动物园5天丢72儿童：游园之余不要忘记儿童安全

虽然京城深陷“雾霾”,但并未影响游客游园的热情。而北京动物园作为全国大型动物园之一,每天接待的游客量都位居北京市属11家公园的前3名。国庆节期间游园人多了,游客也更容易走失。据动物园客服部门统计,截至10月7日10时,动物园共走失72名儿童。熊猫馆和厕所门前依然成为最容易“丢人”的地点。     

景区爆棚暴露创新不足

如果用几个字概括过去的这个长假,那就是"挤"、"堵"、"贵"、"累"。尽管相关部门做了大量工作,但人流过于密集,花钱买罪受,使得出行的安全感和幸福感下降。这个长假需要总结和反思的地方实在很多。而如何创新旅游消费的形式,促进旅游消费升级,以此来分流游客过度扎堆风景名胜区的尴尬,尤须重视。风景名胜区吸引游客有历史和文化的情结,有其不可替代性。但出现今年这样密集的人流,不仅不利于名胜保护,也     

基于时间序列修正算法的我国入境旅游人数预测

为了对我国入境旅游游客量进行准确预测,提出一种将ARIMA模型与RBF神经网络相结合的算法。以我国2009年1月到2014年4月我国入境旅游游客量月度数据为研究对象,利用该模型对我国入境旅游游客量进行初步预测,计算残差,再利用RBF神经网络对残差进行拟合预测,并对ARIMA预测结果进行修正。结果表明:利用RBF神经网络对ARIMA模型进行修正,将线性拟合算法和非线性拟合算法结合起来用于我国入境旅游游客量预测是一种较可靠的算法。     

黄山旅游气候舒适度与客流量变化相关性分析

气候舒适度是影响旅游地开发和客流量年内变化的重要因素。通过对黄山风景区气候舒适度的评价,并结合2002-2006年游客量统计资料,对黄山风景区的游客量月比重指数和气候舒适度之间的相关性进行定量研究。研究表明,黄山风景区的气候舒适度与年内客流量之间确实存在一定的弹性关系。     

基于互联网旅游数据的游客量预测模型研究现状与展望北大核心

互联网旅游数据具有多元异构、高频、海量、价值密度低的大数据特征,从互联网旅游数据中挖掘关键特征信息和构建有效的游客量预测模型已成为近年来国内外相关科研机构的研究共识和热点。对近十年国内外基于互联网旅游数据的游客量预测模型研究现状进行综述。首先,介绍了互联网旅游数据的特点和来源,阐述了搜索引擎数据和社交媒体数据的获取过程和处理方法;其次,对基于互联网旅游数据的游客量预测模型现状进行评述,包括时间序列预测模型、计量经济预测模型、机器学习预测模型和组合预测模型;最后,从关键词智能提取、非结构化数据转化、多源旅游数据融合、高维非线性混频数据处理4个方面展望了未来的研究要点及趋势。     

基于Elman神经网络的我国入境游客量动态预测

为了更好地拟合我国入境游客量系统动态和时变特性,对我国入境旅游游客量进行科学准确的预测,将Elman网络引入我国入境游客量预测,提出基于Elman神经网络的入境游客量预测模型。以国家统计局公布的最近30个月我国入境旅游游客量月度数据为研究对象,前27个月数据用于建立训练网络,后3个月数据用于检验模型,模型预测最大误差为2.928%,最小误差为1.492%,平均误差为2.19%,模型预测效果与实际非常接近。结果表明:模型能更好地反应我国入境游客量系统的非线性、动态性、时变性等特征,为我国入境旅游游客量预测提供了一种较可靠的途径。     

基于水质目标的四川升钟水库游客容量测算

利用狄龙水质模型计算了四川省升钟水库的水环境容量,分析了升钟水库的污染状况,利用污染物削减后水环境剩余容量测算2020年的合理游客容量。根据TN计算得出升钟水库景区能容纳游客量为158万人次/年,根据TP计算升钟水库景区可容纳游客量为145万人次/年。由最小限制原则,2020年升钟水库的合理容量为145万人次。同时给出了2014~2020年污染物入库量和游客容量规划。当2020年最佳游客量取145万人次时,对入库TN贡献率为3.92%、对入库TP的贡献率为1.92%,旅游产生的污染物量较低,在削减污染物的同时控制游客的数量,以满足2020年升钟水库水质达到国家水质标准I类水质的要求。