申请/专利权人：浙江工业大学

申请日：2019-04-03

公开（公告）日：2021-10-29

公开（公告）号：CN110163408B

主分类号：G06Q10/04(20120101)

分类号：G06Q10/04(20120101);G06Q10/06(20120101);G06Q30/02(20120101);G06Q50/14(20120101);G06Q50/26(20120101)

优先权：

专利状态码：有效-授权

法律状态：2021.10.29#授权;2019.09.17#实质审查的生效;2019.08.23#公开

摘要：一种基于客源地属性特征的旅行刺激策略有效性分析方法，包括以下步骤：步骤1、定义游客来源地的出行率ζ来量化刺激策略的有效性；步骤2、定义有效出行率ζe描述刺激政策的效果；步骤3、以最大化有效出行率ζe为目标来研究最佳刺激措施，流程为：通过已有的游客数据信息，计算各个客源地前往某一目的地的历史有效出行率ζe；提取各客源地游客的属性信自息并进行量化表示；应用算法选择最佳特征；结合各地的出行率数据训练学习器，得到旅游需求刺激模型。本发明对与旅游相关的历史数据进行分析建模，得到与旅游景点游客数目最相关的因素。

主权项：1.一种基于客源地属性特征的旅行刺激策略有效性分析方法，其特征在于，所述方法包括以下步骤：步骤1、定义游客来源地的出行率ζ来量化刺激策略的有效性：其中：Np指作用地的人口总数，Nt是指来源于需求刺激作用地游客人数，定义为：为某一地区的老龄化率，p0为45周岁以上人口比率；步骤2、定义有效出行率ζe描述刺激政策的效果：其中NAi为刺激政策作用地处于Ai年龄段的人口数，为不同年龄群的旅游出行意愿；步骤3、以最大化有效出行率ζe为目标来研究最佳刺激措施，流程为：通过已有的游客数据信息，计算各个客源地前往某一目的地的历史有效出行率ζe；提取各客源地游客的属性信息并进行量化表示；应用算法选择最佳特征；结合各地的出行率数据训练学习器，得到旅游需求刺激模型；所述步骤3包括以下步骤：3.1定义目的地空间距离对出行意愿的影响：中D表示客源地与目的地的距离，而D0＝300km为阻尼作用的阈值距离；3.2交通便利性指数T来刻画旅游目的地与客源城市之间的交通属性，具体定义为：T＝∑imi·exp-i，其中i＝0,1,2,…和mi分别表示从客源地出经过i次转车到达目的地的班车次数；3.3为了刻画目的地相对客源的旅游吸引力，定义旅游资源吸引力指数:式中，Ts为客源地的旅游资源数，Td为目的地的旅游资源数；3.4引入消费吸引力指数E，定义为式中Ns和Nd分别表示客源地与目的地的人均年收入，而P为目的地的酒店平均价格水平；3.5应用随机Lasso特征筛选以及过滤式特征选择方法，提取低冗余、相关性高的特征子集；3.6利用已有数据以及通过上述方法提取的特征作为支持向量回归SVR的输入、有效出行率ζe作这SVR的输出，训练SVR得到最优的模型参数；3.7将出行刺激量化为相应的特征参数，相应训练好的SVR回归模型，计算刺激作用下有效出行率的增量Δζe；3.8对比不同刺激策略下的出行率Δζe，最大化Δζe所对应的刺激即为最优策略。

