基于BP神經網絡的旅游景區預警系統設計-R實現

白 剛

（桂林旅游學院，廣西 桂林 541006）

基于BP神經網絡的旅游景區預警系統設計-R實現

白 剛

（桂林旅游學院，廣西 桂林 541006）

采用 BP神經網絡技術作為設計基礎，設計了旅游景區安全預警系統模型。模型預警影響指標包括人員指標、行政指標和環境指標三大類共九項。在模型基礎上，進行了以R為實現語言的模型實驗，實驗結果表明，模型精度良好。

BP神經網絡；旅游景區；預警；R語言

1 BP神經網絡及R

1.1BP神經網絡

圖1　BP神經網絡模型

采用 BP算法的多層感知器是目前應用最廣泛的神經網絡，其中單隱層網絡的應用最為普遍。[1]通常，單隱層感知器稱為三層感知器，包括輸入層、隱層和輸出層。和誤差的反向傳播實現的，正向傳播的信號用來比對最后的輸出值是否與期望值相符，如果不符合，則轉入誤差的反向傳播階段，誤差用來對單元權值進行修正。通過周而復始的正向信號傳播和反向誤差傳播過程，最終網絡輸出的誤差減少到可接受的程度。

1.2R及R語言

R誕生于1980年，是屬于GNU系統的一個自由、免費、源代碼開放的軟件，它是一個用于統計計算和統計制圖的優秀工具。[2]R的思想是：它可以提供一些集成的統計工具，但更大量的是它提供各種數學計算、統計計算的函數，從而使使用者能靈活機動的進行數據分析，甚至創造出符合需要的新的統計計算方法。

R是開源軟件，有大量的用戶支持，允許任何人開發第三方的支持功能，所有附加功能都以“包”的形式提供，包括神經網絡實現。

2 景區安全預警指標分析

BP（Back Propagation）網絡層與層之間的神經元采用全互連的連接方式，由網絡權值w進行連接，層內神經元互相無連接（圖1）。BP算法的的學習過程是通過信號的正向傳播

2.1景區安全預警影響指標

旅游景區安全預警的影響指標經過專家分析，歸納總結產生了人員指標、環境指標、行政指標。具體可以分為 3大類共9個指標。

人員指標：本子指標系包括游客及服務人員情況。①景區入園率，指景區實際入園人數與承載力上限的比率，越接近上限，安全性就相對越低。②游客平均逗留時間，逗留時間越長，對景區安全性的影響就響應越大，通過分析歷史區間內游客平均逗留時間，得出此項指標數值。③雇員游客比，指預警時間段內景區內服務人員數量與入園游客的比例，過大的比例造成資源浪費，過小的比例容易造成服務忽略或不到位，觸發安全問題。

環境指標：本子指標系包括景區有形環境指標、自然環境因素指標。具體為：①景區設施使用飽和度，指景區內設施使用飽和情況對安全的影響，過度使用或過度閑置的設施都造成安全隱患。②景區水文氣象災害情況，諸如洪水、干旱、寒潮霜凍和沙塵暴等氣象、水文災害對旅游活動的開展有很大的影響。主要考察氣象水文災害資料，分析歷史時期該旅游地爆發災害性氣象事件的次數、頻率，形成旅游地水文災害的爆發概率。[3]③監控覆蓋度，通過分析景區攝像頭、流動監控設備，形成視頻監控區域覆蓋比例。

行政指標：包括景區行政能力、突發事件響應速度、應急預案健全度。①景區行政能力，指景區協調指揮處理事件的能力，通過對景區歷史事件處理情況的總體分析，得出此項指標。②突發事件響應速度，如兒童走失的情況的響應速度，需要對景區歷史事件處理情況進行分析。③應急預案健全度，預案的健全與否直接影響景區的安全級別。

