论文部分内容阅读
互联网+时代,准确地预测旅游需求已经成为旅游专业人士和研究学者的最大挑战。而游客量因具有复杂的非线性特点,一直以来都是旅游需求预测研究中的一个重点问题。丰富的搜索数据、互动数据成为预测游客量的有利来源,此外,客流量的预测受到天气的影响较大,继而导致了旅游客流量预测建模难的问题。本文以大尺度的旅游目的地海南省为主与小尺度的旅游景区西安博物院为研究对象,研究目标以游客量预测为重点,同时以旅游收入预测进行补充说明。本研究的主要内容如下:(1)通过分析客流影响因素提出三层概念模型预测框架。基于大尺度的旅游目的地海南省与小尺度的旅游景区西安博物院发展的视角,从时间维度和空间维度分析旅游客流影响因素,系统地研究不同时间尺度、客源市场旅游的客流演变规律、结构特征、空间分布等,为了进一步预测客流,以数据驱动方法为理论基础,使用基础数据、搜索数据、互动数据,研究多源数据下旅游客流预测建模。运用灰关联分析法和对应分析法补充分析客流影响因素,从数据层面、分析层面、模型方法三层提出概念模型预测框架,最终提出客流变化建模方案。(2)针对海南省全省旅游接待情况、总收入这一数据源,由于其非线性波动特征,本文在考虑灰色模型(Grey Model)和马尔科夫模型(Markov Model)预测算法背景的基础上,提出一种基于动态的优化子集和模糊理论的灰马尔科夫模型(DFS-GKM,Dynamic Fuzzy Optimal Input Subset Grey Markov Model),即 DFS-GKM 模型。首先利用优化子集法(OIS,OptimalInput Subset Method)依据传统的GM模型预测结果的平均绝对误差百分比优化输入子集,确定最优输入子集序列。然后利用模糊集计算隶属度向量,即为马尔科夫转移矩阵向量的权重,修正预测值。最后为了能够根据时间推移进行预测,建立了等维递补的动态预测模型,基于大尺度的旅游目的地海南实验数据表明将最优子集和模糊集引入传统的灰色模型预测算法,有效地提高了灰模型对振荡序列的预测精度。(3)针对西安博物院持票入园人数这一数据源,明显地随机性,波动幅度大的特点,提出一种基于熵值法(EM,Entropy Method)和Markov Model优化的结合GM和模糊时间序列模型(FTSM,Fuzzy time series model)的组合优化模型。利用EM赋予两种单一预测模型适当的权重,将熵值法应用到组合模型加权平均数的确定,根据Markov Model无后效性的特点,适用于波动性较大的数据序列,通过Markov Model修正组合优化模型的预测值。基于小尺度目的地西安博物院景区客流数据的实验结果验证了组合优化模型明显优于单一模型,有效地提高了准确度。该实例表明组合优化模型减少了融合过程中的信息损失,并且增强了融合精度。