全文数据：一种基于客源地属性特征的旅行刺激策略有效性分析方法技术领域本发明是一种新型的数据分析方法，主要用来帮助决策者选择合适的旅行刺激策略来提高旅游景点的游客数量，增加经济效益。背景技术随着国家经济形式的逐步趋好，居民生活水平的不断提升，旅游需求稳步增长。旅游消费已经成为全球民众的重要生活方式，并成为推动全球经济增长的重要引擎。2017年全球旅游收入占世界GDP的6.7％，而且这一比例还在不断上升。特别是在绿色、可持续发展的背景下，旅游业已经成为各国经济的重要发展方向，一些国家更是将旅游业作为经济发展的重要引擎。如何有效的促进旅游业的发展并且提高旅游收入是各级政府及相关企业的重要研究方向之一。在政府层面，成立相关职能部门专门组织管理区域内的旅游发展及市场管理，以提升旅游业服务水平，增加旅游收入；在市场层面，各个旅游服务公司应运而生，为游客提供各种个性化的服务。随着计算机与互联网技术的发展，特别是社交网络的发展，各旅游服务平台相继推出了一大批旅游订制服务以为了满足游客的多样性需求。这些订制服务大多面向各个旅游消费个体，以增加平台的访问量及依赖性。旅游线路的智能化推荐是其中的重要内容之一，也是近年来研究的热点问题。不同于企业，政府部门更关注旅游资源的建设以及旅游市场的管理，通过提高旅游服务质量来增加行政区域内的旅游收入。由于客流量受节季影响较大，为了提升游客服务水平，特别是在流量大的时间节点做到旅游管理的有序性和高效性，客流量预测是前提。这一领域吸引了一大批研究热情，相关的成果得到应用。例如，2004年Chao-HungWang提出了基于模糊时间序列与合成灰色理论的旅游需求预测模型。李瑶等人提出了一种改进的灰色模型并应用于海南省的旅游需求预测。这种通过提升旅游服务水平，增强游客体验来促进旅游市场发展的方式可以称为被动式需求刺激。随着旅游经济的发展，主动式的需求刺激也越来越受到关注[8,9]，特别是杭州西湖免门票后呈现的巨大经济效益，国内很多地区与景点相继针对某些特定人群发行旅游代金券来吸引游客。然而，民众的旅游出行计划是多种因素共同作用后产生的一种综合的、复杂的决策过程。消费个体在制订旅行计划时，不仅受自身经济水平、教育水平及所地的旅游资源丰富性所影响，同时也与目的地的消费水平、交通便利性和景点特色与分布等因素相关。目前学界大多数工作集中在研究单一因素与旅游需求的关系：朱海艳等人通过分析陕西省10个地市的交通格局变化来分析当地的旅游发展情况，指出入境旅游人数与公路交通高度相关；尹华光等人针对景点分布与游客流量的关系提出了景点空间结构的优化方法。上述研究聚焦于单一因素对旅游需求的影响。据笔者了解，目前尚显有学者关注显有研究关注各种因素共同作用下目的地的旅游需求变化。特别是在当前各地争相发展旅游经济的背景下，如何有效地应用各种旅游需求刺激手段，提升区域内的游客量是各级政府及旅游管理部门的工作重点之一。因此，建立各种因素与地区旅游需求模型，量化分析各因素对游客人数的影响，对旅游刺激措施的实施具有巨大的应用价值。发明内容为了克服现有的旅游数据分析方法的仅考虑单一因素影响的不足，本发明的目的就是对与旅游相关的历史数据进行分析建模，得到与旅游景点游客数目最相关的因素，这些相关信息既可以为政府决策提供依据，同时也可以为后续旅游经济的发展提供相应的指导。本发明所采用的技术方案为：一种基于客源地属性特征的旅行刺激策略有效性分析方法，包括以下步骤：步骤1、定义游客来源地的出行率ζ来量化刺激策略的有效性：其中：Np指作用地的人口总数，Nt是指来源于需求刺激作用地游客人数，定义为：pold为某一地区的老龄化率，p0为45周岁以上人口比率；步骤2、定义有效出行率ζe描述刺激政策的效果：其中NAi为刺激政策作用地处于Ai年龄段的人口数，为不同年龄群的旅游出行意愿；步骤3、以最大化有效出行率ζe为目标来研究最佳刺激措施，流程为：通过已有的游客数据信息，计算各个客源地前往某一目的地的历史有效出行率ζe；提取各客源地游客的属性信自息并进行量化表示特征提取；应用算法选择最佳特征；结合各地的出行率数据训练学习器，得到旅游需求刺激模型。进一步，所述步骤3包括以下步骤：3.1定义目的地空间距离对出行意愿的影响：中D表示客源地与目的地的距离，而D0＝300km为阻尼作用的阈值距离；3.2交通便利性指数T来刻画旅游目的地与客源城市之间的交通属性，具体定义为：T＝∑imi·exp-i，其中i＝0,1,2,…和mi分别表示从客源地出经过i次转车到达目的地的班车次数；3.3为了刻画目的地相对客源的旅游吸引力，定义旅游资源吸引力指数:式中Ti为客源地i＝s或目的地i＝d的旅游资源数；3.4引入消费吸引力指数E，定义为式中Ns和Nd分别表示客源地与目的地的人均年收入，而P为目的地的酒店平无价格水平；3.5应用随机Lasso特征筛选以及过滤式特征选择方法，提取低冗余、相关性高的特征子集；3.6利用已有数据以及通过上述方法提取的特征作为支持向量回归SVR的输入、有效出行率ζe作这SVR的输出，训练SVR得到最优的模型参数；3.7将出行刺激量化为相应的特征参数，相应训练好的SVR回归模型，计算刺激作用下有效出行率的增量Δζe；3.8对比不同刺激策略下的出行率Δζe，最大化Δζe所对应的刺激即为最优策略。