基于百度指數的天山天池景區客流量預測研究

康梓蝶,李嘯虎

(新疆財經大學 旅游學院,烏魯木齊 830012)

0 引言

伴隨經濟的快速發展,旅游業的發展也進入了快速增長期,大眾旅游消費需求不斷升級,對旅游產業發展提出了更高的要求。為避免景區發生因游客量過多而出現承載能力不足的問題,有關部門應在游客量的把控上引起重視,尤其是游客量的預測。精準的預測能夠使旅游者、旅游企業以及旅游目的地三方獲利,在提高旅游經濟發展的同時,一方面有助于旅游目的地景區做出更好的規劃,另一方面也能給游客帶來更好的旅游體驗。

合理的預測需要進行科學的判斷,不僅僅需要關注當地景區的承載能力,還需要根據規劃和安排做出一系列的應急措施,避免對景區造成不可修復的傷害。對于景區游客量的預測,目前的研究方法多種多樣,傳統的方式大多使用年鑒數據對各省市按需求進行預測,亦或是根據政府及相關統計部門發布的統計報告對景區進行預測等。但是這些傳統的方法均存在著一定的缺陷,如數據的滯后性會嚴重影響預測的有效性,甚至直接影響到預測結果的精準度。

自百度推出搜索檢測工具以來,網絡搜索引擎便開始進入大眾視野,并應用于多個不同領域,從醫學到投資、從城市房地產到消費者信心指數,不斷被證明其預測結果的準確性。由于及時彌補了傳統數據的缺陷,網絡搜索迅速獲得大眾青睞。以百度指數為例,平臺不僅提供實時數據,還可以查詢任意時間段的歷史數據,給使用者帶來極大便利的同時,也消除了滯后性的缺點。

將網絡搜索指數運用到旅游業,通過網絡搜索引擎的特殊功能獲取關于大眾的有效信息,并加以合理分析并得出有效結論,可對未來一定時期的游客量進行預測。網絡搜索平臺的關鍵詞搜索功能,可以獲取平臺關鍵詞在任何時段內的搜索數據,并了解大眾在相應時間段內所關注的內容。由此看來,在網絡搜索平臺對景區關鍵詞進行搜索,一方面可以挖掘用戶對該景區的關注度,潛在游客數據則為景區游客量的預測提供一定的基礎。另一方面可促進景區相關旅游部門更加有效地做出合理的規劃、科學的安排以及有效的決策。

基于此,以2021年1月1日至2021年12月31日新疆天山天池景區每日接待游客量的數據和關鍵詞“天池”“天山天池”“天山天池天氣”以及“天山天池天氣預報”的百度指數數據為基礎,利用協整檢驗和格蘭杰因果檢驗,探討百度指數與天山天池景區游客量的關系,再結合多種模型進行預測,并對比評價預測效果,為景區客流量的預測提供理論基礎。

1 國內研究現狀

大數據時代背景下,網絡信息化發展越來越快,網絡搜索引擎已經成為大眾搜集信息、查找資料的大型網絡平臺。網絡搜索引擎公司百度發布的搜索檢測工具,命名為“百度指數”,用戶可以通過在“百度指數”搜索工具對關鍵詞進行檢索,從而了解特定時段內大眾對某一事件的關注度。該搜索工具的推出迅速引起了學者的關注,在研究如何提高大眾對糖尿病的認識時,有學者從百度指數入手通過用戶對糖尿病的關注度去判斷研究方法的有效性[1],國內學者的相關研究較晚,最早的研究方向主要集中在網絡關注度[2]。

隨著研究的不斷推進,眾多學者一致認為網絡搜索關鍵詞的搜索數據與研究的實際行為之間存在著一定的關聯性。并且在很多領域都取得了十分顯著的成果,如投資領域[3-5],有研究表明將百度指數中股票名稱的搜索頻率作為投資者關注度的新穎且直接的代理指標,結果表明這樣做使得市場更加有效率[3]。對于城市網絡特征的研究[6-7]也提到了通過對用戶關注度數據進行分析,基于百度指數的區域城市網絡時空變化受經濟發展基礎、城市功能定位、大事件效應以及城市網絡營銷等因素的影響[6]。而關于消費者信心指數的研究[8-10],通過網絡搜索指數數據進一步了解消費者心理與行為,從而提供新的途徑,可提高消費者信心指數預測準確性與時效性。

