CN104951845A - 基于网络关注度拟合客流量的旅游景区饱和度预警方法 - Google Patents

Abstract

本发明公开了一种基于网络关注度拟合客流量的旅游景区饱和度预警方法，包括：通过景区官方网站或当地旅游年鉴查询景区某一研究时段内每日客流量数据；计算景区所研究时段内的网络关注度；运用MATLAB软件对两组数据进行互相关函数分析，得到景区网络关注度和景区客流量之间时间序列上的差值，从而拟合景区客流量预测模型；输入景区所研究时段内的网络关注度，计算得到出预计客流量，在判断预计客流量大于景区舒适承载度时，进行景区饱和度计算，并触发景区饱和度诊断系统，进行饱和度诊断并对景区管理人员及游客提出相关策略和建议。本发明能实时预测景区客流量并估算景区饱和度，对景区管理人员及游客提出相关建议。

Description

基于网络关注度拟合客流量的旅游景区饱和度预警方法

技术领域

本发明涉及一种旅游景区饱和度预警方法，尤其是基于网络关注度拟合客流量的旅游景区饱和度预警方法，属于旅游景区预警领域。

背景技术

网络搜索数据与现实社会行为之间的相关性一直是国内外研究的热点，Ginsberg等(2009)利用谷歌提供的搜索解析功能，对流感有关关键词的搜索量和流感发病人数的相关性进行了研究，刘颖、吕本富等(2011)以股票为例，发现网络搜索量能较好预测股票的收益率。

随着互联网技术的迅猛发展，传统旅游业面临巨大冲击和挑战，互联网庞大的搜索数据折射了人群的兴趣和关注，反映了其行为趋势和规律，如何将大量网络数据应用到旅游业的发展成了当今的一个热门议题。

准确预测客流量对景区发展来说至关重要，而传统的预测方法多依赖统计部门或市场调研机构发布，很难从众多的影响因素中捕捉影响景区客流量的有效指标，无法进行事前预测。

随着研究的深入，出现了相关针对旅游行为的研究，李山、邱荣旭、陈玲(2008)发现了手掌模式、年内双峰、三峰模式等网络关注度时间分布规律；马丽君、孙根年、黄芸玛、周瑞娜(2011)构建了游客量与网络关注度的时空相关模型；黄开先、张丽峰等(2013)基于故宫的网络关注度和实际接待人数，建立了预测故宫景区游客量的模型，以期为景区决策提供一种依据。

既有的预测模型忽略了旅客搜索行为和出行行为之间的时间差，使得预测结果也存在一定的滞后性，为游客的出行和景区管理带来不便。尤其在“五一黄金周”“十一黄金周”等高峰出行期，精确的预测尤为重要。

发明内容

本发明的目的是为了解决上述现有技术的缺陷，提供了一种基于网络关注度拟合客流量的旅游景区饱和度预警方法，该方法能较准确地反应游客的旅游意愿通过建立所选取的代表性景点的游客量预测模型，实时预测景区客流量并估算景区饱和度，对游客及景区提出相关建议。

本发明的目的可以通过采取如下技术方案达到：

基于网络关注度拟合客流量的旅游景区饱和度预警方法，包括以下步骤：

S1、通过景区官方网站或当地旅游年鉴查询景区某一研究时段内每日客流量数据；

S2、计算景区所研究时段内的网络关注度，具体包括：

S21、基于旅游要素初步选取网络搜索关键词，并运用长尾工具进行网络搜索相关关键词挖掘；

S22、在得到一个初步关键词库后，在百度指数平台依次查询每个关键词在所研究时段内的百度指数数据；

S23、在EXCEL软件中运用CORREL函数依次检验每个关键词的百度指数与景区实际客流量之间的相关性系数，选取相关性较大的关键词；

S24、在EXCEL软件中运用几何平均值法和均分差法对选定的关键词的网络关注度进行整合，得到景区所研究时段内的网络整合关注度；

S3、基于上述数据，初步拟合景区客流量预测模型，运用MATLAB软件对两组数据进行互相关函数分析，得到景区网络关注度和景区客流量之间时间序列上的差值，从而计算出滞后的时间差来修正初步预测模型，得到精确的景区客流量预测模型；