本发明的有益效果表现在：对与旅游相关的历史数据进行分析建模，得到与旅游景点游客数目最相关的因素。这些相关信息既可以为政府决策提供依据，同时也可以为后续旅游经济的发展提供相应的指导。附图说明图1是基于客源地属性特征的旅行刺激策略有效性分析方法的流程图。具体实施方式下面结合附图对本发明做进一步说明。参照图1，一种基于客源地属性特征的旅行刺激策略有效性分析方法，包括以下步骤：步骤1、定义游客来源地的出行率ζ来量化刺激策略的有效性：其中：Np指作用地的人口总数，Nt是指来源于需求刺激作用地游客人数，定义为：pold为某一地区的老龄化率，p0为45周岁以上人口比率；步骤2、定义有效出行率ζe描述刺激政策的效果：其中NAi为刺激政策作用地处于Ai年龄段的人口数，为不同年龄群的旅游出行意愿；步骤3、以最大化有效出行率ζe为目标来研究最佳刺激措施，流程为：通过已有的游客数据信息，计算各个客源地前往某一目的地的历史有效出行率ζe；提取各客源地游客的属性信自息并进行量化表示特征提取；应用算法选择最佳特征；结合各地的出行率数据训练学习器，得到旅游需求刺激模型。进一步，所述步骤3包括以下步骤：3.1定义目的地空间距离对出行意愿的影响：中D表示客源地与目的地的距离，而D0＝300km为阻尼作用的阈值距离；3.2交通便利性指数T来刻画旅游目的地与客源城市之间的交通属性，具体定义为：T＝∑imi·exp-i，其中i＝0,1,2,…和mi分别表示从客源地出经过i次转车到达目的地的班车次数；3.3为了刻画目的地相对客源的旅游吸引力，定义旅游资源吸引力指数:式中Ti为客源地i＝s或目的地i＝d的旅游资源数；3.4引入消费吸引力指数E，定义为式中Ns和Nd分别表示客源地与目的地的人均年收入，而P为目的地的酒店平无价格水平；3.5应用随机Lasso特征筛选以及过滤式特征选择方法，提取低冗余、相关性高的特征子集；3.6利用已有数据以及通过上述方法提取的特征作为支持向量回归SVR的输入、有效出行率ζe作这SVR的输出，训练SVR得到最优的模型参数；3.7将出行刺激量化为相应的特征参数，相应训练好的SVR回归模型，计算刺激作用下有效出行率的增量Δζe；3.8对比不同刺激策略下的出行率Δζe，最大化Δζe所对应的刺激即为最优策略。本实施例以浙江省移动动态人口应用行业平台监测的2016年1月至2016年12月期间杭州各景点的游客数据为例，具体说明本发明的实施。该平台包含了游客数量以及他们的来源地等信息。将游客以来源地城市名进行划分，对照各地年鉴量化游客来源地的属性特征，以及来源地地城市有效出行量。以这些数据的学习样本，训练SVR回归模型。依据刺激手段的不同，将其量化了数据样本的某一特征，SVR对新样本的输入即为刺激作用下的有效出行率。给出最大化出行率的刺激即为所要选择的最佳刺激策略。本实施例的实施步骤如下：步骤1、根据游客来源地城市属性，从该城市年鉴中提取可能影响旅游需求的16个客源地特征，如下：人口、距离、人均年收入、人均GDP、老龄化率、男女比例、城镇化率、直达班车数、非直达班车数、5a景区数、4a景区数、博物馆数。步骤2、结合上述来源地属性特征及目的地杭州的特殊，计算距离指数、交通指数、旅游资源指数、消费吸引指数。步骤3、稳定性选择StabilitySelection法即随机Lasso,根据得分将所有特征按其权值进行排序，们选取最优特征：博物馆数、消费吸引指数、距离指数、非直达班车数、交通指数、旅游资源指数作为低冗余度特征子集。步骤4、将选出的特征作为SVR回归模型输入，以有效出行率为模型输出，训练SVR获得模型参数及其性能表现。步骤5、需求刺激有效性分析量化出行刺激手段，并将它作为某一特征属性参数的增加，如发送旅游代金卷，即可转化为消费吸引指数。利用训练后的SVR模型预测新样本的初出。相同刺激下得到最大初出的刺激即为最佳刺激策略。距离指数、交通指数、消费吸引指数、旅游资源吸引指数4个特征分别每提升0.2％后的结果，分析可知，交通因素对总的客流量提升是最明显的，敏感性最高，若把交通指数特征值提升9％，则可为景区单月提升105万的游客人数；旅游资源吸引指数创建更多的5A或4A级景点增长速度次之，若特征指数提升9％后，景区单月提长5万的游客人数；消费吸引指数增长相对缓慢，特征指数提升9％后，可为景区单月提升15万的游客人数；距离指数增长趋于平缓，特征指数提升9％后，可为景区单月提升5万的游客人数。需要说明的是，以上所述仅为本发明优选实施例，仅仅是解释本发明，并非因此限制本发明专利范围。对属于本发明技术构思而仅仅显而易见的改动，同样在本发明保护范围之内。