目前,網絡搜索指數在旅游行業的應用也很多,但大都集中在網絡關注度時空特征研究[11-13],如通過網絡指數搜索,選取季節性集中指數、地理集中指數等指標研究旅游目的地旅游網絡關注度的時空分布特征。但是對于游客量預測的研究卻較少,大多數學者在對網絡搜索數據與游客量的關系進行研究時,未進一步對游客量的預測進行研究。關于游客量預測的研究方法,主要是包括指數平滑[14]、灰色預測[15]、BP神經網絡[16-17]和線性回歸[18]等模型構建方法,通過對往期的年度數據、月度數據以及每日數據與實際游客量對比再構建相應的模型進行預測。任歡在對杭州市日游客規模預測進行研究時,運用ARMA模型和VAR模型進行預測,結果表明百度指數的時間和空間屬性對游客規模預測有重要意義和價值[19]。Adil Mohd在網絡預測游客到達研究中,運用STL-BiLSTM方法將時間序列分解為趨勢、季節性和殘差。趨勢提供了總體數據的大致方向。季節性是一種規律和可預測的模式,在固定的時間間隔內再次發生,而殘差是一種無法預測的隨機波動。由此證明該篇文章中提出的Bi LSTM網絡比考慮的其他方法具有更好的精度[20]。

綜上所述,關于網絡搜索指數與實際游客數據進行對比預測的研究較少。大多直接使用歷史數據并借助計量經濟學相關模型進行預測研究,或是僅停留在研究省市和旅游景區的游客數量與網絡搜索數據的關聯性。文章在原有國內外文獻的基礎上,通過百度指數搜索獲取關鍵詞的數據,研究與實際游客量二者之間的關系,利用計量經濟學中的單位根、協整以及格蘭杰因果檢驗進一步確認,最后運用ARMA模型和自回歸分布滯后模型進行預測,將預測結果與實際游客量進行對比,確保預測的準確性。

2 實證分析

2.1 研究區概況

新疆天山天池風景名勝區,地處新疆維吾爾自治區昌吉回族自治州阜康市境內博格達峰下的半山腰,距烏魯木齊市97公里。地處緯度88°00′～88°20′E,經度43°45′～43°59′N,平面海拔1928米,交通十分便利。天山天池景區總面積為548平方公里,包括八大風景區,即天池景區、燈桿山景區、馬牙山景區、博格達峰景區、花兒溝景區、白楊溝景區、水磨溝景區、北部沙漠景區,以及十五個景群和三十八個景點,動植物資源十分豐富,觀賞和科考價值極強。

天山天池風景區以完整的垂直自然景觀帶和雪山冰川、高山湖泊為主要特征,以獨特的民族民俗風情為文化內涵,是開展旅游活動的絕佳去處。目前,天池景區憑借其獨特的資源和區位優勢在新疆旅游業發展中居于重要地位,旅游產品和線路主要集中在天池湖面區域,并且旅游活動的季節性十分明顯,主要集中在夏季,每年5月至10月為旅游旺季,游客量達全年的90%左右。旅游產品基本上屬于“半日游”,景區旅游收入主要來源于門票、區間車、游船以及纜車等項目。作為國家首批5A級風景區,2016年天山天池被國家旅游局評為“旅游秩序最佳景區”,吸引大批游客前來,游客量逐年增加,僅2019年游客量達330萬人次。

