一日游景点选择模型研究——以天津市民为例

张子剑，高 怡

(河北工业大学 经济管理学院,天津 300401)



一日游景点选择模型研究
——以天津市民为例

张子剑，高 怡

(河北工业大学 经济管理学院,天津 300401)

旅游景点的选择是一次旅游行为的核心决策,景点的选择包括一系列步骤。文章以一日游景点选择为例,通过系统地分析旅游者旅游决策的过程,根据旅游者决策特点,提出了一日游景点选择模型,同时以天津市一日游产品为例,通过收集相关数据及游客需求进行实例验证,验证了模型的有效性。

景点选择；旅游决策；需求匹配；个性化推荐；多属性决策

随着旅游业的发展和人民收入的提高,节假日出行已成为非常普遍的现象。一日游产品行程时间较短,如果安排两个或以上景点进行游览可能会造成强度太大或者游玩不尽兴的问题,因此,单个景点的一日游旅游效用最高,也最受游客的喜爱。

本文通过系统地分析旅游者在选择景点时的行为和心理,提出一日游景点的选择模型。

1 国内外研究现状

国内外关于旅游目的地选择模型的研究较多。Woodside等人认为,旅游目的地的选择就是对一系列备选方案进行评估的过程,由于旅游者对目的地信息的了解有限,知觉域只是全部机会域的一个组成部分,因此,旅游者需要对尽可能符合需求的方案集进行评估从而做出决策[1]。褚海燕将层次分析法运用到旅游景点选择的模型中,通过定性地收集数据与定量地计算得出最佳景点[2]。

2 一日游景点选择模型

2.1 问题的提出和模型的假设

本文主要研究的是旅游者对于旅游景点的选择问题,由于旅游者在选择一次旅游活动的景点时往往考虑多方面的因素,潜在的需求也需要其他形式来挖掘,因此,选择最佳旅游景点是一个复杂的过程,需要规范的科学方法来指导,使旅游者满意度最大化。

模型的假设：

旅游者都是理性的决策者；本文的研究针对旅行社的单景点一日游产品进行选择；每个旅游者在初做选择时都至少有一个严格的约束条件；每个旅游者都至少去过一个限定范围内的景点。

2.2 模型的构建

为了进一步完善旅游者在旅行社进行景点选择的模型,笔者对天津市内各大旅行社进行了调研,总结了单景点一日游旅游者由初到旅行社到最终做出选择的过程,归纳了一个全面的旅游景点选择模型。

模型分为以下几个阶段：

旅游者需求表达阶段、旅游者需求挖掘阶段、需求再确定阶段、最终选择阶段。

2.3 模型算法的选取

2.3.1 需求匹配算法

顾客初到旅行社选择旅游产品时会有一些既定的条件,如预算、时间等,当顾客描述自身需求时,需要根据需求为顾客匹配适合的备选方案,使顾客满意度最大化。

正相关指标的客户满意度函数为：

(1)

CSi(xi)为客户对第i个指标值的满意度,xi为第i个指标的实际值,xti为第i个指标的客户期望值,x0i为第i个指标的客户可忍受值。

负相关指标的客户满意度函数为：

(2)

CSi(xi),xi,xti,x0i意义同上。

点指标的客户满意度函数为：

(3)

CSi(xi),xi意义同上,xt为客户期望的属性值。

首先根据xt=(xt1,xt2,…,xtm)和x0=(x01,x02,…,x0m)建立客户满意度隶属矩阵。CSij(1≤i≤m,1≤j≤n)为第j个可选方案的第i个属性值的客户满意隶属度,简称客户满意度,可由客户满意度模型(1) ～ (3)求出。则客户满意度的综合评判矩阵为：

(4)

将bj(1≤j≤n)按降序排列,即为在现有方案和一定资源约束下,所有方案的满意度排序,取满意度较高的方案作为备选方案。

2.3.2 个性化推荐算法

在这一阶段选取协同过滤推荐的方法对客户进行旅游景点的推荐。协同过滤中使用得最广泛的算法就是基于用户的最近邻推荐。

假设需要为游客u1推荐景点,流程如下：

(1)确定游客u1的相似游客集。推荐系统中通用的确定相似用户的方法是Pearson相关系数。

(2)预测游客u1对景点p评分。

将景点的预测评分逐一排序,取预测评分高于该游客评分平均数的景点作为备选方案集。

2.3.3 景点选择算法

生成备选方案集合之后,就要对备选方案进行最终的选择,可采用TOPSIS多属性决策方法来选择与理想方案最接近的方案。

3 实例验证

3.1 数据的获取

3.1.1 需求指标的选取

通过对天津市内各大旅行社和游客的调研,参考现有研究成果,总结出旅游者在选择旅游景点时考虑的主要要素包含以下几点：景点类型、景点级别、景点评分、适宜季节、路程时间、游览时间、费用等。

