基于层次聚类分析的乡村旅游特征划分方法研究

陈瑞萍

摘要：由于传统乡村旅游特征划分方法获取到的景点划分结果比较稀疏，为了提高乡村旅游业的经济收益，使乡村旅游景点划分的更密集，提出了基于层次聚类分析的乡村旅游特征划分方法研究。首先利用层次聚类分析法，构建了乡村旅游特征划分指标体系;其次根据层次聚类分析法原理，确定特征划分指标权重的计算方法，完成特征划分指标权重的计算;最后优化传统特征划分算法，实现了基于层次聚类分析的乡村旅游特征划分。结果表明，基于层次聚类分析的乡村旅游特征划分方法相比于传统乡村旅游特征划分方法，在乡村旅游景点的日均总收入上平均提升了32.13万元，有效提高了乡村旅游业的经济收益。

关键词：层次聚类分析;乡村旅游;特征划分;指标体系;指标权重

中图分类号：F592.7          文献标识码：A

乡村旅游产业现如今已经被国家高度重视，不仅可以为城市居民提供运动健身的娱乐场所，还可以为乡村建设带来巨大的经济效益。乡村旅游也是国内旅游业的重要组成部分，推动了社会主义新农村建设，乡村生活方式也已经成为城市居民的一种新的时尚追求。乡村旅游开始向多元化的方向发展，这种将农业与旅游业相结合的方式已经成为新时代的一种特殊旅游方式。农业一直以来都是国家经济发展的基础，将农业与服务业结合起来，并以网络信息化为依托，也成为一种全新的发展模式。

目前，乡村旅游大多以休闲度假为主，农业产品缺乏特色，在民族风俗活动方面缺少地方性的活动，而乡村旅游经营者为游客提供的菜品多为普通的农家菜;国内的乡村旅游主要以家庭为单位，旅游区内主要业态为分散性经营，在实现乡村旅游资源整合方面存在困难。乡村旅游在供需方面出现了脱节，如果在供需方面不能够克服缺陷，乡村旅游在发展过程中就会夭折，也会出现农业产品老化的现象[1]。

基于上述问题，在层次聚类分析算法的基础上，划分乡村旅游特征，对农村区域经济的快速发展具有重要意义。乡村旅游业经过长期的发展获得了质的飞跃，乡村旅游可以使居民近距离接触农村生产，体验农村生活。乡村生态价值的挖掘和开发正符合21世纪新时代的要求，因此，乡村旅游行业必须发挥带头作用，促进农村经济的友好发展。乡村旅游的特征划分促进了城市与农村之间资源的共享，许多研究者只单纯地研究了乡村旅游资源的开发和利用，而忽略了乡村旅游整体特征的划分。本文在层次聚类分析的基础上，设计一种乡村旅游特征分析方法，为乡村的发展提供新的理论依据。

1 基于层次聚类分析的乡村旅游特征划分方法设计

在乡村旅游特征划分过程中，受到区域发展速度的影响，会出现划分不均衡的现象，影响乡村旅游产业的经济效益。乡村旅游特征划分主要分为空间特征划分和密度特征划分，空间特征划分就是将乡村旅游按照空间相似度来分组，寻找相同类别事物中相似对象的过程，也是乡村旅游空间划分最重要的手段之一;密度特征划分是根据乡村旅游聚集情况，来划分乡村旅游特征[2]。乡村旅游特征划分的具体思路如图1所示。

由图1可以看出，在层次聚类分析的背景下，通过分析乡村旅游的发展现状及目前存在的问题，来完成乡村旅游特征划分指标体系的构建;规划基于层次聚类分析法的技术路线，计算乡村旅游划分指标权重;并依托乡村旅游特征划分算法，来实现基于层次聚类分析的乡村旅游特征划分。