S4、输入景区所研究时段内的网络关注度，计算得到出预计客流量，在判断预计客流量大于景区舒适承载度时，进行景区饱和度计算，并触发景区饱和度诊断系统，进行饱和度诊断并对景区管理人员及游客提出相关策略和建议。

作为一种实施方案，步骤S21中，所述网络搜索关键词以“吃、住、行、游、购、娱”旅游六要素作为选取标准。

作为一种实施方案，步骤S21中，所述运用长尾工具进行网络搜索相关关键词挖掘，具体为：

打开站长之家中的站长工具，在长尾关键词搜索栏输入关键词，点击“查询”，得到与该关键词相关性较高的其他相关关键词，即得到第一级关键词库。

作为一种实施方案，步骤S22中，所述在百度指数平台依次查询每个关键词在所研究时段内的百度指数数据，具体为：

1)打开百度指数平台，在百度指数搜索栏中输入需要查询的关键词，选择所搜索的时间范围和地区，点击“百度一下”得到相应时间段和相应地区对该关键词的关注度趋势；

2)鼠标滑过趋势线，显示鼠标所指日期该地区对所键入关键词的日关注度指数；

3)逐步输入第一级关键词库中的所有关键词，剔除未被百度指数平台收录的关键词，获得第二级关键词库；

4)依次查询第二级关键词库中的每一个关键词，得到每一个关键词在所研究时段内的每日网络关注指数。

作为一种实施方案，步骤S23，具体如下：

1)在EXCEL软件中输入第二级关键词库中的关键词在所研究时段内的每日网络关注指数，设为X，输入所研究时段内景区每日实际客流量数据，设为Y；

2)调用Correl函数，对两组数据进行相关系数计算，得出相关系数；

$\mathrm{Correl}(X,Y)=\frac{\mathrm{\Σ}(x-\stackrel{\‾}{x})(y-\stackrel{\‾}{y})}{\sqrt{\mathrm{\Σ}{(x-\stackrel{\‾}{x})}^2\mathrm{\Σ}{(y-\stackrel{\‾}{y})}^2}}$

其中，x为日关注指数，y为日客流量；为关注指数平均值，为客流量平均值；

3)依次对每个关键词的网络关注指数都进行与景区每日实际客流量数据的相关性分析；

4)剔除相关系数小于0.75的关键词，获得三级关键词库，将其定义为最终关键词库。

作为一种实施方案，步骤S24中，所述运用几何平均值法和均分差法对选定的关键词的网络关注度进行整合，所采用的公式为：

$X_Q=\sqrt[n]{X_1\×X_2\×X_3\×\·\·\·\×X_n}$

其中，X_Q为网络整合关注度，X_n为最终关键词的网络关注指数，n为最终关键词的数量。

作为一种实施方案，步骤S3中，所述运用MATLAB软件对两组数据进行互相关函数分析，得到景区网络关注度和景区客流量之间时间序列上的差值，从而计算出滞后的时间差来修正初步预测模型，得到精确的景区客流量预测模型，具体包括：

S31、时间序列的滞后天数修正

打开MATLAB软件，建立网络整合关注度矩阵c、景区客观接待人流矩阵p并导入数据，运行代码：

r＝xcorrl(c，p)；

t＝-364：634；

plot(t，r)；

k＝-t-365；

其中，r为相关度系数，k为滞后天数，t为时间；得到滞后天数k，即初步预测模型有k天的滞后天数，将景区客观接待人流向后错位k天，得到新的网络关注度与景区客观接待人流对应表；

S32、拟合回归方程

将数据导入EXCEL软件进行线性回归分析，得到线性拟合回归方程，即得到精确的景区预测人流模型。

作为一种优选方案，步骤S4中，所述景区饱和度的计算和诊断，具体包括：

S41、景区承载能力值的获取

通过查阅景区官方网站或当地旅游局官方资料获得景区承载能力值；分别查询景区舒适承载力V_c和景区最大承载力V_m；

S42、景区饱和度的计算

输入所研究时段内的网络关注度，计算得到预计客流量V；判断预计客流量V是否大于景区舒适承载度V_c，若否，则此时适宜前往景区参观；若是，则进行景区饱和度计算，如下式：

$a=\frac{V-V_c}{V_m-V_c}$

其中，a为景区饱和度，V为实际接待量，V_c为景区舒适承载力，V_m为景区最大承载力；

S43、景区饱和度的诊断

将景区饱和度a分为三级：一级拥挤：a＞0.8，景区严重拥堵，服务水平极差，游览体验极差；二级拥挤：0.6＜a＜0.8，景区拥堵，服务水平较差，游览体验较差；三级拥挤：0＜a＜0.6，景区稍有拥堵，服务水平较高，游览体验较好。

作为一种实施方案，步骤S4中，所述对景区管理人员及游客提出相关策略和建议，具体包括：

S44、针对景区的应对策略

当a＜0时，加强景区的营销与宣传，出台优惠政策，吸引游客游览；当0＜a＜0.6时，触发三级响应，加强各类服务设施的配给，引导人流；当0.6＜a＜0.8时，触发二级响应，减少门票销售，加强交通运输；当a＞0.8时，触发一级响应，发布预警，并采取交通调控、入口调控等措施控制流量；

S45、针对游客的出行建议

当a＜0时，建议前往；当0＜a＜0.6时，建议提前预定门票并规划好旅游线路，减少等候时间；当0.6＜a＜0.8时，建议错峰前往，并做好交通规划，预留较多通行时间；当a＞0.8时，不建议前往。

本发明相对于现有技术具有如下的有益效果：

1、本发明利用网络关注度的实时性弥补了传统预测方法的滞后性，并能较准确地反应游客的旅游意愿通过建立所选取的代表性景点的游客量预测模型，实时预测景区客流量并估算景区饱和度，对游客及景区提出相关建议。

2、本发明运用互相关函数修正了网络关注度和景区接待量两组时间序列间的时间差，消除了现实生活中游客实际出行行为相较于搜索行为的滞后性，拟合出了更为精确的模型，可以为景区和游客提供更加精确、更加具有参考意义的建议。

3、本发明以客观的景区接待人数数据和网络搜索平台的景区关注度指数为基础，借助长尾热词搜索工具、CORREL函数相关性检验、几何平均值、互相关函数等分析工具，进行分析与预测，为游客出行及景区管理提出相关建议。

4、本发明在整合景区网络关注度后，运用互相关函数分析景区网络关注度与景区实际客流量之间的时间序列上的差值，计算出平均时间差值后修正预测模型，以期更加精确地预测景区客流量并及时提供引导，克服传统预测方法中对时间序列滞后性考虑不足的局限性。

附图说明

图1为本发明实施例1的基于网络关注度拟合客流量的旅游景区饱和度预警方法的流程图。

图2为本发明实施例2以九寨沟酒店为例的百度指数平台所显示的网络关注度趋势图。

图3为本发明实施例2中九寨沟景区2014年各关键词百度指数与实际客流量的相关系数示意图。

图4为本发明实施例2的最终关键词库中每个关键词的网络关注度及网络整合关注度示意图。

图5为本发明实施例2的利用2014年景区接待客流量数据和全年景区网络关注度在EXCEL中创建回归方程示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例1：

如图1所示，本实施例的基于网络关注度拟合客流量的旅游景区饱和度预警方法，包括以下步骤：

1)景区某一研究时段内每日客流量数据的获取

通过景区官方网站或当地政府发布的旅游年鉴查询景区某一研究时段内每日客流量数据；

2)景区所研究时段内的网络关注度的计算

2.1)基于旅游要素初步选取网络搜索关键词

选取“吃、住、行、游、购、娱”旅游六要素作为具有普适性的关键词选取标准，确定六个关键词分别为：“景区名+美食”“景区名+酒店”“景区名+交通”“景区名+景点”“景区名+购物”“景区名+攻略”；

2.2)运用长尾工具进行网络搜索相关关键词挖掘

打开站长之家中的站长工具，在长尾关键词搜索栏输入关键词，点击“查询”，得到与该关键词相关性较高的其他相关关键词，即可得到第一级关键词库；

2.3)基于百度指数平台获取网络搜索关键词的网络关注度

2.3.1)打开百度指数平台，在百度指数搜索栏中输入需要查询的关键词，选择所搜索的时间范围和地区，点击“百度一下”即可得到相应时间段和相应地区对该关键词的关注度趋势；

