一日游景點選擇模型研究
——以天津市民為例

張子劍，高 怡

(河北工業大學 經濟管理學院,天津 300401)

?

一日游景點選擇模型研究
——以天津市民為例

張子劍，高 怡

(河北工業大學 經濟管理學院,天津 300401)

旅游景點的選擇是一次旅游行為的核心決策,景點的選擇包括一系列步驟。文章以一日游景點選擇為例,通過系統地分析旅游者旅游決策的過程,根據旅游者決策特點,提出了一日游景點選擇模型,同時以天津市一日游產品為例,通過收集相關數據及游客需求進行實例驗證,驗證了模型的有效性。

景點選擇；旅游決策；需求匹配；個性化推薦；多屬性決策

隨著旅游業的發展和人民收入的提高,節假日出行已成為非常普遍的現象。一日游產品行程時間較短,如果安排兩個或以上景點進行游覽可能會造成強度太大或者游玩不盡興的問題,因此,單個景點的一日游旅游效用最高,也最受游客的喜愛。

本文通過系統地分析旅游者在選擇景點時的行為和心理,提出一日游景點的選擇模型。

1 國內外研究現狀

國內外關于旅游目的地選擇模型的研究較多。Woodside等人認為,旅游目的地的選擇就是對一系列備選方案進行評估的過程,由于旅游者對目的地信息的了解有限,知覺域只是全部機會域的一個組成部分,因此,旅游者需要對盡可能符合需求的方案集進行評估從而做出決策[1]。褚海燕將層次分析法運用到旅游景點選擇的模型中,通過定性地收集數據與定量地計算得出最佳景點[2]。

2 一日游景點選擇模型

2.1 問題的提出和模型的假設

本文主要研究的是旅游者對于旅游景點的選擇問題,由于旅游者在選擇一次旅游活動的景點時往往考慮多方面的因素,潛在的需求也需要其他形式來挖掘,因此,選擇最佳旅游景點是一個復雜的過程,需要規范的科學方法來指導,使旅游者滿意度最大化。

模型的假設：

旅游者都是理性的決策者；本文的研究針對旅行社的單景點一日游產品進行選擇；每個旅游者在初做選擇時都至少有一個嚴格的約束條件；每個旅游者都至少去過一個限定范圍內的景點。

2.2 模型的構建

為了進一步完善旅游者在旅行社進行景點選擇的模型,筆者對天津市內各大旅行社進行了調研,總結了單景點一日游旅游者由初到旅行社到最終做出選擇的過程,歸納了一個全面的旅游景點選擇模型。

模型分為以下幾個階段：

旅游者需求表達階段、旅游者需求挖掘階段、需求再確定階段、最終選擇階段。

2.3 模型算法的選取

2.3.1 需求匹配算法

顧客初到旅行社選擇旅游產品時會有一些既定的條件,如預算、時間等,當顧客描述自身需求時,需要根據需求為顧客匹配適合的備選方案,使顧客滿意度最大化。

正相關指標的客戶滿意度函數為：

(1)

CSi(xi)為客戶對第i個指標值的滿意度,xi為第i個指標的實際值,xti為第i個指標的客戶期望值,x0i為第i個指標的客戶可忍受值。

負相關指標的客戶滿意度函數為：

(2)

CSi(xi),xi,xti,x0i意義同上。

點指標的客戶滿意度函數為：

(3)

CSi(xi),xi意義同上,xt為客戶期望的屬性值。

首先根據xt=(xt1,xt2,…,xtm)和x0=(x01,x02,…,x0m)建立客戶滿意度隸屬矩陣。CSij(1≤i≤m,1≤j≤n)為第j個可選方案的第i個屬性值的客戶滿意隸屬度,簡稱客戶滿意度,可由客戶滿意度模型(1) ～ (3)求出。則客戶滿意度的綜合評判矩陣為：

(4)

將bj(1≤j≤n)按降序排列,即為在現有方案和一定資源約束下,所有方案的滿意度排序,取滿意度較高的方案作為備選方案。

2.3.2 個性化推薦算法

在這一階段選取協同過濾推薦的方法對客戶進行旅游景點的推薦。協同過濾中使用得最廣泛的算法就是基于用戶的最近鄰推薦。

假設需要為游客u1推薦景點,流程如下：

(1)確定游客u1的相似游客集。推薦系統中通用的確定相似用戶的方法是Pearson相關系數。

(2)預測游客u1對景點p評分。

將景點的預測評分逐一排序,取預測評分高于該游客評分平均數的景點作為備選方案集。

2.3.3 景點選擇算法

生成備選方案集合之后,就要對備選方案進行最終的選擇,可采用TOPSIS多屬性決策方法來選擇與理想方案最接近的方案。

3 實例驗證

3.1 數據的獲取

3.1.1 需求指標的選取

通過對天津市內各大旅行社和游客的調研,參考現有研究成果,總結出旅游者在選擇旅游景點時考慮的主要要素包含以下幾點：景點類型、景點級別、景點評分、適宜季節、路程時間、游覽時間、費用等。

