基于知识发现的体育旅游目的地需求预测模型研究

张润宇

(上海交通大学安泰经济与管理学院，上海 200030)

基于知识发现的体育旅游目的地需求预测模型研究

张润宇

(上海交通大学安泰经济与管理学院，上海 200030)

给出了影响体育旅游目的地的需求动力要素体系，并以基于可信度、覆盖度与支持度的粗糙集的等价矩阵方法进行规则获取与知识发现，得到游客到达率的增量与其相应的旅游需求影响因子之间关系的规则，以指导未来体育旅游目的地的需求预测，做出相应的服务协调或者政策调整。

需求预测；体育旅游目的地；知识发现

当今，旅游业已成为仅次于石油业的、世界各国普遍关注的具有巨大潜力的产业[1]。近20多年里，我国的旅游业同样取得了举世瞩目的成就，作为国民经济新的增长点，旅游业甚至成为很多地方经济发展的支柱产业，它在拉动内需、增加创汇、调整产业结构、扶贫救困等方面发挥着越来越显著的作用。2012年，我国旅游总收入达到2.57万亿元，位居世界第3位。

与我国蓬勃发展的旅游业相一致的是，我国的体育旅游业近年来的发展势头更为迅猛。“过去的十年，以体育观光、休闲和度假为主要内容的体育旅游在我国从无到有、汇涓成溪, 展现了活跃的生机和光明的前景”[2]。贵州省的山地旅游、东北三省和河北省的冰雪旅游、海南省的滨海运动旅游、青藏高原的自行车旅游等，不仅成为当地的“名片”，更成为促进当地经济发展的重要动力所在。“体育旅游产业作为旅游产业经济中的新兴产业, 为体育产业和旅游产业拓展了巨大的发展空间”[3]，正是因为体育旅游的广阔发展前景，现在，很多的省份和城市正在积极谋划更多新的体育旅游目的地的建设，争取在这一市场上有所作为。

但体育旅游目的地的建设显然要有科学规划，对政府来说，如何辨识影响体育旅游需求的动力要素并由此正确预测未来的游客到达率，从而做到在合适的时间，合适的地点将合适的旅游产品及服务提供给消费者，同时避免体育设施、酒店等硬件设施的重复建设，将真正具有发展潜力的地方建设成为体育旅游目的地，从而避免盲目建设带来的风险，显然是需要考虑的首要问题。

然而体育旅游目的地的需求受多种动力因素影响，并且对各类社会政治经济突发事件极端敏感，因此，简单地以时间序列模模型从历史数据出发预测未来的到达率，从而评估建设地的选择显然过于简单，从定量分析的角度看，应当以体育旅游需求量作为因变量，将其表示成多个自变量，即各种量化的动力因素的函数，再以统计方法求出函数的参数，预测新的需求。在综合传统预测模型的基础上，本文将着重解决预测模型的选择问题，即以知识发现的方法充分考虑各种影响体育旅游目的地需求的动力因素，并以规则提取方法从以往预测经验中提取预测知识来构建需求预测模型，从而为体育旅游目的地的建设选址提供一个科学的评估方法。

1 体育旅游目的地需求动力要素及其量化

1.1体育旅游目的地动力要素

从旅游地的角度看，体育旅游目的地复合系统的主要动力要素主要包括需求推力、收入动力、时间助力等外部动力要素和体育项目引力、促销拉力、政府调控力等内部动力要素，而需求推力又包括身心、社会、文化和经济等方面的动机。体育旅游产品包括体育参与旅游产品、体育度假旅游产品、专项旅游产品(体育生态旅游，体育节庆旅游等)和特种旅游产品(如体育探险等)。对具有如此众多产品的体育旅游市场，体育旅游建设主管部门应能利用科学方法，正确预测未来一段时间内本地体育旅游目的地的旅游需求，一方面确定新的体育旅游目的地的选址建设工作，另一方面则要在新旅游地建设完成之后，依据自身资源优势，合理调节旅游产品结构以增强自身的吸引力和生命力。本文综合考虑以往对旅游需求研究和体育旅游分析等相关研究的基础上，根据各个动力层面及数据的有效性和信息的可获得性，得到体育旅游目的地需求的14个动力要素，并建立旅游目的地的需求动力要素体系，如图1所示。

图1 体育旅游目的地需求动力要素指标体系

1.2动力要素的聚类

传统对动力要素的聚类研究，往往采用粗糙集的方法进行属性约简和规则发现，找到影响其需求增减的决策规则。但是，本文所构建的影响体育旅游需求的要素，即粗糙集决策表中的条件属性远多于6个，因此，若以粗糙集的方法对影响要素进行属性约简，由于此过程不涉及条件属性的实际意义，极有可能导致重要属性或要素的丢失。另一方面，图1的指标值有多种存在形式，如GDP，旅游投资，外贸总额等为数值型变量，其同比增量数据可以通过各类统计年鉴或统计公报获得，而气候风景等为定性变量，无法取得精确的量化数据，需要用相对较软的例如专家评分等方法获得，这均决定了无法直接动作粗糙集来完成预测模型的研究。为此，本文给出的体育旅游目的地需求知识发现方法是以图1的下层动力因素作为条件属性，以体育旅游地需求趋势，即游客到达率的增量作为决策属性d构成一张的决策表，并用粗糙集方法从以往的经验中进行知识发现，挖掘出体育旅游地的需求变化这一因变量与当时的社会影响因素等诸多自变量之间的对应关系。但是为避免前述粗糙集属性约简的缺陷，本文的方法将以动力要素的“属性聚类”替代“属性约简”，把突变理论中的突变级数评价方法引入决策表的属性聚类过程，以突变级数评价法从数据自身出发逐层向上计算指标值并将最终值离散化，充分利用所有原始需求动力要素的取值，提高最终条件属性的信息含量。

