Youth游樂(lè)園客流疏導(dǎo)方案

1、游樂(lè)園客流疏導(dǎo)方案摘 要本文主要研究了游樂(lè)園客流疏導(dǎo)方案問(wèn)題，通過(guò)建立模型、分區(qū)域疏導(dǎo)游客模型，及時(shí)為顧客提供游園線路引導(dǎo)；再通過(guò)時(shí)間序列分析，在多因素影響情況下對(duì)皇冠假日酒店房間預(yù)訂量進(jìn)行預(yù)測(cè)。針對(duì)問(wèn)題1，首先通過(guò)游客到達(dá)游樂(lè)場(chǎng)的時(shí)間間隔，建立服從泊松分布的人流到達(dá)模型，將游樂(lè)場(chǎng)的游客量情況分為高峰期、中低峰期兩種狀態(tài)。然后分別建立模型和模型，并將這兩個(gè)模型作為游樂(lè)園游客疏導(dǎo)模型。該模型中我們主要考慮的是游客排隊(duì)等待時(shí)間和游玩項(xiàng)目的數(shù)量。針對(duì)問(wèn)題2，本文通過(guò)對(duì)數(shù)據(jù)的挖掘處理及對(duì)影響房間預(yù)訂量的因素分類(lèi)，建立時(shí)間數(shù)列預(yù)測(cè)模型。并運(yùn)用二次指數(shù)平滑法對(duì)下一時(shí)期的房間預(yù)訂量進(jìn)行預(yù)測(cè)。最終利用差分公式

2、，做出差分分析誤差條狀圖，驗(yàn)證出時(shí)間序列預(yù)測(cè)模型的預(yù)測(cè)結(jié)果較為符合實(shí)際情況。最后，對(duì)模型進(jìn)行了評(píng)價(jià)分析與優(yōu)化，并提出改進(jìn)的方向。關(guān)鍵字：最優(yōu)路徑 區(qū)域分塊 時(shí)間序列預(yù)測(cè) 模型一、問(wèn)題重述1.1問(wèn)題背景游樂(lè)園即將盛大開(kāi)園，作為本市建有最多過(guò)山車(chē)的游樂(lè)園，受到了青少年的熱捧。預(yù)計(jì)屆時(shí)園區(qū)將迎來(lái)每天1萬(wàn)的大客流。如何根據(jù)客流情況，及時(shí)分流人群，為顧客提供游園線路引導(dǎo)，保障游客的游園體驗(yàn)顯得尤為重要。1.2問(wèn)題提出（1）附件1為樂(lè)園的規(guī)劃圖，共設(shè)共10個(gè)項(xiàng)目點(diǎn)，游客可沿著圖中標(biāo)出的線路往返下個(gè)游樂(lè)項(xiàng)目。在保障每位游客體驗(yàn)游樂(lè)設(shè)施的前提下，建立對(duì)每個(gè)游樂(lè)項(xiàng)目的等候游客進(jìn)行游覽提醒和疏導(dǎo)的模型，以達(dá)到游園

3、體驗(yàn)最優(yōu)。（2）皇冠假日酒店是游樂(lè)園內(nèi)的酒店，目前已開(kāi)業(yè)，為有需要的游客提供住宿便利。請(qǐng)根據(jù)該酒店歷史預(yù)訂數(shù)據(jù)信息,綜合考慮影響房間預(yù)定量的主要因素(比如季節(jié),工作日/周末,法定假日,暑期等)建立數(shù)學(xué)模型。并根據(jù)酒店2015年全年預(yù)定數(shù)據(jù)(附件2),預(yù)測(cè)2016年1月至3月每天預(yù)定房間數(shù).二、模型假設(shè)1、假設(shè)游客到達(dá)游樂(lè)場(chǎng)的時(shí)間間隔服從泊松分布；2、假設(shè)每個(gè)游客在園內(nèi)，樂(lè)意接受建議并配合相關(guān)的疏導(dǎo)工作；3、假設(shè)每個(gè)游客對(duì)每個(gè)游樂(lè)項(xiàng)目至多體驗(yàn)一次，且在體驗(yàn)完所有項(xiàng)目后一定會(huì)選擇離開(kāi)游樂(lè)園；4、假設(shè)不考慮游樂(lè)園內(nèi)意外情況，如下大雨、設(shè)備故障等。5、假設(shè)皇冠假日酒店是2015年1月才開(kāi)業(yè)的，前三個(gè)月

