CN107832982A - 一种基于大数据旅游出行评估模型区域适旅指数计算方法 - Google Patents
一种基于大数据旅游出行评估模型区域适旅指数计算方法 Download PDFInfo
- Publication number
- CN107832982A CN107832982A CN201711361208.6A CN201711361208A CN107832982A CN 107832982 A CN107832982 A CN 107832982A CN 201711361208 A CN201711361208 A CN 201711361208A CN 107832982 A CN107832982 A CN 107832982A
- Authority
- CN
- China
- Prior art keywords
- index
- model
- data
- travel
- trip
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 2
- 239000001257 hydrogen Substances 0.000 claims description 2
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 3
- 238000007418 data mining Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004587 chromatography analysis Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 abstract 1
- 238000013210 evaluation model Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及旅游大数据平台技术领域,尤其是一种基于大数据旅游出行评估模型区域适旅指数计算方法,采集数据进行数据标记与旅游出行指标体系分组;构建专家评分模型,利用专家评分模型确定旅游出行指标权重;分层分析模型,利用层次分析法确定旅游出行指标权重;景区旅游出行模型建立确定;引入区域计算模型;区域适旅指数计算。本发明有益效果:本发明提供的方法基于统计学理论,结合最新的数据挖掘理论实施方法,采用专家评分评估模型和层次分析法,并提前以历史数据作为模型构建的基础,能达到快递、科学、客观的旅游出行指数结果。
Description
技术领域
本发明涉及旅游大数据平台技术领域,尤其是一种基于大数据旅游出行评估模型区域适旅指数计算方法。
背景技术
由于中国经济的快速发展,人民生活水平提高了,对精神文化的追求日益提高,越来越多的人选择去旅游。然而在旅游出行方面的当天适不适合出行,或者哪天适合出行只有一个气象部门推出的旅游指数,即从天气的角度提供的出游建议,忽略了其他影响因素,可能会对民众出行造成一些错误的引导。
旅游指数是气象部门根据天气的变化情况,结合气温、风速和具体的天气现象,从天气的角度出发给市民提供的出游建议。一般天气晴好,温度适宜的情况下最适宜出游;而酷热或严寒的天气条件下,则不适宜外出旅游。旅游指数分为5级,级数越高,越不适应旅游。
气象局的旅游指数虽好,但仅仅只是从天气这个维度来计算旅游指数,忽略了现实当中交通请,场馆(景区)情况等对旅游出行的影响,传统解决方案中对旅游出行指数的评估基于气象数据,因此在评估过程由于缺少其他维度的数据支撑,存在一定的漏判、误判等情况。
因此,对于上述问题有必要提出一种基于大数据旅游出行评估模型区域适旅指数计算方法。
发明内容
本发明目的是克服了现有技术中的不足,提供了一种基于大数据旅游出行评估模型区域适旅指数计算方法。
为了解决上述技术问题,本发明是通过以下技术方案实现:
一种基于大数据旅游出行评估模型区域适旅指数计算方法,其模型方法为:
步骤一:采集数据进行数据标记与旅游出行指标体系分组;步骤二:构建专家评分模型,利用专家评分模型确定旅游出行指标权重;步骤三:分层分析模型,利用层次分析法确定旅游出行指标权重;步骤四:景区旅游出行模型建立确定;步骤五:引入区域计算模型;步骤六:区域适旅指数计算。
优选地,其中步骤二进一步的包括专家评分模型建立和对等级比较答案的处理。
优选地,其中专家评分模型建立的评分方法为:对数量和时间答案的处理
式中为评价结果,p为正整数,n为专家数,专家评分值从大到小排列,则X p+1公式表示奇数个专家评分的中位数,(X p+X p+1)/2表示偶数个专家评分的中位数。
优选地,其中对等级比较答案的处理设旅游出行指数有m个评价领域(可扩充),有n个专家参与评价,设某一专家k给出的评分值集合为{Xi(j)}(k),式中{Xi(j)}(k)表示第k=1,2,···,n个专家对第i(i=1,2,···,n)领域的评分序分值,其值为j(j=1,2,···,m);
根据可将序分值集合转化为基分值集合{Bi(j)}(k),其中{Bi(j)}(k)表示第k个专家对第i个领域排在第j位时所对应的基数分值;然后,用下述公式计算每个研究领域的重要程度:
在(2)以及(3)式中,m在(2)以及(3)式中,m表示领域数;Si表示i领域得分值;n表示专家数;Bi(j)表示i领域排在j位得分值;Ni表示赞同某一领域排在第j位的人
最后根据Ki大小排序,由公式(2)以及(3)看出,目前评分处理方法对序分值的处理是建立在统计平均基础上,根据统计学原则可知,当参与评价的专家很多时,计算结果是真实可信的。
优选地,其中步骤三进一步的包括确定模型的层次结构、比较尺度与成对比较矩阵和一致性检验。
优选地,其中一致性检验是将(其中入为成对比较矩阵M的最大特征值,作为一致性指标