2.2 數據來源

百度指數搜索平臺由全球最大的中文搜索引擎公司百度推出,是以百度用戶搜索數據為基礎的數據共享平臺,是目前互聯網乃至整個數據時代最重要的統計分析平臺之一。因致力于提供“簡單可依賴”的信息獲取方式而得到了用戶的一致認可。進入百度指數平臺首頁輸入想要獲取的關鍵詞后,會跳轉出趨勢研究、人群畫像以及需求圖譜三大主要板塊,從趨勢研究中可以得到關鍵詞每日搜索的數據以及任意時間段和任意省份的PC端、移動端以及整體的搜索數據;需求圖譜板塊會根據用戶搜索的關鍵詞提供相關聯的其他詞語,呈現用戶在了解一個景區的同時所關注的其他信息;人群畫像是百度指數平臺對每一個收錄的關鍵詞提供的相應搜索者的性別、年齡以及興趣分布的占比,包括各個省份搜索者的占比和排名。

基于此,選取百度指數檢索平臺作為數據獲取的來源,通過爬蟲技術獲取關鍵詞PC端+移動端的百度指數搜索數據之和,即關鍵詞2021年1月1日至2021年12月31日的日搜索數據,與天山天池風景區2021年全年每天的實際游客量進行對比分析。

2.3 關鍵詞選取

在網絡搜索平臺進行關鍵詞的選取,是研究用戶實際行為與網絡搜索相關性的重要環節。對于網絡搜索平臺關鍵詞的獲取方法,從學者們現有的研究中可知并未達成一致。目前,關鍵詞的選取方法主要包括技術取詞法、直接取詞法和范圍取詞法三種[21]。大部分研究都是直接通過網絡搜索平臺進行關鍵詞的搜索從而得到特定時間范圍內的相關搜索數據,從數據本身進行相關性分析后得出結論。

從游客出行的角度出發,根據吃住行游購娛六個方面進行關鍵詞的檢索,首先選擇部分關鍵詞,如“天山天池”“新疆天山天池”“天山天池門票”“天山天池開放時間”“天山天池天氣預報”“天山天池住宿”“天山天池旅游攻略”“天山天池美食”等作為目標關鍵詞進行檢索。其次,由于百度指數關鍵詞收錄的限制,初步得到了21個關鍵詞的搜索數據。下一步將天山天池實際游客量與關鍵詞的百度指數搜索數據錄入SPSS,進行相關性分析,分析結果如表1所示,通過觀察關鍵詞與天山天池實際游客量的皮爾森相關系數[22]可以看出,除國信租車和新疆大盤雞以外,其他關鍵詞與實際游客量都存在著一定的相關性。最后通過關鍵詞與實際游客量繪制的趨勢圖進行對比,最終選取“天池”“天山天池”“天山天池天氣”和“天山天池天氣預報”為目標關鍵詞。

表1 關鍵詞與天山天池實際游客數量的皮爾森相關系數

2.4 研究樣本以及數據描述

將獲取的天山天池2021年的日游客量和關鍵詞的百度指數數據進行對比分析,觀察其趨勢圖走勢。以關鍵詞“天山天池天氣預報”為例,如圖1所示,二者走勢大致相同,六七月增長最快,八月驟降,九月稍微回升,由此得出六七月去天山天池旅游的人數最多,關注天山天池天氣預報的人也最多。二者可能存在著一定的相關關系,但是還需要進行下一步的實證分析。

為了減少異方差對檢驗結果的影響,對游客日流量和百度指數數據取對數,以ATT代表取對數后的天山天池實際日游客量,TL代表取對數后的天池日搜索量,TTL代表取對數后的天山天池日搜索量,TTW代表取對數后的天山天池天氣日搜索量,TTWF代表取對數后的天山天池天氣預報日搜索量。

對天山天池實際游客量和4個關鍵詞的搜索數據進行相關性分析,得到的五個原始時間序列的描述性統計量,如表2所示。從實際游客量來看,天山天池每日旅游者數量序列最大值為18,234,最小值為27,最大值和最小值數據相差較大,說明在2021年之中不同時間到達天山天池的游客量差距較大。從四個關鍵詞百度指數序列的描述性統計量來看,可以看出游客對旅游的天氣信息關注度更高。