2.3.2)鼠标滑过趋势线，可以显示鼠标所指日期该地区对所键入关键词的日关注度指数；

2.3.3)逐步输入第一级关键词库中的所有关键词，剔除未被百度指数平台收录的关键词，获得第二级关键词库；

2.3.4)依次查询第二级关键词库中的每一个关键词，得到每一个关键词在所研究时间段内的每日网络关注指数。

2.3.5)利用相关性分析筛选关键词

对第二级关键词库中的关键词的每日网络关注指数分别进行与实际客流人数的相关性分析，剔除相关性较弱的关键词，具体包括：

2.3.5.1)在EXCEL软件中输入第二级关键词库中的关键词在所研究时段内的每日网络关注指数，设为X，输入所研究时段内景区每日实际客流量数据，设为Y；

2.3.5.2)调用Correl函数，对两组数据进行相关系数计算，得出相关系数；

$\mathrm{Correl}(X,Y)=\frac{\mathrm{\Σ}(x-\stackrel{\‾}{x})(y-\stackrel{\‾}{y})}{\sqrt{\mathrm{\Σ}{(x-\stackrel{\‾}{x})}^2\mathrm{\Σ}{(y-\stackrel{\‾}{y})}^2}}$

其中，x为日关注指数，y为日客流量；为关注指数平均值，为客流量平均值；

2.3.5.3)依次对每个关键词的网络关注指数都进行与景区每日实际客流量数据的相关性分析；

2.3.5.4)在已有的相关研究中，多选取0.7或0.8作为相关性较高的判断依据，本实施例定义相关性0.75为相关性较高，剔除相关系数小于0.75的关键词，获得三级关键词库，将其定义为最终关键词库；

2.3.6)网络整合关注度的计算

在EXCEL软件中运用几何平均值法和均分差法对每一天最终关键词库中所有关键词的网络关注度进行整合，所采用的公式为：

$X_Q=\sqrt[n]{X_1\×X_2\×X_3\×\·\·\·\×X_n}$

其中，X_Q为网络整合关注度，X_n为最终关键词的网络关注指数，n为最终关键词的数量；

3)建立景区预测人流模型

3.1)基于上述数据，初步拟合景区客流量预测模型；

3.2)打开MATLAB软件，建立网络整合关注度矩阵c、景区客观接待人流矩阵p并导入数据，运行代码：

r＝xcorrl(c，p)；

t＝-364：634；

plot(t，r)；

k＝-t-365；

其中，r为相关度系数，k为滞后天数，t为时间；得到滞后天数k，即初步预测模型有k天的滞后天数，因此在EXCEL保持网络整合关注度，将景区客观接待人流向后错位k天，将景区客观接待人流向后错位k天，得到新的网络关注度与景区客观接待人流对应表；

3.3)拟合回归方程

将数据导入EXCEL软件进行线性回归分析，得到线性拟合回归方程，即得到精确的景区预测人流模型。

4)景区饱和度的计算与诊断

4.1)景区承载能力值的获取

通过查阅景区官方网站或当地旅游局官方资料获得景区承载能力值；分别查询景区舒适承载力V_c(人/日)和景区最大承载力V_m(人/日)；

4.2)景区饱和度的计算

输入所研究时段内的网络关注度，计算得到预计客流量V；判断预计客流量V是否大于景区舒适承载度V_c，若否，则此时适宜前往景区参观；若是，则进行景区饱和度计算，参考山西省旅游局对于景区“核定接待量”的说明，即“景区核定接待量是根据景区占地面积、配套设施等核算出来的一个大概念综合性数字”，将景区饱和度a定义如下：

$a=\frac{V-V_c}{V_m-V_c}$

其中，a为景区饱和度，V为实际接待量，V_c为景区舒适承载力，V_m为景区最大承载力；

4.3)景区饱和度的诊断

参考我国道路交通饱和度分级方法，本实施例将景区饱和度a分为三级：一级拥挤：a＞0.8，景区严重拥堵，服务水平极差，游览体验极差；二级拥挤：0.6＜a＜0.8，景区拥堵，服务水平较差，游览体验较差；三级拥挤：0＜a＜0.6，景区稍有拥堵，服务水平较高，游览体验较好；