1.1 构建乡村旅游特征划分指标体系

在层次聚类分析的背景下，乡村旅游特征划分可以加快乡村旅游的发展，利用层次聚类分析法，来构建乡村旅游特征划分指标体系。

乡村旅游发展属于一种复杂的系统功能，主要包括媒介系统、政府支持系统、客源地系统及乡村旅游目的地系统[3]。只有各个系统之间相互协调发展，才能使消费者满意，实现社会效益和经济效益的最大化。

在层次聚类分析的背景下，通過查阅乡村旅游特征划分的参考文献，统计乡村旅游产业特征的频度，归纳频度较高的特征划分指标，结合乡村旅游业的实际情况，以及乡村旅游产业特征划分指标体系中每一个子系统的独特之处，在选取特征划分指标的过程中，分析了乡村旅游行业发展的特点，并根据特征划分指标的科学性和实用性原则，构建了乡村旅游特征划分指标体系[4]，如表1所示。

基于层次聚类分析，对乡村旅游特征划分情况受到权重指标准确性的影响是比较大的，因此，选取特征划分指标是非常重要的。本文将乡村旅游特征分为产业带动、社会效应、基础设施建设及人文环境4个大类，又在此基础上划分了16个具体的特征划分指标，由此构成了具有层次结构的特征划分体系。

1.2 计算特征划分指标权重

层次聚类分析是一种定性与定量相互结合的分析方法，将待解决的问题分成有序的阶梯式结构，对相同层级的特征划分指标要素的重要性比较和判断，并获取一个指标值。然后计算特征划分要素的权重值，并进行一致性检验，为特征划分指标的权重分配提供理论依据[5]。层次聚类分析法如图2所示。

根据层次聚类分析法的原理，确定了乡村旅游特征划分指标权重的计算方法，并利用1级～9级标度法计算出乡村旅游的特征体系及比重，通过优化传统乡村旅游特征划分算法来实现基于层次聚类分析的乡村旅游特征划分。

1.3 优化乡村旅游特征划分算法

在宽度为L的重叠区中，特征数据对象不仅属于A区，还存在于B区，从乡村旅游特征聚类对象的二维重叠分区示意可以看出，如果乡村旅游特征数据对象不在宽度为L的重叠区中，A区中的特征数据对象与B区中的特征数据对象之间的距离一定大于重叠区的宽度，因此在考虑合并距离小于或等于L的特征数据对象时，对于数据集中两个特征数据对象，不需要判断它们是否可以合并。可以将两个特征数据对象从优先队列里移除，为每一个特征数据对象都建立一个优先队列，这样可以减少优先队列修改和建立的时间恢复度[9]。

优化后的乡村旅游特征划分算法分为3个阶段，先将程序初始化，将整个乡村旅游特征数据集分为p个区域，并为每一个特征数据对象建立一个优先队列;再将p个区域中的N个特征数据对象聚类，最后将k个聚类重新聚集成一个新的聚类[10]。

乡村旅游特征划分算法的优化步骤如下。

步骤1：选择一个划分乡村旅游特征数据集的属性。

步骤2：根据选择的属性将特征数据集中的N个特征数据对象分成p个区域。

步骤3：调用初始化优先队列的子程序，并为每一个区域都建立一个优先队列。

步骤4：。

步骤5：在p个优先队列中取出两个距离最近的聚类，找出其中的最小值。

步骤6：如果，就跳出程序。

步骤7：否则，将和合并。

步骤8：如果和都不存在于宽度为L的重叠区中，则将和所在的优先队列修改。

步骤9：否则，修改其他两个优先队列。

依托层次聚类分析，构建了乡村旅游特征划分指标体系，然后通过层次聚类分析法原理，确定特征划分指标权重的计算方法，完成特征划分指标权重的计算;最后在层次聚类分析的基础上，优化了传统特征划分算法，实现了基于层次聚类分析的乡村旅游特征划分。

2 实验分析

随着游客对乡村旅游满意程度和消费的加剧，传统的乡村旅游特征划分方法已经无法满足游客的需求，下面就对某市一乡村旅游特征划分，分别采用传统乡村旅游特征划分方法，以及基于层次聚类分析的乡村旅游特征划分方法，制定乡村旅游收益对比实验。

