基于“动态云”架构的智慧农业旅游经济发展研究

韦夷

摘要：智慧农业旅游可依托“动态云”架构将全部数据集中在云处理核心完成统一处理，游客能从“云”端获取计算服务，在现代市场竞争中具有很强的竞争力。首先研究“动态云”架构的智慧农业旅游模型，然后以样本特征为控制量，“云搜索”动机、“云搜索”成本、个人情景、社会影响力、云网络信任度、农业教育体验、感知风险和游客个性化需求为自变量，并设定研究假定，完成调研问卷信度和效度分析。通过整体方差、旋转阵列、Pearson相关度、多元线性回归分析可知控制变量和自变量均不同程度地影响大众旅游需求，从而影响“动态云”架构下的智慧农业旅游发展水平。

关键词：“动态云”架构;智慧农业;旅游;感知风险;回归分析

中图分类号：F592;S126 文献标志码： A

文章编号：1002-1302（2019）09-0072-07

1 智慧农业旅游概述

1.1 休闲农业旅游向智慧农业旅游过渡的发展历程

伴随知识经济时代的到来，休闲型产业成为大众生活和消费的重要模块，随之与高科技结合所产生的智慧农业旅游[1]逐步形成。休闲农业旅游是第一产业向第三产业的拓延，并融合了第一、第二和第三产业，构成生态型、经济型、社会型三位一体的融合。休闲农业旅游便于农村交通运输状态的优化，同时促进了农业自然生态环境保护、农业景观与基础建设，从而提升农村民众的生活水平。而从城市游客角度而言，拓展新的旅游区间，走入农业大情景中，能够缓和城市游客过于拥挤的状况，让休闲农业借力大自然意境发展，带动农业艺术与乡土文化品位的最优组合，可满足游客休闲、感知、娱乐与教育需求。随着各种智能手机软件（APP）走进民众生活，通过智能终端定制个性化农业模式，利用网络平台发展农业旅游电子商务，形成区域化合作的智慧旅游发展模式等，均构成智慧农业旅游的发展模型。

1.2 “动态云”架构下的智慧农业旅游

“动态云”指资源的获取可通过动态模式随时随地完成部署和分享，是大规模的伸缩型数据共享核心，其计算资源能够实时而动态地互享，并构建显著型发展的服务业经济规模[2]。“动态云”架构和以农业资源为依托构建的地方特色型现代化休闲服务模式综合可形成智慧农业旅游。

“动态云”下的智慧农业旅游是在区域农业发展的基础上集娱乐、购物、观光和健身为一体的现代型数字化旅游项目，并且成为打造生态型第三产业的重要课题，达到经济效益最优。在大数据科技、云科技、“互联网+”和人工智能等现代化数字策略基础上构建个性化、综合化旅游体系。为达到该服务目标，目前大量旅游界的龙头企业重视并开展智慧农业旅游服务程序的研发，逐步形成融合各类智慧农业旅游服务如交通、景点、住宿配套订购，实时追踪智慧农业旅游区环境，得到一手旅游数据资源，并个性化地体验智慧农业旅游服务。

本研究从大众旅游视角，即市场需求着手探讨“动态云”架构的智慧农业旅游发展，对指导其发展模式和方向有重要的研究意义。

1.3 “动态云”科技下的旅游产业

随着网络科学、“云”科技和移动通信科技的飞速发展，产业间的融合不断增强，随之而来的创新并产生了巨大的经济价值。“云”科技能够采用信息技术把各种资源虚拟后进行集中，构建浩瀚的资源汇集区，而该资源汇集区即为“云”。国外学者Mereu等研究了“动态云”模型下的旅游电子商务发展，整个模型包含基础部分、系统部分、服務部分、访问部分与监管部分，形成了订单服务、购买服务、存储服务与销售服务，并提供了“云”科技支持监管服务[3]。Kelaidonis等则采用“云”科技与物联网结合构建了基于游客需求的旅游园区产品远程供应服务[4]。国内学者焦金英结合云计算和旅游产业，探究了旅游业的服务优势[1];金顺福等则把“云”科技与P2P技术相结合形成智慧农业旅游服务体系[5]。

