基于BP神经网络的旅行社发展方向研究

黎柏宏

【摘要】近年来甘肃省旅游业作为朝阳产业蓬勃发展，然而也由于供需不匹配而出现了产能过剩。本文通过对甘肃省旅游业及旅行社现状分析，并运用BP神经网络的方法，通过MATLAB软件对甘肃省35家旅行社及旅游业相关指标进行分析，最后预测得出甘肃省旅游业需求与供给的发展方向，从而对甘肃省旅行社的发展方向提出一定的建议。

【关键词】旅游业；旅行社；BP神经网络；供需

一、文献综述

平言（2016）通过调查发现我国消费者在出境购物以及“海淘”购物网上等花费了大量的金钱，面临我国产业以及行业的严重过剩，需紧密推进供给侧结构性改革。

近年来旅游业供需不匹配的问题亟待进行结构性改革，刘锋（2015）提出中国旅游市场在不断发展的同时，供给与需求的不匹配问题也随之而来，同质化的旅游产品大量存在的同时，高品质，个性化的产品供给严重不足。因此，旅游业进行供给侧改革势在必行。而旅行社如何在供给侧改革的背景下发展自身是当下中国旅游业面临的一个重要命题。

曾博伟（2015）指出我国旅游业供需不匹配的原因是旅游业存在严重的产能过剩问题，旅游业不比工业，不能简单的通过“关，停，并，转”来解决过剩产能，必须通过结构性改革来化解。旅游企业只有从消费者角度改革自身旅游产品，才能在旅游产品日益丰富的今天具有核心竞争力。

二、BP神经网络方法的运用

根据现有文献资料，预测产业化发展趋势的方法主要有定性分析和定量分析两类。定性分析主要有五力模型和SWOT分析等，但受主观因素影响较大；定量预测的方法有回归预测和灰色系统预测模型（GM（1，1）模型），但这两种方法都需要预先知道预测对象的数学模型。目前预测方法研究的一个重要内容是神经网络预测模型，该方法克服了建立模型及参数估计的困难，不需要建立具体的数学函数模型就可较精确的描述因素之间的映射关系。

（一）方法介绍

BP神经网络模型比较适合解决产业化前景分析中遇到的信息不完全、分析指标较多和部分指标之间存在非线性相关等问题，本文运用该模型来预测甘肃省旅游业的发展趋势，从而为甘肃省旅行社的发展路径提供建议。

1.BP神经网络介绍

1986年，BP神经网络由Rumelhart和McCelland为首的科学家小组提出，是目前应用最广泛的神经网络模型之一。该方法模拟人的思维，学习和存贮大量的输入-输出模式映射关系，通过学习和检验找到研究对象的普遍适用规律，然后输入新的一组数据获得预测结果。BP神经网络一般包括输入输出模型、作用函数模型、误差计算模型和自学习模型等。BP神经网络是一种单向传播的多层前向网络，多层前向网络由输入层、隐含层和输出层构成，以三层最为常用且最为成熟。本文通过选取旅游业攻击与需求的相关指标，建立由一个输入层、一个隐含层、一个输出层构成的三层BP神经网络。

2.研究对象和数据

通过预测以35家企业为代表的旅行社的供给情况与甘肃省旅游业宏观得需求情况，并将其进行对比找出目前甘肃省旅行社发展与旅游业发展的不匹配，从而给出合理建议。本文选取的预测旅行社供给情况的指标有企业年龄、注册资金、旅行社信用等级以及从业人员数量，而选取的预测旅游业整体需求状况的指标有2003年到2015年的甘肃省国内外旅游总收入、甘肃省国内外旅游总人数、甘肃省旅游价格（即为甘肃省国内外旅游总收入/甘肃省国内外旅游总人数）、甘肃省总人口、甘肃省人均可支配收入和甘肃省消费物价指数。由于各指标的权衡标准不一样，所以本文对个指标进行统一处理，算出每一指标的最后得分，即为这一指标的当年得分/这一指标2003年到2015年的最高得分。

预测以35家旅行社为代表的甘肃省旅游供给时，将企业年龄与注册资金作为输入指标，而旅行社信用等级和从业人员数量作为输出指标，按专家评分法得出0.5与0.5的权重得出企业总得分。而预测甘肃省旅游总需求时，将甘肃省国内外旅游总人数作为输出指标，其余作为输入指标，预测甘肃省国内外旅游总人数，与其实际人数相比较。

（二）模型适用性分析

在采用Gradient为梯度下降法的函数Validation Checks在训练时，用Training训练，每训练一次，系统自动会将Validation Set中的样本数据输入神经网络进行验证，在Validation Set输入后会得出一个误差（不是网络的训练误差，而是验证样本数据输入后得到的输出误差，可能是均方误差），而此前对Validation Set会设置一个步数，当系统判断误差在设定好的检验次数后不下降（抑或上升）说明训练误差不再减小，此时达到最佳效果，训练过程结束，否则会陷入“过学习”。学习率（Learn Rate）学习速率的选取很重要，过大可能导致系统不稳定，过小则会导致训练周期过长、收敛慢，达不到要求的误差。一般倾向于选取较小的学习速率以保持系统稳定，通过观察误差下降曲线来判断，本文选取MATLAB系统默认的学习率0.01进行运行。