圖1 天山天池2021年實際日游客量和百度指數關鍵詞“天山天池天氣預報”的日搜索量

表2 天山天池日游客量與四個關鍵詞百度指數序列的描述性統計量

2.5 百度指數與旅游景區游客量的關系

由于所用樣本數據均為時間序列數據,為保證序列的平穩性和避免偽回歸現象出現,在建立計量經濟學模型之前對時間序列進行單位根和協整檢驗。

2.5.1 單位根檢驗

在對時間序列進行平穩性檢驗時,采取ADF檢驗作為單位根的檢驗依據,結果如表3所示,天山天池實際游客量以及關鍵詞“天山天池”“天池”“天山天池天氣”和“天山天池天氣預報”時間序列數據在通過一階差分之后,ADF值均小于1%臨界值、5%臨界值以及10%臨界值,說明變量都具有平穩性,因此拒絕原假設。這是由于原來的五個時間序列都是一階單整時間序列,滿足進行協整檢驗的前提條件。下一步通過協整分析檢驗天山天池實際游客量與“天山天池”等關鍵詞之間是否存在長期均衡關系。

表3 變量的單位根檢驗結果

2.5.2 協整檢驗

協整檢驗采用恩格爾和格蘭杰提出的兩步協整關系檢驗法,即EG兩步法,用于檢驗兩個變量之間是否具有長期均衡關系[23]。EG兩步法要求在時間序列平穩的前提下,還必須滿足自變量和因變量均為同階單整。除此之外,協整檢驗還要求變量回歸結果的殘差也要達到穩定性要求。

通過單位根檢驗證明了所用變量均滿足協整檢驗條件,下面進行協整檢驗,首先建立天山天池每日實際游客量與關鍵詞“天山天池”“天池”“天山天池天氣”和“天山天池天氣預報”之間的回歸方程。其次對回歸方程的殘差進行單位根檢驗,觀察自變量和因變量之間是否存在協整關系,若殘差序列穩定則存在協整關系。

殘差的ADF檢驗值等于-6.989667,相較于1%顯著性水平的臨界值-2.571383,5%顯著性水平的臨界值-1.941704,10%顯著性水平的臨界值-1.616111來說都更小。因此,證明回歸結果的殘差通過了穩定性檢驗,說明百度指數搜索關鍵詞與天山天池景區客流量之間存在長期均衡關系。確定最終的協整方程如下(括號中的數值為變量的t值):

ATT=2.97986(1.070783)+2.174913*TTL(9.360615)-1.503498*TL(-3.320163)+0.088515*TTW(2.320541)+0.224048*TTWF(5.598462)

(1)

方程(1)中TTL、TTW和TTWF前的回歸系數為正,表明對應的關鍵詞“天山天池”“天山天池天氣”和“天山天池天氣預報”與天山天池實際游客量存在正相關,意味著這3個關鍵詞的搜索量一旦增加會帶來天山天池實際游客量相應增加,其中關鍵詞“天山天池”前的回歸系數最大,為2.174913,其次“天山天池天氣預報”的回歸系數為0.224048,最后“天山天池天氣”的回歸系數為0.088515。而關鍵詞“天池”前的回歸系數為負,說明隨著天池搜索量的增加會引起天山天池景區的實際游客量減少。從協整方程中可以看出,百度指數關鍵詞的搜索頻數每增加或減少一個單位,天山天池實際游客量會增加或減少相應的單位。

2.5.3 格蘭杰因果關系檢驗

協整檢驗證明了百度指數與天山天池實際游客量之間具有長期穩定關系,但是卻未能說明二者之間是否具有因果關系,因此需要利用格蘭杰因果檢驗進一步確定兩者的因果關系。格蘭杰因果檢驗不僅可以確定因果關系,最重要的是還可以判斷自變量和因變量之間是否有預測能力。根據赤池信息量準則(AIC)、貝葉斯信息準則(SC)以及殘差序列,選擇最優滯后期進而判斷是否具有因果關系。最終根據格蘭杰檢驗得出“天山天池”“天池”“天山天池天氣”和“天山天池天氣預報”4個關鍵詞與天山天池實際游客量的因果關系結果,如表4所示。