4、房間預(yù)訂量相對(duì)很低是因?yàn)榫频曛葐?wèn)題。三、問(wèn)題一3.1問(wèn)題分析本問(wèn)要求，在保障每位游客盡量多體驗(yàn)游樂(lè)設(shè)施的前提下，建立對(duì)每個(gè)游樂(lè)項(xiàng)目的等候游客進(jìn)行游覽提醒和疏導(dǎo)的模型，以達(dá)到游園體驗(yàn)最優(yōu)。主要從時(shí)間方面考慮，通過(guò)建立相關(guān)模型，得出相對(duì)用時(shí)最短的路徑，從而達(dá)到游客游園體驗(yàn)最優(yōu)的目的。根據(jù)到游客達(dá)游樂(lè)場(chǎng)的時(shí)間間隔服從泊松分布，分成兩種情況：第一種情況，中、低峰期（即10個(gè)游樂(lè)項(xiàng)目的游客數(shù)量都沒(méi)有超過(guò)或剛好等于每場(chǎng)容納游客數(shù)）。在中、低峰期無(wú)論游客去哪兒都不用因?yàn)榕抨?duì)浪費(fèi)時(shí)間。這種情況下游客只需要走一條最短的路徑，就可以達(dá)到游客游園體驗(yàn)最優(yōu)（在不浪費(fèi)時(shí)間的情況下體驗(yàn)完所有項(xiàng)目）的目的。因此，將此情

5、況下的游園體驗(yàn)最優(yōu)問(wèn)題轉(zhuǎn)化為經(jīng)典旅行商問(wèn)題，再通過(guò)建立模型可以求得這條最優(yōu)路徑。第二種情況，高峰期（10個(gè)游樂(lè)項(xiàng)目的游客數(shù)量都超過(guò)每場(chǎng)容納游客數(shù)且有一定數(shù)量的游客排隊(duì)等候），此時(shí)在每一個(gè)游樂(lè)項(xiàng)目排隊(duì)等待的游客都有兩個(gè)選擇：繼續(xù)排隊(duì)等候；去別的游樂(lè)項(xiàng)目。通過(guò)建立游客疏導(dǎo)模型，來(lái)給游客提供建議，從而保證游客游園體驗(yàn)最優(yōu)的目的。3.2建立模型模型是游客從單一起點(diǎn)出發(fā)，游玩所有的游樂(lè)項(xiàng)目之后，再回到原點(diǎn)，求解通過(guò)的最短路徑。中、低峰期（在10個(gè)游樂(lè)項(xiàng)目的游客數(shù)量都沒(méi)有超過(guò)或剛好等于每場(chǎng)容納游客數(shù)時(shí)），游客可以按照模型求得的這條路徑到達(dá)每一個(gè)游樂(lè)項(xiàng)目，已達(dá)到游園體驗(yàn)最優(yōu)（以最短的時(shí)間，最少的路程）。游客

6、到達(dá)過(guò)山車(chē)這一類(lèi)項(xiàng)目，即使不用排隊(duì)，如果到達(dá)的時(shí)間合適也需要等到下一場(chǎng)。結(jié)合附件1以及題目給出的表1. 每個(gè)游樂(lè)項(xiàng)目的時(shí)間安排分析可知，游客遇到過(guò)山車(chē)一類(lèi)項(xiàng)目的等待時(shí)間均比在路上（最短的距離為250米，按照4000米/每小時(shí)計(jì)算，至少需要3.85分鐘）所用的時(shí)間短，所以不考慮因?yàn)榈却淖兟窂降膯?wèn)題。假設(shè)項(xiàng)目如果未達(dá)到最多容納人數(shù)，隨時(shí)去都可以玩。設(shè)游樂(lè)項(xiàng)目數(shù)量為（），兩項(xiàng)目之間的距離為，（1表示有玩過(guò)項(xiàng)目到的路，0表示沒(méi)有選擇走這條路）。則當(dāng)滿(mǎn)足：每個(gè)項(xiàng)目選擇當(dāng)前最短一條路出去，即每個(gè)項(xiàng)目選擇當(dāng)前最短一條路進(jìn)去，即：注：除起點(diǎn)和中點(diǎn)外，各項(xiàng)目點(diǎn)不構(gòu)成圈，即：且：則有最短路徑：模型的求解利用l

7、ingo（相應(yīng)的程序見(jiàn)附錄1）對(duì)以下各式進(jìn)行求解：模型的結(jié)果分析以項(xiàng)目為起點(diǎn)，得到最短路程為 4350，路徑為：因?yàn)槌鋈肟诰嚯x與A相距300，所以最終最短路為4950，路徑為：如果忽略因?yàn)榈竭^(guò)山車(chē)一類(lèi)項(xiàng)目因等待浪費(fèi)的時(shí)間，從進(jìn)入游樂(lè)園到出游樂(lè)園，所需要的最短時(shí)間為：（其中，為每個(gè)項(xiàng)目每場(chǎng)所持續(xù)的時(shí)間）。故為顧客提供游園線路為，以保障游客達(dá)到游園體驗(yàn)最優(yōu)。3.3建立分區(qū)域疏導(dǎo)游客模型由于高峰期時(shí)，游客數(shù)量眾多，排隊(duì)時(shí)間過(guò)長(zhǎng)會(huì)引起游客的不耐煩現(xiàn)象，對(duì)游樂(lè)園的經(jīng)營(yíng)相當(dāng)不利。對(duì)此本題通過(guò)參考快速通道模型從分散客流、縮減排隊(duì)時(shí)間、提高游客滿(mǎn)意度三個(gè)方面考慮，與模型結(jié)合，提出了一種分區(qū)域疏導(dǎo)游客的且有多項(xiàng)

8、目可供游客游玩的混合制模型。在高峰期，將游樂(lè)園的工作人員分別安排在五個(gè)點(diǎn)，當(dāng)游客到達(dá)該點(diǎn)時(shí)，游客可以根據(jù)工作人員提供的信息進(jìn)行區(qū)域選擇游玩，從而達(dá)到疏導(dǎo)游客的目的，這樣可以防止大量游客在某一項(xiàng)目大量聚集，可以減輕疏導(dǎo)的工作量，增加疏導(dǎo)效率，讓游客在游樂(lè)園內(nèi)的分布相對(duì)均勻。然后，將每個(gè)區(qū)域每個(gè)項(xiàng)目的相關(guān)數(shù)據(jù)帶入模型進(jìn)行計(jì)算，得到游客的在相應(yīng)項(xiàng)目的等待時(shí)間的數(shù)據(jù)，根據(jù)得到的數(shù)據(jù)判斷游客在該項(xiàng)目是排隊(duì)等待，還是離開(kāi)該項(xiàng)目去其他項(xiàng)目。3.3.1區(qū)域分塊游樂(lè)園是一個(gè)大的整體，為了提高疏散效率的目的，將游樂(lè)園分成聯(lián)系緊密的幾個(gè)較小的板塊。觀察附件1可以將游樂(lè)園分成緊密聯(lián)系的4個(gè)部分，具體的分布圖如圖1四

9、區(qū)三 區(qū)二 區(qū)一 區(qū)圖1：游樂(lè)園區(qū)域分塊圖3.3.2建立模型模型是指顧客的相繼到達(dá)時(shí)間在較短一段時(shí)間內(nèi)服從泊松分布。其中，：顧客的相繼到達(dá)時(shí)間服從參數(shù)的負(fù)指數(shù)分布；：項(xiàng)目個(gè)數(shù)；：每個(gè)服務(wù)臺(tái)服務(wù)時(shí)間相互獨(dú)立的服從參數(shù)的負(fù)指數(shù)分布；:系統(tǒng)的空間。于是其中該區(qū)域中平均滯留的總?cè)藬?shù)由于游樂(lè)園的空間是有限的，對(duì)于多個(gè)區(qū)域，顧客的有效到達(dá)率利用公式，得到經(jīng)過(guò)對(duì)每個(gè)區(qū)域進(jìn)行合理的分析，得到表1中的參數(shù)：表1：各區(qū)域的參數(shù)表 參數(shù) 區(qū)域 總?cè)菁{游客數(shù)持續(xù)時(shí)間一57041.5450010.375二58041.75450010.4375三26014.552002.9四1801042002.5模型求解利用軟件（程序

10、見(jiàn)附件2）對(duì)模型求解進(jìn)行求解得到結(jié)果如表2表2：模型求解結(jié)果一區(qū)二區(qū)三區(qū)四區(qū)P00.0P00.0P00.0P00.0P_LOST0.9P_LOST0.9P_LOST1.0P_LOST1.0LAMDA_E41.8LAMDA_E14.5LAMDA-E10.0LAMDA_E10.0L_S579.9L_S259.9L_S179.9L_S179.9L_Q575.9L_Q254.9L_Q175.9L_Q175.9W_S13.9W_S17.9W_S18.0W_S18.0W_Q13.8W_Q17.6W_Q17.6W_Q17.6結(jié)果分析對(duì)求得的結(jié)果進(jìn)一步分析總結(jié)的到表3表3：結(jié)果參數(shù)分析總結(jié)表 參數(shù) 區(qū)域 (游

11、客能排隊(duì)游玩該區(qū)項(xiàng)目的概率)（該區(qū)域中平均排隊(duì)人數(shù)） (在該區(qū)域中游客平均滯留的總時(shí)間)一0.917565.9013.73二0.9165575.9013.89三0.9257254.9017.92四0.95175.9017.90在高峰期時(shí)：一區(qū)，游客能排隊(duì)游玩該區(qū)項(xiàng)目的概率為0.92，平均排隊(duì)人數(shù)566，游客平均滯留（排隊(duì)時(shí)間加上玩項(xiàng)目的時(shí)間）的總時(shí)間為13.73；二區(qū)，游客能排隊(duì)游玩該區(qū)項(xiàng)目的概率為0.92，平均排隊(duì)人數(shù)576，游客平均滯留（排隊(duì)時(shí)間加上玩項(xiàng)目的時(shí)間）的總時(shí)間為13.89；三區(qū)，游客能排隊(duì)游玩該區(qū)項(xiàng)目的概率為0.93，平均排隊(duì)人數(shù)255，游客平均滯留（排隊(duì)時(shí)間加上玩項(xiàng)目的時(shí)間）