3.1.2 景點信息數據的獲取

本文選擇天津某旅行社進行實驗,選擇了十個最受游客歡迎的一日游景點,分別是天津盤山風景區、天津梨木臺風景區、天津黃崖關長城、北京歡樂谷、北京八達嶺長城、北京野生動物園、北京石林峽景區、北京十渡景區、北京頤和園和北京龍慶峽。具體的產品信息如下表所示。

產品參數信息表

3.1.3 評分數據的獲取

為了對游客進行個性化推薦,需要獲取注冊用戶的景點評分信息,本文采用旅評網提供的景點評分數據來構造用戶—景點評分矩陣。考慮到矩陣數據的稀疏度,本文對景點范圍做如下限定：由于天津市旅行社提供的一日游產品景點主要為京津地區景點,因此,本文在獲取景點評分數據時,除上述十個旅游產品的景點外,增加十個京津地區熱門評價的景點評分數據以供參考,十個景點分別為:天津五大道景區、天津古文化街、北京故宮、北京天安門廣場、北京人民大會堂、北京香山、北京恭王府、北京天壇、北京大學、北京圓明園。

通過爬蟲技術獲取了旅評網關于上述20個旅游景點的評分信息。所有景點一共獲得164個注冊用戶的395條評分信息,以Excel形式存入文檔。用戶評分為5分制,最好為5分,最差為1分,按用戶喜好程度進行評價。考慮到原始數據的稀疏程度,將對推薦計算無效的評分數據進行舍棄,整理得到了49個用戶對20個旅游景點的評分矩陣,這樣就能很好地控制矩陣的稀疏程度,矩陣稀疏度令人滿意。

3.1.4 需求數據的獲取

以一個游客為例,收集其在選擇一日游景點時的需求數據。

首先，對各項指標的權重數據進行收集,按照各項指標的重要程度計算權重。其次,對用戶自身需求數據進行獲取。在現有的景點范圍內,收集游客對景點類型的喜好排序,以及對各項指標期望值和可忍受值的限定。對于季節這一指標,設置了關于當季不適宜景點的接受程度,分別為接受、勉強接受、無所謂、不太接受、完全不接受五個選項。最后，收集游客對于在限定范圍內的景點評分數據。即給出上述20個景點,讓游客對其去過的景點進行評分。

3.2 計算選擇結果

根據收集的游客信息,首先計算出各個指標對于該游客的權重：景點類型0.184,景點級別0.06,景點評分0.184,適宜季節0.184,距離0.143,游覽時間0.102,費用0.143。在游客給出的需求信息中,游客喜愛的景點類型為峽谷溝壑,對于當季不適宜的旅游景點的態度為勉強接受,對費用的期望值是50元,可忍受值是200元。根據以上信息,采用需求匹配算法進行計算：根據游客的選擇,將當季不適宜的景點滿意度賦值0.6。最后得出滿意度較高的兩個景點為十渡景區0.48和龍慶峽景區0.37。該游客分別對去過的五個景點進行了評分,分別是五大道景區2分,古文化街景區2分,天安門3分,天壇3分,十渡景區5分。根據游客的評分信息,選取相似度較高的用戶對該游客進行景點評分預測的計算,得到了該游客對于盤山、八達嶺長城和頤和園的預測評分,分別為2.6、3.4、3.4。該游客的平均評分為3分,因此選取預測評分高于平均評分的八達嶺長城和頤和園作為備選方案。

由于在需求匹配計算中得到的滿意度較高的十渡景區是游客曾經游覽過的景區,因此,備選方案最終確定由龍慶峽、八達嶺長城和頤和園組成,采用TOPSIS法對三個方案進行多屬性決策。最后得出龍慶峽、八達嶺長城、頤和園三個景點與正理想解的相對貼近度分別為0.71、0.39、0.22。

最后的計算結果表明,龍慶峽景區是該游客最理想的選擇,與該游客實際選擇結果相一致。計算模型得到驗證。

4 結 論

本文研究的一日游景點選擇模型,模擬了游客在對景點進行選擇時的需求表達、個性化推薦以及最終決策的全過程。

通過以一個游客選擇景點過程為例,采用該游客的相關數據進行計算,得到的結果與事實相符,模型得到驗證。

[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.層次分析法在旅游景點選擇中的應用[J].統計與決策,2005(10):151-153.

[3]侯新華,文益民.基于協同過濾的旅游景點推薦[J].計算技術與自動化,2012(31)：116-119.

10.13939/j.cnki.zgsc.2016.47.187

張子劍(1969—),男,河北工業大學經濟管理學院，研究員，博士。研究方向：集成化管理與信息系統,系統科學與管理決策;高怡(1992—),女,河北工業大學經濟管理學院,碩士。研究方向：系統科學與決策管理。