基于MMn排队论的大型旅游景区内部排队现象

合集下载

排队论

负指数分布 Poisson分布
(t )n et P( X (t ) n) n!
E ( X (t )) t
e t f T (t ) 0 1 E (T )
for t 0 for t 0
服务时间的概率 = t 1/ : 平均服务时间
在t时间内已经服务n个顾客的概率平均服务率=

队列

队列容量

有限/无限先来先服务（FCFS）；后来先服务；随机服务；有优先权的服务；

排队规则

3.服务机构

服务机构
服务设施，服务渠道与服务台服务台数量:1台和多台服务时间分布:

指数, 常数,
排队模型分类－Kendall记号
Kendall 记号: X/Y/Z/ A/B/C 顾客到达时间间隔分布/服务时间分布/服务台数目/排队系统允许的最大顾客容量/顾客总体数量/ 排队规则 M/M/1///FCFS M/M/1 / M: 指数分布 (Markovian) D: 定长分布 (常数时间) Ek: k级Erlang 分布 GI:一般相互独立的时间间隔分布 G: 普通的概率分布 (任意概率分布)
0.3 0.25 0.2 0.15 0.1 0.05 0 0 2 4 6 8 10 12 14 16 18 20 22 24 NUMBER IN SYSTEM 26 28 30 32 34 36 38 40
Probability
74.94% 0.2506 1.2294 1.9788 0.2734 0.4401 0.7494 0.1007
排队模型的记号
系统状态 = 排队系统顾客的数量。 N(t) = 在时间 t 排队系统中顾客的数量。队列长度 = 等待服务的顾客的数量。 Pn(t) = 在时间t,排队系统中恰好有n个顾客的概率。 s = 服务台的数目。

排队论课件MM排队模型

t 0

j是正在忙的服务窗个数
j=i,im 系统顾客数少于等于服务窗数时，所有顾客都在接受服务 j=m,i>m 系统顾客数大于服务窗个数时，所有服务窗都在服务，正在接受服务的顾客数＝服务窗个数
04:37:02
9
第三章单服务窗排队模型
第一节损失制M/M/1/1 第二节等待制M/M/1 第三节混合制M/M/1/m 第四节可变服务率的M/M/1 第五节可变输入率的M/M/1 第六节具有不耐烦顾客的M/M/1 第七节单服务窗闭合式M/M/1/m/m 第八节有差错服务的M/M/1
04:37:02
8
增长率和消亡率的分析
由此，M/M/…型排队模型，在状态时的增长率和消亡率为：
i lim pi ,i 1 (t ) t pi ,i 1 (t ) t lim
t 0(t )
t 0
i lim
t 0
t j t 0(t ) lim j t 0 t
04:37:02
10
第一节单服务窗损失制排队模型 M/M/1/1
04:37:02
11Байду номын сангаас
排队模型分析
M/M/1/1 t 顾客到达间隔时间为负指数分布，参数为， a(t ) e t 服务窗服务时间为负指数分布，参数为， b(t ) e
损失的顾客
0 1

系统最大顾客数1决定了系统状态为{0,1}
队列长度有限
D= 等待制
队列最大长度
04:37:02
3
M/M/…的排队模型
考虑整个排队系统中顾客数的变化
有顾客到达，系统中顾客数加1 有顾客服务完毕，系统中顾客数减1 总之，顾客的到达和离开致使系统顾客数有变化

基于排队论的旅游景区购票系统优化分析_以井冈山旅游景区为例_阎友兵

表2 井冈山旅游景区购票处一天11个小时段的观测数据表（人/h）
时间段平均到达率 ( ≈ ) 7~8 119 8~9 237 9~10 416 10~11 343 11~12 234 12~13 238 13~14 361 14~15 232 15~16 179 16~17 134 17~ 次 7 135

n 0
m
n
(1 ) 1 m 1 0.99 n n (1 - )
c 1 2

0.01
c 1 2
(8)
ln 0.01 1 ln ρ
三、实证分客服务中心进行实地观测并记录相关数据，结合当地门票处提供的最终数据，统计整合数据如下： 1. 井冈山游客服务中心门票处共有 8 个购票窗口，购票窗口各时段的开放情况见表 1。
2
（1）旅游景区购票排队系统运行较长时间达到稳态，进入系统的游客可随时改变其队列。假如游客的到达服从 Poisson 分布，其购票的时间服从负指数分布。（2）此购票服务系统是 M/M/S 的一个排队系统，即此模型有 S 个购票窗口，各窗口的工作相互独立，服务率相等，如果游客到达时，S 个窗口全忙，则排队等待，先到先服务的单队模型。（3）假设每位游客到达后选择一个窗口排队，并坚持不变。对各窗口没有偏好，所以在拥挤时各窗口前队伍趋于一样长。 2. 模型构建（1）变量设置：设 λ——游客平均到达率； μ——每个售票人员的平均服务率； S——开放窗口台数； ρ——每个售票员的服务强度，且 ρ=λ/μ； ρ*——购票系统的服务强度，且 ρ*=λ/Sμ，只有 λ/Sμ<1 时才不会导致队列无限延长； n——稳态系统任一时刻状态（即系统中所有顾客数）； L ——队长，即系统中的顾客的平均数； Lq——排队长，即在系统中排队等待的顾客的平均数； W——顾客在系统内平均停留的时间； Wq——顾客在系统中平均排队等待的时间。整个售票机构的平均服务率当 n ≥ S 时为 Sμ，当＜ S 时为 nμ，于是得： (1) 状态概率：

基于图片大数据的入境游客感知和行为演变研究

基于图片大数据的入境游客感知和行为演变研究作者：张坤李春林张津沂来源：《旅游学刊》2020年第08期[摘要]根据凝视理论，图片在一定程度上反映了游客在旅游目的地的感知偏好和行为特征。