12、的總時(shí)間為17.92；四區(qū)，游客能排隊(duì)游玩該區(qū)項(xiàng)目的概率為0.95，平均排隊(duì)人數(shù)176，游客平均滯留（排隊(duì)時(shí)間加上玩項(xiàng)目的時(shí)間）的總時(shí)間為17.90。游客在每個(gè)區(qū)域可排隊(duì)游玩的評(píng)價(jià)概率都在0.9以上，游客在每個(gè)區(qū)域滯留的時(shí)間相對(duì)較短。所以在分區(qū)域疏導(dǎo)之后，游客可以按順序游玩每個(gè)區(qū)域的項(xiàng)目，就可以減少排隊(duì)時(shí)間和因部分項(xiàng)目人員過(guò)多而多夸項(xiàng)目在路上浪費(fèi)的時(shí)間。在高峰期，該模型可以根據(jù)客流情況，及時(shí)分流人群，為顧客提供游園線路引導(dǎo)，保障游客的游園體驗(yàn)。因?yàn)橛慰驮诿總€(gè)區(qū)域中可以順利進(jìn)行，所以游客在每個(gè)區(qū)域內(nèi)玩項(xiàng)目的時(shí)候，游樂(lè)園的相關(guān)工作人員可以提升游客在到達(dá)一個(gè)新項(xiàng)目是進(jìn)行排隊(duì)等候。因此該模型可以對(duì)每個(gè)

13、游樂(lè)項(xiàng)目的等候游客進(jìn)行游覽提醒和疏導(dǎo)。四、問(wèn)題二4.1問(wèn)題分析本問(wèn)要求根據(jù)皇冠假日酒店歷史預(yù)訂數(shù)據(jù)信息,綜合考慮影響房間預(yù)定量的主要因素(比如季節(jié),工作日/周末,法定假日,暑期等)建立數(shù)學(xué)模型。并根據(jù)酒店2015年全年預(yù)定數(shù)據(jù)(附件2),預(yù)測(cè)2016年1月至3月每天預(yù)定房間數(shù)。首先作出了全年的散點(diǎn)圖，然后可以很清晰的觀測(cè)到2015年1月至3月每天的預(yù)定房間數(shù)幾乎趨于一個(gè)穩(wěn)定的變化趨勢(shì)，所以擬采用在一次指數(shù)平滑基礎(chǔ)上加以改進(jìn)的二次指數(shù)平滑時(shí)間序列來(lái)進(jìn)行預(yù)測(cè)，并且由于原始數(shù)據(jù)有90個(gè)并且真實(shí)可靠，故平滑法采用的初始值以第一天的數(shù)據(jù)。然后將一次指數(shù)平滑值、二次指數(shù)平滑值、預(yù)測(cè)值的結(jié)果作在一張工作表格

14、中進(jìn)行對(duì)比，利用差分公式，做出差分分析誤差條狀圖，進(jìn)而來(lái)判斷預(yù)測(cè)的效果。 4.3模型準(zhǔn)備step1：對(duì)附件2 中的數(shù)據(jù)，我們根據(jù)游客入住酒店的時(shí)間，按照月份為分類(lèi)標(biāo)準(zhǔn)進(jìn)行處理，得到以下結(jié)果（如圖3）： （單位：間）年月份房間預(yù)訂量2015 年1 月142015 年2 月302015 年3 月5022015 年4 月45282015 年5 月46602015 年6 月50742015 年7 月45982015 年8 月47202015 年9 月47572015 年10 月48222015 年11 月48682015 年12 月43252016 年1 月320圖3step2：時(shí)間數(shù)列影響因素分析時(shí)

