粗糙集理论在旅游研究领域的应用及评析

2014-04-08吴真松张丹

旅游研究与实践 2014年4期

吴真松，张丹

（华侨大学旅游学院，福建泉州 362021）

粗糙集（Rough Set）由波兰学者Z.Pawlak于1982年提出，它是一种数学工具，用于描述具有不完整性和不确定性现象。粗糙集理论与许多其他的理论交叉，尤其是模糊集理论、证据理论和布尔推理方法等［1］，但是粗糙集也可被看做是一门有着其自身特点、独立且具有补充性而不是竞争性的学科。基于分类机制的基础并保持分类能力不变的前提，该理论通过属性约简，能够有效导出问题的决策或分类规则。因此，粗糙集理论具有鲜明的优点，除了所要分析的数据外，无需任何先验信息，而是完全基于数据本身进行推导，为决策者提供客观而简明的决策规则［2］。

根据粗糙集理论的观点，“知识”被视为一种分类能力。例如，与环境相关的知识，从旅游的角度加以解读，旅游者需分辨出该环境是否适合旅游，并进一步分辨该环境中某种旅游活动是否适合在该环境开展，相当于在粗糙集中对知识进行分类，通常不是处理一个单独的分类，而是某—论域的分类族，用等价关系代替分类。因此，粗糙集理论不仅具有理论价值，同时具有实践意义。

近年来，粗糙集理论应用不仅局限于数学领域，还成为软计算方法的重要分支，涉及众多领域，如模式识别、决策分析和决策支持、知识获取等。随着该理论深入发展，国内外学者将粗糙集理论逐步引入旅游研究领域，成为该领域的前沿理论之一，具有重要的研究价值。本文通过文献检索，梳理粗糙集理论在旅游研究领域中的应用研究，分析其特征和发展趋势。

一、粗糙集理论的相关研究概况

本文以中国知网和Elsevier－SDOL（Science Direct On Line）为主要文献检索平台，把“粗糙集”作为题名关键词，进行检索。在中国知网上，从1979年到2013年，共检索7 849篇，再以2003－2013年为界，共检索文献7 478篇，达总量的95.27%，可见国内关于粗糙集理论的研究在近十年来获得爆炸性增长，其研究价值被更多学者肯定。其中中国全文期刊数据库共有3 329篇，博士毕业论文93篇，硕士毕业论文727篇；Elsevier－SDOL上则共有9 047相关文献。

图1 粗糙集理论相关研究文献检索结果

国外对粗糙集理论的相关研究开展较早，研究成果相对国内也较为丰富。近两年的研究焦点在于对贝叶斯粗糙集模型的进一步研究［3］，探讨应用模糊粗糙集的功能［4］及模型［5－6］，以及从决策的角度构建粗糙集理论框架［7］等，主要关于粗糙集理论的基础研究。

国内近几年的研究中，关于粗糙集理论的基础研究也有进一步发展，学者从不同角度提出新的分析方法，完善粗糙集基础理论研究，促进了该理论的发展。袁智敏等基于灰色聚类分析法提出粗糙集灰色聚类分析法［8］。张贤勇等基于精度与程度的逻辑差需求，提出了精度与程度的逻辑差粗糙集模型，定义了粗糙集区域概念［9］。张清华等人首先给出了集合之间的相似度概念，然后分析了分别用上近似集和下近似集作为目标集合（概念）近似描述的不足，提出了在已有知识基（粒）空间下寻找目标集合（概念）的近似集的方法，促进了粗糙集模型的发展［10］。杨习贝和杨静宇从多视角考虑粗糙近似逼近问题，讨论了邻域系统粗糙集模型的性质［11］。邬开俊和鲁怀伟基于粗糙集理论提出了改进后的遗传算法［12］。

另一方面，粗糙集理论也被广泛运用于行业领域研究当中。梁娜和张吉刚利用人工神经网络与粗糙集理论的优势互补，将粗糙集用于优化客户价值的指标结构，CPN神经网络用于预测，提出并建立一种粗糙集与CPN神经网络相结合的客户价值预测模型［13］。张喜成和汪江洪应用粗糙集综合评价法对城市公共交通服务水平进行评价［14］。任彬等人通过实验证明粗糙集方法有利于获取机床故障规则，提高故障诊断率［15］。张建华等人为提高棉花病害的识别率，提出了一种在自然环境条件下基于粗糙集和B P神经网络的棉花病害识别方法［16］。李伟等针对BP神经网络结构由于特征维数增多变得复杂，以及网络易陷入局部极值点，提出了粗糙集和改进遗传算法结合共同优化神经网络的方法［17］。琚春华等考虑电子商务客户流失预测影响因素众多，提出了一种粗糙等价类属性约简方法提取出重要的客户流失预测指标［18］。

综上所述，粗糙集理论具有广泛运用的价值，不仅能够运用于金融业，同时可涉及制造业、种植业等，在实际的生产生活中起到重要的作用。由此，对旅游领域的相关研究同样具有借鉴参考的意义。

二、粗糙集理论在旅游研究领域的运用

（一）国外研究现状分析

国外较早将粗糙集理论引入旅游研究领域的是Law，R.和Au，N。早期的研究中，Law，R.，＆Au，N将粗糙集运用于酒店的支出决策规则探讨［19］。随后的研究中，他们同样基于粗糙集理论，构建旅游购物中的关系模型，并根据香港1983－2006年统计公报的数据，对旅游购物需求进行预测，实证研究结果表明高达94.1%的测试样本能够被准确预测［20］。同年，他们再次运用该理论，对旅游观光支出进行探讨［21］。除了在酒店支出、观光支出及旅游购物需求等方面进行研究，Law和Au同样基于该理论，对旅游餐饮进行研究。他们指出：一般情况下，一定旅游餐饮数据不能用标准的统计分析方法，因为有许多遗漏值或数据的一种形式定性而不是定量的措施。粗糙集能够帮助确定关键顾客就餐行为模式，并揭示存在的不同变量之间的关系［22］。

可见Law和Au较为全面地将粗糙集理论运用于旅游行业的研究领域，涵盖住宿、餐饮以及观光旅游等方面，研究视角和方法有别传统做法，具有新意，为后者的研究提供了参考。

此外，关于该理论在旅游领域的另一个焦点在于对旅游需求进行分析和预测。Goh ＆Law将粗糙集理论引入旅游需求分析。研究提出该理论可以补充传统的需求框架，并使用粗糙集理论和时变参数模型，分析旅游需求预测［23］。Song ＆Wong［24］也基于该理论进行相关研究。Law、Goh ＆Pine遵循科学决策的规则，提出旅游需求建模方法［25］。Voges，K.从新的视角提出一个进化的目标图像数据聚类粗糙算法［26］。

随后的学者围绕旅游需求预测，从粗糙集理论的视角，确定一些新的研究方向，包括提高通过组合预测的预测精度；结合定性和定量的预测方法，旅游圈和季节性分析，事件的影响评估和风险预测［27－29］。

通过梳理文献，国外研究中将粗糙集理论较为全面地运用到旅游行业的主要领域，包含住宿、餐饮及景区等，多采用统计公报数据进行分析评价预测，研究方法科学严谨，研究结果具有较高的可信度。另一方面，国外的研究中较为集中的将研究焦点停留在旅游需求预测和分析，其他研究视角拓展较少，例如关于旅游目的地形象、旅游资源评价等。