1.4 智慧农业旅游的发展

国外对都市农业和休闲农业旅游的开发较早并进行了大量的研究，农业旅游经过数十年的发展，并与现代科技结合形成智慧农业旅游。Fletcher等用旅游乘数的理念分析智慧农业旅游发展现状，并结合经济发展状态完成智慧农业旅游发展的动态预测[6];Mook等则采用社会核算阵列探究旅游行业对经济发展的影响[7];Stark等采用收入流转分析方法研究旅游业的后向经济关联和旅游目的地拓展所拉动的智慧农业旅游经济产业[8]。国内学者张攀春利用投入产出数学模型得到不同区域层次下的智慧旅游产业联动效益[9];王伟则结合旅游卫星账户（TSA）策略研究旅游供需发展模式，完成国内就业形势的深度解析[10];王晓敏等结合主成分分析法探究智慧农业旅游经济与经济发展间的联动影响[11]。

2 基于“动态云”架构的智慧农业旅游

2.1 “动态云”架构内部交互模型

“动态云”架构的整体智慧农业旅游模型可分为2类，其一是强数据核心、弱客户端的结构（图1），其终端用户均与云处理中心完成互动，并将全部数据汇聚到云计算核心系统中。而利用“动态云”架构全部用户均与云核心完成互动，云核心仅提供中转功能，详细的数据保存和处理则在农业旅游公司终端完成存取，因而弱化了云核心保存和处理信息的能力。对普通用户而言，并没有明显的应用区别，这是由于用户并不须要获得云计算核心详细架构特征。因而在不与普通用户交互时，该架构可从图2变换为图1，与普通用户交互进程中，则复原为图2的模型，完成“动态云”架构下的智慧农业旅游体系搭建。

2.2 “动态云”架构下的整体智慧农业旅游体系

2.2.1 整体设计

在“动态云”架构下搭建智慧农业旅游模型，使个性化定制服务的理念能够深入到整个智慧旅游体系中。将“动态云”架构下搭建智慧农业旅游模型（图3）划分为一云多屏型前端、后端、动态信息存储与虚拟化资源等部分分别进行介绍。

2.2.2 一云多屏型前端和后端支持

一云多屏[12]型前端主要涵盖具有特色农业的吃、住、行、旅游、农产品购物与娱乐等几项基本服务，“动态云”所服务的目标主要包括游客、景点、酒店、政府等几个部分，如图4所示。后端支持的主要工作是完成系统感知、技术支持和数据资源处理等，在“动态云”体系下以网络科技为基础完成资源整合形成数据互享。

2.2.3 动态信息存储

动态信息存储就是将用户端信息保存在云数据处理核心中，在客户端口应用的同时，用作服务提供给其他客户。游客能够通过云测算核心获取信息，并对应游客的农产品或旅游产品条形码得到相关数据。将农业旅游公司与旅游配套农产品服务公司的终端存储力动态地组合在云服务核心中，并完成数据的编解码，能够缓解服务核心的压力。

“动态云”架构下的数据处理，实质上是客户端在处理数据的过程中，将服务提供给其他客户端的过程。游客体验休闲农业的过程中，所购置的农产品能够追溯到从生产到销售全过程的数据，如农业旅游地的数据、当地酒店数据、物流行业数据、相关农产品企业数据，在“动态云”架构下均依据相应算法完成协调和通信。“动态云”架构下的智慧农业旅游数据处理过程比云处理核心按照各个环节处理数据效率高。

2.2.4 虚拟化资源

“动态云”架构下的智慧农业旅游体系中的虚拟化资源，即完成客户端设备、程序和信息的相关虚拟化，并将各部分资源通过抽象、继承和组合方式搭建通用接口，完成资源虚拟化[13]。即游客登入该资源时，感觉是由云服务中心提供的而非客户端资源。当服务中心或农产品企业登入数据时，也感觉是云服务中心提供数据，因而能够保证数据完整度。

3 样本获取、游客需求分析下的研究假定

3.1 样本获取

本研究采用问卷调研模式，考察“动态云”架构下的都市农业旅游区，以沈阳（精品都市农业旅游线路）、开封（可望庄园都市农业旅游）、无锡（吴文化都市农业旅游线路）、北京（国际都市农业旅游）等4个地区的游客为例，发放调研问卷研究游客需求，共发放6 000份问卷，回收率为91.8%，其中有效问卷共计5 274份，游客的基本信息如表1，并假定H1：统计参数不同的游客对“动态云”架构下的大众旅游需求存在明显差异。

3.2 游客需求分析下的研究假定

综合上文给出的“动态云”架构下的智慧農业旅游体系特征，以游客性别、年龄、学历、个人收益、休闲时间（除周末外）为本研究的测控变量，并以“云搜索”动机、“云搜索”成本、个人情景因子、社会影响力因子、云网络信任度、农业教育体验因子、感知风险因子、游客个性化需求等为自变量，“动态云”架构下的智慧农业旅游发展为因变量。基于此，给出“动态云”架构下的智慧农业大众旅游需求模型（图5）。

3.2.1 “云搜索”动机

“动态云”架构下的智慧农业旅游体系下，游客的“云搜索”动机主要划分为以目标为搜索的功利型动机和以娱乐为目标的体验型搜索动机。若在动态搜索进程中，游客对有用度、娱乐度、创新度得到越大的满足，则其对旅游服务越满意。数据有用性主要包括游客能够通过搜索得到有用数据;数据获取便捷度则指游客通过“动态云”架构得到智慧农业旅游数据是否容易;目的明确度则指游客可否在搜索过程中达到需求。基于此，本研究设置如表2所示问卷题项。并作出假定H2：“云搜索”动机对大众旅游需求产生正向影响。

3.2.2 “云搜索”成本

在经济学的理念下，数据搜索开销主要指消费者能够以较低的成本买入市场上所需求的商品而付出的金钱、时间和精力。本研究的“云搜索”成本即指游客参与智慧农业旅游获得信息所付出的金钱、时间和精力。往往成本越低，游客搜索数据时间越长，所获取数据越完整。基于此，设置如表3所示问卷题项。并作出假定H3：“云搜索”成本对大众旅游需求产生负向影响。

3.2.3 个人情景因子

个人情景因子主要指在网络基础环境下游客在移动终端的操作所完成的应用研究。终端能够给游客提供个性化服务，并及时推送智慧农业旅游地、酒店和农产品等数据。个人情景因子更加侧重于个人方位定制和兴趣点。设置如表4所示问卷题项，并作出假定H4：个人情景因子对“动态云”架构下的大众旅游需求产生正向影响。

3.2.4 社会影响力因子

社会影响力起源于心理学科，即指由于其他人的影响所带来身心的转变，从而对个人行为产生作用。本研究主要指游客在制定旅游决策的过程中受到周围环境的影响，例如他人对“动态云”架构下的智慧农业旅游的体验描述、观点、爱好均对游客制定旅游决策产生影响。本研究设置如表5所示问卷题项并作出假定H5：社会影响力因子对“动态云”架构下的大众旅游需求产生正向影响。

3.2.5 云网络信任度

云网络信任度指游客对云计算网络科技的信任程度，包含对网络数据稳定度和可靠度的认同。在本研究中，云网络信任度主要包含游客对“动态云”架构下的智慧农业旅游数据的信任度。在旅游过程中遇到的各种问题，游客可依赖“动态云”体系得到相关信息和指导。本研究设置如表6所示问卷题项，并作出假定H6：云网络信任度对“动态云”架构下的大众旅游需求产生正向影响。

3.2.6 农业教育体验因子

游客在“动态云”架构下体验智慧农业旅游，不仅让游客深入到自然风光中感知农业知识教育，体验花开、结果的自然风情。对某种农产品或动植物感兴趣的游客也可以在旅途结束后，通过“动态云”架构继续获得更多农业知识。本研究设置如表7所示问卷题项并作出假定H7：农业教育体验因子对“动态云”架构下的大众旅游需求产生正向影响。