5)策略与建议的提出

5.1)针对景区的应对策略

当a＜0时，加强景区的营销与宣传，出台优惠政策，吸引游客游览。当0＜a＜0.6时，触发三级响应，加强各类服务设施的配给，引导人流；当0.6＜a＜0.8时，触发二级响应，减少门票销售，加强交通运输；当a＞0.8时，触发一级响应，发布预警，并采取交通调控、入口调控等措施控制流量；

5.2)针对游客的出行建议

当a＜0时，建议前往；当0＜a＜0.6时，建议提前预定门票并规划好旅游线路，减少等候时间；当0.6＜a＜0.8时，建议错峰前往，并做好交通规划，预留较多通行时间；当a＞0.8时，不建议前往。

实施例2：

本实施例是一个应用实例，选择了四川九寨沟国家自然风景区，以2014年为研究时段，提供了基于网络关注度拟合客流量的旅游景区饱和度预警方法。

1)基础数据的准备

数据来源包括百度指数数据分享平台、站长工具长尾关键词挖掘平台、九寨沟景区官方网站

1.1)获取九寨沟景区2014年全年日客流量数据

打开九寨沟景区官方网站，点击“景区动态”中的“每日进沟人数”栏目，获得2014年全年每日接待人数；

1.2)基于旅游要素初步选取网络搜索关键词

选取“吃、住、行、游、购、娱”旅游六要素作为具有普适性的关键词选取标准，初步确定六个关键词，分别为：“九寨沟美食”“九寨沟酒店”“九寨沟交通”“九寨沟景点”“九寨沟购物”“九寨沟攻略”；

1.3)运用长尾工具进行相关网络关键词挖掘。

打开站长之家中的站长工具，在长尾关键词搜索栏输入“九寨沟”，点击“查询”，得到与该关键词相关性较高的其他相关关键词，剔除部分无关选项后，得到9个相关关键词为：“九寨沟风景区”“九寨沟旅游攻略”“九寨沟天气”“九寨沟在哪”“九寨沟”“九寨沟旅游报价”“九寨沟门票”“四川九寨沟”“九寨沟旅行社”，即得到一级关键词库，如下表1所示，共15个关键词；

1九寨沟酒店	2九寨沟交通	3九寨沟景点
			4九寨沟攻略	5九寨沟风景区	6九寨沟旅游攻略
7九寨沟天气	8九寨沟在哪	9九寨沟
			10九寨沟旅游报价	11九寨沟门票	12四川九寨沟
13九寨沟美食	14九寨沟购物	15九寨沟 旅行社

表1一级关键词库

1.4)利用相关性分析筛选关键词

1.4.1)剔除未被百度指数平台收录的关键词

在百度指数平台依次查询一级关键词库中的每个关键词的网络关注度，发现“九寨沟美食”“九寨沟购物”“九寨沟旅行社”三个关键词因搜索量较少而未被百度指数收录，剔除这三个关键词，得到二级关键词库，如下表2所示，共12个关键词，即“九寨沟酒店”“九寨沟交通”“九寨沟经典”“九寨沟攻略”“九寨沟风景区”“九寨沟旅游攻略”“九寨沟天气”“九寨沟在哪”“九寨沟”“九寨沟旅游报价”“九寨沟门票”“四川九寨沟”；

1九寨沟酒店	2九寨沟交通	3九寨沟景点
			4九寨沟攻略	5九寨沟风景区	6九寨沟旅游攻略
7九寨沟天气	8九寨沟在哪	9九寨沟
			10九寨沟旅游报价	11九寨沟门票	12四川九寨沟

表2二级关键词库

1.4.2)对关键词进行相关性检验

对第二级关键词库中的关键词的每日网络关注指数分别进行与实际客流人数的相关性分析，剔除相关性较弱(相关系数低于0.75)的关键词。以关键词“九寨沟酒店”为例，具体包括：

