Прогнозирование потоков экскурсионных групп музеев на основе модификации метода случайного леса

Логистика и управление цепями поставок. 2020. № 4 (99). С. 29–38.

Аслаханов А. Р., Павлова Е. В.

В последние годы как в России, так и в мире наблюдается ежегодный рост количества посетителей музеев, самые популярные выставки посещаются миллионами людей. В 2020 году в условиях карантинных мер в связи с эпидемией COVID-19 вопрос управления потоками посетителей музеев встал особенно остро. Если ранее пропускная способность музеев была ограничена максимальной продолжительностью возможной эвакуации из здания музея, выставочными площадями и количеством сотрудников, работающих с посетителями, то в 2020 году в связи с соблюдением  санитарно-эпидемиологических правил пропускная способность музеев была снижена ещё. Это обуславливает актуальность аналитических решений для музеев, так как для управления потоками посетителей и адаптации к высокому спросу необходимо иметь эффективную модель прогнозирования, учитывающую детерминированность спроса целым рядом факторов. Целью данной работы является разработка модели прогнозирования количества экскурсионных групп в детализации музей-день-час. В качестве метода прогнозирования предлагается модификация случайного леса с включением в модель более 450 независимых переменных. Модификация модели заключается в изменении механизма комбинирования прогнозов деревьев в составе леса таким образом, что вес дерева в модели обратно пропорционален ошибке измерений данного дерева. Апробация предложенной модели проводится на основании данных о более чем 20 000 экскурсионных групп Государственного Русского Музея за период 2018-2020 гг. Предложенная модель продемонстрировала высокую точность (36.6% WAPE и 0.5% BIAS).

Ключевые слова: музеи, машинное обучение, forecasting, прогнозирование, python, machine learning, service, сервис, museums, случайный лес, python, combining forecasts, комбинирование прогнозов, random forest