3.2.7 感知风险因子

“动态云”架构下体验智慧农业旅游中的感知风险也是从心理学中援引出来的，将智慧农业旅游中的感知风险因子分为财务型、身体型、心理型。财务型即游客在旅游中可能购置到的与实际价值差别很大的旅游商品;身体型即参与“动态云”架构下的智慧农业旅游可能带来的人身安全威胁;心理型即担心自身隐私被泄露。本研究设置如表8所示问卷题项，并作出假定H8：感知风险因子对“动态云”架构下的大众旅游需求产生负向影响。

3.2.8 游客个性化需求

每个人都是独立的个体，当接受服务时，往往有不同的感知。通过“动态云”架构体验智慧农业旅游，往往能够满足不同游客的个性化需求。基于此，本研究作出假定H9：游客个性化需求对“动态云”架构下的大众旅游需求产生正向影响。并设置如表9所示问卷题项。

4 数据分析

4.1 调研问卷信度和效度分析

信度值为测量表或问卷量表内部的常见指标，信度最常用的关联参数为皮尔逊积差相关参数，该相关系数的区间为 [-1，0] 和[0，1]，当其值为1或-1时，其关联度越高，由于正和负为关联的方向，若该值为正，则是正线性关联，反之为负线性关联。而效度指标表示有效性，问卷调研值即表明调研目标的效度，其指标包含内容效度和构造效度等参数。

4.1.1 信度研究

本研究选取SPSS 19.0作为数据校验程序，分析得到数据信度指标。信度常选择内部信度量，即Cronbach α参数，若信度判定α参数在0.6～1.0之间，则为高可信度，若α<0.30，则表示拒絕。信度判别指标如表10所示。针对得到的5 274份有效问卷采用SPSS 19.0进行Cronbach α参数的信度检验，结果如表11所示。通过问卷的信度指标校验可得，问卷的整体Cronbach α参数值为0.779，其他Cronbach α参数值均高于0.700，因而本问卷的信度较为可信。

4.1.2 效度分析

本研究进行因素分析首先完成Bartlett以及KMO样本结果校验，Bartlett校验的标准参量即χ2的统计结果概率值低于0.05，KMO样本结果校验的参量高于0.5时，本研究选取结构解析式模型，调查问卷的效度指标最主要考量结构效度。效度判别指标如表12所示。

KMO样本测试结果若高于0.7则很适应因子解析，采用SPSS 19.0完成样本信息的给入和整合，试验所得KMO结果为0.848，Bartlett检验的结果为0.000 1，其值小于0.05，因而该结果通过了效度校验，本研究的试验结果具有优秀的效度标准。

4.2 验证假设

4.2.1 整体方差解释

采用回归分析验证“3.2节”给出的假设，在进行回归分析之前，先完成数据的处理。如表13所示，30个参量被提取为9个大于1的公共变量即被控制变量和自变量（分别为被调研样本的统计参数、“云搜索”动机、“云搜索”成本、个人情景因子、社会影响力因子、云网络信任度、农业教育体验因子、感知风险因子、游客个性化需求），其结果为 4.128、2.891、2.527、2.075、1.851、1.371、1.263、1.062、1.078，采用累积方差分析可知，9个公共参数的整体方差为 78.81%，即9组公共变量能够表示78.81%的数据。因而，9组公共变量能够体现样本的大量数据，从参数自身特征而言，适合完成回归解析。

4.2.2 旋转阵列

利用最大方差完成对参数载荷的旋转阵列分析，利用整合后的旋转阵列进行自变量的得分分析，对各参量进行归类。表14给出整合后的旋转阵列，为便于分析，

将载荷低于0.5的值作忽略处理，并依据参量旋转阵列的数据得到量表中题项和9个公共参量间的关系。

4.2.3 参量的Pearson相关度分析

本研究选取Pearson相关度分析方案，通过SPSS 19.0获得大众旅游需求与被调研样本的统计参数、“云搜索”动机、“云搜索”成本、个人情景因子、社会影响力因子、云网络信任度、农业教育体验因子、感知风险因子和游客个性化需求间的Pearson相关度完成分析。从而体现“动态云”架构下的智慧农业旅游发展状态。由表15可知，1个被控变量和8个自变量均与大众旅游需求存在各种程度的关联。从解析值而言，各参量和大众旅游需求存在不同程度的差别，大众旅游需求和被控变量间的关联度最大，为0.512，其次是游客个性化需求，为0.498，云网络信任度的Pearson相关度为0.435，“云搜索”成本的Pearson相关度为0.423，个人情景因子的Pearson相关度为0.386，社会影响力因子的Pearson相关度为0.245，农业教育体验因子的Pearson相关度为0.237。此外，“云搜索”成本和感知风险因子分别与大众旅游需求呈负相关。