1.4.2.1)在百度指数平台查询关键词“九寨沟酒店”的网络关注指数，通过页面下方蓝色时间轴选择2014年全年作为查询时段，如图2所示；将鼠标扫过蓝色折线，即可知道当日该关键词的网络关注度，将其数值填入时限准备好的EXCEL表格中，设为数据组X；

1.4.2.2)在EXCEL中输入2014年九寨沟景区每日实际接待客流量数据，设为数据组Y；

1.4.2.3)调用Correl函数，对两组数据进行相关系数计算，得出相关系数为0.854691，相关性较强，关键词“九寨沟酒店”进入最终关键词库。

依次对二级关键词库中的每个关键词进行如上操作，计算出该关键词网络关注度与实际客流量的相关系数，大于0.75则视作相关性强，进入最终关键词库；如果小于0.75，则视作相关性较弱，将其剔除；

经计算，二级关键词库中12个关键词的相关系数分别为：“九寨沟攻略”＝0.846113；“九寨沟风景区”＝0.610767；“九寨沟交通”＝0.637208；“九寨沟景点”＝0.782845；“九寨沟酒店”＝0.854691；“九寨沟旅游攻略”＝0.817948；“九寨沟天气”＝0.832425；“九寨沟在哪”＝0.400063；“九寨沟”＝0.832425；“九寨沟旅游报价”＝0.772789；“九寨沟门票”＝0.007217；“四川九寨沟”＝0.795149，如图3所示；

剔除相关系数低于0.75的四个关键词“九寨沟风景区”“九寨沟交通”“九寨沟在哪”“九寨沟门票”，最终得到三级关键词库(即最终关键词库)，如下表3所示，共8个关键词，分别为：“四川九寨沟”“九寨沟旅游报价”“九寨沟”“九寨沟天气”“九寨沟旅游攻略”“九寨沟攻略”“九寨沟景点”“九寨沟酒店”。

1九寨沟 酒店	2九寨沟 景点	3九寨沟 攻略
			4九寨沟 旅游攻略	5九寨沟 天气	6九寨沟
7九寨沟 旅游报价	8四川 九寨沟

表3最终关键词库

1.4.3)网络整合关注度的计算

在EXCEL软件中运用几何平均值法和均分差法对每一天最终关键词库中的每个关键词的网络关注度进行整合，所采用的公式为：

$X_Q=\sqrt[n]{X_1\×X_2\×X_3\×\·\·\·\×X_n}$

其中，X_Q为网络整合关注度，X_n为最终关键词的网络关注指数，n为最终关键词的数量；

最终关键词库每个关键词的网络关注度及网络整合关注度，如图4所示；

2)建立景区预测人流模型

2.1)基于上述数据，初步拟合景区客流量预测模型；

2.2)打开MATLAB软件，建立网络整合关注度矩阵c、景区客观接待人流矩阵p并导入数据，运行代码：

r＝xcorr(p，c)；

max(max(r))；

[x y]＝find(r＝＝max(max(r)))；

k＝x-365；

得到滞后天数k＝2，即初始预测模型有2天的滞后天数，因此在EXCEL保持网络整合关注度，将景区客观接待人流向后错位2天。得到新的网络关注度与景区客观接待人流对应表；

2.3)拟合回归方程

将数据导入EXCEL进行拟合分析，得到拟合回归方程y＝-0.0077x2+34.677x-9274.1，即得到精确的景区预测人流模型，如图5所示。

3)景区饱和度的计算与诊断

本实施例以2014年十一黄金周第三日(10月3日)为例，进行九寨沟景区人流饱和度检验

3.1)网络整合关注度的计算

进入百度指数平台，设置搜索时间为2014年10月3日，地区范围为全国，依次输入最终关键词库中9个关键词，得到每个关键词每日对应的网络关注指数为：“九寨沟攻略”＝421，“九寨沟景点”＝311，“九寨沟酒店”＝535，“九寨沟旅游攻略”＝11030，“九寨沟天气＝3737，“九寨沟”＝60545，“九寨沟旅游报价”＝1033，“四川九寨沟”＝1770。