（二）国内研究现状分析

国内的研究中，将粗糙集理论引入旅游研究领域的文献相对较少，可见该领域尚待更多学者的关注和研究。经过分类归纳，国内的相关研究内容可分为以下几个方面：

1.预测旅游需求

目前诸多旅游研究者借助数学方法与模型对旅游需求进行预测，常见的模型包括时间序列预测模型、人回归模型、人工神经网络等。区别于一般需求预测方法，肖智及叶煜岚基于粗糙集理论，提出了一种旅游需求多因素动态粗预测模型。他们分四步对旅游需求进行预测，第一步建立旅游需求预测问题的决策数据表模型；第二步属性值特征化，利用属性约简性质约简条件属性集M以选择主要的影响因素；第三步决策规则提取，找出影响因素模式与预测指标模式之间的不确定性规律；第四步建立多因素动态粗预测模型［30］。

鲍青青等人运用粗糙集理论，结合神经网络（Neural Network，NN）及粗神经网络RNN（roughneural network）对云南入境旅游发展趋势进行预测分析，验证模型的有效性［31］。杨立勋和殷书炉对人工智能方法在旅游需求预测方面的运用进行介绍［32］，并对粗糙集理论的运用进行评析［33］。

在旅游研究领域，旅游需求预测在较长一段时间内是研究的热点。学者综合运用了多种方法进行预测分析，但每种方法都有其优点和不足。通过引入粗糙集理论，加强数据处理，明朗化数据的获取过程，对输入的冗余数据进行属性约简，进而构建效率更高的预测模型。这也是粗糙集理论在旅游需求预测中的主要作用之一。

2.旅游目的地评价

旅游者对旅游目的地的评价，包括宏观方面整体的评价，也包括微观层面旅游资源的评价、旅游地理环境条件、区域社会经济条件的评价，以及旅游体验过程中对旅游服务评价等。麦范金等人基于Rough集理论，对旅游目的地评价指标进行分析处理，并引入记号，构建了旅游者对旅游目的地评价模型，从中进行数据挖掘、发现隐含知识，并为相关政府部门提出了决策建议，该方法能克服传统评价方法的主观性和模糊性问题［34］。陆琳和谭清美也进行了相关研究［35］。

（1）旅游资源评价。旅游资源的评价、分类目前的研究方式主要通过向各类专家发出征询问卷，人为确定评价因子及评价因子的权重。一般而言，资源评价因子众多，数据较为繁杂，如何正确分析原始数据、科学评价旅游资源、从中发现隐藏在这些数据中的有用组成部分对旅游科研者而言是一项艰难并且富有重要意义的工作。徐涛和郑书富以三明市部分县市旅游资源的调查数据为例，利用粗集理论挖掘符合旅游地实际情况的决策规则，以便为旅游开发、投资的决策提供理论参考［36］。张红珍和李云辉基于粗集理论，提出一种关于旅游资源评价新的分析方法和研究思路［37］。周根苗同样运用该理论对风景林景观美学进行评价［38］。

（2）服务质量评价。陈德良及祝海波运用粗糙集方法对旅游服务质量信息进行分析。通过采用ROSETTA系统挖掘了旅游服务质量评价的一些关联规则，研究发现旅游交通条件和导游服务水平是影响旅游服务质量的最重要因素；研究同时根据游客对旅游服务质量的信息对游客进行聚类。结果表明，数据挖掘方法可以作为辅助旅游服务部门改进服务质量和进行决策的有力工具［39］。

3.旅游地竞争力评价

对于旅游地城市竞争力评价的研究还处于探索阶段，有些学者对其进行研究，但并未形成统一的科学指标体系和评价方法。李国娟通过分析会展旅游对地区经济的重要影响以及相关的概念，根据建立会展旅游竞争力评价指标体系的基本原则，引入粗糙集理论，提出了一种基于粗糙集的城市会展旅游业竞争力评价的新方法［40］。王晓岭基于粗糙集原理对大连旅游竞争力进行综合评价［41］。张媛媛建立了区域旅游产业竞争力评价指标体系，利用粗糙集的分析方法，对全国省市自治区进行了测评［42］。该类型研究中这种基于粗糙集的旅游业竞争力评价的新方法，可以对评价指标进行筛选，进一步完善了旅游业竞争力评价的指标体系，其评价结果在客观性上有一定提高。