4.2.4 多元线性回归分析

利用多元线性回归[14]方案完成被控变量、自变量和因变量的关联分析，从而确定各个参量和因变量间的数量关联，构建多元线性解析模式如下：

Y=B0+BMM+B1T1+B2T2+B3T3+B4T4+B5T5+B6T6+B7T7+B8T8+E。（1）

式中：Y为因参量，即大众旅游需求（代表“动态云”架构下的智慧农业旅游发展水平）;M为被控变量;T1、T2、T3、T4、T5、T6、T7、T8表示自变量;B0表示回归常数;BM、B1、B2、B3、B4、B5、B6、B7、B8表示回归参数;E为随机偏差。T1为“云搜索”动机，T2为“云搜索”成本，T3为个人情景因子，T4为社会影响力因子，T5为云网络信任度，T6为农业教育体验因子，T7为感知风险因子，T8为游客个性化需求。

表16中采用SPSS 19.0测算样本信息的回归参数，1个被控变量和8个自变量非标准系数分别为0.362、0.526、0.435、-0.278、0.375、0.238、0.451、0.251、-0.351、0.462、0.078，各变量的标准系数分别为0.315、0.573、0.452、0.091、0.353、0.252、0.467、0.289、0.067、0.452、0.069，从回归分析值可得，权值越高表明因参数产生的贡献越高。

进一步完成回归模型的拟合值检验，如表17所示。

在多元线性回归模型中，结合判别参数和回归标准差校验拟合模型，得到回归模型特点，表中所获取的回归量R为0.805，R2为0.648， 调节之后的R2为0.645。模型拟合度检

结合表16中得出的被控参量、常值、自变量及随机偏差的多元回归非标准参量，可具体化多元线性回归方程（1），如方程（2）所示：Y=0.362+0.526M+0.435T1-0.278T2+0.375T3+0.238T4+0.435T5+0.251T6-0.351T7+0.462T8+0.078。（2）

采用SPSS 18.0对9个变量进行多元化回归解析，可获得影响大众旅游需求（代表“动态云”架构下的智慧农业旅游发展水平）的重要级别，自变量各个参量的影响重要度（考量绝对值）由高到低分别为游客个性化需求、云网络信任度、“云搜索”动机、个人情景因子、感知风险因子、“云搜索”成本、农业教育体验因子、社会影响力因子。

4.2.5 假定验证

基于以上分析，给出假定验证，如表18所示。在不同的被调研样本的统计参数下，“云搜索”动机、“云搜索”成本、个人情景因子、社会影响力因子、云网络信任度、农业教育体验因子、 感知风险因子和游客个性化需求均不同程度地影响大众旅游需求，从而影响“动态云”架构下的智慧农业旅游发展水平。

5 总结和建议

5.1 总结

智慧农业旅游在互联网、云计算等先进科技[15-16]的基础上，规避现有旅游服务不能满足游客需求的不足，可将数据全方位传送到服务终端中完成数据交互，从而在资源应用的过程中达到高效化。首先研究“动态云”架构的智慧农业旅游发展研究的意义，分析“动态云”架构的智慧农业旅游构成，包括“动态云”架构内部交互模型、整体设计模式、一云多屏型前端和后端支持、动态信息存储和虚拟化资源，进而完成样本获取、游客需求分析下的研究假定，基于样本统计特征、“云搜索”动机、“云搜索”成本、个人情景因子、社会影响力因子、云网络信任度、农业教育体验因子、感知风险因子和游客个性化需求设计研究假定。

