旅游投訴時空響應分析及路徑優化研究

林兢 滕嘉琪 胡錫健

摘要：本文借助INLA算法，在傳統泊松回歸模型的基礎上建立時空條件自回歸泊松模型，從時空角度對新疆旅游投訴情況進行空間分析，利用圖論對所反映的旅游路徑進行優化。研究結果：人員服務水平、景區綜合管理情況以及合同執行情況對減少新疆旅游投訴量有顯著的正向作用;新疆中部地區以及主要城市產生旅游投訴的風險更高，西南及邊界地區旅游投訴風險相對更低;每年的2～6月為旅游投訴風險高發期，3、4月份投訴風險達到最大;選取投訴量較多的幾個主要景點進行路徑優化，得到近似最優路線，為政府及相關企業建言獻策。

關鍵詞：時空模型;INLA算法;圖論;旅游投訴

中圖分類號：TB文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2022.13.076

0引言

2019年新疆維吾爾自治區十三屆人大《政府工作報告》明確指出，要大力實施“旅游興疆”戰略，著力提升旅游業整體發展水平，集中力量打造“新疆是個好地方”亮麗名片。然而隨著旅游市場的不斷擴大，投訴數量逐漸增加，如何通過旅游投訴問題為政府及旅游業建言獻策，成為近幾年的研究熱點。

近年來，有關旅游投訴下導游服務、酒店管理、旅行社經營等各投訴主題的單方面研究相對較多，而從時空角度出發，對旅游投訴問題進行整體分析的研究較少。本文利用INLA算法來彌補馬爾科夫鏈蒙特卡洛（MCMC）算法的不足，實現對復雜貝葉斯模型的快速計算，精確得出旅游投訴的空間特征后，利用圖論對所反映的旅游路徑進行優化，使結論建議可視化，從而更直觀地為政府及相關企業提供參考。

1數據來源與預處理

以12301網絡、文化和旅游部官網等投訴平臺為主要資料來源，收集2015-2018年新疆維吾爾自治區4個地級市、5個地區、5個自治州以及10個（兵團師市合一）直轄縣級市的旅游投訴案例數據共1870個。鑒于投訴案例數據中存在大量的文本計數數據，首先對指標變量進行分類，分別用酒店住宿質量、人員服務水平、景區綜合管理情況及合同執行情況4個因素代替原始旅游投訴數據的9個指標變量。

2時空響應分析

2.1模型建立

將第i個地區第t個月的旅游投訴人數記為yit（i=1，…，24;t=1，…，48），其中yit～poisson（λit），λit=Eitρit，在廣義線性可加模型中取對數聯結函數，建立傳統泊松回歸模型：

ηit=log（ρit）=β0+∑4k=1βkxkit（1）

其中，ρit為旅游投訴的相對風險，即地區i相對于整個新疆產生旅游投訴的風險;β0表示截距項;xkit表示第i個地區第t個月的第k個影響投訴的因素;βk為相應的回歸系數。

考慮在上述模型的基礎上添加時空影響項，得到最終的時空條件自回歸泊松模型：

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

其中，β0與βk的定義與前一致;ui和vi分別為結構化空間影響項與非結構化空間擾動項;εt和φt分別為結構化時間影響項與非結構化時間擾動項。

2.2Bayesian-INLA算法

Rue等（2009）開發出一種將Laplace逼近與現代化數值積分相結合的近似方法來估計貝葉斯模型中參數的邊際分布情況。

對于上述模型，在貝葉斯框架下使用Bayes定理可得潛在效應x和超參數θ的聯合后驗分布：

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通常不會估計其聯合分布π（x，θ|y），而是估計潛在效應和超參數的邊際分布，即π（xj|y）和π（θj|y），經由INLA計算其邊際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）

將以上兩式的近似分為3個任務：首先，對超參數π（θ|y）的聯合后驗提出近似π（θ|y）;其次，對給定數據和超參數的邊際π（xi|θ，y）提出近似π（xi|θ，y）;最后，在網格上搜索π（θ|y），并將其用于兩式的積分。更多關于Bayesian-INLA方法的具體介紹可參見Rue等（2009），模型的所有計算均由R中的R-INLA（http：//www.r-inla.org/）軟件包完成。

2.3結果分析

2.3.1影響因素對產生旅游投訴的相對風險分析

影響因素的相對風險為RRfactor=exp （β），各變量的回歸系數后驗結果各影響因素中合同執行情況的相對風險最大，為1.168，在旅游過程中使游客產生投訴的可能性最高;酒店住宿質量的相對風險最小，為0.909，且其95%的相對風險置信區間包含1，表明酒店住宿質量對旅游投訴無顯著影響。另一方面，人員服務水平、景區綜合管理情況以及合同執行情況的后驗均值分別為0.030、0.038以及0.155，表明此變量對旅游投訴的產生均有顯著的正向作用。

2.3.2空間影響項對產生旅游投訴的相對風險分析

空間影響項的相對風險為RRspatial=exp（u+v），該效應的相對風險結果是：投訴風險高的區域為博爾塔拉、克拉瑪依市、烏魯木齊和石河子，其中烏魯木齊與石河子的相對風險值均超過了3.1，產生投訴的可能性最大;風險低的區域為五家渠市、和田地區、伊犁哈薩克自治州和喀什地區，其中五家渠市的相對風險值最低，僅有0.629，產生投訴的可能性最小。今后應重點關注博爾塔拉、克拉瑪依、烏魯木齊和石河子等高風險地區的旅游管理問題，并提前做好昌吉、哈密、吐魯番和北屯等中高風險地區的旅游監管工作。