如表4所示,關鍵詞“天山天池”“天池”“天山天池天氣”和“天山天池天氣預報”與天山天池的實際游客量之間均存在雙向因果關系。例如:假設1關鍵詞“天山天池”不是引起天山天池實際游客量的格蘭杰原因,F值為27.8122,P值無限接近于0,即拒絕原假設,說明關鍵詞“天山天池”是引起天山天池實際游客數量的格蘭杰原因,同時假設2天山天池實際游客量不是引起關鍵詞“天山天池”的格蘭杰原因,F值為4.81584,P值為0.0086,拒絕原假設,說明天山天池實際數量是引起關鍵詞“天山天池”的格蘭杰原因,即關鍵詞“天山天池”與天山天池實際游客量之間存在雙向的因果關系。

表4 格蘭杰因果檢驗

2.6 預測模型的建立與分析

為了探討百度指數的搜索數據對天山天池實際游客量是否具有預測能力,以天山天池2021年1月1日至2021年11月30日的每日游客量作為預測的樣本數據,以此建立ARMA模型和自回歸分布滯后模型,對2021年12月1日至2021年12月31日的游客數量進行預測,將預測游客量與實際游客數據進行對比分析,以此判斷預測模型的預測精度,并檢驗加入關鍵詞百度指數的模型預測效果。

2.6.1 ARMA模型的建立與分析

以天山天池實際游客量的時間序列數據建立ARMA模型進行預測,再將模型的預測結果與實際的游客量進行比較分析。第一步根據天山天池實際游客量的原始時間序列得出自相關圖和偏自相關圖,如圖2所示,通過觀察自相關圖和偏自相關圖發現,二者都出現了拖尾的現象。

圖2 自相關圖和偏自相關圖

其次,確定幾個不同的ARMA模型,通過比較它們的AIC值,SC值和預測模型的均方根誤差,最終確定的模型為ARMA(3,0,1)型,該模型的AIC和SC值最小,調整后的模型擬合優度最高,且預測的均方根誤差較小。最終確認的模型估計結果如下(括號中的數值為變量的t值):

ATT=7.31344(7.258599)+[AR(1)=1.187,(8.292394)AR(2)=-0.34,(-2.686287)AR(3)=0.135,(2.13165)MA(1)=-0.47](-3.400201)

(2)

方程(2)調整后的擬合優度為0.899,AIC的值為1.503265,SC的值為1.560699,然后利用方程(2)對樣本外2021年12月1日至12月31日天山天池每日的旅游人數進行預測,實際旅游人數和預測人數的對比圖,如圖3所示,根據2021年1月1日至2021年11月30日的數據樣本預測的12月1日至12月31日天山天池的游客量與實際游客量的變動趨勢大體一致,二者數據也非常接近。

圖3 2021年12月份天山天池實際旅游人數和預測人數的對比(ARMA模型)

2.6.2 自回歸分布滯后模型的建立與分析

由于天山天池風景區實際游客量與關鍵詞“天山天池”“天池”“天山天池天氣”和“天山天池天氣預報”之間存在長期的均衡關系,同時二者之間也具有格蘭杰因果關系,所以在ARMA模型的基礎上,考慮將百度指數搜索的關鍵詞作為解釋變量進行預測,即在方程(1)中加入“天山天池”“天池”“天山天池天氣”和“天山天池天氣預報”這四個關鍵詞進行回歸。由于百度指數搜索數據與實際游客量之間有一定的滯后,運用Eviews10.0確定自變量與因變量的最佳滯后期,由此最終確定的回歸模型為ARDL(3,3,2,2,0)型,調整后回歸模型的擬合優度為0.928,AIC的值為1.223170,SC的值為1.395471,對比ARMA模型來說,加入了百度指數后的自回歸分布滯后模型得到的結果擬合優度更高,且AIC和SC的值更低,增強了對天山天池實際游客量的解釋能力。

將ARDL的預測數據與實際游客量的數據進行對比,如圖4所示,通過結果對比發現,模型加入關鍵詞百度指數后預測值更加接近真實值,模型具有良好的預測能力。

圖4 2021年12月份天山天池實際旅游人數和預測人數的對比(ARDL模型)

