡(luò)對于有波動的非線性數(shù)據(jù)擬合性能優(yōu)越。

四、結(jié)論與建議

（一）結(jié)論

根據(jù)BP神經(jīng)網(wǎng)絡(luò)模擬預(yù)測的結(jié)果，至2025年上海市旅游總?cè)藬?shù)整體依然是呈現(xiàn)波動式增長，增速有快有慢。到訪上海的國內(nèi)旅游者依然是總?cè)藬?shù)中的絕對力量，且保持穩(wěn)定增長;由于基數(shù)大，中長期趨勢是增速逐漸放緩。入境旅游者人數(shù)的總體走勢是增長，短期有波動下降，且總旅游人數(shù)中的波動也往往來自入境游客的波動。因旅游經(jīng)濟活動受到各種偶發(fā)性因素的影響，如本次突發(fā)公共性衛(wèi)生事件對旅游活動產(chǎn)生重大影響，可再次訓(xùn)練擬合和更新。

本文對上海市游客量的模擬預(yù)測過程和結(jié)果顯示，利用BP神經(jīng)網(wǎng)絡(luò)，尤其是使用帶有動量項的自適應(yīng)學(xué)習(xí)梯度下降算法（traingdx），對比線性回歸、指數(shù)模擬和灰色GM（1，1）預(yù)測等傳統(tǒng)方法，能在計算量可接受的同時實現(xiàn)較高的擬合精度來完成預(yù)測。但不存在一種模型能適用于所有的游客量預(yù)測場景，數(shù)據(jù)本身特點和模型操作過程等都會對精度產(chǎn)生影響，需要繼續(xù)研究總結(jié)不同模型的適用情況和規(guī)則。

（二）建議

游客量預(yù)測結(jié)果顯示，上海市是重要的旅游目的地城市，國內(nèi)外游客體量大、增長快，未來應(yīng)進一步依托需求預(yù)測實現(xiàn)各級科學(xué)規(guī)范管理。旅游行業(yè)管理部門主要預(yù)測中長期趨勢，以協(xié)調(diào)基礎(chǔ)設(shè)施建設(shè)與接待能力提升的宏觀管理;微觀旅游企業(yè)單位主要預(yù)測短期趨勢與季節(jié)性變化，以作為景區(qū)經(jīng)營活動和旅游產(chǎn)品開發(fā)的依據(jù)。

此外，根據(jù)國內(nèi)外客源市場的差異化特點，上海市宜采用“國內(nèi)推、入境拉”的市場發(fā)展策略。以2018年為例，上海接待游客總量3 487億人次，國內(nèi)游客3 39億人次，其中外省市來滬國內(nèi)游客1 62億人次，與上海常住人口的本地休閑旅游各占半壁。國內(nèi)游客對上海市的旅游需求多是由于經(jīng)濟增長對旅游需求的推動，隨著人均可支配收入的增加和帶薪假期制度的完善，國內(nèi)游客的出游意愿和成熟度越來越高，因此對于主要旅游動機為“推動”因素的國內(nèi)游客，上海市應(yīng)進一步完善接待設(shè)施和服務(wù)管理，提升游客體驗感和滿意度。

入境游客中有二至三成為港澳臺同胞，外國人來滬旅游者中也有相當(dāng)部分是商務(wù)旅行，因此未來上海旅游業(yè)的市場開發(fā)重點是真正的入境旅游者，以提高旅游外匯收入和減少旅游貿(mào)易逆差。入境外國游客的動機更多需要上海發(fā)揮吸引力“拉動”，塑造旅游目的地形象和精準(zhǔn)營銷。盡管上海有國際化旅游城市的發(fā)展基礎(chǔ)，是外國游客最先認(rèn)知的中國旅游城市，但距離“世界級著名旅游城市”目標(biāo)還有一定距離。目前日本、美國、韓國和德國已基本穩(wěn)定成為上海市入境旅游者主要來源國，可分成地緣相近國家和歐美發(fā)達國家兩大類，應(yīng)針對性了解重點市場游客的旅游偏好和行為模式，并著力提升語言、簽證、金融、網(wǎng)絡(luò)等專門便利入境游客的專項服務(wù)。除整合和更新原有的旅游產(chǎn)品組合外，鑒于重大節(jié)事活動對上海旅游業(yè)的影響力，應(yīng)繼續(xù)強化打造上海旅游節(jié)、中國國際進口博覽會等節(jié)事品牌，舉辦新興的電子競技和職業(yè)體育賽事，深化“亞洲領(lǐng)先節(jié)慶及活動目的地”形象，激發(fā)國際市場的旅游熱情。

參考文獻：

[1]Witt F Forecasting tourism demand： A review of empirical research[J].International Journal of Forecasting，1995（11）

[2]陶偉，倪明 中西方旅游需求預(yù)測對比研究：理論基礎(chǔ)與模型[J].旅游學(xué)刊，2010，25（08）

[3]Yuan Y，Yi C，Xuemei D et al A paired neural network model for tourist arrival forecasting[J].Expert Systems with Applications，2018（114）

[4]Sun S，Wang S，Wei Y et al Forecasting tourist arrivals with machine learning and internet search index[J].Tourism Management，2019（70）

[5]樓鋼 基于BP人工神經(jīng)網(wǎng)絡(luò)的杭州入境旅游需求預(yù)測分析[J].現(xiàn)代商業(yè)，2010（14）

[6]張郴，張捷 中國入境旅游需求預(yù)測的神經(jīng)網(wǎng)絡(luò)集成模型研究[J].地理科學(xué)，2011，31（10）

[7]李世泰，趙亞萍 基于不同時間尺度旅游客源預(yù)測模型比較研究——以山東省為例[J].北京第二外國語學(xué)院學(xué)報，2011，33（09）

[8]唐睿，馮學(xué)鋼 上海市入境旅游市場發(fā)展?jié)摿εc旅游外匯收入的關(guān)系研究——基于灰色預(yù)測和灰色關(guān)聯(lián)分析法[J].資源開發(fā)與市場，2014，30（12）

〔本文系寧波市哲學(xué)社會科學(xué)規(guī)劃課題（項目編號：G20-ZX05）階段性成果〕

（許靜娜，寧波大學(xué)科學(xué)技術(shù)學(xué)院、西班牙巴利阿里群島大學(xué)）