新疆旅游投訴的空間相對風險分布圖來看，新疆旅游投訴的空間差異較為明顯，西南及邊界地區投訴的相對風險較低，而中部及一些主要城市的投訴相對風險則較高。鑒于新疆總體土地面積過大，多數游客往往傾向于選擇在以烏魯木齊為中心的中部地區進行參觀游覽，導致中部地區及烏魯木齊、石河子、克拉瑪依等主要城市的旅游人數較多、產生投訴的風險更大，而邊界地區的旅游人數較少、產生投訴的風險更小。

2.3.3時間影響項對產生旅游投訴的相對風險分析

時間影響項的相對風險為RRtemporal=exp（ε+φ），該效應的相對風險結果是：以月份角度來看，投訴相對風險具有一定的季節周期性，每年的2-6月為高發期，3月及4月最為顯著，7～12月投訴風險逐漸降低。在影響游客產生旅游投訴的所有因素中，因合同執行情況產生投訴的占比最高，達29.9%，而3、4月恰逢旅行社報團簽約的高峰期，使得此時旅游投訴風險達到一定高值;此外，鑒于南北疆地理差異較大，溫度較高的南疆在3、4月份即迎來了旅游的第一波小高峰，導致該階段投訴風險也隨之變大。以年度角度來看，2015-2018年新疆旅游投訴的相對風險基本呈逐年降低態勢，表明在各級各業的努力下，旅游投訴問題有得到有效改善。

3路徑優化

3.1模型建立

選擇新疆旅游投訴較多的幾個主要景點，應用經典的動態規劃Floyd算法有效地解決了加權圖的最短近似最優旅游路徑，構建新疆旅游投訴景點分布圖。將每個景點看作加權無向圖的各個頂點，把景點與景點之間的公路看作加權無向圖中的邊，各景點間的路程距離即為對應邊上的權值。由此，即將各景點之間的路線行程網轉化為了加權無向圖，建立“分支定界法”的圖論模型。

3.2結果分析

考慮到來疆旅游的疆外游客人數較多，因此將首府烏魯木齊作為旅游路徑的出發地，設置為“1”，利用MATLAB進行Floyd算法求解，得到新疆旅游投訴背景下的近似最優旅游路徑為：烏市——天山天池、江布拉克、五彩灘——喀納斯湖、賽里木湖、喀拉峻、那拉提——博斯騰湖、烏市。在此路線的安排下能夠遍歷本文所研究的所有景點，并可使旅游的時間與路程最小化。與其他路線相比，該路徑不存在路線交叉問題，能夠有效緩解旅行社合同內的行程規劃問題，提高游客滿意度，解決游客行程投訴多的問題，從而進一步減少旅游投訴的數量。

4結論與建議

4.1結論

本研究顯示，新疆產生旅游投訴的投訴風險與酒店住宿質量無顯著關系，而與人員服務水平、景區綜合管理情況以及合同執行情況呈密切正相關，尤其是旅行社的合同執行情況，是影響游客產生投訴的主要因素。

產生旅游投訴的投訴風險具有明顯的空間異質性與季節周期性。中部地區以及烏魯木齊、石河子、克拉瑪依等主要城市產生旅游投訴的風險相對更高，而邊界地區產生旅游投訴的風險更低;每年旅游投訴的高發時間段及增長時間段均基本相同，且在暑期旅游高峰期到來前的3、4月份投訴風險更大。

考慮游客旅游時間和費用的限制，給出了新疆旅游投訴背景下的最佳旅游線路為烏市——天山天池、江布拉克、五彩灘——喀納斯湖、賽里木湖、喀拉峻、那拉提——博斯騰湖、烏市，使游客在有限時間內能夠盡可能地游覽較多的景點，規劃更為合理的旅游路線。

4.2建議

提高服務質量，完善內部管理。相關工作單位應貫徹“以人為本”的服務宗旨，提高各類工作人員的服務質量與服務水平;不斷完善管理制度，增大景區內部各方面的管理強度。

加大監管力度，打造信譽口碑。一方面，政府及相關企業應加大旅行社監管力度，嚴懲黑心不良旅游公司;另一方面，旅行社應嚴格履行合約內容，為游客提供優質服務。

提前查缺補漏，據點對癥下藥。相關部門應著重關注產生旅游投訴的重點地區及重要時期，做好各方面的旅游監管工作，提前查缺補漏，尋找易投訴點，最大程度地緩解旅游投訴問題。

參考文獻

[1]丁書珍，張輝國，胡錫健，等.利用R-INLA方法分析宏觀因素對艾滋病疫情的影響[J].中國艾滋病性病，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，別思羽.基于INLA算法的肺結核發病時空分布特征分析[J].新疆大學學報（自然科學版），2020，37（04）：428-434.

基金項目：自治區社會科學基金項目“新疆冬奧冰雪旅游產業結構與優化配置研究”（20BTY142）。