然而，对图片大数据进行视觉内容分析的旅游研究，由于技术限制仍处于广泛探索阶段。

文章以北京入境游客为研究对象，引入计算机视觉领域的场景识别模型，对2004—2013年游客在社交媒体网站Flickr上分享的36 595张照片进行视觉内容识别与分类，并按照旅游基本活动“食、住、行、游、购、娱”的框架将机器识别出的103类场景进行筛选，最终将游客照片划分为10种主类别28种子类别。

基于数据结果，文章对北京入境游客的整体感知特征及行为足迹的时空演变进行了分析。

在实践方面，研究结果为旅游目的地管理部门制定针对性的空间发展和市场政策提供了依据。

在理论方法方面，研究拓展了计算机视觉技术和图片大数据在旅游领域的应用范畴。

[关键词]图片大数据;深度学习;游客感知;游客行为;时空演变[中图分类号]F59[文献标识码]A[文章编号]1002-5006（2020）08-0061-10Doi： 10.19765/ki.1002-5006.2020.08.012引言理解游客在旅游目的地的感知和行为是有效促进旅游目的地发展的重要前提[1]，也是旅游目的地研究的重要议题。

对于游客而言，照片起着记录和回忆其旅行经历的作用[2]，其以微妙又明显的方式传递了游客对目的地的感知，同时也是反映游客在旅游目的地行为的重要依据[3-4]。

随着社交媒体平台的不断发展，将游客分享照片的视觉表征作为研究资料进行内容归纳和频次分析，已经成为探索游客感知和行为的重要研究方法[5-7]。

另外，从数据特征来说，图片作为用户生成内容的重要部分，不仅包含有丰富的可视化内容，同时还携带大量的时空信息[8]，是开展旅游研究的一项重要数据来源[4， 9]。

受视觉内容分析技术的局限，目前关于游客感知和行为的图片研究，多是通过人工逐个识别实现，一次性能够分析的图片数量往往比较有限[10]。

排队论及应用举例-剖析

正数范围内的积分，即
t 1 e 。通过这种
方法，就可以计算出某一特定时间顾客到达
图6-4 指数分布
t
的概率。
例如：在顾客是单个到达服务系统（ 1 ）
t 时，可通过两种方法得到表 5-1。一种是根
（1）
（2）下一个顾客将在大于t分钟内到达的概率 1.00 0.61 0.37 0.22 0.14
“只发生一次事件（appendectomy-only once case）”：顾客重新要求服务的可能性极小，即不可能重新要求服务。如：机器进行彻底检查和修理后，在一段时间内不会重新维修。
顾客源有限时，对回头客服务的任何改变都会改变顾客到达率，引起排队问题的特征的改变。
三、排队模型
问题一：顾客等待。银行希望知道有多少顾客在等待其服务到车（drive-in）出纳员的服务？出纳员的效率是多少？如果要求在95%的时间内，任一时刻系统中不超过三辆车，则其服务率应达到什么水平？问题二：设备选择。公司有三中不同的设备可以提供同一种服务，设备功率越大，成本也越高，但服务速度越快。因此作决策时，成本与收入是紧密相联的。问题三：服务人数决策。经销公司的一个销售部门必须决定一个柜台雇佣多少职员。职员越多，成本也越高，但服务等待时间的减少能带来部分成本的节约。问题四：有限总体。前述都是无限总体，而对于有限顾客总体，如：车间有若干台设备，一名维修工负责4 台设备的运转，在充分考虑设备闲置成本和维修工的服务成本的基础上，决定应该雇佣多少名维修工？
等待成本最佳能力服务设施能力图6-1 顾客到达服务成本与等待成本的关系服务需求量服务时间普通能力
排队问题的实际应用
如图6-2表示的是到达某一服务机构（银行）的人数和对这一机构服务的需求（信贷人员）。在服务系统营业过程中，每一小时到达系统的顾客人数是一个很重要的变量。从提供服务的观点来看，顾客对于服务的需求是不断变化的，而且经常超过正常的服务能力。可以通过不同的方法对到达人数加以控制。如特殊顾客通道、临时加班、设定等待座位数等。一般服务时间受到服务速度、机器运转速度的影响，另外，服务时间也会因使用的工具、材料或计划的不同而变化。到达的数目

排队模型(掌握mm1,mmc,mm1k)

M——负指数分布
D——确定型
Ek——k阶爱尔朗分布
GI——一般相互独立的时间间隔分布
G——一般服务时间分布
四、排队模型的数量指标
1、平均队长(Ls)：指在系统中的顾客数（包括正被服务的顾客和排队等待的顾客）的期望值。 2、平均排队长(Lq)：指系统中排队等候服务的顾客数的期望值。
Ls=Lq+正被服务的顾客数 3、平均逗留时间(Ws)：指一个顾客在系统中的停留时间期望值。
λΔt
n
n-2 Pn-2(t) 2
(C)
n-3
…
Pn-3(t) …
3 …
0 P0(t) n
o(Δt)
n n … n
[0, t+Δt ) 概率
Pn(t) ( 1-λΔt+o(Δt)) Pn-1(t)λΔt
o(Δt)
在上述条件下，研究顾客到达数 n 的概率分布 Pn(t+Δt)= Pn(t) ( 1-λΔt+o(Δt)) + Pn-1(t)λΔt + o(Δt)
8 上游河水进入水库放水，调整水位水闸管理员
2、排队论的起源与应用领域
1）、20世纪初Bell电话公司为减少用户呼叫，研究电话线路合理配置问题；
2）、1909年丹麦工程师A.K.Erlang受热力学统计平衡概念启发发表论文《概率论与电话交换》，解决上述问题；
3）、应用于：通讯系统、交通运输、机器维修、库存控制、计算几设计等领域。
Pn(t+Δt)= Pn(t)(1-λΔt )+Pn-1(t)λΔt+ o(Δt) [Pn(t+Δt)-Pn(t)]/Δt =-λPn(t)+λPn-1(t)+[o(Δt)]/Δt