2 体育旅游目的地需求知识发现算法

粗糙集的等价矩阵方法避开了一般粗糙集的属性约简环节，直接构造0-1等价条件矩阵和规则矩阵，从决策表中提取规则。鉴于本文已将14个体育旅游地需求动力要素聚类为3个，不再需要进行一般粗糙集的属性约简，因此后面也将以等价矩阵方法从决策表中进行规则获取，以期发现反映体育旅游地需求影响动力要素(条件属性)与需求增长趋势(决策属性)之间关系的预测知识。同时，为提高规则的抗噪声能力和解释功能，笔者将案例覆盖度，支持度和规则可信度引入等价矩阵，构造等价增广矩阵，并在此等价增广矩阵基础上进行规则提取。

因篇幅所限，条件矩阵MC，决策矩阵MD，冗余检测矩阵MR，k-条件矩阵Mk，k-规则矩阵MkD等有关定义详见文[5]．构造等价增广矩阵M(=M⋮m)，其中m=(m1,m2,…,mn)T，mi为决策表第i行对象数，以计算支持度、覆盖度与可信度，剔除噪声。

算法1

步骤1：设定支持度与可信度阈值α，β；计算MR，MC，MD；

由k个条件属性描述的规则称为k—规则，k—规则获取算法如下：

算法2

步骤1：FORk=1TON；

步骤2：计算Mk，MkD；

步骤3：对每一个Mk，若MkD每一行均与Mk的不一致，步骤6；

步骤4：对所有MkD与Mk相等行t，执行：

步骤4.2：若存在atj=1，Mk的第j行清零；

步骤5：NEXTMk

步骤6：NEXTk．

3 体育旅游目的地需求的预测案例分析

笔者以本文给出的基于属性聚类的知识发现的方法，从全国选取20个建设成熟化程度较高，具有代表性的体育旅游目的地作为原始样本数据，利用这些数据进行体育旅游目的地需求预测模型的建立。这些目的地，包括哈尔滨(冰雪旅游)、西宁(环青海湖旅游)、遵义(户外山地旅游)、拉萨(登山旅游)、阳朔(攀岩旅游)等。从这些城市2010至2012年三年的信息中寻找影响这些体育旅游目的地需求趋势的决策规则，并以这些规则进行需求预测。相关原始数据来自各城市的年度国民经济和社会发展公报及地方统计年鉴。

以1.2的方法进行数据预处理，得归一化数据表1及决策表2．

表1 标准化数据表

表2 原始决策表

其中，C1：1= (0.728, 1], 2=(0.413, 0.728], 3=[0,0.413]；C2：1= (0.922, 1 〗, 2=(0.867, 0.922〗, 3=[0,0.867]；C3：1= (0.769, 1 〗, 2=(0.652, 0.769〗, 3=[0,0.652]；D；1= (0.357, 1], 2 [0,0.357]．

取α=0.05，β=0.7，得决策表3；用2的算法获取规则，结果如表4．

表3 决策表

表4 规则表

分别用VPRS和SCC算法对决策表2进行约简，比较约简结果可知本文算法可以提取更多的规则。以2012年1-6月某体育旅游城市的相应数据为测试样本，用三种算法预测其游客到达率变化趋势，结果如表5。

表5 三种算法对测试样本的预测建议结果对照

该样本的真实游客到达率是下降的，由表5可见，相对于SCC算法，本文方法可提供更丰富的模型的决策建议；相对于VPRS算法，本文方法的决策建议更加精确，即决策规则的支持度更高．

4 结论

本文针对粗糙集，以突变级数法改造了的属性约简环节，以引入支持度与可信度的等价矩阵法改进了其知识获取环节，并将之应用于体育旅游目的地需求趋势预测的知识发现过程，既以属性聚类兼顾了所有需求影响要素，又充分利用了粗集的规则提取能力，最后以仿真算例证明了对体育旅游地需求预测知识发现而言，本文算法的有效性。

[1] Fong-Lin Chu. Forecasting tourism demand: a cubic polynomial approach [J]. Tourism Management , 2004, 25(2):209-218.

[2] 晓敏.大力发展体育旅游促进体育事业与体育产业协调发展[J].体育文化导刊，2013，(2)：1-5.

[3] 王辉.体育旅游产业特征及发展策略探讨[J].体育与科学，2010，31(4)：59-64.

[4] 满江虹,达庆利.基于知识发现的商品住宅有效需求趋势预测方法[J].系统工程理论与实践2004,24(10): 49-53.

[5] J.W.Guan, D.A.Bell. Matrix computation of information systems[J].Information Science.2001,131(1-4): 129-156.

TheDemandForecastModelfortheSportTouristDestinationBasedonKnowledgeDiscovery

Zhang Runyu

(Antai College of Economics & Management Shanghai Jiao Tong University ，Shanghai 200030)

A factor framework works on the demand trend of sport tourism arrival was proposed in this paper, and a knowledge discovery algorithm was put forward based on rough set to get the useful rules that describe the relation between tourism arrival and its corresponding impact factors. It was proved to be much efficiently in holding significant attribute，finding proficient rules than other reduce algorithms by imitated case.

Demand forecast; sport tourist destination; Knowledge discovery

2013-09-20；

2013-10-01

张润宇(1990- ),男，硕士，研究方向：系统建模。

G80-05

A

1672-1365(2013)05-0030-04