3.1.2 景点信息数据的获取

本文选择天津某旅行社进行实验,选择了十个最受游客欢迎的一日游景点,分别是天津盘山风景区、天津梨木台风景区、天津黄崖关长城、北京欢乐谷、北京八达岭长城、北京野生动物园、北京石林峡景区、北京十渡景区、北京颐和园和北京龙庆峡。具体的产品信息如下表所示。

产品参数信息表

3.1.3 评分数据的获取

为了对游客进行个性化推荐,需要获取注册用户的景点评分信息,本文采用旅评网提供的景点评分数据来构造用户—景点评分矩阵。考虑到矩阵数据的稀疏度,本文对景点范围做如下限定：由于天津市旅行社提供的一日游产品景点主要为京津地区景点,因此,本文在获取景点评分数据时,除上述十个旅游产品的景点外,增加十个京津地区热门评价的景点评分数据以供参考,十个景点分别为:天津五大道景区、天津古文化街、北京故宫、北京天安门广场、北京人民大会堂、北京香山、北京恭王府、北京天坛、北京大学、北京圆明园。

通过爬虫技术获取了旅评网关于上述20个旅游景点的评分信息。所有景点一共获得164个注册用户的395条评分信息,以Excel形式存入文档。用户评分为5分制,最好为5分,最差为1分,按用户喜好程度进行评价。考虑到原始数据的稀疏程度,将对推荐计算无效的评分数据进行舍弃,整理得到了49个用户对20个旅游景点的评分矩阵,这样就能很好地控制矩阵的稀疏程度,矩阵稀疏度令人满意。

3.1.4 需求数据的获取

以一个游客为例,收集其在选择一日游景点时的需求数据。

首先，对各项指标的权重数据进行收集,按照各项指标的重要程度计算权重。其次,对用户自身需求数据进行获取。在现有的景点范围内,收集游客对景点类型的喜好排序,以及对各项指标期望值和可忍受值的限定。对于季节这一指标,设置了关于当季不适宜景点的接受程度,分别为接受、勉强接受、无所谓、不太接受、完全不接受五个选项。最后，收集游客对于在限定范围内的景点评分数据。即给出上述20个景点,让游客对其去过的景点进行评分。

3.2 计算选择结果

根据收集的游客信息,首先计算出各个指标对于该游客的权重：景点类型0.184,景点级别0.06,景点评分0.184,适宜季节0.184,距离0.143,游览时间0.102,费用0.143。在游客给出的需求信息中,游客喜爱的景点类型为峡谷沟壑,对于当季不适宜的旅游景点的态度为勉强接受,对费用的期望值是50元,可忍受值是200元。根据以上信息,采用需求匹配算法进行计算：根据游客的选择,将当季不适宜的景点满意度赋值0.6。最后得出满意度较高的两个景点为十渡景区0.48和龙庆峡景区0.37。该游客分别对去过的五个景点进行了评分,分别是五大道景区2分,古文化街景区2分,天安门3分,天坛3分,十渡景区5分。根据游客的评分信息,选取相似度较高的用户对该游客进行景点评分预测的计算,得到了该游客对于盘山、八达岭长城和颐和园的预测评分,分别为2.6、3.4、3.4。该游客的平均评分为3分,因此选取预测评分高于平均评分的八达岭长城和颐和园作为备选方案。

由于在需求匹配计算中得到的满意度较高的十渡景区是游客曾经游览过的景区,因此,备选方案最终确定由龙庆峡、八达岭长城和颐和园组成,采用TOPSIS法对三个方案进行多属性决策。最后得出龙庆峡、八达岭长城、颐和园三个景点与正理想解的相对贴近度分别为0.71、0.39、0.22。

最后的计算结果表明,龙庆峡景区是该游客最理想的选择,与该游客实际选择结果相一致。计算模型得到验证。

4 结 论

本文研究的一日游景点选择模型,模拟了游客在对景点进行选择时的需求表达、个性化推荐以及最终决策的全过程。

通过以一个游客选择景点过程为例,采用该游客的相关数据进行计算,得到的结果与事实相符,模型得到验证。

[1]Woodside A,Sherrell D.Traveler Evoked,Inept and Inert Sets of Vacation Destinations[J].Journal of Travel Research,1977,16 (Winter):14-18.

[2]褚海燕.层次分析法在旅游景点选择中的应用[J].统计与决策,2005(10):151-153.

[3]侯新华,文益民.基于协同过滤的旅游景点推荐[J].计算技术与自动化,2012(31)：116-119.

10.13939/j.cnki.zgsc.2016.47.187

张子剑(1969—),男,河北工业大学经济管理学院，研究员，博士。研究方向：集成化管理与信息系统,系统科学与管理决策;高怡(1992—),女,河北工业大学经济管理学院,硕士。研究方向：系统科学与决策管理。