将每个关注度代入上述步骤1.4.3)的计算公式，得到10月3日九寨沟景区的整合网络关注度为X_Q＝2056.273；

3.2)景区预测客流量的计算

将X_Q＝2056.273代入拟合公式：y＝-0.0077x2+34.677x-9274.1，得到10月3日九寨沟景区的预测客流量为Y_Q＝29472.912，客流量取整数，则预计人流为V_Q＝29472；

3.3)景区饱和度的计算

九寨沟景区最大承载容量为Vm＝41000人/日；最佳游览容量为Vc＝20000人/日。

10月3日景区人流饱和度计算：

诊断及建议如下：由于0＜a_Q＜0.6，诊断为三级拥挤，景区稍有拥堵，服务水平较高，游览体验较好；建议游客错峰前往，并提前规划好行程，减少等候时间。

综上所述，本发明利用网络关注度的实时性弥补了传统预测方法的滞后性，并能较准确的反应游客的旅游意愿通过建立所选取的代表性景点的游客量预测模型，实时预测景区客流量并估算景区饱和度，对游客及景区提出相关建议。

以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (9)

1.基于网络关注度拟合客流量的旅游景区饱和度预警方法，其特征在于：所述方法包括以下步骤：

S1、通过景区官方网站或当地旅游年鉴查询景区某一研究时段内每日客流量数据；

S2、计算景区所研究时段内的网络关注度，具体包括：

S21、基于旅游要素初步选取网络搜索关键词，并运用长尾工具进行网络搜索相关关键词挖掘；

S22、在得到一个初步关键词库后，在百度指数平台依次查询每个关键词在所研究时段内的百度指数数据；

S23、在EXCEL软件中运用CORREL函数依次检验每个关键词的百度指数与景区实际客流量之间的相关性系数，选取相关性较大的关键词；

S24、在EXCEL软件中运用几何平均值法和均分差法对选定的关键词的网络关注度进行整合，得到景区所研究时段内的网络整合关注度；

S3、基于上述数据，初步拟合景区客流量预测模型，运用MATLAB软件对两组数据进行互相关函数分析，得到景区网络关注度和景区客流量之间时间序列上的差值，从而计算出滞后的时间差来修正初步预测模型，得到精确的景区客流量预测模型；

S4、输入景区所研究时段内的网络关注度，计算得到出预计客流量，在判断预计客流量大于景区舒适承载度时，进行景区饱和度计算，并触发景区饱和度诊断系统，进行饱和度诊断并对景区管理人员及游客提出相关策略和建议。

2.根据权利要求1所述的基于网络关注度拟合客流量的旅游景区饱和度预警方法，其特征在于：步骤S21中，所述网络搜索关键词以“吃、住、行、游、购、娱”旅游六要素作为选取标准。

3.根据权利要求1所述的基于网络关注度拟合客流量的旅游景区饱和度预警方法，其特征在于：步骤S21中，所述运用长尾工具进行网络搜索相关关键词挖掘，具体为：

打开站长之家中的站长工具，在长尾关键词搜索栏输入关键词，点击“查询”，得到与该关键词相关性较高的其他相关关键词，即得到第一级关键词库。

4.根据权利要求3所述的基于网络关注度拟合客流量的旅游景区饱和度预警方法，其特征在于：步骤S22中，所述在百度指数平台依次查询每个关键词在所研究时段内的百度指数数据，具体为：

1)打开百度指数平台，在百度指数搜索栏中输入需要查询的关键词，选择所搜索的时间范围和地区，点击“百度一下”得到相应时间段和相应地区对该关键词的关注度趋势；

2)鼠标滑过趋势线，显示鼠标所指日期该地区对所键入关键词的日关注度指数；

3)逐步输入第一级关键词库中的所有关键词，剔除未被百度指数平台收录的关键词，获得第二级关键词库；

4)依次查询第二级关键词库中的每一个关键词，得到每一个关键词在所研究时段内的每日网络关注指数。

5.根据权利要求4所述的基于网络关注度拟合客流量的旅游景区饱和度预警方法，其特征在于：步骤S23，具体如下：

1)在EXCEL软件中输入第二级关键词库中的关键词在所研究时段内的每日网络关注指数，设为X，输入所研究时段内景区每日实际客流量数据，设为Y；

2)调用Correl函数，对两组数据进行相关系数计算，得出相关系数；

$\mathrm{Correl}(X,Y)=\frac{\mathrm{\Σ}(x-\stackrel{\‾}{x})(y-\stackrel{\‾}{y})}{\sqrt{\mathrm{\Σ}{(x-\stackrel{\‾}{x})}^2\mathrm{\Σ}{(y-\stackrel{\‾}{y})}^2}}$

