旅游投诉时空响应分析及路径优化研究

林兢 滕嘉琪 胡锡健

摘要：本文借助INLA算法，在传统泊松回归模型的基础上建立时空条件自回归泊松模型，从时空角度对新疆旅游投诉情况进行空间分析，利用图论对所反映的旅游路径进行优化。研究结果：人员服务水平、景区综合管理情况以及合同执行情况对减少新疆旅游投诉量有显著的正向作用;新疆中部地区以及主要城市产生旅游投诉的风险更高，西南及边界地区旅游投诉风险相对更低;每年的2～6月为旅游投诉风险高发期，3、4月份投诉风险达到最大;选取投诉量较多的几个主要景点进行路径优化，得到近似最优路线，为政府及相关企业建言献策。

关键词：时空模型;INLA算法;图论;旅游投诉

中图分类号：TB文献标识码：Adoi：10.19311/j.cnki.1672-3198.2022.13.076

0引言

2019年新疆维吾尔自治区十三届人大《政府工作报告》明确指出，要大力实施“旅游兴疆”战略，着力提升旅游业整体发展水平，集中力量打造“新疆是个好地方”亮丽名片。然而随着旅游市场的不断扩大，投诉数量逐渐增加，如何通过旅游投诉问题为政府及旅游业建言献策，成为近几年的研究热点。

近年来，有关旅游投诉下导游服务、酒店管理、旅行社经营等各投诉主题的单方面研究相对较多，而从时空角度出发，对旅游投诉问题进行整体分析的研究较少。本文利用INLA算法来弥补马尔科夫链蒙特卡洛（MCMC）算法的不足，实现对复杂贝叶斯模型的快速计算，精确得出旅游投诉的空间特征后，利用图论对所反映的旅游路径进行优化，使结论建议可视化，从而更直观地为政府及相关企业提供参考。

1数据来源与预处理

以12301网络、文化和旅游部官网等投诉平台为主要资料来源，收集2015-2018年新疆维吾尔自治区4个地级市、5个地区、5个自治州以及10个（兵团师市合一）直辖县级市的旅游投诉案例数据共1870个。鉴于投诉案例数据中存在大量的文本计数数据，首先对指标变量进行分类，分别用酒店住宿质量、人员服务水平、景区综合管理情况及合同执行情况4个因素代替原始旅游投诉数据的9个指标变量。

2时空响应分析

2.1模型建立

将第i个地区第t个月的旅游投诉人数记为yit（i=1，…，24;t=1，…，48），其中yit～poisson（λit），λit=Eitρit，在广义线性可加模型中取对数联结函数，建立传统泊松回归模型：

ηit=log（ρit）=β0+∑4k=1βkxkit（1）

其中，ρit为旅游投诉的相对风险，即地区i相对于整个新疆产生旅游投诉的风险;β0表示截距项;xkit表示第i个地区第t个月的第k个影响投诉的因素;βk为相应的回归系数。

考虑在上述模型的基础上添加时空影响项，得到最终的时空条件自回归泊松模型：

ηit=log（ρit）=β0+∑4k=1βkxkit+ui+vi+εt+φt（2）

其中，β0与βk的定义与前一致;ui和vi分别为结构化空间影响项与非结构化空间扰动项;εt和φt分别为结构化时间影响项与非结构化时间扰动项。

2.2Bayesian-INLA算法

Rue等（2009）开发出一种将Laplace逼近与现代化数值积分相结合的近似方法来估计贝叶斯模型中参数的边际分布情况。

对于上述模型，在贝叶斯框架下使用Bayes定理可得潜在效应x和超参数θ的联合后验分布：

π（x，θ|y）∝π（θ）π（x|θ）∏i∈Iπ（yi|xi，θ）

∝π（θ）|Q（θ）|n/2exp{-12xTQ（θ）x+∑i∈Ilog（π（yi|xi，θ））}（3）

INLA通常不会估计其联合分布π（x，θ|y），而是估计潜在效应和超参数的边际分布，即π（xj|y）和π（θj|y），经由INLA计算其边际分布的返回形式如下：

π～（xi|y）=∑kπ～（xi|θ（k），y）π～（θ（k）|y）Δθ（k）

π～（θj|y）=∫π～（θ|y）dθ-j（4）

将以上两式的近似分为3个任务：首先，对超参数π（θ|y）的联合后验提出近似π（θ|y）;其次，对给定数据和超参数的边际π（xi|θ，y）提出近似π（xi|θ，y）;最后，在网格上搜索π（θ|y），并将其用于两式的积分。更多关于Bayesian-INLA方法的具体介绍可参见Rue等（2009），模型的所有计算均由R中的R-INLA（http：//www.r-inla.org/）软件包完成。

2.3结果分析

2.3.1影响因素对产生旅游投诉的相对风险分析

影响因素的相对风险为RRfactor=exp （β），各变量的回归系数后验结果各影响因素中合同执行情况的相对风险最大，为1.168，在旅游过程中使游客产生投诉的可能性最高;酒店住宿质量的相对风险最小，为0.909，且其95%的相对风险置信区间包含1，表明酒店住宿质量对旅游投诉无显著影响。另一方面，人員服务水平、景区综合管理情况以及合同执行情况的后验均值分别为0.030、0.038以及0.155，表明此变量对旅游投诉的产生均有显著的正向作用。