3 預測結果進一步分析

以新疆天山天池風景區為例,基于2021年1月1日至2021年12月31日天山天池每日的實際游客量以及“天山天池”“天池”“天山天池天氣”“天山天池天氣預報”這四個關鍵詞的百度指數搜索數據,利用計量經濟學中的單位根檢驗、協整檢驗和格蘭杰因果關系檢驗,分析了新疆天山天池實際游客量與百度指數關鍵詞搜索數據二者之間的關系,并通過引入ARMA模型,將天山天池2021年1月1日至2021年11月30日每日的實際游客量作為樣本,對2021年12月1日到12月31日的游客量進行預測,在此基礎上加入關鍵詞的百度指數構建自回歸分布滯后模型,將加入關鍵詞后的模型預測效果與沒有加入關鍵詞的模型預測效果進行對比,得出了以下結論:

(1)新疆天山天池實際游客量與百度指數搜索的關鍵詞“天山天池”“天池”“天山天池天氣”以及“天山天池天氣預報”間存在著長期均衡關系,并且其中“天山天池”“天山天池天氣”以及“天山天池天氣預報”與天山天池實際游客量是正相關,也就意味著,隨著這三個百度指數關鍵詞搜索次數的增加,天山天池的實際游客量也會隨之增加。相反,“天池”與天山天池實際游客量是負相關,說明隨著這個百度指數關鍵詞搜索次數的增加,天山天池的實際游客量反而會出現相應的減少。

(2)天山天池的實際游客量與百度指數搜索的關鍵詞“天山天池”“天山”“天山天池天氣”以及“天山天池天氣預報”之間存在著雙向的格蘭杰因果關系,說明它們之間相互影響,即“天山天池”“天山”“天山天池天氣”以及“天山天池天氣預報”的百度指數搜索次數的變化會導致天山天池的實際游客量的出現相應的變化,與此同時,天山天池的實際游客量一旦發生變化,也會導致“天山天池”“天山”“天山天池天氣”以及“天山天池天氣預報”的百度指數搜索次數的變化。

(3)通過對天山天池的實際游客量建立ARMA模型,以天山天池2021年1月1日至2021年11月30日為數據樣本,對2021年12月1日至12月31日的游客量進行預測,將預測結果與實際游客量進行對比;其次,在此基礎上加入關鍵詞“天山天池”“天山”“天山天池天氣”以及“天山天池天氣預報”進行回歸,構建自回歸分布滯后模型進行預測,將加入關鍵詞后的預測效果與加入前的預測效果進行對比,得出:加入百度關鍵詞后的預測精度更高,擬合優度更好,與實際游客量更為貼近,由此說明網絡搜索數據大大提高了傳統預測模型的預測效果。

(4)預測結果的精度越高,說明預測更加精準,能夠為游客、旅游企業以及政府相關部門提供一定的信息,避免在旅游高峰期到來之際出現景區承載量不足等一系列與季節性相關的問題發生,且滯后期的出現也能夠讓相關部門提前做好應對準備。以百度指數為例的這一系列搜索引擎,提供大眾搜索關鍵詞的次數頻率,由此可以判斷出各景區的潛在游客數量,搜索數量大則說明關注該景區的潛在游客較多,從而也說明這些潛在游客到該景區旅游的可能性較大。但是必須是在實際旅游者和關鍵詞搜索的指數之間具有相關性,具有長期的均衡關系和因果關系的前提下,才能有這樣的預測。

4 結語

以新疆天山天池為例,基于2021年景區每日游客量及關鍵詞百度指數,利用單位根、協整和格蘭杰因果檢驗,通過ARMA模型、自回歸分布滯后模型對客流量進行預測,最終得出:加入關鍵詞百度指數后,計量經濟模型的擬合優度更高,預測效果更好,可以為相關部門提供決策依據,在旅游高峰期前做好應對措施。但是只選取了單個研究區,缺乏與其他區域進行對比來驗證研究結論的正確性;其次,樣本數據較少,無法對比模型短期和長期的預測精度。后續研究會將多個景區,長短期數據分別對比,提高預測精度,對客流量預測進一步深入研究。