1.供给预测适用性分析

下降较快说明学习率比较合适，若有较大振荡则说明学习率偏大，如图1所示，蓝色线代表训练，绿色线代表验证，红色线代表测试，本次共进行9次检验，在红线与绿线相交且绿线最低处为训练最佳效果，训练结束，最佳效果为3次，误差最小为。

本文两个投入得分作为为输入向量，以两个产出得分作为输出向量。输入向量包含定量指标与定性指标。对于定性指标的评价，一般采取相应评分，本文借鉴冯霞等人的研究，将产业化前景等级区间进行划分，如表1所示。将训练程序应用到检测样本中，得到实际得分区间与程序运行得分区间，如表1所示。

CCC为最低产业化前景等级，AAA为最高产业化前景等级，将35家企业输出指标分别赋予权重得到产业化评估得分，划分到各个等级区间以备模型检验。

2.需求预测适用性分析

选取部分实际输出与期望输出的比较值，如上图所示，可以看出该神经网络预测系统可以很好地预测每年甘肃省国内外旅游总人数。

三、结果分析与对策

从供给方面来看，本文根据BP神经网络的运算结果，对35家旅行社进行整体的预测分析，由于BP神经网络在短期内的预测更加有效，所以对甘肃省旅行社5年内的变化进行了预测，在权重得分计算中，假定5年内甘肃省的物价水平不变，得到其期望得分，如下表所示：

对35家旅行社综合得分的观察发现，未来5年甘肃省旅行社供给预测的总得分呈上升趋势，但是上升速度并不明显。有可能是由于旅行社没有侧重现行旅游发展趋势，虽然一直在改善旅游产品质量，提升从业人员素质，但是未能与游客需求相结合，发展网络旅游等新兴旅游方式。

从需求方面来看，甘肃省旅游业需求预测得分，即甘肃省国内外旅游总人数虽在2018年有所下降，但其整体呈上升趋势，且增速大于旅行社供给预测得分的增速。这说明虽然在未来5年内，甘肃省旅行社的整体供给水平有所提高，但仍然不能满足游客的需求，即有效供给不足。

针对甘肃省旅行社有效供给不足的问题，提出以下建议：

（一）创新企业模式

预测分析结果可以看出兰州市相较于其他市州总得分较高，而本文中的35家甘肃省的旅行社有24家位于兰州市，兰州市是甘肃省的省会城市，在自然资源、劳力、工业聚集、地理位置和交通等方面都具有优势。但在与企业位置距离较远的景区的及时沟通以及应急方面就显得力不从心。因此旅行社在进行纵向合并的基础上，可以开发“旅行社+当地农家”的经营模式，与当地的农户以及景区形成利益分享机制，由旅行社进行营销活动，当地农家进行接待活动，不仅可以降低旅行社的成本，还可以保证游客的出行安全以及满意度。

（二）开展新型旅游方式

游客对于旅游的要求越来越高，现在传统的旅行社大多数都是跟团游的旅游形式，这种旅游形式已经不能满足游客对于自由出行的需求。当下自由行以及房车游在旅游市场上收到追捧，越来越多的游客更愿意按照自己的节奏，租车或者自行开车，三五成群，在悠闲地旅行步伐中感受风景与美食带来的轻松惬意。旅行社可以针对这种需求开展制定路线，出租房车等新型旅游产品与方式。

（三）积极融合网络元素

网络已经完全渗透我们的旅游生活，不管是旅行前的规划活动、旅行中的跟踪指导，还是旅行后的满意度反馈，旅行社都应当积极融入网络元素。首先，抓住网络就等于抓住了新生代旅行者这一巨大市场份额，对于旅行社内部，上下游旅行社也可以相互沟通资源，实现在线订团、订位系统来查询出票、出团的情况。价格、人数等细节也都一目了然，再也不用互相打电话，反复更新、确认，极大节省了沟通的成本和时间。对游客来说，可以在线订机票、在线订团、订位服务，当然，使用者可就“自由行”或团体旅行等发团方式查询产品内容和销售动态，并可立即网上报名，实现网上交易。其次，由于分工体制不合理，我国传统旅行社产生的高额交易费用，体现在旅游产品的价格导致销售渠道成本占据了成本的很大部分。旅行社要增大利润空间就必须缩短中间环节，以节省成本的方式变相地实现产品的增值。旅行社如果无法实现网络下单、网上B2C交易，将会逐步增加沟通成本，最终被淘汰。

参考文献：

[1]王晓巍，我国中小型旅行社发展现状及出路探析[J].旅游管理研究，2015（07）

[2]张莉，人工神经网络在旅游人数预测中的应用研究[J].科技视界，2015

[3]殷秀侠.论促进旅游供给侧改革的手段[J].经济视野，2016（08）

[4]雷英月.基于BP神经网络的旅游需求预测[J].物流工程与管理，2014（03）