4.其他相关研究

除了上述几种主要研究方向外，另外也有学者从其他角度展开研究。叶煜岚基于粗糙集理论，选取旅游企业效益指标、收入效应指标、创汇效应指标、税收效应指标、产业关联效应指标、就业效应指标市场规模效应指标七类评价指标对重庆市旅游业绩效进行评价，并且对实证研究的结果进行分析，将重庆市的旅游业与西部地区其他省市进行比较，从而提出一些如何提高重庆市旅游业绩效、促进重庆市旅游业发展的建议［43］。张玉和梁昌勇利用租糙集原理中的属性约简和分类规则，对游客的旅游情况进行分析，整理出客观的规律和决策规则，为从事旅游业的机构确定日际顾客和营销策略提供依据［44］。高田基于粗糙集理论对旅游突发事件状态评估与演化进行研究［45］。

石东贤基于粗糙集和决策树的理论，提出了一个基于数据挖掘粗糙集理论与决策树分类技术相结合的信用评估方法来建立旅行景点的信用评估模型，利用粗糙集的知识约简的概念，对样本数据进行预处理，去除冗余属性对分类模型的影响，然后用决策树方法建立分类模型［46］。

旅游学属于交叉学科，涉及社会学、心理学及管理学等学科；在行业应用研究中，包含“食、住、行、游、购、娱”等6个环节，研究的过程中需要考虑诸多复杂的因素。无论是在旅游需求预测分析方面还是旅游地相关评价中，以往的研究方法带有一定主观性和模糊性。因此，学者通过扩展思路运用粗糙集理论删除诸因素中的多余属性并对其进行约简，从中挖掘隐含的知识，发现可能规则使预测分析、评价的过程及结果更加客观公正，研究具有较大的应用价值。

三、粗糙集理论在旅游研究领域运用评析

（一）从研究数量上

从2000年到2013年，粗糙集理论的相关研究有了长足的发展，研究数量出现较大幅度增长。而在旅游研究领域，虽然旅游学界将粗糙集理论纳入研究视野以来，相关文献数量呈现逐年增长的趋势，但无论是国外还是国内，研究数量都十分有限。然而，尽管研究数量有限，仍旧可以看到粗糙集理论在旅游研究领域越来越受到重视，粗糙集理论的相关研究必将是一个趋势。

（二）从研究方法看

关于旅游领域的研究从传统的定性研究占据主要比例的现象，逐渐转变为定量研究比重上升的现状。在近十年的发展中，定量研究获得越来越多学者的重视，数理统计、实证分析、建立模型、案例研究等方法有一定增加，而这些研究方法将是未来研究的趋势。粗糙集理论作为定量研究的重要研究理论之一，具有广泛的应用价值。现有的部分研究仍需要在理论范式和科学方法方面加以完善，改变以往简单地进行文献梳理和转述的现象，并提升研究方法科学性。加上，由于每种研究方法都不同程度存在优点和不足，将粗糙集理论引入旅游研究领域，能够起到与其他方法互补的作用，保证研究的科学性和严谨性。

（三）从研究内容看

粗糙集研究可以分为理论研究和应用研究，而在旅游研究领域，主要是应用性研究和对策性研究。将国外和国内研究进行对比，可看到，国外研究焦点相对较为集中，主要关注具体的旅游行业经营管理问题及旅游需求预测分析，国内研究焦点则相对较为分散，不仅涉及旅游需求预测分析，同时包括旅游地整体评价、旅游资源评价、服务质量评价以及旅游决策等，涵盖面较为广泛。进一步对比后，可得国外研究比较深入和严谨，发表期刊级别相对较为高级，但研究的广度有待进一步扩大；而国内研究相对较为零散，研究不够深入，发表在高级别刊物的文章相对较少，可见研究的深度有待进一步加深。