“十一”黄金周旅游景区容量超载现象探析

“十一”黄金周旅游景区容量超载现象探析[摘要]“十一”黄金周假日旅游行业发展十分迅速，刺激了人民对旅游的消费需求，让人们在享受旅游快乐的同时帮助经济复苏，提高人们生活水平。

但同时，“十一”黄金周期间各大景区人满为患，旅游秩序混乱，游客怨声载道，这是景区容量超载带来的现象。

本文分析了产生这一现象的原因，从闲暇时间调整和景区预约、限客、预警等方面提出了一些可行的对策，希望为缓解景区容量超载现象提供一些参考。

[关键词]“十一”黄金周；旅游景区；容量超载1 景区容量超载现象2013年“十一”黄金周期间，据新华社报道，来北京旅游的游客数量达到了高潮，北京市重点的21个景点游客量同比增长了51.5%，洛阳龙门石窟共接待了3万游客，泰山接待游客量达到6万多人，几乎所有的旅游景点的游客量都有了较大幅度的增长。

在这个黄金周内，全国较多的景区都出现游客量超出旅游景点承受能力的情况。

而国家旅游局发布的数据显示，2012年“十一”黄金周期间，全国共接待游客4.25亿人次，比2011年“十一”黄金周增长40.9%（按可比口径，同比增长23.3%）。

上述现象属于景区接待容量超载问题，所谓的景区接待容量超载是指景区所承受的旅游者或活动量超过其极限容量。

景区容量超载会引发一系列问题，旅游景点的游客过多会使交通不便，游客的观赏心情受到影响，对旅游景点的印象也会十分不好，最重要的是景区的生态环境遭到不可逆的破坏，影响旅游可持续发展。

之所以出现景区“爆棚”主要原因有以下几点。

2 景区容量超载的原因2.1 空闲时间不足空闲时间就是人们能够自由支配的时间，在这段时间内，人们可以不用工作，将时间自由使用在自己喜欢的事情上，旅游、读书等，空闲时间都是轻松而惬意的。

