基于广义回归神经网络的公路旅游交通量预测分析

论文摘要

随着社会经济的发展和人民生活水平的提高,人们开始发现更高层次的生活需求,即精神文化需求,旅游产业由此应运而生。1998年12月中央经济工作会议将旅游业列为我国新的经济增长点,这标志着中国旅游业进入了一个新的发展阶段。旅游消费作为直接层次上的最终消费,在拉动经济增长、启动社会资金、促进居民消费、带动民间投资中将发挥重要的作用,将为国家扩大内需做出更加积极的贡献。在交通运输领域,旅游客运量的持续快速增长是旅游产业迅速发展的重要体现之一,旅游业的发展使得交通运输和旅游的关系愈加紧密,出现了旅游交通的概念讨论和基于旅游交通的许多相关研究工作。旅游与交通相结合最直接的体现是在旅游客运服务上,因此随着旅游业发展,对旅游交通量进行预测,从而提高旅游客运服务水平逐渐成为大家关注和思考的新课题。研究公路旅游交通预测方法,不但有利于提高旅游交通服务的质量,同时对于科学合理地规划、建设和完善旅游交通系统、发展地区旅游相关产业也有着重要的意义,尤其是对于公路旅游交通在公路交通中占有较大份额的地区以及旅游业发展较好或者旅游产业所占比重较大的地区影响更加重大。研究公路旅游交通预测方法,从宏观产业经济发展的角度讲,有助于促进区域旅游业发展,可以为国家制订旅游交通运输战略规划和切实可行的市场开拓策略提供依据。从微观角度看,有助于各地区合理安排公路交通资源,协调好一般运输和旅游运输的关系;有助于引导旅游产业和谐发展,合理配置旅游运输资源;有助于增加旅游点的魅力,提高旅游景点地区的经济活力,促进经济的持续稳定发展。本文在基于旅游特征分析的基础上,深入进行了旅游交通特性分析,系统地探讨了公路旅游交通量预测建模的基本理论,分析应用MATLAB神经网络进行公路旅游交通预测的可行性;并以公路旅游交通量预测为目标,通过建立广义回归神经网络模型预测公路旅游交通量,并结合实例研究阐述此模型的具体运用,分析其特点和适用性,以期为公路旅游交通量的定量预测研究提供一种新的思路。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 论文研究目的及意义
• 1.2.1 论文研究目的
• 1.2.2 论文研究意义
• 1.3 国内外研究概况
• 1.3.1 人工神经网络理论在交通领域的应用情况
• 1.3.2 旅游交通预测研究现状
• 1.4 论文主要工作内容
• 1.5 论文结构框架
• 第二章 旅游交通概况
• 2.1 旅游业特征分析
• 2.2 旅游交通方式构成及功能
• 2.2.1 旅游交通方式构成
• 2.2.2 旅游交通产业功能
• 2.3 旅游交通运行特征
• 2.4 旅游业和社会经济发展之间的关系
• 2.4.1 社会经济发展是旅游业发展的基础
• 2.4.2 旅游发展对经济的拉动作用
• 2.5 旅游与交通的关系
• 2.5.1 交通是旅游的重要组成部分
• 2.5.2 交通是旅游完成的充要条件
• 2.5.3 交通是旅游质量的主要评价项目
• 2.5.4 交通是旅游发展的主要保障
• 第三章 旅游交通特征分析
• 3.1 旅游公路与一般公路的区别
• 3.2 黄金周、小长假和周末旅游交通分析
• 3.2.1 国家节假日调整变化分析
• 3.2.2 黄金周旅游交通
• 3.2.3 小长假和周末旅游交通
• 3.2.4 缓解旅游交通的措施
• 3.3 旅游交通客流量变化分析
• 3.3.1 旅游交通客流量年际变化分析
• 3.3.2 旅游交通客流量年内月份波动分析
• 3.3.3 旅游交通黄金周客流量变化分析
• 第四章 基于 MATLAB 的神经网络工具箱基本原理
• 4.1 人工神经网络基本原理
• 4.1.1 神经元模型
• 4.1.2 误差反向传播算法
• 4.1.3 径向基函数网络
• 4.1.4 广义回归神经网络
• 4.2 MATLAB 神经网络工具箱
• 第五章 旅游交通量预测分析
• 5.1 公路旅游交通量预测指标的选择
• 5.1.1 公路旅游交通量预测原则
• 5.1.2 公路旅游交通需求预测影响因素分析
• 5.1.3 公路旅游交通量预测指标体系
• 5.1.4 公路旅游交通预测指标数据的获取
• 5.2 神经网络预测模型的设计
• 5.2.1 GRNN 网络设计
• 5.2.2 数据的处理
• 5.2.3 神经网络预测结果分析
• 第六章 旅游公路交通量预测模型的实例应用
• 6.1 基于 GRNN 的旅游公路年交通量预测模型
• 6.1.1 预测指标的选定
• 6.1.2 输入\输出向量设计
• 6.1.3 数据预处理
• 6.1.4 网络创建与训练
• 6.2 公路旅游月际交通量预测
• 6.3 指数平滑法进行旅游交通量预测
• 6.3.1 指数平滑法的基本算法
• 6.3.2 指数平滑法预测公路旅游交通量
• 6.4 两种预测模型对比分析
• 第七章 结论与展望
• 7.1 研究结论
• 7.2 展望
• 参考文献
• 致谢
• 附录 A