其中，x为日关注指数，y为日客流量；为关注指数平均值，为客流量平均值；

3)依次对每个关键词的网络关注指数都进行与景区每日实际客流量数据的相关性分析；

4)剔除相关系数小于0.75的关键词，获得三级关键词库，将其定义为最终关键词库。

6.根据权利要求1所述的基于网络关注度拟合客流量的旅游景区饱和度预警方法，其特征在于：步骤S24中，所述运用几何平均值法和均分差法对选定的关键词的网络关注度进行整合，所采用的公式为：

$X_Q=\sqrt[n]{X_1\×X_2\×X_3\×...\×X_n}$

其中，X_Q为网络整合关注度，X_n为最终关键词的网络关注指数，n为最终关键词的数量。

7.根据权利要求1所述的基于网络关注度拟合客流量的旅游景区饱和度预警方法，其特征在于：步骤S3中，所述运用MATLAB软件对两组数据进行互相关函数分析，得到景区网络关注度和景区客流量之间时间序列上的差值，从而计算出滞后的时间差来修正初步预测模型，得到精确的景区客流量预测模型，具体包括：

S31、时间序列的滞后天数修正

打开MATLAB软件，建立网络整合关注度矩阵c、景区客观接待人流矩阵p并导入数据，运行代码：

r＝xcorrl(c，p)；

t＝-364：634；

plot(t，r)；

k＝-t-365；

其中，r为相关度系数，k为滞后天数，t为时间；得到滞后天数k，即初步预测模型有k天的滞后天数，将景区客观接待人流向后错位k天，得到新的网络关注度与景区客观接待人流对应表；

S32、拟合回归方程

将数据导入EXCEL软件进行线性回归分析，得到线性拟合回归方程，即得到精确的景区预测人流模型。

8.根据权利要求1所述的基于网络关注度拟合客流量的旅游景区饱和度预警方法，其特征在于：步骤S4中，所述景区饱和度的计算和诊断，具体包括：

S41、景区承载能力值的获取

通过查阅景区官方网站或当地旅游局官方资料获得景区承载能力值；分别查询景区舒适承载力V_c和景区最大承载力V_m；

S42、景区饱和度的计算

输入所研究时段内的网络关注度，计算得到预计客流量V；判断预计客流量V是否大于景区舒适承载度V_c，若否，则此时适宜前往景区参观；若是，则进行景区饱和度计算，如下式：

$a=\frac{V-V_c}{V_m-V_c}$

其中，a为景区饱和度，V为实际接待量，V_c为景区舒适承载力，V_m为景区最大承载力；

S43、景区饱和度的诊断

将景区饱和度a分为三级：一级拥挤：a＞0.8，景区严重拥堵，服务水平极差，游览体验极差；二级拥挤：0.6＜a＜0.8，景区拥堵，服务水平较差，游览体验较差；三级拥挤：0＜a＜0.6，景区稍有拥堵，服务水平较高，游览体验较好。

9.根据权利要求8所述的基于网络关注度拟合客流量的旅游景区饱和度预警方法，其特征在于：步骤S4中，所述对景区管理人员及游客提出相关策略和建议，具体包括：

S44、针对景区的应对策略

当a＜0时，加强景区的营销与宣传，出台优惠政策，吸引游客游览；当0＜a＜0.6时，触发三级响应，加强各类服务设施的配给，引导人流；当0.6＜a＜0.8时，触发二级响应，减少门票销售，加强交通运输；当a＞0.8时，触发一级响应，发布预警，并采取交通调控、入口调控等措施控制流量；

S45、针对游客的出行建议

当a＜0时，建议前往；当0＜a＜0.6时，建议提前预定门票并规划好旅游线路，减少等候时间；当0.6＜a＜0.8时，建议错峰前往，并做好交通规划，预留较多通行时间；当a＞0.8时，不建议前往。