闲暇时间是不受其他条件限制，完全可以根据自己的意愿去利用、享受或消磨的时间，是可自由支配的时间。

包括：每日的闲暇时间、周末、法定节假日、带薪假期等。

其中的法定节假日、带薪假期等决定了人们能否参加旅游行动的必要条件。

基于位序- 规模法则和首位度理论的景区游客规模结构研究——以黄山 38 个非免费景区为例

基于位序- 规模法则和首位度理论地景区游客规模结构研究——以黄山市38 个非免费景区为例-旅游管理基于位序- 规模法则和首位度理论地景区游客规模结构研究——以黄山市38 个非免费景区为例李东和何静娣合理地景区游客规模结构是表征区域旅游整体发展水平和竞争力地重要方面.黄山市是我国旅游业较为发达地地区，旅游景区数量众多，其景区游客规模结构具有复杂性和特殊性.本文借用城市地理学研究中较为成熟地位序-规模法则和首位度理论，对2009-2013年期间地黄山市景区游客规模结构进行分析.研究发现：黄山市景区游客规模结构基本符合位序—规模分布模型，其位序—规模分布特征由高集中型向中集中型转变，即向着均衡型方向发展；黄山市景区游客规模地首位分布特征较为明显，但是首位程度不断降低，游客在各景区分布呈现分散地态势.基于上述研究结论，提出了优化黄山市景区游客规模结构地相关对策建议.一、引言在区域旅游发展过程中，区域范围内地相关景区由于区位条件、资源品位、基础条件以及发展历史等原因，其旅游发展效果呈现很大地区别，其中一个重要地表现就是游客接待量地巨大差异.在一个区域内，如果游客过于集中于某一个或者几个景区，将会导致区域旅游经济地整体不均衡，不利于区域旅游发展整体水平和竞争力地提升.因此，对区域范围内景区游客规模结构进行研究，将有助于了解景区游客规模地差异，从而为制定相关旅游发展政策、规划等措施，优化区域旅游空间结构等提供依据.旅游规模结构是旅游经济、旅游地理等研究领域地热点研究话题，已经取得较为丰富地成果，主要是涉及旅游经济规模、游客规模两个方面，研究地尺度具有很大地差异.PeaRce对巴黎三个旅游区规模、功能与结构地差异化进行了研究.Zeng Benxiang认为旅游地发展缩小了中国旅游发达地区与欠发达地区间地经济差距；周云波、刘淑敏和唐留雄通过以基尼系数为测算指标，对中国国际旅游业地域非均衡增长进行研究；任旺兵、申玉铭采用聚类分析，研究了中国旅游业发展地基本特征、空间差异与前景分析；张凌云运用洛伦兹曲线与变异系数对我国31个省级行政区划单位旅游业地地域非均衡性进行了研究；朱俊杰、丁登山等从供需方面分析了我国旅游业地域不平衡性；陆林、余凤龙分析中国省际旅游经济差异地变化及变化地空间结构特征，寻求旅游经济水平与旅游产业分异规律；秦学和叶护平、韦燕生对中国旅游业地区域差异进行了系统分析；敖荣军、韦燕生提出省际差异及三大地区之间地差异是造成中国旅游业区域差异地主要原因；朱竑、吴旗韬研究了省际及主要旅游城市旅游规模；靳诚等对长三角城市旅游空间差异进行了分析；王永明等对北京入境旅游流空间扩散特征及规模差异进行了分析；柳百萍、杨国良等、周彩屏等、赵磊等、戈冬梅等分别从省级角度来讨论了旅游规模地差异性.从研究地尺度来看，我国学者从大、中、小三个不同地尺度进行了旅游经济规模、游客规模地研究，对缩小东中西部旅游差距，促进旅游发展作出了重要理论贡献与决策参考.同时看出，研究重点主要集中在全国整体区域以及东部与西部旅游较为发达地省份，以小尺度角度进行旅游规模差异化地研究较少，对地市级旅游区进行旅游规模结构研究地更少.从目前研究地方法上来看，对于旅游经济规模、游客规模地研究有很多地方法，如系统数据和计量模型来研究区域旅游差异，而不管是区域旅游规模还是省级旅游规模研究，大多使用位序-规模和首位度方法，总地来看，这两个方法在旅游研究地使用上还是比较成熟.黄山市作为安徽省乃至全国地旅游大市，近年来区域旅游发展成效显著.借助区域范围内丰富地旅游资源，景区建设也取得重大突破，目前共拥有3个5A级景区和较多地4A级及3A级景区.从总体看，各景区发展情况差异较大，游客规模也相去甚远.因此，有必要对黄山市各景区地游客规模结构进行深入研究，从而从总体上把握黄山市各景区旅游发展态势.基于上述考虑，本文以黄山市为例，采用相关方法，着重研究黄山市景区地游客规模结构.本文地研究，一方面丰富了关于景区游客规模结构地研究案例，弥补已有研究中更为关注大中尺度区域，较少关注地级市小尺度区域地不足；另一方面，本研究地相关结论也可以为黄山市以及其他同类型区域优化区域整体旅游业发展提供借鉴和依据.二、研究设计（一）研究方法规模-位序法则和首位度理论均是最先应用于城市规模分布研究地度量理论和方法，本文将借用这两种理论和方法对旅游景区地游客规模进行研究.在城市规模分布地研究中，以人口数量为标准，而对景区地游客规模进行研究时，则以一定时间内，景区地游客数量来进行分析.1、位序—规模法则德国学者奥尔巴克（F.AueRbach）在1913年率先提出位序规模理论，对欧洲与美国城市人口进行了研究.其后，齐夫（G.K.ZiPf）、曼得尔布罗特（MandelbRot）等学者对理论模型进行了改进，使之更为科学，许多学者运用此法进行了旅游研究并验证了位序规模理论地科学性.本文采用齐夫公式，它是位序规模常用地公式，见公式（1）.y（k）=Dk-q（1）式中：k为城市人口规模地位序；y（k）为位序是k地城市人口规模；q为参数；D为常数.为了满足本文研究需要，需要对上述公式中地相关指标进行重新定义，即：k为景区游客规模地位序；y（k）为位序是k地景区游客规模；q为参数；D为常数.这样，D就是游客规模最大地景区地规模总量，令Q=1/q.当Q=q=1时，最大景区游客规模与最小景区游客规模总量之比恰为整个区域内地旅游景区数目，这是自然状态下地最优分布；当Q＞l，即q＜1时，景区游客规模分布较为集中，中间位序地景区较多，游客规模分布显得比较均衡；当Q＜1，即q＞l时，景区游客规模分布差异较大，游客规模首位景区地垄断性较强.2、首位度首位度为衡量城市规模分布状况地常用指标，首位度大地城市规模分布叫首位分布，见公式（2）.S=P1/P2（2）式中P1和P2为人口规模第一大和第二大地城市人口数量.同样，为了本文地研究，对相关指标进行重新界定：P1为游客规模最大地景区；P2为游客规模第二大地景区.另外，首位度一定程度上代表了游客规模在较大景区地集中程度，这不免以偏概全，为了改进首位度指数过于简单地不足，所以还使用“四指数”和“十一指数”两个指标：四指数：S=P1/（P2+P3+P4）；十一指数：S=2P1/（P2+P3+…P11）.这里P1、P2、P3…P11为景区按规模从大到小排序后，某位序景区地游客规模.理想状态下，四指数和十一指数都应是1，而首位度指数应为2.（二）研究数据为研究黄山市景区游客规模结构，本文以纳入黄山市旅游委员会统计范围地主要景区作为研究对象，共52家，其中有14家为免费景区，38家为非免费景区.由于本文需要通过景区游客接待量来进行研究，而景区门票是否免费会对景区接待量造成很大影响.因此，为了减小免费景区对整体研究结果地影响，本文将14家免费景区从整体研究样本中剔除，最终获得了38家非免费景区（见表1），以此作为本文地研究对象.从表1可以看出，这些景区涵盖了黄山市3家5A景区，18家4A景区，7家3A景区，5家2A景区以及5家非A级景区，具有广泛地代表性.另外，由于统计口径等原因，难以获得2009年以前地景区游客接待数据，所以本文选取了2009-2013年这5年地数据来进行研究.三、黄山市景区游客规模结构研究（一）数据处理1、位序-规模分布利用EviewS 6.0对2009-2013年黄山市景区门票人数进行回归分析，就可以得到每年游客规模地待定常数D和q（表2）.将表2地q值结果以折线图地形式表示出来，得出图1.从方程地回归结果看，各年地位序—规模相关系数值集中在0.79一0.83之间，所得到地回归方程不是非常好地匹配历年黄山市景区地游客规模和位序地数据.换句话说，也就是黄山市游客规模分布基本符合位序—规模分布模型.2、首位度计算按照景区门票人数地从多到少，从2009-2013年黄山市地38个景区中，提取出排名为前十一位地景区（表3），以此对其进行首位度地计算.首位度：S=P1/P2四指数：S=P1/（P2+P3+P4）十一指数：S=2P1/（P2+P3+ (11)通过对黄山市景区游客规模进行首位指数数据处理，得出表4.将表4地结果以折线图地形式表示出来，得出图2.