（四）从未来研究方向看

粗糙集理论在旅游研究领域还具有广阔尚待关注的研究视角。从以往的研究结果来看，关于研究模型的确定和统计数据的处理是相对薄弱的环节，因此该部分应作为今后加强研究的部分，同时不可忽略提高组合预测在旅游需求预测中的预测精度；此外，针对旅游业的季节性、外部因素对旅游活动事件的影响评估及风险预测都可作为今后深入研究的方向。

四、结束语

粗糙集理论作为相对前沿的理论，能够在保持分类能力不变的前提下，通过属性约简，导出问题的决策或分类规则，提高解决问题的效率，对于旅游研究领域具有重要的运用价值。本文通过梳理粗糙集理论的相关研究，挖掘该理论的运用价值，并在此基础上，对粗糙集理论在旅游研究领域的研究进行分类归纳总结。研究发现，粗糙集理论在旅游领域中研究数量并不多，但逐渐获得重视，其价值也得到体现。该理论的引入拓宽了旅游研究的方法和思路，弥补原有定量研究方法的不足，但现有的研究内容表明，国外研究其广度有待进一步扩宽，国内研究其深度有待进一步提升。未来的研究方向应加强粗糙集理论在旅游研究领域中的基础研究，提高预测精度，同时可结合旅游业本身的特殊性展开相应研究。

［1］Pawlak，Z.Rough classification［M］.International Journal of Man－Machine Studies，1984：20，49－483.

［2］Pawlak，Z.Rough set theory and its applications［J］.Journal of Telecommunications and Information Technology，2002（3）：7.

［3］Zhang H，Zhou J，Miao D，et al.Bayesian rough set model：A further investigation［J］.International Journal of Approximate Reasoning，2012，53（4）：541－557.

［4］Chen D，Kwong S，He Q，et al.Geometrical interpretation and applications of membership functions with fuzzy rough sets［J］.Fuzzy Sets and Systems，2012，193：122－135.

［5］Ma W，Sun B.Probabilistic rough set over two universes and rough entropy［J］.International Journal of Approximate Reasoning，2012，53（4）：608－619.

［6］Dai J，Tian H.Fuzzy rough set model for set－valued data［J］.Fuzzy Sets and Systems，2013：16－18.

［7］Qian Y，Zhang H，Sang Y，et al.Multigranulation decision－theoretic rough sets［J］.International Journal of Approximate Reasoning，2014，55（1）：225－237.

［8］袁智敏，黄庆，汪江洪.一种新的综合评价方法：粗糙集灰色聚类评价［J］.理论新探，2005（9）：24－26.

［9］张贤勇，莫智文，熊方.精度与程度的逻辑差粗糙集模型及其算法［J］.系统工程理论与实践，2011，31（12）：2394－2399.

［10］张清华，王国胤，肖雨.粗糙集的近似集［J］.软件学报，2012，23（7）：1745－1759.

［11］杨习贝，杨静宇.邻域系统粗糙集模型［J］.南京理工大学学报，2012，36（2）：291－295.

［12］邬开俊，鲁怀伟.采用并行协同进化遗传算法的文本特征选择［J］.系统工程理论与实践，2012，32（10）：2215－2220.

［13］梁娜，张吉刚.基于粗糙集－CPN网络的客户价值预测［J］.统计与决策，2008（5）：155－156.

［14］张喜成，汪江洪.粗糙集综合评价法在公交服务水平评价中的应用［J］.统计与决策，2006（2）：46－48.

［15］任彬，徐小力，吴国新，蒋章雷.同档车削中心故障知识库构建技术［J］.北京理工大学学报，2012，32（9）：905－909.

［16］张建华，祁力钧，冀荣华，王虎，黄士凯，王沛.基于粗糙集和B P神经网络的棉花病害识别［J］.农业工程学报，2012，28（7）：161－167.