Ci=0,说明λ=n,则为一致阵,Ci越大,M的不一致程度越严重。由于M的特征值之和等于M的主对角线元素之和,而M的主对角线上元素全为1,所以M的特征值之和为n,λ-n即为其余n-1个特征值之和的绝对值,Ci即为这些余下的特征值之平均值(取绝对值);
为了确定Ci的容许范围,引入了随机一致性指标R,I并给出对于不同的n(矩阵的阶数)Ri的取值。
当n=1,2时,Ri=0,说明这时M一定是一致的;
当n>3时,定义一致性比率CR为Ci与它同阶(指n相同)的随机一致性指标RI之比,即当CR<0.1时,认为M的不一致程度在容许范围内,否则,需要重新进行成对比较,给出新的成对比矩阵,对M利用 及Ri的取值进行检验即称为一致性检验。
优选地,步骤三最终求出的第三层对第二层的权重向量我们用代数分别表示为(α1,α2,…,αr),(β1,β2,…,βs),(γ1,γ2,…,γt),而第二层对第一层的权重向量可表示(ω1,ω2,ω3)。
优选地,其中步骤四中进一步的假设某一系统指标分别为x1,x2,…,xm,首先将每个指标数据归一化,归一化公式,其中为归一化后的数据,为n个指标值的平均值,为标准差;
然后对归一化后的数据再进行极值标准化,其中和分别是n个中的最大值和最小值,经过这两步转换后便落到了闭区间[0,1]中。
所有指标数据都经过上述的过程进行转换,则得到转换后的数据:
得到个指标数据的取值区间为:
区间的上限和下限分别是指该指标的最大值和最小值。其中A对应的指标对适合出行可能性起正向作用,即a1,a2,…,an表示的指标b1,b2,…,bn,c1,c2,…,cn数据越大,越是适合旅游出行;B、C对应的指标起正向作用,即表示的指标数据越大,不适合出行的可能性越大。
优选地,其中旅游出行指数计算公式为
优选地,步骤五中的区域下景点分别为N1、N2、N3…Nn;各个景点旅游出行指数非别为EnWj,每个景点的辐射面积range(1)、range(2)、range(3)···range(n);
区域适旅指数计算公式为:
本发明有益效果:本发明提供的方法基于统计学理论,结合最新的数据挖掘理论实施方法,采用专家评分评估模型和层次分析法,并提前以历史数据作为模型构建的基础,能达到快递、科学、客观的旅游出行指数结果。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的模型流程框图;
图2是本发明的层次分析结构示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
如图1并结合图2所示,一种基于大数据旅游出行评估模型区域适旅指数计算方法,其模型方法为:步骤一:采集数据进行数据标记与旅游出行指标体系分组;步骤二:构建专家评分模型,利用专家评分模型确定旅游出行指标权重;步骤三:分层分析模型,利用层次分析法确定旅游出行指标权重;步骤四:景区旅游出行模型建立确定;步骤五:引入区域计算模型;步骤六:区域适旅指数计算。
其中旅游出行指标体系分组将所有和旅游出行指数相关的(m,其他系统)。
其中步骤二进一步的包括专家评分模型建立和对等级比较答案的处理。
其中专家评分模型建立的评分方法为:对数量和时间答案的处理
式中为评价结果,p为正整数,n为专家数,专家评分值从大到小排列,则X p+1公式表示奇数个专家评分的中位数,(X p+X p+1)/2表示偶数个专家评分的中位数。
其中对等级比较答案的处理设旅游出行指数有m个评价领域(可扩充),有n个专家参与评价,设某一专家k给出的评分值集合为{Xi(j)}(k),式中{Xi(j)}(k)表示第k=1,2,···,n个专家对第i(i=1,2,···,n)领域的评分序分值,其值为j(j=1,2,···,m);
根据可将序分值集合转化为基分值集合{Bi(j)}(k),其中根据可将序分值集合转化为基分值集合{Bi(j)}(k),其中{Bi(j)}(k)表示第k个专家对第i个领域排在第j位时所对应的基数分值;然后,用下述公式计算每个研究领域的重要程度:
在(2)以及(3)式中,m在(2)以及(3)式中,m表示领域数;si表示i领域得分值;n表示专家数;Bi(j)表示i领域排在j位得分值;Ni表示赞同某一领域排在第j位的人
最后根据Ki大小排序,由公式(2)以及(3)看出,目前评分处理方法对序分值的处理是建立在统计平均基础上,根据统计学原则可知,当参与评价的专家很多时,计算结果是真实可信的。
其中步骤三进一步的包括确定模型的层次结构、比较尺度与成对比较矩阵和一致性检验。
其中一致性检验是将(其中入为成对比较矩阵M的最大特征值,作为一致性指标
Ci=0,说明λ=n,则为一致阵,Ci越大,M的不一致程度越严重。由于M的特征值之和等于M的主对角线元素之和,而M的主对角线上元素全为1,所以M的特征值之和为n,λ-n即为其余n-1个特征值之和的绝对值,Ci即为这些余下的特征值之平均值(取绝对值);
为了确定Ci的容许范围,引入了随机一致性指标R,I并给出对于不同的n(矩阵的阶数)Ri的取值。
当n=1,2时,Ri=0,说明这时M一定是一致的;
当n>3时,定义一致性比率CR为Ci与它同阶(指n相同)的随机一致性指标RI之比,即当CR<0.1时,认为M的不一致程度在容许范围内,否则,需要重新进行成对比较,给出新的成对比矩阵,对M利用 及Ri的取值进行检验即称为一致性检验。
步骤三最终求出的第三层对第二层的权重向量我们用代数分别表示为(α1,α2,…,αr),(β1,β2,…,βs),(γ1,γ2,…,γt),而第二层对第一层的权重向量可表示(ω1,ω2,ω3)。
其中步骤四中进一步的假设某一系统指标分别为x1,x2,…,xm,首先将每个指标数据归一化,归一化公式,其中为归一化后的数据,为n个指标值的平均值,为标准差;
然后对归一化后的数据再进行极值标准化,其中和分别是n个中的最大值和最小值,经过这两步转换后便落到了闭区间[0,1]中。
所有指标数据都经过上述的过程进行转换,则得到转换后的数据:
得到个指标数据的取值区间为:
区间的上限和下限分别是指该指标的最大值和最小值。其中A对应的指标对适合出行可能性起正向作用,即a1,a2,…,an表示的指标数据越大,越是适合旅游出行;B、C对应的指标起正向作用,即b1,b2,…,bn,c1,c2,…,cn表示的指标数据越大,不适合出行的可能性越大。
其中旅游出行指数计算公式为
其中,步骤五中的区域下景点分别为N1、N2、N3…Nn;各个景点旅游出行指数非别为EnWj,每个景点的辐射面积range(1)、range(2)、range(3)···range(n);
区域适旅指数计算公式为:
本发明提供的方法基于统计学理论,结合最新的数据挖掘理论实施方法,采用专家评分评估模型和层次分析法,并提前以历史数据作为模型构建的基础,能达到快递、科学、客观的旅游出行指数结果。
专家评分模型:所谓评分就是对事物的某些属性或影响做出衡量。其实质是主体(评价者或评分专家)对客体(评价对象)本质属性及发展规律的认识。评价的过程是评价者根据对客体的认识程度及评价者本身的认识水平、价值观和心理因素对评价对象的属性加以描述的过程。联系主体与客体的桥梁和纽带是比较,即用某种确定的标准与评价对象相比较,专家评分的根本原则和手段也是比较。
层次分析法是一种定性与定量分析相结合的多标准决策方法,层次分析法(Analytic Hierarchy Process,简称AHP)是将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。
除了引入天气因素,还将引入交通数据、场馆(景区)数据等,全面综合分析旅游出行指数,为给市民提供更加详细实用的出游提示。
如图2所示,根据AHP法的要求及旅游出行指标体系的具体特征,模型的三个层次,第一层用H代表,表示出行适合程度;第二层代表,表示生活气象、场馆、交通、时间等;第三层用a1…,an;b1,…,bn,;c1,…,cn;代表,分别表示从属于第二层A、B、C各因素的具体指标。
AHP法的测度是通过两两比较判断给出的,在进行判断时,被比较的对象在它们所从属的性质上应该比较接近,而当被比较的对象在从属的性质上比较接近时,人们的判断趋于用相同、稍强、强、明显地强、绝对地强等语言表达。如果再进一步细分,相邻判断之间可再插入一档。这样,1-9可以满足表达判断这一要求。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种基于大数据旅游出行评估模型区域适旅指数计算方法,其特征在于:其模型方法为:
步骤一:采集数据进行数据标记与旅游出行指标体系分组;
步骤二:构建专家评分模型,利用专家评分模型确定旅游出行指标权重;
步骤三:分层分析模型,利用层次分析法确定旅游出行指标权重;
步骤四:景区旅游出行模型建立确定;
步骤五:引入区域计算模型;
步骤六:区域适旅指数计算。
2.如权利要求1所述的一种基于多维数据的旅游出行指数的评估模型,其特征在于:其中步骤二进一步的包括专家评分模型建立和对等级比较答案的处理。
3.如权利要求2所述的一种基于多维数据的旅游出行指数的评估模型,其特征在于:其中专家评分模型建立的评分方法为:对数量和时间答案的处理
<mrow>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>X</mi>
<mrow>
<mi>p</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>2</mn>
<mi>p</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>p</mi>
</msub>
<mo>+</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>p</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
<mo>/</mo>
<mn>2</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>2</mn>
<mi>p</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中为评价结果,p为正整数,n为专家数,专家评分值从大到小排列,则X p+1公式表示奇数个专家评分的中位数,(X p+X p+1)/2表示偶数个专家评分的中位数。
4.如权利要求2所述的一种基于多维数据的旅游出行指数的评估模型,其特征在于:其中对等级比较答案的处理设旅游出行指数有m个评价领域,有n个专家参与评价,设某一专家k给出的评分值集合为{Xi(j)}(k),式中{Xi(j)}(k)表示第k=1,2,···,n个专家对第i(i=1,2,···,n)领域的评分序分值,其值为j(j=1,2,···,m);
根据可将序分值集合转化为基分值集合{Bi(j)}(k),其中根据可将序分值集合转化为基分值集合{Bi(j)}(k),其中{Bi(j)}(k)表示第k个专家对第i个领域排在第j位时所对应的基数分值;然后,用下述公式计算每个研究领域的重要程度:
<mrow>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<msub>
<mi>N</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>......</mn>
<mo>,</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mi>n</mi>
</mfrac>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</msubsup>
<mi>J</mi>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>......</mn>