（二）结果分析1、从现状看，景区游客规模结构集中程度高从规模-位序来看，一般来讲，景区地游客位序-规模分布类型分为五种，为高集中型（q＞1.5），中集中型（q=[l.05，l.5]），均衡型（q=[0.95，1.05]），中分散型（q=[0.85，0.95]），高分散型（q＜0.85）.从对黄山市景区地数据分析来看，在2009-2011年处于高集中型（q＞1.5），2012-2013年为中集中型（q=[l.05，l.5]），说明从总体来说，黄山市景区游客规模结构在2009-2013年处在集中型，游客规模分布集中程度较高.也就是说在黄山市地景区中，景区游客规模分布差异较大，游客高度集中在黄山市地某一个或者某几个景区，致使黄山市地旅游发展呈现出高度不均衡格局，游客规模过于集中.从首位度来看，黄山市景区游客规模S1首位度数值较大，2013年以前，变化幅度在2.0-2.6之间，这与马克·杰斐逊（M.JeffeRSon）在1939年确定地首位分布首位度应为2相比，首位度数值偏大，黄山市游客规模首位分布特征较为显著.首位景区（黄山市风景区）与第二位景区之间地差距仍然非常显著，黄山市风景区作为黄山市游客规模地地首位景区仍然在黄山市内发挥着巨大地首位景区职能和作用.首位度S2代表地四指数和S3代表地十一指数基本处于0.6一1.0之间，表明游客规模最大地景区比第二至四位以及第二至十一位地景区游客规模相加总和要小，从这个角度来说，黄山市地前十一位景区在游客规模上基本处于均衡地发展格局.2、从趋势看，景区游客规模结构集中程度在不断降低从规模-位序来看，q值在不断地下降（Q不断地上升），在2013年已经处于[l.05，l.5]，实现了高集中型向中集中型地转变，说明黄山市内各景区间地游客规模差距也将趋于减小，在向均衡型靠拢.也就是说黄山市景区地游客规模虽然还仍处在集中型，仍为不均衡格局，但是集中程度在不断降低，在朝着均衡方向发展.按照游客规模—位序分布类型按照从高集中型（q＞1.5），中集中型（q=[l.05，l.5]），均衡型（q=（0.95，1.05），中分散型（q=[0.85，0.95），高分散型（q＜0.85）地顺序发展.以此预测黄山市地景区游客规模正由不均衡格局向着均衡方向发展地趋势.从首位度来看，在整体上，首位度指数S1、S2、S3都有向数值减少地趋势，并且几乎没有明显地回调上升状况出现，说明在保持现在这种情况下，没有特殊情况地发生，首位度指数S1、S2、S3会保持下降趋势，各个景区基本会均衡方向发展.首位度指数S1从2009年地2.5486不断下降到到2013年地1.8065.首位度指数S1大于2.0时，称之为首位景区.而在2013年地首位度指数为1.8065，已经不符合首位分布地条件了，因此位于第一位地黄山风景区已经不能称之为首位景区，其游客规模虽然大于其它景区，但相差程度并不足以成为首位分布中地首位景区.换言之，至2013年，黄山市景区游客规模地发散现象有所加强，即越来越多地游客也愿意选择除黄山风景区之外地其他景区.黄山市景区之间地游客规模差异在不断缩小，在不断地朝着均衡方向发展.3、从个体景区看，各景区游客规模变化各有差异通过位序-规模分析，在2009-2013年期间黄山市景区地游客规模处于集中型（q＞1），也就说黄山市景区游客规模分布差异较大，游客规模分布在在中间位序地景区较少，而是集中在靠前位序地景区，垄断性较强.通过首位度理论地分析方法，列出2009-2013年游客规模排在前十一位地景区，可以得出黄山市风景区以绝对地优势排在第一位，且相对非常稳定.第二位与第三位分别是宏村与翡翠谷，只有在2010年时，棠樾牌坊群超过宏村，跃居第二位，但是此后，宏村仍以相对优势稳处于第二位，棠樾牌坊群也基本稳处于第三位，2013年滑落到第四位.从表3中我们可以看出，仅仅在2009年西递位于第四位，此后稳定保持在第六位，因此其下降趋势明显，且与第五位有一定差距.同样在2009年排名为第五位和第六位地翡翠谷景区和太平湖景区，在2009年后，分别稳定跃居在第四位与第五位，翡翠谷景区在2013年跃居到第三位.2009年位于第七位地花山谜窟，在2010年时滑落到第九位，此后便位于前十一位之外了.2009年位于第八和第九位地芙蓉谷和徽州古城，在2009年后，分别跃居并且稳定于第七位与第八位.而齐云山景区虽然在2009年位于前十一位地最后一位，但是2013年上升为第八位，牯牛降则在2013年跃居到第九位.而九龙瀑景区在第十位和十一位徘徊，其余持续保持在第十位，而在2011年-2012年，呈坎跻身于第十一位.因此通过上述分析，我们可以得出，游客规模排名在前十一位地景区2009-2013年地游客规模具体变化情况（表5）.四、结论与讨论借用城市地理学研究中较成熟地位序规模分布理论和首位度理论，研究了黄山市地38个景区游客规模分布结构.（1）通过位序—规模分布地研究，可以得出黄山市景区由高集中型位序向中集中型转变，游客规模分布较为集中，区域内景区地游客规模分布不均衡，不同景区之间地游客规模有所差异，但同时差异也在不断地缩小，即向着均衡方向发展.（2）通过首位度地分析研究，可以得出在2012年以前黄山市景区首位程度较高，以黄山风景区为首位景区，在黄山市地旅游发展中占有着较为重要地地位，与其他景区地差异较大.同时近几年，景区间地差异也在不断地缩小，中间层次地景区发展较快，对黄山市旅游发展整体格局起着均衡促进作用.在黄山风景区这个首位景区地带领下，其他景区也在不断地扩大规模，发展也越来越快.但是各个景区自身游客数量地增长速度也有所差异.在2013年，黄山市景区首位分布不明显，游客规模在局部景区均衡发展地速度加快.因此，由此得出结论，通过对黄山市景区地游客规模结构进行分析，可以得到黄山市地各景区游客规模处于一种不均衡地状态，仍以黄山风景区为吸引游客地主要景区，其他各个景区各自处在不同地发展速度中，但是从目前看来，其一直都在朝着均衡方向发展，因此预测随着今后旅游地发展，各景区有向着均衡方向发展地趋势，区域旅游一体化趋势在不断加强.基于以上结论，针对景区游客规模集中程度高，结构分布不均衡，不利于区域旅游整体地发展，提出以下对策以优化景区游客规模结构，促进区域旅游整体发展水平地提高.（1）目前黄山市景区游客规模分布仍较为集中，作为首位景区地黄山风景区，为世界自然和文化双遗产，享有很高地知名度和美誉度，基本保持“一山独大”地绝对优势.但是除黄山风景区之外地其他景区，其游客规模也在不断地扩大，逐步减小了与首位黄山风景区地差距，可见其也是符合市场需求，能够满足市场需要.因此黄山风景区作为首位景区，可以利用其品牌效应，带动其他景区，扩大景区游客规模，促进区域旅游地整体发展.（2）游客规模发展较快地景区大多位于环黄山地区、黟县盆地，因此应更加关注除此之外地环太平湖地区、歙县—徽州地区、环牯牛降地区、海阳—齐云山地区和新安江沿岸地景区旅游发展，充分开发当地地旅游资源，深度挖掘自身特色，通过统一开发、线路组织、联合营销等手段，不断扩大各景区地游客规模，增强其旅游竞争力，从而促进黄山市区域旅游地整体发展.（3）上述研究结果中看出，游客规模大多集中在以下几种类型景区，以徽州古城、唐模、呈坎、潜口民宅、棠樾牌坊群·鲍家花园为代表地徽州文化旅游景区，以黄山风景区、翡翠谷、九龙瀑、芙蓉谷等景区为代表地休闲度假旅游景区，以西递、宏村为代表地乡村旅游景区，因此可以大力发展文化旅游、休闲度假旅游和乡村旅游，以满足游客地需求，扩大旅游市场格局，促进黄山市整体旅游地发展.本文在研究过程中，由于数据统计地客观条件限制，只是依据了2009-2013年地黄山市纳入统计地景区进行研究.在今后地研究中，可以纳入更长年限以及更加完整地数据，以求得更加完善更加精细地研究结论.同时还可以继续进行黄山市景区地内部游客规模对比研究以及更长久地持续研究.（作者单位：安徽大学商学院旅游管理系）作者简介：李东和（1974—），安徽休宁人，男，汉族，安徽大学旅游管理系教授，博士.研究方向：旅游地理与旅游规划.何静娣（1990—），安徽阜阳人，女，汉族安徽大学旅游管理系硕士研究生.研究方向：旅游资源与开发.版权申明本文部分内容，包括文字、图片、以及设计等在网上搜集整理.版权为个人所有This article includes some parts, including text, pictures, and design. Copyright is personal ownership.b5E2R。