2.2景區安全預警等級分析

旅游安全預警等級分為四個級別：優秀級，表明旅游景區安全性高、無安全隱患，游客活動無需擔心突發事件。良好級，表明旅游景區有爆發安全事件的可能性，但幾率很小，并且有健全的安全事件處理預案，在此等級內，游客也無需過分擔心安全問題。合格級，此級別旅游景區存在安全風險，可能發生潛在的安全事故,但此類安全事故一般具有良好的處理預案，能夠有效控制，在此預警等級內，對游客的安全知識有一定要求，在安全知識欠缺的情況下，不鼓勵游客開展旅游活動。危急級，旅游景區爆發安全問題的可能性極大，一旦事故發生，由于缺乏足夠的應對措施和預案，將對游客與景區造成災難性的后果，在此等級內，應杜絕游客前往，并及時疏散本地游客。

旅游安全預警警戒值經過對相關成果的研究及專家意見征求，整理如下（表1）。

表1　旅游安全預警警戒值經過對相關成果的研究及專家意見征求

3 景區預警模型設計

3.1BP神經網絡模型設計

基于BP神經網絡的前饋及誤差反向傳導特性，結合景區安全預警指標體系及預警原理，模型可用流程圖表示如圖2：

基本步驟為：

（1）輸入旅游安全預警樣本集,每個樣本點包括旅游預警的基礎指標值和對應的期望預警值輸出。

（2）計算輸出層的實際輸出。

（3）比較期望輸出與實際樣本輸出的誤差，如果誤差在容許限度內則進入步驟(7)，否則進入步驟(4)。

（4）計算隱層單元誤差。

（5）求誤差梯度。

（6）誤差反向傳播，并修改各神經元權值，再進行正向傳播，反復進行直到誤差信號最小。

（7）誤差滿足要求，學習結束。

3.2R實現

經過專家打分，得到原始預警數據（y為預警輸出值，x1-x9為預警指標）如下：

表2　原始預警數據表

神經網絡輸入節點9個，選取隱層1個，隱層節點數使用驗證法最終選取為3，輸出節點1個。輸出值集合為{1,2,3,4}對應預警的4個狀態，1為優秀，4為危急。

R實現代碼如下：

圖3　相對誤差圖

迭代2000次后，相對誤差為0.002，說明模型精度良好，滿足使用條件。

4 結語

在目前旅游業高速發展的背景下，旅游安全突發事件層出不窮，事前預警勢在必行。本文在BP神經網絡基礎上用R語言實現的預警系統經過實驗發現效果良好，對建立旅游景區有效、動態的安全預警系統提供來了可參考的模型與方法。

[1] 韓力群.人工神經網絡理論、設計及應用[M].北京:化學工業出版社,2007:38-67.

[2] 百度百科.R語言[EB/OL].http://baike.baidu.com/link?url= DHV_KbDyqlJx1zaoT-M3NY91wGY_UMUYhcVjKheW TV_czLxZ3-B4nJEdkuxXmELNmUeClH765EqVKvOlpC 3FV_ ,2015-07-15.

[3] 楊儉波,黃耀麗,李凡,等.BP神經網絡預警在旅游安全預警信息系統中的應用[J].資源開發與市場,2007,23(2): 108-113.

[4] 陳甫,余朋,李力.成都雙流機場歷年主導能見度數據的統計分析及R實現[J].電腦知識與技術,2012,8(27):6428-6433.

[5] 李鋒,孫根年.旅游目的地災害事件的影響機理研究[J].災害學,2007,22(3):134-138.

Design of -R based on BP neural network for the design of tourist attractions early warning system

By using BP neural network technology as a design basis, tourist destinations security early warning system model is designed. Model of early warning indicators including people, administration and environmental three categories, a total of nine. Based on the model, with the implementation language of R model experiment was carried out, the experimental results show that the model precision is good.

BP neural network; tourist destinations; early warning; language of R

X4;TP391.1

A

1008-1151(2015)09-0001-03

2015-08-10

桂林旅游學院科研基金項目“旅游景區基于 4S與 BP神經網絡的安全預警與救援信息系統的研究”（2011QN06）。

白剛（1981－），男，桂林旅游學院高級系統分析師，研究方向為旅游信息化管理。