15、間數(shù)列的影響因素主要有長(zhǎng)期趨勢(shì)、季節(jié)變動(dòng)、循環(huán)變動(dòng)和不規(guī)則變動(dòng)。長(zhǎng)期趨勢(shì)是指受事物發(fā)展的根本因素制約而形成的事物在一段較長(zhǎng)時(shí)期內(nèi)基本趨勢(shì)，可利用二次指數(shù)平滑法求解。3季節(jié)變動(dòng)是受自然條件（氣候）、社會(huì)條件（節(jié)假日、風(fēng)俗）影響的。在影響房間預(yù)訂量的因素中，季節(jié)、工作日/周末、法定假日、暑假都屬于季節(jié)變動(dòng)因素。循環(huán)變動(dòng)具有周期長(zhǎng)、規(guī)律性弱且不穩(wěn)定的特點(diǎn)，因此在建立模型時(shí)，我們對(duì)循環(huán)變動(dòng)因素不予考慮。不規(guī)則變動(dòng)受偶然因素和意外條件的影響，我們?cè)谶M(jìn)行假設(shè)時(shí)不考慮其對(duì)房間預(yù)訂量的影響。因此，在進(jìn)行時(shí)間數(shù)列預(yù)測(cè)分析時(shí)，我們僅考慮長(zhǎng)期趨勢(shì)和季節(jié)變動(dòng)因素。Step3：利用（程序見(jiàn)附件3）畫(huà)出全年每天預(yù)定房間數(shù)

16、的趨勢(shì)圖，如圖2圖2：預(yù)定房間走勢(shì)圖可以清晰的觀測(cè)到2015年1月至3月每天的預(yù)定房間數(shù)幾乎趨于一個(gè)穩(wěn)定的變化趨勢(shì)。所以可以直接用時(shí)間序列預(yù)測(cè)模型結(jié)合前三個(gè)月的數(shù)據(jù)，對(duì)2016年前三個(gè)月每天的預(yù)訂房間數(shù)量進(jìn)行預(yù)測(cè)。4.3建立時(shí)間序列預(yù)測(cè)模型時(shí)間序列預(yù)測(cè)是以時(shí)間數(shù)列所能反映的社會(huì)經(jīng)濟(jì)現(xiàn)象的發(fā)展過(guò)程和規(guī)律性，進(jìn)行引伸外推，預(yù)測(cè)其發(fā)展趨勢(shì)的方法。從預(yù)定房間走勢(shì)圖來(lái)看2015年1月至3月每天的預(yù)定房間數(shù)幾乎趨于一個(gè)穩(wěn)定的變化趨勢(shì)，所以擬采用在一次指數(shù)平滑基礎(chǔ)上加以改進(jìn)的二次指數(shù)平滑時(shí)間序列來(lái)進(jìn)行預(yù)測(cè)，并且由于原始數(shù)據(jù)有90個(gè)并且真實(shí)可靠，故平滑法采用的初始值以第一天的數(shù)據(jù)。4.4模型求解與結(jié)果分析利用

17、（程序見(jiàn)附錄4）進(jìn)行運(yùn)算求得2016年前三個(gè)月的預(yù)測(cè)值趨勢(shì)圖見(jiàn)圖3圖3：2016年前三個(gè)月的預(yù)測(cè)值趨勢(shì)圖預(yù)測(cè)的部分具體數(shù)據(jù)見(jiàn)表4，完整的數(shù)據(jù)見(jiàn)附錄5表4：2016年一月到三月理論上每天預(yù)定房間數(shù)量的預(yù)測(cè)表日期房間數(shù)日期房間數(shù)日期房間數(shù)日期房間數(shù)1-10.0000 1-241.3473 2-16-0.0253 3-93.6682 1-22.0000 1-251.0706 2-17-0.0535 3-106.0454 1-31.7000 1-260.8358 2-18-0.0758 3-117.4604 1-41.6400 1-270.6372 2-19-0.0931 3-126.4520 1-5

18、2.3850 1-280.4700 2-20-0.1062 3-136.1806 1-62.0146 1-290.3298 2-21-0.1158 3-145.1390 1-71.6944 1-300.2130 2-22-0.1224 3-154.4439 1-81.8181 1-310.1162 2-23-0.1265 3-167.0465 1-92.1202 2-10.0367 2-24-0.1285 3-178.0541 1-101.7736 2-20.1719 2-250.2711 3-188.0997 1-111.8752 2-30.0897 2-260.8121 3-199.325

19、6 1-121.5587 2-40.2222 2-270.8721 3-208.5554 1-131.2867 2-50.1373 2-280.7221 3-219.2859 1-141.8536 2-60.2672 2-291.1933 3-229.8948 1-151.5342 2-70.1797 3-12.1931 3-2311.9991 1-161.6602 2-80.1071 3-22.8409 3-2417.3735 1-174.1656 2-90.4472 3-32.7873 3-2520.3231 1-183.4933 2-100.3382 3-42.7360 3-2621.7