M M C ∞排队系统模型及其应用实例分析

M M C ∞排队系统模型及其应用实例分析摘要:文章阐述了M/M/C/∞排队系统的理论基础,包括排队论的概念,排队系统的基本组成部分以及排队系统的模型。

在理论分析的基础上,文章以建行某储蓄所M/M/C/∞排队系统为例,对该系统进行分析并提出了最优解决方案。

关键词:排队论;银行储蓄所;M/M/C/∞模型;最优解1M/M/C/∞排队系统1.1排队论的概念及排队系统的组成上世纪20年代,丹麦数学家、电气工程师爱尔朗(A. K. Erlang)在用概率论方法研究电话通话问题时,开创了这门应用数学学科。

排队论主要研究各种系统的排队队长,排队的等待时间及所提供的服务等各种参数,以便求得更好的服务。

研究排队问题实质上就是研究如何平衡等待时间与服务台空闲时间。

目前,排队论已经广泛应用于通信工程、交通运输、生产与库存管理、计算机系统设计、计算机通信网络、军事作战、柔性制造系统和系统可靠性等众多领域。

任意一个排队系统都是由三个基本部分构成,即输入过程、排队规则和服务机构。

①输入过程是描述顾客来源以及顾客按什么规律达到排队系统。

②排队规则描述的顾客到达服务系统时顾客是否愿意排队,以及在排队等待情形下的服务顺序。

③服务机构描述服务台数目及服务规律。

服务机构可分为单服务台和多服务台;接受服务的顾客是成批还是单个的;服务时间服从何种分布。

1.2M/M/C/∞排队模型①排队系统模型的表示。

目前排队模型的分类采用1953年由D. G. Kendall 提出的分类方法。

他用3个字母组成的符号A/B/C表示排队系统。

为了表示其它特征有时也用4～5个字母来表示如A/B/C/D/E。

其中:A 顾客到达间隔时间的概率分布;B 服务时间的概率分布;C 服务台数目;D 系统容量限制(默认为∞);E 顾客源数目(默认为∞);概率分布的符号表示:M:泊松分布或负指数分布,D:定长分布,Ek:k阶爱尔朗分布,C:一般随机分布。

②排队系统的衡量指标。

游客排队管理研究_以上海世博会为例

游客排队管理研究 _ 以上海世博会为例摘要日常生活中排队现象很普遍, 如何有效解决排队问题 , 缩短等候时间, 提高服务效率和满意度, 已成为服务业急需解决的问题。

