来源：期刊VIP网 时间：
作者：戢晓峰;郭雅诗;陈方;黄志文;李武;
单位：昆明理工大学交通工程学院;云南综合交通发展与区域物流管理智库;昆明理工大学马克思主义学院;
摘要：黄金周旅游客流预测一直是区域旅游管理的重大现实需求，能够为黄金周旅游组织提供更为精准的数据支持。文中基于百度迁徙数据和百度搜索指数数据，以卷积神经网络(CNN)、长短期记忆网络(LSTM)以及注意力机制(Attention)为基准，构建了CNN-LSTM-Attention组合模型，对大理州黄金周日度旅游客流人数进行了预测，并基于SHAP算法进行了影响因素分析。结果显示：1)CNN-LSTM-Attention组合模型的预测精度优于RF模型、SVM模型、CNN模型、LSTM模型和CNN-LSTM模型。2)引入百度搜索指数特征后，模型的均方根误差(RMSE)、平均绝对百分比误差(MAPE)、决定系数(R~2)表现最优，表明百度搜索指数的加入在一定程度上提升了模型的预测精度。文中所构模型为黄金周旅游客流预测提供了新思路。
关键词：客流预测;;黄金周;;卷积神经网络(CNN);;长短期记忆网络(LSTM);;注意力机制
基金资助：国家自然科学基金项目(42061030);; 云南省交通运输厅科技创新及示范项目(2023-85-2)资助