2.1 实验步骤

针对乡村旅游的特征区域调研，根据某市的乡村旅游的景点特征，将乡村旅游特征分为3个类别，如表4所示。

首先采用层次聚类分析法提取乡村旅游的特征范围，结合乡村旅游特征划分指标划分乡村旅游特征。将格网作为特征划分的基本单元，统计每一个乡村旅游特征区域内每一个业态权重，并计算出格网内的游客密度、人均消费能力、景区服务、交通服务、景区人均GDP指标的分值。

根据乡村旅游景区内POI指数和Morans I指数来计算，得到了乡村旅游景区内不同业态和指标的权重，结果如表5和表6所示。

计算出乡村旅游景区内所有网格的加权分值，利用统计分组方法进行乡村旅游特征划分。将划分后的乡村旅游游客密度特征用平面图的方式表现出来，划分结果如图5所示。

基于乡村旅游特征划分结果，统计出游客密度特征不同的情况下，乡村旅游各个景点的日均收入总值。

2.2 实验结论分析

根据两种特征划分方法获取的游客密度特征划分结果，在划分结果中随机抽取5个景点，统计5个景点的日均收入总值。统计结果如表7所示。

由统计结果可知，两种特征划分方法得到的乡村旅游景点的日均总收入差异很大，采用传统乡村旅游特征划分方法，得到的划分结果中，游客密度的分布比较稀疏，游客只可以享受其中1～2个景点的游览，也使得景点的日均总收入相对较低;而采用基于层次聚类分析的乡村旅游特征划分方法，得到的乡村旅游游客密度分布比较密集，可以让游客同时游览到不同的景色，提高了景点的日均总收入，相比于传统乡村旅游特征划分方法，本文设计的基于层次聚类分析的乡村旅游特征划分方法，在乡村旅游景点的日均总收入上平均提升了32.13万元，促进了乡村旅游业的发展。

3 结语

本文提出了基于层次聚类分析的乡村旅游特征划分方法研究。利用层次聚类分析，完成乡村旅游特征划分指标体系的建立;接着通过层次聚类分析法原理，确定了特征划分指标权重的计算方法，计算出特征划分指标权重;最后优化了传统特征划分算法，实现了基于层次聚类分析的乡村旅游特征划分。经验证，提出的乡村旅游特征划分方法可以提升乡村旅游业的经济收益。

参考文献

[1] 贾爱顺.河南省乡村旅游产业特征评价研究[J].中国农业资源与区划，2018，39（8）：200-204.

[2] 马杰.基于动态聚类分析的网络用户相似性特征搜索研究[J].微电子学与计算机，2018，35（9）：113-117.

[3] 丁鼎，葛军莲，龙毅，等.基于运营商客流大数据的乡村旅游点类型划分研究：以南京市江宁区为例[J].南京师大学报（自然科学版），2018，41（3）：116-121.

[4] 曹兆昆，吴小根，穆小雨，等.南京市鄉村旅游点空间分布特征及影响因素分析[J].江西农业学报，2018，30（8）：136-143.

[5] 马巧梅.基于程序特征的线程划分方法的研究[J].计算机科学与探索，2018，12（6）：872-885.

[6] 邹先坚，王川婴，韩增强，等.钻孔图像特征分析与结构面区域划分方法[J].天津大学学报（自然科学与工程技术版），2018，51（1）：88-94.

[7] 李霞，于德浩，陈伟涛，等.基于坡度特征的花岗岩风化程度划分方法研究[J].中国地质调查，2017，4（3）：10-16.

[8] 夏慧琼，林丽群.拉普拉斯特征映射的时空数据划分方法[J].测绘科学，2018，43（6）：32-38.

[9] 林智健.CHI文本分类特征选择方法的改进与实现[J].信息与电脑（理论版），2018（7）：172-176.

[10] 冉鑫.中国旅游经济空间特征分析与类型划分[J].特区经济，2017（3）：104-107.