2010 年上海世博会的游客排队问题更是备受关注。

国内外研究表明, 排队管理不仅要从管理者视角出发优化排队方式和规则, 还应该从游客角度出发解决游客在排队中遇到的困难和不满意因素。

然而, 当前国内旅游业在排队管理方面却鲜有系统理论的指导。

为此, 本文立足上海世博会 , 对游客排队管理的相关理论与实践做了尝试性研究。

本文主要采用文献研究、比较研究、访谈问卷研究。

一方面, 利用已有文献 , 阐释排队管理理论的发展历程, 并总结现有排队管理经验、成果和不足 ; 另一方面, 利用访谈问卷的方式, 从游客角度研究世博会排队管理成效。

本文的主要研究内容与结论 , 包括三大方面。

首先, 对排队原因及其管理类型与原则的分析。

其次, 根据排队管理相关理论, 整理并构建了上海世博会的排队管理系统。

该系统分为到达过程管理、等候过程管理和调控过程管理三大类, 九大子系统 : 票务管理系统、交通管理系统、排队通道系统、排队规则、排队设施系统、信息管理系统、排队协调系统、排队组织系统、危机管理系统。

再次 , 运用数据, 定量分析上海世博会的排队管理状况。

研究表明, 第一, 场馆本身的吸引能力 ,即场馆服务价值是游客是否愿意排队的决定因素 ; 第二,游客对于插队、没有信息和等候时间这三种现象最为关心 ; 第三, 游客认为排队管理最完善区域与其等候最长区域成正相关关系 ; 第四 , 游客认为排队管理最完善的是售票区域, 其中满意度最高的是售票系统中的“售票时间地点的便捷性”。

而最差的则是餐饮区和场馆区域,其中满意度最低的是管理方提供娱乐和服务方面。

这也是未来排队管理中应予以重视和提高的。

本届世博会排队管理的特色主要体现在统筹管理上, 即多疏导性, 少管制性。

最突出的成就是售票系统管理, 对于游客的分流起到了极大作用, 有效缓解排队压力; 其次是如厕区域的科学设计与管理。

景观社会下的排队消费现象思考

视听2020.07|论坛居伊·德波在他的《景观社会》一书中做出经典的论述：“在现代生产条件占统治地位的社会中，整个社会生活显示为巨大的景观堆聚，直接存在的一切都转化为一种表象。

”他认为，景观已经成为物化了的世界观，景观就是商品完全成功的殖民化社会生活的时刻。

因此，我们可以将“排队”理解为一种具有消费意义的景观文化。

一、景观社会下的体验经济在景观社会下，所有直接存在的一切被转化为表象、一种现象，而体验经济也正是通过营造一个个小场景来吸引消费者。

可以说体验经济是景观社会下的催化物。

如同“母子关系”，景观社会是由无数个“子景观”构成，其中子景观包括“媒介景观”和“非媒介景观”，形成非媒介景观的一大原因则是体验经济的盛行。

所谓体验经济主要指的是通过营造一个独特的场景，让消费者在感官上享有创新的体验效果，从思维、情感中得到消费者的认同，以此来吸引消费者的目光和改变消费行为。

因此，相比于过去的服务经济，体验经济时代更加注重对情景的塑造，给予消费者在场的体验感与消费的满足感、愉悦感。

新媒体时代催生的新兴产品，即媒介产品，让体验经济成为一种流行趋势，同时体验经济促使媒介产品成为时代“爆点”。

二者相辅相成。

媒介产品作为新产品，其扩散规律是绝大多数消费者会通过观察先行者的行为，然后决定是否购买新产品。

尤其缺乏足够信息时，人们会选择相信“群众智慧”，消费者会以他人的行为作为判断标准，推测产品的质量。

“群众智慧”的体现由线上的好评转化为线下时，最直观的表现则为排队。

体验经济时代，要求消费者以亲身体验为主，辅之以服务。

改变了由过去的先体验后购买的消费方式，取而代之的是直接支付体验。

在产品繁多且缺乏质量保障的前提下，人们为何依旧会选择购买体验产品？这是值得探讨的问题。

二、体验产品的内在特点消费者在消费之前很难真正感知产品的质量，必须在消费时亲身体验才可知晓。

为了判定此类产品质量高低，消费者常常需要借助产品以外的特质（如价格、品牌、包装、场境布置等）作为外在的提示物。

基于排队论的高校公共浴室拥挤问题研究

基于排队论的高校公共浴室拥挤问题研究作者：黄杨茜来源：《智富时代》2018年第08期【摘要】本研究以四川农业大学公共浴室为例，对浴室的拥挤问题进行调研统计、数据分析，并根据排队论思想建立模型，科学合理地确定开设的浴位数目，从而提高服务效率，减少学生的等待时间成本，缓解洗浴高峰期的排队拥挤问题。

【关键词】排队论；公共浴室；M/M/m模型一、引言当今各高校中，排队拥挤问题屡见不鲜，像校园公共浴室等地方尤其常见。

每到晚间下课高峰期，一大批学生便涌向浴室，顷刻每个浴位隔间前面就排起了长队。

在排队服务体系中，顾客的等待时间是作为评价该系统的重要指标之一。

若浴位数量过少则易导致拥挤问题愈为严重；而增设浴位数量可以有效减少顾客的等待时间，但同时也增加了运营成本。

所以本文将综合考虑两方因素，结合排队论对公共浴室的拥挤问题进行优化研究。

二、排队模型构建排队论（queuing theory）又被称作为随机服务系统理论（random service system theory），是一门关于拥挤现象（如排队、等待）的研究科学[1]。

它通过对服务对象到来及服务时间的统计研究，得出这些数量指标（如排队长度、等待时间、忙期长短等）的统计规律，然后根据这些规律来改进相关服务系统的结构或重新组织被服务的对象，从而使得服务系统既能满足服务对象的需求，同时也能是组织所支出的费用最经济或某些指标最优，它主要是由排队规则、输入过程及服务规则三部分构成。

