基于logi模型的旅游路线优化研究.docxVIP

基于logi模型的旅游路线优化研究 0 基于logit模型的路线分配算法 在旅游业的高峰时间，由于旅游业的高流量和交通流量以及时间和空间分布的不平衡，不仅会造成景区的不可恢复破坏，还会导致游客队列的拥挤和意外事故。因此在不扩充景区容量的前提下, 合理规划游客的旅游路线和游览行程成为减少因游客过度聚集给景区带来一系列负面效应的有效措施。 而游客在景区网络中的运行具有自主性特征, 在确定目标景点后, 多数游客会选择最短路径, 即使路线上存在拥堵, 游客也会继续等待, 不愿意背离自己的目标, 即不愿意绕远路而换取时间。 然而, 一味的选择最短路径虽然在一定范围内能够减少游客的行走时间, 但是在旅游高峰期中, 一段时间内如果引导大量游客都按最短路径行走, 容易发生道路的拥挤, 增加目标景点的负荷, 进而增加游客在目标景点的排队等待时间。另外, 游客的行走速度、道路的游客流量和密度具有一定的相关性。通常地, 在较高密度的客流量中, 由于游客之间相互干扰的程度增加, 因此, 游客行走将会受到诸多因素的限制, 其行走速度将会比正常情况下小。 为了避免选择最短路径所产生的问题, 李进等人提出了Logit模型, 将游客在不同路线上进行分配, 从而尽可能使游客在有效路线上均匀分配。然而其研究忽略了道路拥挤情况对游客行走时间的影响, 采用的社会福利评价指标也忽略了景点拥挤情况对社会福利所产生的影响。基于此, 本文将在其研究的基础上, 建立了综合游客偏好、拥挤度、等待时间和行走时间等指标的旅游效用函数。同时也考虑了道路拥挤度对游客行走速度的影响。 为了评价基于Logit模型的路线分配方案的有效性, 本文构建了景区高峰期游客游览网络仿真模型, 对比了不同游客量下基于Floyd最短路径和基于Logit模型的路径分配两种方案的效果。从仿真模拟结果发现, 在客流量较小时, 后者的性能要优于前者, 而当游客量较大时, 则前者要显著优于后者。 1 数学模型的构建 1.1 游客行程时间 A:景点集;B:游客集;cj:景点j的自然容量;tj:旅客在景点j的平均逗留时间;skjh:j景点通过路线k到h景点的距离;stkjh(t) :j景点在t时刻通过路线k到h景点的时间;qj(t) :t时刻景点j排队等待游览的游客人数;tij:游客i到达景点j的时刻;Δτij为游客i在景点j的实际逗留时间;vtij为游客i游览景点j的次数;mti, wti分别表示游客在旅游过程中的总行走时间和走排队等待时间。在t时刻, 定义变量: 则景点j在t时刻的游客人数为: 1.2 游客旅游效用 效用是消费者在消费商品时所能感受到的满足程度, 而旅游效用是游客在一次旅行中所获得的综合性“收益”, 这种“收益”是非货币的物质性收益, 它是旅游者在游憩、观赏、体验过程中的愉悦度、兴奋点等内在情感表现以及心理感受。旅游效用的影响因素通常是比较多的, 大致可以划分所耗费的成本和所收获的实际感受。而实际感受通常会受游客个体偏好的影响。本文在建立游客效用函数时, 认为游客的旅游效用由其在旅游过程中收获的感受与耗费的成本之比, 值越大说明其效用越大, 反之效用越小。具体而言, 模型忽略了游客到达景区所耗费的时间成本和物质成本的差异, 因此在旅游过程中游客的旅游成本主要包括在景区中的行走和等待时间;而游客的旅游感受会受游客旅游偏好和景点拥挤度的影响。 1.2.1 游客．考察某一景点的效用 (1) 游客偏好与旅游感受值的关系 假设游客人数m, 景点个数n, 游客i对景点j的偏好程度记为pij, pij∈[0, 1], pij值越大表明游客i越希望到景点j进行游览, 游客i对景区内所有景点偏好数组pij=[pi1, pi2, pi1, ?pin]。游客偏好矩阵: 本文游客偏好矩阵的每个元素都是随机产生的。游客参观某一景点的效用通常有3种: (1) 效用为常数; (2) 效用随着游客参观次数的增加而递减; (3) 第一次参观时效用为常数, 以后再参观时为0。这里采用第 (3) 种效用模式, 则游客偏好与旅游感受值的关系如 (3) 式所示: (2) 景点拥挤度与旅游感受值的关系 通常情况下, 游客的心理判断应为游客越少, 单位游客享用的资源就越多, 旅游感受值就越大。当游客数为0时, 显然这是游客感受值最大, 而当游客数为无穷大时, 游客感受值趋于0。游客旅游感受值与景点拥挤程度的并不是简单的线性关系。通过实地调研和对游客的访谈, 发现一定的临界值C, 有如下规律, 当游客数量小于C时, 单位游客数量的增加对游客旅游感受值影响越来越大, 而当游客数量大于C, 则影响越来越小。本文认为该临界值C=cj2。该规律如式 (4) 、 (5) 所示, 而景点拥挤度与旅游感受值的关系如式 (6) 所示: 综合游客偏好、景点拥挤度