2.3.2空间影响项对产生旅游投诉的相对风险分析

空间影响项的相对风险为RRspatial=exp（u+v），该效应的相对风险结果是：投诉风险高的区域为博尔塔拉、克拉玛依市、乌鲁木齐和石河子，其中乌鲁木齐与石河子的相对风险值均超过了3.1，产生投诉的可能性最大;风险低的区域为五家渠市、和田地区、伊犁哈萨克自治州和喀什地区，其中五家渠市的相对风险值最低，仅有0.629，产生投诉的可能性最小。今后应重点关注博尔塔拉、克拉玛依、乌鲁木齐和石河子等高风险地区的旅游管理问题，并提前做好昌吉、哈密、吐鲁番和北屯等中高风险地区的旅游监管工作。

新疆旅游投诉的空间相对风险分布图来看，新疆旅游投诉的空间差异较为明显，西南及边界地区投诉的相对风险较低，而中部及一些主要城市的投诉相对风险则较高。鉴于新疆总体土地面积过大，多数游客往往倾向于选择在以乌鲁木齐为中心的中部地区进行参观游览，导致中部地区及乌鲁木齐、石河子、克拉玛依等主要城市的旅游人数较多、产生投诉的风险更大，而边界地区的旅游人数较少、产生投诉的风险更小。

2.3.3时间影响项对产生旅游投诉的相对风险分析

时间影响项的相对风险为RRtemporal=exp（ε+φ），该效应的相对风险结果是：以月份角度来看，投诉相对风险具有一定的季节周期性，每年的2-6月为高发期，3月及4月最为显著，7～12月投诉风险逐渐降低。在影响游客产生旅游投诉的所有因素中，因合同执行情况产生投诉的占比最高，达29.9%，而3、4月恰逢旅行社报团签约的高峰期，使得此时旅游投诉风险达到一定高值;此外，鉴于南北疆地理差异较大，温度较高的南疆在3、4月份即迎来了旅游的第一波小高峰，导致该阶段投诉风险也随之变大。以年度角度来看，2015-2018年新疆旅游投诉的相对风险基本呈逐年降低态势，表明在各级各业的努力下，旅游投诉问题有得到有效改善。

3路径优化

3.1模型建立

选择新疆旅游投诉较多的几个主要景点，应用经典的动态规划Floyd算法有效地解决了加权图的最短近似最优旅游路径，构建新疆旅游投诉景点分布图。将每个景点看作加权无向图的各个顶点，把景点与景点之间的公路看作加权无向图中的边，各景点间的路程距离即为对应边上的权值。由此，即将各景点之间的路线行程网转化为了加权无向图，建立“分支定界法”的图论模型。

3.2结果分析

考虑到来疆旅游的疆外游客人数较多，因此将首府乌鲁木齐作为旅游路径的出发地，设置为“1”，利用MATLAB进行Floyd算法求解，得到新疆旅游投诉背景下的近似最优旅游路径为：乌市——天山天池、江布拉克、五彩滩——喀纳斯湖、赛里木湖、喀拉峻、那拉提——博斯腾湖、乌市。在此路线的安排下能够遍历本文所研究的所有景点，并可使旅游的时间与路程最小化。与其他路线相比，该路径不存在路线交叉问题，能够有效缓解旅行社合同内的行程规划问题，提高游客满意度，解决游客行程投诉多的问题，从而进一步减少旅游投诉的数量。

4结论与建议

4.1结论

本研究显示，新疆产生旅游投诉的投诉风险与酒店住宿质量无显著关系，而与人员服务水平、景区综合管理情况以及合同执行情况呈密切正相关，尤其是旅行社的合同执行情况，是影响游客产生投诉的主要因素。

产生旅游投诉的投诉风险具有明显的空间异质性与季节周期性。中部地区以及乌鲁木齐、石河子、克拉玛依等主要城市产生旅游投诉的风险相对更高，而边界地区产生旅游投诉的风险更低;每年旅游投诉的高发时间段及增长时间段均基本相同，且在暑期旅游高峰期到来前的3、4月份投诉风险更大。

考虑游客旅游时间和费用的限制，给出了新疆旅游投诉背景下的最佳旅游线路为乌市——天山天池、江布拉克、五彩滩——喀纳斯湖、赛里木湖、喀拉峻、那拉提——博斯腾湖、乌市，使游客在有限时间内能够尽可能地游览较多的景点，规划更为合理的旅游路线。

4.2建议

提高服务质量，完善内部管理。相关工作单位应贯彻“以人为本”的服务宗旨，提高各类工作人员的服务质量与服务水平;不断完善管理制度，增大景区内部各方面的管理强度。

加大监管力度，打造信誉口碑。一方面，政府及相关企业应加大旅行社监管力度，严惩黑心不良旅游公司;另一方面，旅行社应严格履行合约内容，为游客提供优质服务。

提前查缺补漏，据点对症下药。相关部门应着重关注产生旅游投诉的重点地区及重要时期，做好各方面的旅游监管工作，提前查缺补漏，寻找易投诉点，最大程度地缓解旅游投诉问题。

参考文献

[1]丁书珍，张辉国，胡锡健，等.利用R-INLA方法分析宏观因素对艾滋病疫情的影响[J].中国艾滋病性病，2018，24（12）：1192-1196.

[2]Rue H，Martino S，Chopin N. Approximate Bayesian Inference for Latent Gaussian Models by Using Integrated Nested Laplace Approximations[J].Journal of the Royal Statistical Society，2009，71（2）：319-392.

[3]胡錫健，别思羽.基于INLA算法的肺结核发病时空分布特征分析[J].新疆大学学报（自然科学版），2020，37（04）：428-434.

基金项目：自治区社会科学基金项目“新疆冬奥冰雪旅游产业结构与优化配置研究”（20BTY142）。