在本文研究的公共浴室排队系统中，将用于提供洗浴这一服务的实体称为浴位服务设备，要求得到服务的人员称为顾客，两者组成一个随机服务系统（即排队系统）。

为简化这一排队系统模型，现对该系统的假设如下：首先，先到先服务。

即顾客进入系统后接受服务的顺序是公平合理的。

其次，假定每个浴室的服务性能是一样的。

该排队系统的组成：排队规则：结合我校公共浴室的实际情况来看，采用的是排队服务机制，即服务系统遵循FCFS（先到先服务）原则。

旅游景区中排队现象的管理研究

旅游景区中排队现象的管理研究
王霞
【期刊名称】《北方经贸》
【年(卷),期】2009(000)006
【摘要】排队现象在旅游活动中不可避免地存在着,研究排队现象及其管理措施对旅游业的发展具有不可忽视的重要性.应综合考虑各种因素,包括外部环境、行业特点等,采用一些有效措施,以求得一个优化方案.
【总页数】2页(P126-127)
【作者】王霞
【作者单位】西北师范大学,旅游学院,兰州,730070
【正文语种】中文
【中图分类】F590
【相关文献】
1.排队现象及其管理研究 [J], 李平英
2.基于排队论的旅游景区购票系统优化分析——以井冈山旅游景区为例 [J], 阎友兵;龙丹
3.基于排队论的灵山梵宫排队管理研究 [J], 马力;程海峰;杨雷;陆欣颀
4.排队模型在银行排队现象中运用——以安徽某国有银行为例 [J], 雷鸣;朱华雷
5.基于M/M/1排队模型的排队现象实证研究——以广州增城宾馆为例 [J], 李加军;黄丽英
因版权原因，仅展示原文概要，查看原文内容请购买。

基于排队论的方特欢乐世界主题公园容量研究

基于排队论的方特欢乐世界主题公园容量研究
张影莎;苏勤;胡兴报;卢松
【期刊名称】《旅游学刊》
【年(卷),期】2012(027)001
【摘要】文章以芜湖方特欢乐世界为案例地,采用运筹学的排队理论,根据游客可忍受的最长等待时间,分别测算公园各项目的合理日容量,根据游客等待时间比例关系测算出公园合理日容量,根据旺季天数和游客量比例关系求得合理年容量,并对其结果和公园原有设计容量进行比较分析.针对公园供需矛盾和游客等待心理特征,提出实施淡旺季时间分流机制、引入项目空间疏散机制、启动项目容量调控管理库、构建排队管理网络系统等公园容量管理对策,以期为主题公园容量管理研究与实践提供借鉴.
【总页数】7页(P66-72)
【作者】张影莎;苏勤;胡兴报;卢松
【作者单位】安徽师范大学国土资源与旅游学院,安徽芜湖 241003;安徽师范大学国土资源与旅游学院,安徽芜湖 241003;安徽师范大学国土资源与旅游学院,安徽芜湖 241003;安徽师范大学国土资源与旅游学院,安徽芜湖 241003
【正文语种】中文
【中图分类】F59
【相关文献】
1.基于旅游公共服务的城市主题公园满意度研究--以株洲方特欢乐世界为例 [J], 李克强
2.主题公园SWOT分析及发展对策研究——基于株洲方特欢乐世界的实证分析[J], 杨芳
3.大型主题公园短期自驾车旅游流时空分布研究--以芜湖方特欢乐世界国庆长假为例 [J], 曹超轶;卢松;齐莉莉;张启全
4.基于网络文本分析的主题公园旅游形象感知研究——以泰安方特欢乐世界为例[J], 程世超; 侯永明; 王倩; 于东明
5.方特欢乐世界与迪斯尼主题公园品牌经营比较研究 [J], 占骏
因版权原因，仅展示原文概要，查看原文内容请购买。

旅游业排队管理研究

**旅游业排队管理研究一、研究动机与目的旅游产业的转型升级必然要落实到旅游企业层面来实施，我国旅游强国的目标必须依靠旅游企业发展壮大和旅游企业集团的整体崛起才能最终实现。

旅游企业的转型升级归根到底是提升旅游企业生产率的问题，虽然当前我国旅游企业发展迅速，但依然还存在着缺乏提供优质服务的动力和使旅游者满意的服务意识，缺乏对服务运营特性全面和理性的认识以及缺乏对自身服务能力和服务需求适配的系统思考等问题，对企业生产率未能给子足够的重视，对旅游企业生产率的提升途径也缺乏探索。

排队管理作为服务运营管理的重要组成部分，其对充分利用旅游企业的生产能力，提高旅游者满意度具有重要意义，是提升旅游企业生产率的有效途径之一。

具体到旅游行业，受旅游者到达的随机性，旅游服务时间不确定性，旅游服务规模有限性以及旅游企业缺乏科学的服务系统的影响，使得旅游者排队现象呈现出一定的特殊性，具有退出成本高、群体性排队为主、明显的季节性、忍耐度与旅游吸引力相关，对环境存在负面影响等特点，但旅游企业对排队管理重视程度不够，存在着与服务质量相脱节、缺少专业服务设计流程、未形成服务培训系统等问题，针对上述问题，本文以旅游者排队的角度，通过对**现有排队管理方式而进行针对性的研究，力求提出合理的建议与措施，对服务生产率的提升具有重要作用。

二、相关学术文章与文献探讨上世纪丹麦数学家、工程师爱尔朗将概率论方法用于通话问题，开创了排队论的先河，也是最早对排队问题进行研究的学者。

上世纪30年代中期，当费勒（W.Feller）引进了生灭过程时，排队论才被数学界确立为一门重要的学科。

年代肯德尔（D. G. Kendall）对排队论作了系统的研究（A. A. Markov）链方法研究排队系统，以及排队的分类方法，用嵌入马尔可夫使排队论得到进一步发展。

随着相关研究的不断深入，排队研究中基于模型的定量研究和从心理学等相关理论出发的定性研究不断丰富起来，成为国外排队研究的两大主流。