<mo>,</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
在(2)以及(3)式中,m在(2)以及(3)式中,m表示领域数;Si表示i领域得分值;n表示专家数;Bi(j)表示i领域排在j位得分值;Ni表示赞同某一领域排在第j位的人
最后根据Ki大小排序,由公式(2)以及(3)看出,目前评分处理方法对序分值的处理是建立在统计平均基础上,根据统计学原则可知,当参与评价的专家很多时,计算结果是真实可信的。
5.如权利要求2所述的一种基于多维数据的旅游出行指数的评估模型,其特征在于:其中步骤三进一步的包括确定模型的层次结构、比较尺度与成对比较矩阵和一致性检验。
6.如权利要求5所述的一种基于多维数据的旅游出行指数的评估模型,其特征在于:其中一致性检验是将其中入为成对比较矩阵M的最大特征值,作为一致性指标
ci=0,说明λ=n,则为一致阵,ci越大,M的不一致程度越严重,由于M的特征值之和等于M的主对角线元素之和,而M的主对角线上元素全为1,所以M的特征值之和为n,λ-n即为其余n-1个特征值之和的绝对值,ci即为这些余下的特征值之平均值;
为了确定ci的容许范围,引入了随机一致性指标R,I并给出对于不同的nRi的取值;
当n=1,2时,Ri=0,说明这时M一定是一致的;
当n>3时,定义一致性比率CR为ci与它同阶的随机一致性指标R I之比,即当CR<0.1时,认为M的不一致程度在容许范围内,否则,需要重新进行成对比较,给出新的成对比矩阵,对M利用 及Ri的取值进行检验即称为一致性检验。
7.其中如权利要求1所述的一种基于多维数据的旅游出行指数的评估模型,其特征在于:步骤三最终求出的第三层对第二层的权重向量我们用代数分别表示为(α1,α2,…,αr),(β1,β2,…,βs),(γ1,γ2,…,γt),而第二层对第一层的权重向量可表示(ω1,ω2,ω3)。
8.如权利要求5所述的一种基于多维数据的旅游出行指数的评估模型,其特征在于:其中步骤四中进一步的假设某一系统指标分别为x1,x2,…,xm,首先将每个指标数据归一化,归一化公式,其中为归一化后的数据,为n个指标值的平均值,为标准差;
然后对归一化后的数据再进行极值标准化,其中和分别是n个中的最大值和最小值,经过这两步转换后便落到了闭区间[0,1]中;
所有指标数据都经过上述的过程进行转换,则得到转换后的数据:
<mrow>
<msub>
<mover>
<mi>a</mi>
<mo>^</mo>
</mover>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>c</mi>
<mo>^</mo>
</mover>
<mrow>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>r</mi>
<mo>;</mo>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>s</mi>
<mo>;</mo>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>t</mi>
<mo>;</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>n</mi>
<mo>.</mo>
</mrow>
得到个指标数据的取值区间为:
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>a</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mi>min</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>a</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mi>max</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>r</mi>
<mo>,</mo>
</mrow>
区间的上限和下限分别是指该指标的最大值和最小值,其中A对应的指标对适合出行可能性起正向作用,即a1,a2,…,an表示的指标数据越大,越是适合旅游出行;B、C对应的指标起正向作用,即b1,b2,…,bn,c1,c2,…,cn表示的指标数据越大,不适合出行的可能性越大。
9.如权利要求1所述的一种基于多维数据的旅游出行指数的评估模型,其特征在于:其中旅游出行指数计算公式为
<mrow>
<msub>
<mi>EW</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>2</mn>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>s</mi>
</munderover>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&omega;</mi>
<mn>3</mn>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>t</mi>
</munderover>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>c</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>r</mi>
</munderover>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>a</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
