基于非线性自回归模型的短期导游人才需求预测
来源:用户上传
作者:
摘要：该文采用非线性自回归模型（NAR），利用从四大招聘网站上提取的旅游公司导游岗位需求数据，使用MatLAB编制相关计算程序，按“每日需求”预测导游岗位的需求量，该方法可以为旅行社、景区等旅游企业提供参考。
关键词：导游需求预测;非线性自回归模型;人工神经网络
中图分类号：F590.2 文献标识码：A
文章编号：1009-3044（2020）02-0250-02
1 背景
随着“决胜全面建成小康社会”工作的不断深入开展，旅游，这个曾经比较奢侈的消费，已经成为普通老百姓日常生活不可缺少的组成部分，每逢节假日上班后同事间问候的第一句话就是：这几天去哪儿玩了？从这个角度业看，我国旅游业进入一个新的时期——大众化旅游时代。从国内旅游业的收入和接待游客的数量方面看：2017年全年国内游客比2016年增长12.8%，游客总数达到了50.01亿人次;国内旅游收入比上一年增长15.9%，达到4.57 万亿元;我们通过对2010—2017年这8年间国内旅游市场数据进行整理和分析，得到图1。从图1可以看出，我国旅游业的旅游收入和游客数量实现了双增长，旅游业呈可持续增长态势。国家旅游局的《“十三五”旅游业发展规划》明确提出了目标：“到2020年，旅游市场总规模达到67亿人次，旅游业总收入达到7万亿元”。经过测算，要实现这个目标，未来2年，旅游市场总规模年均增长要达到8.495亿人次，年均增长率要达到15%～16%;旅游总收入年均增长为1.215万亿元，年均增长率要达到23%～24%。可见，十三五期间，我国旅游业必将有较大的发展，旅游就业人才需求旺盛，根据国家旅游局《“十三五”旅游人才发展规划纲要》的目标，2020年旅游业直接就业人数将达3300万人。
导游员岗位是旅游业岗位需求人才的非常重要一个部分，但从实际情况来看，旅行社和景区一般很少真正雇佣导游员作为长期正式员工，众所周知的原因，因为大多数游客都集中在春节、国庆等节日进行远距离旅行，有些景点是有最佳游览期的，过了最佳游览期，旅游的体验度就要大打折扣了，以上这些原因都促成了旅游鲜明季节性，这种状况，就使得旅行社和景区对导游员岗位的人才需求是一个动态过程，是在不断发生变化的，旺季和淡季的差别是非常大的，这也是旅行社和景区在旅游旺季，导游员需求旺盛时，专职导游不够用的情况下，临时招一些兼职导游，旅行社和景区是企业，企业自然是要盈利的，是要进行成本控制的，从这方面看，旅游企业这么做，也是完全可以理解的。所以，这与其他许多行业或职业不一样，旅行社和景区对导游的需求是季节性的，是一个动态的需求，所以旅游企业需要对导游的需求进行预测，并且，导游需求的季节性，使得导游岗位的需求预测是侧重于短期需求预测。加强对导游岗位需求进行预测分析，可以准确地确定导游人才的需求量，是开发旅游企业人力资源、提高导游行业人员效绩的重要前提。旅游人力資源与产业的发展息息相关。如果能科学的预测导游人力资源规模对今后的旅游的发展意义重大。
所谓人才需求预测，就是使用某种科学的方法，来对未来一段时间内，社会对某类人才需求的趋势进行定性或定量估计和判断，以确定人才需求的状况。定性的预测方法，一般主要为分析和比较研究等，定量预测的方法一般包括回归性分析（例如一元线性分析）、基于时间序列预测模型、灰色系统理论（GM模型）预测以及人工神经网络。
一般文献对旅游人才的需求预测，大多数研究都是着眼于大中尺度时间段的预测，而对于小尺度的短期预测研究很少;在数据上，大部分文献采用月度或年度数据进行预测，很少有文献采用每日的数据，这些局限性，限制了导游人力资源需求的预测的效果，在旺季，旅行社和景区的管理者需要以每日计的短时导游需求仿真和预测。课题组将以人工神经网络中的NAR回归神经网络对导游的每日需求量进行预测研究。
2 NAR回归神经网络
NAR（Nonlinear Auto-Regressive）全称是非线性自回归模型，这种模型实际上就是用自己本身作为回归中用的变量，换种说法，就是利用前段时期若干时刻产生的随机变量的线性组合，来产生以后继某时刻随机变量的非线性回归模型，这种模型是时间序列中的一种经常使用的形式，所谓时间序列，就是按时间顺序排列产生的一段数字序列，基于时间序列分析与预测，就是使用实际采集或观测，而得到的时间序列数据，通过曲线拟合和参数估计，预测未来事物的发展。
课题组选用动态神经网络一一NAR回归神经网络基于导游岗位人才需求时间序列特性建立了导游短期人才需求预测模型，使用从招聘网站上提取的导游岗位需求量数据，用MatLab编程，最终预测了12月21日至12月27日导游岗位人才需求。
3 计算工具、数据来源、误差检验
3.1 编制计算程序
NAR神经网络模型的运算，一般不用手工完成，通常都是基于计算机进行模拟运算，所以课题组利用MATLAB编写相关NAR神经网络模型的计算程序，并用这一程序进行导游岗位短期人才需求的预测。
3.2 数据来源
为了保证数据的准确和权威，本次使用的人才需求数据是从“智联招聘”“前程无忧”“58同城”“最佳东方”四大人才招聘网站上，通过网络爬虫技术抓取了2018年11月28日至12月20日期间旅游企业发布的相关导游岗位的招聘岗位数，经过比对，去掉重复发布的企业，得到原始数据如表1所示。
目前，绝大部分人才需求的预测的文献，均采用年度数据进行预测，并且现有研究文献主要着眼于大中尺度的预测，很少有进行按日需求进行预测的文献。求是按季节和时间不断变化的，所以导游的岗位需求预测主要着眼于短期预测。
NAR神经网络预测效果可以通过误差图、误差自相关图等进行可视化。
本次研究，课题组利用招聘网站提取的12月份导游岗位招聘数据，采用NAR神经网络模型进行短期导游岗位的需求预测，使用MatLAB实现NAR模型，进行导游岗位的每日需求预测的尝试。图3为误差图，用竖直方向的线段来表示测试目标和预测结果之间的差值，如果此类线段越少，就表示NAR神经网络预测的效果越佳;一般来说，还需要结合图2的误差自相关图分析，通常误差在lag 为0的时候最大，其他情况下以不超过置信区间为佳。由图可知，此模型误差绝大部分在置信区间内，因此可以推测此NAR神经网络预测模型可以用于导游岗位每日需求的预测。
4 预测结果
根据编写的程序和训练好的数据，预测出12月21日至12月27日7天期间导游岗位人才需求如表2所示。
5 结束语
课题组使用从“智联招聘”“前程无忧”“58同城”“最佳东方”四大人才招聘网站上提取的2018年11月28日至12月20日期间旅游企业发布的相关导游岗位的招聘岗位数，运用NAR神经网络预测模型，对12月21日至12月27日的导游需求量进行了预测，取得了较好的效果。
参考文献：
[1] 王新宇， 方法林， 宋益丹. 江苏旅游人才需求预测——基于灰色系统理论和一元回归方程混合模型[J]. 中国商贸， 2012（14）：174-175.
[2] 陈婕. 基于C++和MatLab混合编程的GM（1，1）模型实现与应用[J]. 电脑知识与技术， 2017， 13（33）：124-126.
【通联编辑：谢媛媛】
转载注明来源:https://www.xzbu.com/8/view-15128044.htm