［17］李伟，何鹏举，杨恒，陈明.基于粗糙集和改进遗传算法优化BP神经网络的算法研究［J］.西北工业大学学报，2012，30（4）：601－602.

［18］琚春华，卢琦蓓，郭飞鹏.融人个体活跃度的电子商务客户流失预测模型［J］.系统工程理论与实践，2013，33（1）：141－150.

［19］Law，R.，＆Au，N.A rough set approach to hotel expenditure decision rules Induction［J］.Journal of Hospitality ＆Tourism Research，1998，22（4）：359－375.

［20］Law，R.，＆Au，N.Relationship modeling in tourism shopping：A decision rules induction approach［J］.Tourism Management，2000，21（3）：241－249.

［21］Au，N.，＆Law，R.The application of rough sets to sightseeing expenditures［J］.Journal of Travel Research，2000，39（1）：70－77.

［22］Au N，Law R.Categorical classification of tourism dining［J］.Annals of Tourism Research，2002，29（3）：819－833.

［23］Goh C，Law R.Incorporating the rough sets theory into travel demand analysis［J］.Tourism Management，2003，24（5）：511－517.

［24］Song，H.，Wong，K.K.F.Tourism demand modeling：A time－varying parameter approach［J］.Journal of Travel Research，2003，42（1）：57－64.

［25］Law，R.，Goh，C.，＆Pine，R.Modeling tourism demand：A decision rules based approach［J］.Journal of Travel ＆Tourism Marketing，2004：16，61－69.

［26］Voges，K.Rough clustering of destination image data using an evolutionary algorithm［J］.Journal of Travel ＆Tourism Marketing，2006，21（4）：121－137.

［27］Songa H，Li G.Tourism demand modelling and forecasting：A review of recent research［J］.Tourism Management，2008，29（2）：203－220.

［28］Goh，C.，Law，R.，Mok，H.M.K.Analyzing and forecasting tourism demand：A rough sets approach［J］.Journal of Travel Research，2008（46）：327.

［29］Celotto E，Ellero A，Ferretti P.Short－medium term tourist services demand forecasting with rough set theory［J］.Procedia Economics and Finance，2012（3）：62－67.

［30］肖智，叶煜岚.一种旅游需求多因素动态粗的预测模型［J］.统计与决策，2005（5）：33－34.

［31］鲍青青，唐善茂，刘胜峰，陆琳.基于粗神经网络的旅游需求预测研究［J］.安徽农业科学，2006，34（17）：4437—4438，4440.

［32］杨立勋，殷书炉.人工智能方法在旅游预测中的应用及评析［J］.统计与信息论坛，2008，23（4）：90－95.

［33］杨立勋，殷书炉.人工智能方法在旅游预测中的应用及评析［J］.旅游学刊，2008，9（23）：17－22.

［34］麦范金，陆琳，梁业章.基于粗糙集理论的旅游目的地评价方法研究［J］.生态经济，2005（11）：98－100.

［35］陆琳，谭清美.旅游者对旅游目的地评价的Rough集研究［J］.统计与决策，2005（14）：28－29.

［36］徐涛，郑书富.基于Rough集理论的旅游资源的计算机建模评价［J］.三明高等专科学校学报，2004（4）：51－56.

［37］张红珍，李云辉.粗集理论在旅游资源评价中的应用［J］.环境与可持续发展，2006（6）：82－83.

［38］周根苗.基于粗糙集的风景林景观美学评价［D］.长沙：中南林业科技大学，2008.

［39］陈德良，祝海波.旅游服务质量信息的挖掘分析［J］.商业研究，2006，17（349）：180－182.

［40］李国娟.基于粗糙集的重庆市会展旅游竞争力评价研究［D］.重庆：重庆大学，2007.

［41］王晓岭.基于Rough集原理分析的大连旅游竞争力综合评价［J］.企业管理，2009（3）：2－3.