10.如权利要求1所述的一种基于多维数据的旅游出行指数的评估模型,其特征在于:步骤五中的区域下景点分别为N1、N2、N3…Nn;各个景点旅游出行指数非别为EnWj,每个景点的辐射面积range(1)、range(2)、range(3)···range(n);
区域适旅指数计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711361208.6A CN107832982A (zh) | 2017-12-18 | 2017-12-18 | 一种基于大数据旅游出行评估模型区域适旅指数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711361208.6A CN107832982A (zh) | 2017-12-18 | 2017-12-18 | 一种基于大数据旅游出行评估模型区域适旅指数计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107832982A true CN107832982A (zh) | 2018-03-23 |
Family
ID=61644988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711361208.6A Pending CN107832982A (zh) | 2017-12-18 | 2017-12-18 | 一种基于大数据旅游出行评估模型区域适旅指数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107832982A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308567A (zh) * | 2018-08-14 | 2019-02-05 | 广州广之旅国际旅行社股份有限公司 | 一种旅游产品全维度服务评价系统与方法 |
CN109508291A (zh) * | 2018-10-31 | 2019-03-22 | 武汉雨滴科技有限公司 | 一种应用质量评价方法 |
CN111008324A (zh) * | 2019-12-10 | 2020-04-14 | 浙江力石科技股份有限公司 | 大数据下旅游服务推送方法、系统、装置及可读存储介质 |
CN113095709A (zh) * | 2021-04-23 | 2021-07-09 | 飞友科技有限公司 | 一种计算旅客出行意愿指数的方法及系统 |
CN113159377A (zh) * | 2021-03-12 | 2021-07-23 | 江苏唱游数据技术有限公司 | 一种基于多因子聚合模型的景区畅游度预测范式方法 |
CN116823576A (zh) * | 2023-06-30 | 2023-09-29 | 北京极嗅科技有限公司 | 一种毒品原植物适生区的评估方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136103A (zh) * | 2011-03-14 | 2011-07-27 | 天津农学院 | 一种自然保护区管理有效性定量评价方法与系统 |
US9361627B2 (en) * | 2012-03-13 | 2016-06-07 | American Express Travel Related Services Company, Inc. | Systems and methods determining a merchant persona |
CN106910027A (zh) * | 2017-03-07 | 2017-06-30 | 成都中科大旗软件有限公司 | 一种基于大数据的旅游适游指数的计算系统及方法 |
-
2017
- 2017-12-18 CN CN201711361208.6A patent/CN107832982A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136103A (zh) * | 2011-03-14 | 2011-07-27 | 天津农学院 | 一种自然保护区管理有效性定量评价方法与系统 |
US9361627B2 (en) * | 2012-03-13 | 2016-06-07 | American Express Travel Related Services Company, Inc. | Systems and methods determining a merchant persona |
CN106910027A (zh) * | 2017-03-07 | 2017-06-30 | 成都中科大旗软件有限公司 | 一种基于大数据的旅游适游指数的计算系统及方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308567A (zh) * | 2018-08-14 | 2019-02-05 | 广州广之旅国际旅行社股份有限公司 | 一种旅游产品全维度服务评价系统与方法 |
CN109508291A (zh) * | 2018-10-31 | 2019-03-22 | 武汉雨滴科技有限公司 | 一种应用质量评价方法 |
CN109508291B (zh) * | 2018-10-31 | 2022-02-08 | 武汉雨滴科技有限公司 | 一种应用质量评价方法 |
CN111008324A (zh) * | 2019-12-10 | 2020-04-14 | 浙江力石科技股份有限公司 | 大数据下旅游服务推送方法、系统、装置及可读存储介质 |
CN113159377A (zh) * | 2021-03-12 | 2021-07-23 | 江苏唱游数据技术有限公司 | 一种基于多因子聚合模型的景区畅游度预测范式方法 |