20、990 1-192.9139 2-110.2465 3-53.2871 3-2723.0165 由于預(yù)定的房間數(shù)量為整數(shù)，但是在預(yù)測(cè)中出現(xiàn)了小數(shù)，所以需要對(duì)數(shù)據(jù)進(jìn)行處理。原則上只有有0.001個(gè)房間也要寫(xiě)為一個(gè)房間，但是對(duì)于房間數(shù)量預(yù)測(cè)出的數(shù)值，一方面反映了預(yù)定房間的數(shù)量；另一方面反映了預(yù)定一個(gè)的概率。如果預(yù)定房間的概率小于0.5則說(shuō)明預(yù)定房間的可能性不大，所以對(duì)于該數(shù)據(jù)處理可以采用四舍五入法。2016年一月到三月實(shí)際上每天預(yù)定房間數(shù)量的預(yù)測(cè)如表5。表5：2016年一月到三月實(shí)際每天預(yù)定房間數(shù)量的預(yù)測(cè)表日期房間日期房間日期房間日期房間1-201-251 2-170 3-104 1-321-26

21、1 2-180 3-116 1-421-271 2-190 3-127 1-521-281 2-200 3-136 1-621-290 2-210 3-146 1-721-300 2-220 3-155 1-821-310 2-230 3-164 1-922-10 2-240 3-177 1-1022-20 2-250 3-188 1-1122-30 2-260 3-198 1-1222-40 2-271 3-209 1-1322-50 2-281 3-219 1-1412-60 2-291 3-229 1-1522-70 3-11 3-2310 1-1622-80 3-22 3-2412 1

22、-1722-90 3-33 3-2517 1-184 2-100 3-43 3-2620 1-193 2-110 3-53 3-2722 1-203 2-120 3-63 3-2823 1-213 2-130 3-75 3-2922 1-222 2-140 3-84 3-3021 1-232 2-150 3-94 3-3120 1-242 2-160 五、模型檢驗(yàn)問(wèn)題二，時(shí)間序列預(yù)測(cè)模型的檢驗(yàn)：對(duì)問(wèn)題二預(yù)測(cè)的結(jié)果進(jìn)行差分分析（程序見(jiàn)附件4）具體的分析圖見(jiàn)圖4圖4：差分分析圖由差分分析誤差條狀圖可以知道，預(yù)測(cè)值和去年的實(shí)際值呈現(xiàn)一階差分趨勢(shì)，表明時(shí)間序列預(yù)測(cè)模型的預(yù)測(cè)結(jié)果是符合理想。六、模型評(píng)價(jià)

23、與推廣6.1模型優(yōu)點(diǎn)問(wèn)題一，1、考慮了人流到達(dá)的不規(guī)律性，將人流到達(dá)假設(shè)為服從泊松分布，進(jìn)而考慮了低峰期和高峰期兩種情況下的疏導(dǎo)模型，低峰期為游客規(guī)劃了一條最短路徑；2、高峰期將游樂(lè)場(chǎng)合理的劃分為四個(gè)區(qū)域，進(jìn)行建議式的疏導(dǎo)，這樣既保證了為游客提供了最優(yōu)游覽方案，又讓游客擁有自主選擇權(quán)，互惠互利。問(wèn)題二，1、簡(jiǎn)單易行，便于掌握，能夠充分運(yùn)用原時(shí)間序列的各項(xiàng)數(shù)據(jù)；2、計(jì)算速度快，對(duì)模型參數(shù)有動(dòng)態(tài)確定的能力，精度較好。6.2模型缺點(diǎn)問(wèn)題一，沒(méi)有考慮一些游客喜歡按照自己的方案游玩的特殊情況，讓該疏導(dǎo)模型出現(xiàn)擁堵的情況增加了一定的不確定性。問(wèn)題二，不能反映事物的內(nèi)在聯(lián)系，不能分析兩個(gè)因素的相關(guān)關(guān)系，在處

24、理問(wèn)題時(shí)可能存在一定誤差。6.3模型改進(jìn)問(wèn)題一的方法相當(dāng)于在為游客提供建議方案，讓游客自由選擇游玩路徑，并不一定能達(dá)到我們預(yù)期想要的結(jié)果。因此需要尋求更優(yōu)的算法對(duì)模型進(jìn)行求解，例如：利用計(jì)算機(jī)仿真模擬等方法對(duì)模型進(jìn)行改進(jìn)。問(wèn)題二采用時(shí)間序列二次指數(shù)平滑法來(lái)進(jìn)行預(yù)測(cè)，只是這種預(yù)測(cè)的趨勢(shì)呈現(xiàn)一種平穩(wěn)、線性的形式，可能會(huì)對(duì)結(jié)果產(chǎn)生較大的誤差。需要尋求更精確的方法進(jìn)行預(yù)測(cè)。而在預(yù)測(cè)類(lèi)方法中有時(shí)間序列預(yù)測(cè)、灰色預(yù)測(cè)、神經(jīng)元網(wǎng)絡(luò)、差分方程等，經(jīng)過(guò)深層次分析，利用時(shí)間序列預(yù)測(cè)模型和灰色預(yù)測(cè)中的模型分別進(jìn)行預(yù)測(cè)，最后使兩種預(yù)測(cè)進(jìn)行加權(quán)平均法得出一個(gè)組合預(yù)測(cè)模型模型來(lái)進(jìn)行預(yù)測(cè)，使得出的結(jié)果更精確。6.4模型推廣