对数据进行预处理分析，分析调研问卷信度和效度。采用整体方差解释、旋转阵列、Pearson相关度分析和多元线性回归分析验证假设。研究结果表明，控制变量和自变量均不同程度地影响大众旅游需求，从而影响“动态云”架构下的智慧农业旅游发展水平。

5.2 建议

5.2.1 提升“动态云”技术和智慧农业旅游发展对接度

构建旅游服务配套企业、农产品企业、物流企业、当地政府多层云对接体系。系统对数据及时处理并完成加密，实现数据的访问和修改，完成信息虚拟化。当有需求时，数据依据一定的准则被查询和调出。同时把各个企业数据纳入“动态云”中，完成云的拓展，进而在全国范围内利用“动态云”技术搭建智慧农业旅游发展模型。

5.2.2 打造智慧农业旅游品牌

在“一带一路”战略的基础下，智慧农业旅游应当凸显地方农业特色，构建当地的专属品牌。而区域之间的旅游项目应相互合作。构成例如某一乡村开展生态园采摘，邻近乡村开展休闲型智慧农业旅游或养生型农业旅游，形成功能区分的区域农业组合体。各个区域的智慧农业旅游应当存在区分和联系并且互相补充，吸引消费者的同时利用“动态云”架构发展当地文化。

5.2.3 增进游客的情感感知

在当代社会物产资源高度发达的状态下，游客更重视情感的愉悦与精神上的满足。智慧农业旅游可通过景点设置与服务参与体验，并通过“动态云”架构下的先进科技激发游客热情。在服务和体验上增加个性化农业服务板块赢得游客的价值性认同。

参考文献：

[1]焦金英. 智慧农业旅游“云”服务平台构建研究[J]. 农业经济，2017（7）：34-36.

[2]宋 衡. 面向供需平衡的云资源分配与定价机制研究[D]. 扬州：扬州大学，2016：18-23.

[3]Mereu S，Susnik J，Trabucco A，et al. Operational resilience of reservoirs to climate change，agricultural demand，and tourism：a case study from Sardinia[J]. Science of The Total Environment，2015，543（Pt B）：1028-1038.

[4]Kelaidonis D，Vlacheas P，Stavroulaki V，et al. Cloud Internet of things framework for enabling services in smart cities[M]//Designing， Developing and Facilitating Smart Cities. Springer International Publishing，2017.

[5]金顺福，王晨飞，陈玲玲，等. Cloud-P2P云存储结构的模型建立与性能分析[J]. 通信学报，2015，36（3）：2015077.

[6]Fletcher J E，Snee H. Tourism multiplier effects[J]. Tourism Marketing & Management Handbook，1989：529-531.

[7]Mook L，Machokoto R. Social accounting[M]//Global encyclopedia of public administration，public policy and governance. Berlin：Springer，2018.

[8]Stark O，Kosiorowski G，Jakubek M. An adverse social welfare consequence of a rich-to-poor income transfer：a relative deprivation approach[Z]. Discussion Papers 264176，2017.

[9]张攀春. 资源禀赋的空间分布差异与贵州大数据農业发展模式选择[J]. 江苏农业科学，2016，44（6）：1-5.

[10]王 伟. TSA测量旅游就业的必要性[J]. 北方经贸，2006（9）：96-98.

[11]王晓敏，邓春景. 基于“互联网+”背景的我国智慧农业发展策略与路径[J]. 江苏农业科学，2017，45（6）：312-315.

[12]汪文斌. 从一云多屏到多屏互动——中国网络电视台台网融合的探索与实践[J]. 电视研究，2014（10）：20-21.

[13]邵维专，吕光宏. 网络功能虚拟化资源配置及优化研究综述[J]. 计算机应用研究，2017，35（2）：321-326.

[14]张景阳，潘光友. 多元线性回归与BP神经网络预测模型对比与运用研究[J]. 昆明理工大学学报（自然科学版），2013，38（6）：61-67.

[15]程宏杰，朱震宇，陈 泽. 农业物联云的设计与实现[J]. 江苏农业科学，2017，45（3）：179-183.

[16]郭建鑫，张峻蜂. 新型城镇化背景下农民对互联网应用采纳决策的实证分析[J]. 江苏农业科学，2017，45（21）：325-329.