权利要求：1.一种基于客源地属性特征的旅行刺激策略有效性分析方法，其特征在于，所述方法包括以下步骤：步骤1、定义游客来源地的出行率ζ来量化刺激策略的有效性：其中：Np指作用地的人口总数，Nt是指来源于需求刺激作用地游客人数，定义为：pold为某一地区的老龄化率，p0为45周岁以上人口比率；步骤2、定义有效出行率ζe描述刺激政策的效果：其中NAi为刺激政策作用地处于Ai年龄段的人口数，为不同年龄群的旅游出行意愿；步骤3、以最大化有效出行率ζe为目标来研究最佳刺激措施，流程为：通过已有的游客数据信息，计算各个客源地前往某一目的地的历史有效出行率ζe；提取各客源地游客的属性信自息并进行量化表示；应用算法选择最佳特征；结合各地的出行率数据训练学习器，得到旅游需求刺激模型。2.如权利要求1所述的一种基于客源地属性特征的旅行刺激策略有效性分析方法，其特征在于，所述步骤3包括以下步骤：3.1定义目的地空间距离对出行意愿的影响：中D表示客源地与目的地的距离，而D0＝300km为阻尼作用的阈值距离；3.2交通便利性指数T来刻画旅游目的地与客源城市之间的交通属性，具体定义为：T＝∑imi·exp-i，其中i＝0，1，2，...和mi分别表示从客源地出经过i次转车到达目的地的班车次数；3.3为了刻画目的地相对客源的旅游吸引力，定义旅游资源吸引力指数:式中Ti为客源地i＝s或目的地i＝d的旅游资源数；3.4引入消费吸引力指数E，定义为式中Ns和Nd分别表示客源地与目的地的人均年收入，而P为目的地的酒店平无价格水平；3.5应用随机Lasso特征筛选以及过滤式特征选择方法，提取低冗余、相关性高的特征子集；3.6利用已有数据以及通过上述方法提取的特征作为支持向量回归SVR的输入、有效出行率ζe作这SVR的输出，训练SVR得到最优的模型参数；3.7将出行刺激量化为相应的特征参数，相应训练好的SVR回归模型，计算刺激作用下有效出行率的增量Δζe；3.8对比不同刺激策略下的出行率Δζe，最大化Δζe所对应的刺激即为最优策略。

百度查询： 浙江工业大学 一种基于客源地属性特征的旅行刺激策略有效性分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD