基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測分析

1、基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測分析基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測分析一、引言近年來，我國旅游產(chǎn)業(yè)規(guī)模不斷擴(kuò)大，平遙古城作為中國境內(nèi)保存最完好的古代縣城與票號文化發(fā)源地，游客量快速增長，逐年增加的游客對古城承載力及景區(qū)建立提出了更高要求。與此同時，隨著互聯(lián)網(wǎng)技術(shù)的開展以及大數(shù)據(jù)時代的到來，旅游信息傳播形式、游客信息搜索方式、旅游消費行為等均發(fā)生了宏大改變。許多旅游經(jīng)營者、旅游企業(yè)及政府機(jī)構(gòu)都通過互聯(lián)網(wǎng)平臺發(fā)布旅游信息，隨之互聯(lián)網(wǎng)平臺也成為廣闊游客出游的重要信息來源，相應(yīng)產(chǎn)生的網(wǎng)絡(luò)搜索數(shù)據(jù)那么逐漸成為高質(zhì)量的游客旅游搜索行為數(shù)據(jù)庫。2022年百度推出的百度指數(shù)可以直接、客觀地反映某特定

2、時間段內(nèi)的社會熱點、用戶興趣和需求，并且實證說明利用百度指數(shù)這一網(wǎng)絡(luò)搜索指數(shù)進(jìn)展預(yù)測克制了傳統(tǒng)預(yù)測中存在的數(shù)據(jù)滯后以及數(shù)據(jù)量缺乏的缺陷，結(jié)果更為準(zhǔn)確、更具時效性。因此，本文依托百度指數(shù)的時效性，挖掘旅游網(wǎng)絡(luò)關(guān)注度和實際旅游需求的關(guān)系，預(yù)測景區(qū)客流量，對指導(dǎo)旅游管理部門做出科學(xué)、合理的決策安排，促進(jìn)旅游可持續(xù)開展具有重要意義。二、指標(biāo)選取與數(shù)據(jù)一指標(biāo)選取根據(jù)指標(biāo)選取理論的分析可知，用戶搜索行為反映了用戶近期行為，但由于搜索用戶的異質(zhì)性，不同用戶對某一事物的關(guān)注度有所不同，從而使得搜索關(guān)鍵詞也具有多樣性，且關(guān)鍵詞應(yīng)包含與目的事物相關(guān)的各個方面。因此，本文在已有文獻(xiàn)根底上，根據(jù)相關(guān)旅游經(jīng)歷及人們外出

3、旅行時的主要考慮因素，即衣、食、注行、游5個方面，通過百度指數(shù)趨勢研究和需求圖譜兩個模塊來進(jìn)展關(guān)鍵詞的提取，這5個方面涵蓋了平遙天氣、平遙牛肉、平遙古城住宿、平遙古城門票、平遙古城旅游攻略等多方面信息。本文將這5個方面的相關(guān)詞作為初始關(guān)鍵詞，運用百度關(guān)鍵詞挖掘本文由論文聯(lián)盟搜集整理進(jìn)展關(guān)鍵詞搜索，從而得到最終的關(guān)鍵詞指標(biāo)。二數(shù)據(jù)說明本文的關(guān)鍵詞數(shù)據(jù)是利用網(wǎng)絡(luò)爬蟲技術(shù)從百度指數(shù)網(wǎng)頁源代碼中提獲得到的。在利用初始詞進(jìn)展關(guān)鍵詞搜索過程中，剔除沒有數(shù)據(jù)對應(yīng)和數(shù)據(jù)量很少的關(guān)鍵詞，最終得到57個關(guān)鍵詞從2022年12月到2022年12月共162周的數(shù)據(jù)。平遙古城旅游客流量數(shù)據(jù)來自山西省旅游局，選取的時間區(qū)

4、間為2022年12月至2022年12月，共37個數(shù)據(jù)。由于我們得到的關(guān)鍵詞數(shù)據(jù)為周度數(shù)據(jù)，而本文研究的是月度數(shù)據(jù)，所以要對關(guān)鍵詞數(shù)據(jù)進(jìn)展處理，將周度數(shù)據(jù)轉(zhuǎn)化為月度數(shù)據(jù)，即按照日歷中各月周數(shù)進(jìn)展加總，將每月最后幾天數(shù)據(jù)按所在周的天數(shù)作為權(quán)重，將該周的數(shù)據(jù)按權(quán)重分配到相鄰月中，最終得到37個月的搜索指數(shù)數(shù)據(jù)。三、實證分析首先對模型擬合和預(yù)測有兩點說明：一是擬合樣本區(qū)間為2022年12月到2022年10月，共35個數(shù)據(jù)，用于預(yù)測檢驗的樣本區(qū)間為2022年的11月到12月2個月的數(shù)據(jù)。二是在模型擬合效果的比擬上，本文引入SE和NSE兩個指標(biāo)，分別代表模型的穩(wěn)定性和擬合度。一搜索關(guān)鍵詞確定首先，利用簡單