25、模型運(yùn)用廣泛，可以用于最短路徑類(lèi)問(wèn)題的求解；分區(qū)域疏導(dǎo)游客模型可以解決多服務(wù)地點(diǎn)高峰期的疏導(dǎo)類(lèi)問(wèn)題；時(shí)間數(shù)列預(yù)測(cè)模型，可以用于預(yù)測(cè)公司收入等問(wèn)題。參考文獻(xiàn)1 司守奎,孫兆亮.數(shù)學(xué)建模算法與應(yīng)用.北京.國(guó)防工業(yè)出版社.2015年4月.58-61.2 陳治佳,王曦,何苗.大型游樂(lè)場(chǎng)快速通道優(yōu)化模型與仿真模擬J.哈爾濱工業(yè)大學(xué)學(xué)報(bào).哈爾濱.第39卷第7期.2005年09月.101-103. 3 叢國(guó)超,朱翼雋.批量到達(dá)的多服務(wù)臺(tái)排隊(duì)模型求解J.成都信息工程學(xué)院學(xué)報(bào).成都.第22卷第1期.2007年01月.98-100.4 司守奎,孫兆亮.數(shù)學(xué)建模算法與應(yīng)用.北京.國(guó)防工業(yè)出版社.2015年4月.17

26、0-173.附 錄附錄1 運(yùn)行環(huán)境：MODEL: SETS:Entertainment / 1. 10/: U;! U( I) = sequence no. of Entertaiment; LINK( Entertainment , Entertainment ): DIST, ! DIST matrix, it need not be symmetric; X; ! X( I, J) = 1 if we use link I, J;ENDSETS DATA: DIST =0 300 600 1050 350 1550 900 1050 600 250 300 0 300 750 650 1

27、250 1200 1350 900 550 600 300 0 450 500 950 1050 1400 950 850 1050 750 450 0 950 500 1150 1550 1400 1300 350 650 500 950 0 1200 550 900 450 600 1550 1250 950 500 1200 0 650 1050 1500 1800 900 1200 1050 1150 550 650 0 400 850 1150 1050 1350 1400 1550 900 1050 400 0 450 800 600 900 950 1400 450 1500 8

28、50 450 0 350 250 550 850 1300 600 1800 1150 800 350 0 ;ENDDATA N = SIZE( Entertainment ); MIN = SUM( LINK: DIST * X); FOR( Entertainment ( K): SUM( Entertainment ( I)| I #NE# K: X( I, K) = 1; SUM( Entertainment ( J)| J #NE# K: X( K, J) = 1;! Weak form of the subtour breaking constraints;! These are

29、not very powerful for large problems;FOR( Entertainment ( J)| J #GT# 1 #AND# J #NE# K: U( J) = U( K) + X ( K, J) - ( N - 2) * ( 1 - X( K, J) + ( N - 3) * X( J, K) );! Make the Xs 0/1; FOR( LINK: BIN( X);! For the first and last stop we know.; FOR( Entertainment ( K)| K #GT# 1: U( K) = 1 + ( N - 2) *

30、 X( K, 1);END附錄2 運(yùn)行環(huán)境：model:sets:state/1.570/:p;endsetslamda=500;mu=10.375;rho=lamda/mu;s=4;k=570;lamda*p0=mu*p(1);(lamda+mu)*p(1)=lamda*p0+2*mu*p(2);for(state(i)|i #gt#1 #and# i #lt# s:(lamda+i*mu)*p(i)=lamda*p(i-1)+(i+1)*mu*p(i+1);for(state(i)|i #ge# s #and# i #lt# k:(lamda+s*mu)*p(i)=lamda*p(i-1)

31、+s*mu*p(i+1);lamda*p(k-1)=s*mu*p(k);p0+sum(state:p)=1;P_lost=p(k);lamda_e=lamda*(1-P_lost);L_s=sum(state(i):i*p(i);L_q=L_s-lamda_e/mu;W_s=L_s/lamda_e;W_q=W_s-1/mu;endmode2:sets:state/1.580/:p;endsetslamda=500;mu=10.4375;rho=lamda/mu;s=4;k=580;lamda*p0=mu*p(1);(lamda+mu)*p(1)=lamda*p0+2*mu*p(2);for(s

32、tate(i)|i #gt#1 #and# i #lt# s:(lamda+i*mu)*p(i)=lamda*p(i-1)+(i+1)*mu*p(i+1);for(state(i)|i #ge# s #and# i #lt# k:(lamda+s*mu)*p(i)=lamda*p(i-1)+s*mu*p(i+1);lamda*p(k-1)=s*mu*p(k);p0+sum(state:p)=1;P_lost=p(k);lamda_e=lamda*(1-P_lost);L_s=sum(state(i):i*p(i);L_q=L_s-lamda_e/mu;W_s=L_s/lamda_e;W_q=W

33、_s-1/mu;end mode3:sets:state/1.260/:p;endsetslamda=200;mu=2.9;rho=lamda/mu;s=5;k=260;lamda*p0=mu*p(1);(lamda+mu)*p(1)=lamda*p0+2*mu*p(2);for(state(i)|i #gt#1 #and# i #lt# s:(lamda+i*mu)*p(i)=lamda*p(i-1)+(i+1)*mu*p(i+1);for(state(i)|i #ge# s #and# i #lt# k:(lamda+s*mu)*p(i)=lamda*p(i-1)+s*mu*p(i+1);

34、lamda*p(k-1)=s*mu*p(k);p0+sum(state:p)=1;P_lost=p(k);lamda_e=lamda*(1-P_lost);L_s=sum(state(i):i*p(i);L_q=L_s-lamda_e/mu;W_s=L_s/lamda_e;W_q=W_s-1/mu;EndMode4:sets:state/1.180/:p;endsetslamda=200;mu=2.5;rho=lamda/mu;s=4;k=180;lamda*p0=mu*p(1);(lamda+mu)*p(1)=lamda*p0+2*mu*p(2);for(state(i)|i #gt#1 #

35、and# i #lt# s:(lamda+i*mu)*p(i)=lamda*p(i-1)+(i+1)*mu*p(i+1);for(state(i)|i #ge# s #and# i #lt# k:(lamda+s*mu)*p(i)=lamda*p(i-1)+s*mu*p(i+1);lamda*p(k-1)=s*mu*p(k);p0+sum(state:p)=1;P_lost=p(k);lamda_e=lamda*(1-P_lost);L_s=sum(state(i):i*p(i);L_q=L_s-lamda_e/mu;W_s=L_s/lamda_e;W_q=W_s-1/mu;End附錄3 運(yùn)行

36、環(huán)境：a=xlsread(酒店預(yù)定歷史數(shù)據(jù)2015年.xls);%將“附件2“更名為“酒店預(yù)定歷史數(shù)據(jù)2015年.xls”，并保存在matlab子文件夾下x=a(:,1);y=a(:,2);plot(x,y,k);grid on;xlabel(距1月1日的天數(shù));ylabel(預(yù)訂房間數(shù));title(2015年時(shí)間-預(yù)訂房間數(shù));附錄4 運(yùn)行環(huán)境：時(shí)間序列預(yù)測(cè)程序：matlab R2007aclcclearyt=load(酒店預(yù)定歷史數(shù)據(jù)2015年.txt);%將預(yù)訂房間數(shù)數(shù)據(jù)以列的形式保存在“酒店預(yù)定歷史數(shù)據(jù)2015年.txt”中，并保存在matlab子文件夾下n=length(yt),a

37、lpha=0.1;st1(1)=yt(1);st2(1)=yt(1);for i=2:n st1(i)=alpha*yt(i)+(1-alpha)*st1(i-1); st2(i)=alpha*st1(i)+(1-alpha)*st2(i-1);endxlswrite(酒店預(yù)定歷史數(shù)據(jù)2015年.xls ,st1,st2,Sheet1,C2:D366)%將預(yù)訂房間數(shù)一次指數(shù)平滑值、二次指數(shù)平滑值寫(xiě)在在“酒店預(yù)定歷史數(shù)據(jù)2015年.xls”中的C、D列at=2*st1-st2;bt=alpha/(1-alpha)*(st1-st2);yhat=at+bt;xlswrite(酒店預(yù)定歷史數(shù)據(jù)201

38、5年.xls,yhat,Sheet1,E2)str=E,int2str(n+2);xlswrite(酒店預(yù)定歷史數(shù)據(jù)2015年.xls,at(n)+2*bt(n),Sheet1,str)%將預(yù)訂房間數(shù)的預(yù)測(cè)值寫(xiě)在在“酒店預(yù)定歷史數(shù)據(jù)2015年.xls”中的E列xt=xlsread(酒店預(yù)定歷史數(shù)據(jù)2015年.xls,1,A2:E91);%將“酒店預(yù)定歷史數(shù)據(jù)2015年.xls”中A2:E91的數(shù)據(jù)讀取入xt矩陣中t=xt(:,1);y1=xt(:,2);y2=xt(:,3);y3=xt(:,4);y4=xt(:,5);y5=xt(:,5)-xt(:,2);plot(t,y1,o);grid on;hold on;plot(t,y2,b-