基于BP神经网络的旅游景区预警系统设计-R实现

白 刚

（桂林旅游学院，广西 桂林 541006）

基于BP神经网络的旅游景区预警系统设计-R实现

白 刚

（桂林旅游学院，广西 桂林 541006）

采用 BP神经网络技术作为设计基础，设计了旅游景区安全预警系统模型。模型预警影响指标包括人员指标、行政指标和环境指标三大类共九项。在模型基础上，进行了以R为实现语言的模型实验，实验结果表明，模型精度良好。

BP神经网络；旅游景区；预警；R语言

1 BP神经网络及R

1.1BP神经网络

图1　BP神经网络模型

采用 BP算法的多层感知器是目前应用最广泛的神经网络，其中单隐层网络的应用最为普遍。[1]通常，单隐层感知器称为三层感知器，包括输入层、隐层和输出层。和误差的反向传播实现的，正向传播的信号用来比对最后的输出值是否与期望值相符，如果不符合，则转入误差的反向传播阶段，误差用来对单元权值进行修正。通过周而复始的正向信号传播和反向误差传播过程，最终网络输出的误差减少到可接受的程度。

1.2R及R语言

R诞生于1980年，是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。[2]R的思想是：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。

R是开源软件，有大量的用户支持，允许任何人开发第三方的支持功能，所有附加功能都以“包”的形式提供，包括神经网络实现。

2 景区安全预警指标分析

BP（Back Propagation）网络层与层之间的神经元采用全互连的连接方式，由网络权值w进行连接，层内神经元互相无连接（图1）。BP算法的的学习过程是通过信号的正向传播

2.1景区安全预警影响指标

旅游景区安全预警的影响指标经过专家分析，归纳总结产生了人员指标、环境指标、行政指标。具体可以分为 3大类共9个指标。

人员指标：本子指标系包括游客及服务人员情况。①景区入园率，指景区实际入园人数与承载力上限的比率，越接近上限，安全性就相对越低。②游客平均逗留时间，逗留时间越长，对景区安全性的影响就响应越大，通过分析历史区间内游客平均逗留时间，得出此项指标数值。③雇员游客比，指预警时间段内景区内服务人员数量与入园游客的比例，过大的比例造成资源浪费，过小的比例容易造成服务忽略或不到位，触发安全问题。

环境指标：本子指标系包括景区有形环境指标、自然环境因素指标。具体为：①景区设施使用饱和度，指景区内设施使用饱和情况对安全的影响，过度使用或过度闲置的设施都造成安全隐患。②景区水文气象灾害情况，诸如洪水、干旱、寒潮霜冻和沙尘暴等气象、水文灾害对旅游活动的开展有很大的影响。主要考察气象水文灾害资料，分析历史时期该旅游地爆发灾害性气象事件的次数、频率，形成旅游地水文灾害的爆发概率。[3]③监控覆盖度，通过分析景区摄像头、流动监控设备，形成视频监控区域覆盖比例。

行政指标：包括景区行政能力、突发事件响应速度、应急预案健全度。①景区行政能力，指景区协调指挥处理事件的能力，通过对景区历史事件处理情况的总体分析，得出此项指标。②突发事件响应速度，如儿童走失的情况的响应速度，需要对景区历史事件处理情况进行分析。③应急预案健全度，预案的健全与否直接影响景区的安全级别。

2.2景区安全预警等级分析

旅游安全预警等级分为四个级别：优秀级，表明旅游景区安全性高、无安全隐患，游客活动无需担心突发事件。良好级，表明旅游景区有爆发安全事件的可能性，但几率很小，并且有健全的安全事件处理预案，在此等级内，游客也无需过分担心安全问题。合格级，此级别旅游景区存在安全风险，可能发生潜在的安全事故,但此类安全事故一般具有良好的处理预案，能够有效控制，在此预警等级内，对游客的安全知识有一定要求，在安全知识欠缺的情况下，不鼓励游客开展旅游活动。危急级，旅游景区爆发安全问题的可能性极大，一旦事故发生，由于缺乏足够的应对措施和预案，将对游客与景区造成灾难性的后果，在此等级内，应杜绝游客前往，并及时疏散本地游客。

旅游安全预警警戒值经过对相关成果的研究及专家意见征求，整理如下（表1）。

表1　旅游安全预警警戒值经过对相关成果的研究及专家意见征求

3 景区预警模型设计

3.1BP神经网络模型设计

基于BP神经网络的前馈及误差反向传导特性，结合景区安全预警指标体系及预警原理，模型可用流程图表示如图2：

基本步骤为：

（1）输入旅游安全预警样本集,每个样本点包括旅游预警的基础指标值和对应的期望预警值输出。

（2）计算输出层的实际输出。

（3）比较期望输出与实际样本输出的误差，如果误差在容许限度内则进入步骤(7)，否则进入步骤(4)。

（4）计算隐层单元误差。

（5）求误差梯度。

（6）误差反向传播，并修改各神经元权值，再进行正向传播，反复进行直到误差信号最小。

（7）误差满足要求，学习结束。

3.2R实现

经过专家打分，得到原始预警数据（y为预警输出值，x1-x9为预警指标）如下：

表2　原始预警数据表

神经网络输入节点9个，选取隐层1个，隐层节点数使用验证法最终选取为3，输出节点1个。输出值集合为{1,2,3,4}对应预警的4个状态，1为优秀，4为危急。

R实现代码如下：

图3　相对误差图

迭代2000次后，相对误差为0.002，说明模型精度良好，满足使用条件。

4 结语

在目前旅游业高速发展的背景下，旅游安全突发事件层出不穷，事前预警势在必行。本文在BP神经网络基础上用R语言实现的预警系统经过实验发现效果良好，对建立旅游景区有效、动态的安全预警系统提供来了可参考的模型与方法。

[1] 韩力群.人工神经网络理论、设计及应用[M].北京:化学工业出版社,2007:38-67.

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

[3] 杨俭波,黄耀丽,李凡,等.BP神经网络预警在旅游安全预警信息系统中的应用[J].资源开发与市场,2007,23(2): 108-113.

[4] 陈甫,余朋,李力.成都双流机场历年主导能见度数据的统计分析及R实现[J].电脑知识与技术,2012,8(27):6428-6433.

[5] 李锋,孙根年.旅游目的地灾害事件的影响机理研究[J].灾害学,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

桂林旅游学院科研基金项目“旅游景区基于 4S与 BP神经网络的安全预警与救援信息系统的研究”（2011QN06）。

白刚（1981－），男，桂林旅游学院高级系统分析师，研究方向为旅游信息化管理。