5、手動挑選，觀察所有關(guān)鍵詞數(shù)據(jù)，將趨勢變化不明顯或幾乎無變化趨勢的剔除；然后，利用Pearsn相關(guān)系數(shù)挑選，分別計算各關(guān)鍵詞與因變量的Pearsn相關(guān)系數(shù)，將相關(guān)系數(shù)小于0.6的剔除；最后，利用線性回歸挑選，并診斷回歸的多重共線性和自相關(guān)，利用逐步回歸及AI準(zhǔn)那么選出最終的4個關(guān)鍵詞：平遙古城旅游攻略、平遙古城地圖、山西旅游景點大全、平遙住宿。二模型估計在挑選關(guān)鍵詞過程中，我們構(gòu)建了一個線性回歸方程，回歸估計如下：從回歸結(jié)果看，總體擬合效果較好，變量系數(shù)均通過顯著性檢驗，因此該線性模型似乎具有較好預(yù)測效果。但為進(jìn)一步考察模型假設(shè)是否成立，我們進(jìn)展殘差的Shapir-ilk正態(tài)性檢驗，并且刻畫了因

6、變量直方圖及對應(yīng)的線性分布圖，檢驗結(jié)果均說明因變量不服從正態(tài)分布，因此本文利用線性回歸進(jìn)展模型模擬時并不能滿足其對因變量分布的假定，從而會產(chǎn)生較大誤差，影響擬合和預(yù)測效果。故本文采用了對數(shù)據(jù)分布沒有任何假定且結(jié)果可用穿插驗證方法來評判的四種機(jī)器學(xué)習(xí)方法進(jìn)展模型擬合及預(yù)測，并比擬了決策樹、bgging、隨機(jī)森林、支持向量機(jī)這四種算法模型的擬合度、穩(wěn)定性與預(yù)測效果。三模型結(jié)果分析使用以上四種算法估計模型，計算出各模型的SE和NSE，結(jié)果見表1。從模型的擬合度和穩(wěn)定性來看，回歸樹和Bagging都存在明顯缺乏，其SE和NSE值均大于另外兩個模型，回歸樹模型在所有模型中擬合效果最差。而隨機(jī)森林和支持向

7、量機(jī)SV這兩種模型的效果較好，其中隨機(jī)森林的擬合度和穩(wěn)定性最正確，SV模型的擬合度較好，但模型穩(wěn)定性不佳。最后分別用以上算法模型對樣本期外兩個月的客流量進(jìn)展預(yù)測，并將其與真實值比照，計算其平均誤差率，結(jié)果見表2。如表2所示，模型擬合效果較差的回歸樹和bagging的預(yù)測效果仍不理想，平均誤差率分別到達(dá)了11.55%和7.18%，與真實客流量數(shù)據(jù)相比存在較大偏向。同時，擬合效果最正確的隨機(jī)森林預(yù)測效果并不理想，其平均誤差率達(dá)8.54%，甚至差于bagging。而SV模型的平均誤差率僅有1.46%，具有較好的預(yù)測效果。分析原因，筆者認(rèn)為可能是由于bagging、回歸樹、隨機(jī)森林三種算法模型的分類原

8、理本質(zhì)上源于歸納算法，這類模型在構(gòu)造復(fù)雜的數(shù)據(jù)集上學(xué)習(xí)才能和適應(yīng)性不夠強，有效性和伸縮性缺乏，而SV那么采取了與傳統(tǒng)模型不同的思想，具有較強的泛化才能，所以預(yù)測結(jié)果與實際較為接近。四、結(jié)論本文在分析旅游客流量和百度搜索指數(shù)關(guān)系的根底上，運用一系列方法挑選出與旅游客流量相關(guān)性最高的四個關(guān)鍵詞，并運用回歸樹、bagging、隨機(jī)森林和SV四種機(jī)器學(xué)習(xí)算法模型對客流量數(shù)據(jù)進(jìn)展了擬合和預(yù)測。研究詳細(xì)結(jié)論主要有三點，一是主要或潛在游客主要通過對平遙古城旅游攻略、平遙古城地圖、山西旅游景點大全、平遙住宿等關(guān)鍵詞的搜索來獲取平遙古城旅游信息。二是回歸樹、bagging、隨機(jī)森林和SV模型中，擬合效果最好的是隨機(jī)森林和SV模型，穩(wěn)定性最好的為隨機(jī)森林模型，回歸樹、bagging的擬合度和穩(wěn)定性都較差；預(yù)測效果最好的為S