CN113159377B (zh) * | 2021-03-12 | 2024-03-12 | 江苏唱游数据技术有限公司 | 一种基于多因子聚合模型的景区畅游度预测范式方法 |
CN113095709A (zh) * | 2021-04-23 | 2021-07-09 | 飞友科技有限公司 | 一种计算旅客出行意愿指数的方法及系统 |
CN116823576A (zh) * | 2023-06-30 | 2023-09-29 | 北京极嗅科技有限公司 | 一种毒品原植物适生区的评估方法及系统 |
CN116823576B (zh) * | 2023-06-30 | 2023-12-26 | 北京极嗅科技有限公司 | 一种毒品原植物适生区的评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832982A (zh) | 一种基于大数据旅游出行评估模型区域适旅指数计算方法 | |
CN108108887A (zh) | 一种基于多维数据的物联网旅游出行指数的智能评估模型 | |
CN103577888B (zh) | 一种对产品设计方案优选的方法 | |
CN109460926A (zh) | 基于层次分析法和熵值法的台区资产组综合绩效评价方法 | |
CN107944750A (zh) | 一种贫困深度分析方法及系统 | |
CN107300907A (zh) | 结合综合评估与假设检验的飞行器控制系统性能评定方法 | |
CN112668771B (zh) | 一种海底隧道的综合评价选址方法及系统 | |
Wang et al. | A hybrid fuzzy method for performance evaluation of fusion algorithms for integrated navigation system | |
CN108345975A (zh) | 一种油库失效风险评估方法及装置 | |
Guang-hua et al. | Research on university evaluation of teaching quality based on data driven | |
Zhao et al. | Subway operation safety evaluation based on iahp-entropy weight method | |
Jiang | [Retracted] Improved Algorithm of Fuzzy Set Gravity Centre in Track System Teaching Field | |
Peng et al. | Innovative evaluation method of government physical education training quality based on fuzzy mathematics | |
CN104182583A (zh) | 基于联合分析法的配电网设备状态指标权重分析方法 | |
Wang et al. | Application of gray fuzzy analytic hierarchy process in air traffic safety of tower control | |
Li et al. | A comprehensive analysis method of application in college entrance examination | |
Weng et al. | Evaluation of teaching quality system designing based on AHP | |
Ning et al. | The research of teaching quality evaluation model based on the principal component analysis and learning vector quantization | |
Bo et al. | Modeling of network education effectiveness evaluation in fuzzy analytic hierarchy process | |
Han et al. | The study on performance evaluation based on AHP-fuzzy | |
Han et al. | Evaluation of Civic Education Effectiveness of WeChat Public Website of Universities Based on AHP Fuzzy Comprehensive Evaluation Method | |
Shang et al. | Bridge Structural Health Evaluation Based on Multi-level Fuzzy Comprehensive Evaluation | |
CN111832889A (zh) | 一种海外电力投资的评价方法 | |
CN104778347A (zh) | 一种两阶段灰色综合测度决策方法 | |
Li et al. | Evaluation of the Quality of Sustainable Entrepreneurship Education in Universities Based on the Grey Correlation Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180323 |
|
RJ01 | Rejection of invention patent application after publication |