CN111951037A - 一种基于大数据的客流预测与旅游营销方法 - Google Patents

一种基于大数据的客流预测与旅游营销方法 Download PDF

Info

Publication number
CN111951037A
CN111951037A CN202010625402.6A CN202010625402A CN111951037A CN 111951037 A CN111951037 A CN 111951037A CN 202010625402 A CN202010625402 A CN 202010625402A CN 111951037 A CN111951037 A CN 111951037A
Authority
CN
China
Prior art keywords
data
passenger flow
prediction
big
flow
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
Application number
CN202010625402.6A
Other languages
English (en)
Inventor
焦可伟
米建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Silk Road Intelligent Technology Co ltd
Original Assignee
Xi'an Silk Road Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Silk Road Intelligent Technology Co ltd filed Critical Xi'an Silk Road Intelligent Technology Co ltd
Priority to CN202010625402.6A priority Critical patent/CN111951037A/zh
Publication of CN111951037A publication Critical patent/CN111951037A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于互联网应用技术领域，具体涉及一种基于大数据的客流预测与旅游营销方法，包括步骤一：采集旅游大数据并上传至数据中心，建立预测样本；步骤二：数据中心对预测样本进行分析、处理；步骤三：建立客流量预测模型；步骤四：计算未来时间段内景区游客流量的预测初始值；步骤五：校正游客流量的预测初始值；步骤六：对校正后的游客流量的预测初始值进行实际验证；步骤七：根据预测的游客流量制定相应的营销方案。本发明不但能够实时监控客流状况，还可以对未来时间段的客流进行科学预测，当客流不足时，制定相应的刺激营销方案，当客流达到预警时，采取相应措施疏散人流，保证游客良好体验的同时实现景区和相关旅游产业利益最大化。

Description

一种基于大数据的客流预测与旅游营销方法
技术领域
本发明属于互联网应用技术领域，具体涉及一种基于大数据的客流预测与旅游营销方法。
背景技术
随着我国经济的飞速发展以及城市化水平的不断提升，人们对物质生活水平和文化生活水平的要求也随之提高。旅游出行已经不再是少数人专享的高端奢侈活动，而是越来越普及化、大众化。借助现代交通的便利、人们在法定节假日甚至是周末，就可以预订车票、门票和酒店，来一场说走就走的旅行。一方面，通过旅行，人们可以拓宽视野、增长知识、感受不同国家和地区的文化特色和风土人情，另一方面，通过旅行，人们可以暂时忘却工作中的琐碎和生活中的烦恼，放松身心、舒缓心情，为以后的生活和工作积攒更多的能量。近年来，随着旅游业的不断发展和旅游需求的不断扩大，智慧景区、全域旅游、乡村旅游、文旅小镇等概念应运而生，并成为现代旅游业发展的必然选择和必经之路。这为景区和旅游产业带来更多发展机遇的同时，也提出了更高的要求。例如，需要景区预先掌握客流量以及进行相关营销活动。
但是目前，大多数景区的客流难以预测、营销活动难以落地、后力不足、效果不佳，归根结底是因为没有理论支持和数据支撑，营销活动不符合景区需求，并且容易造成景区人力、物力以及财力的浪费。
传统的客流统计方式有以下几种：人工客流统计、红外线感应客流统计、三锟闸客流统计等。人工统计方式的弊端是统计员无法长时间集中注意力的工作，会导致统计数据不全面。红外线感应客流统计的弊端是容易受到外界因素干扰，导致收集上来的数据准确性不高。三锟闸客流统计的弊端是便利性不够，通行效率不高。以上所阐述的传统客流统计方式都过于单一，且设备本身具有不同程度的缺陷，所以无法对景区客流量做出准确的统计也不具备预测属性。
有鉴于此，本发明人提出了一种基于大数据的客流预测与旅游营销方法，以解决上述问题。
发明内容
为了解决现有技术中存在的上述问题，本发明提供一种基于大数据的客流预测与旅游营销方法，本发明利用景区在关键区域部署的多项客流量监测系统，采集多来源和多渠道的数据，多渠道数据反复校验使得数据的可靠性和精准度更高，再基于采集的数据引入了算法机制建立客流量预测模型。通过数据分析、客流预测形成精准的游客画像和景区画像，据此制定相应的营销方案，更好地促进精准营销和整合营销，与智慧营销建设形成有机结合，实现旅游产业智慧营销的目的。
本发明要解决的技术问题通过以下技术方案实现：包括以下步骤：
步骤一：采集旅游大数据并上传至数据中心，建立预测样本；
步骤二：数据中心对预测样本进行分析、处理；
步骤三：建立客流量预测模型；
步骤四：计算未来时间段内景区游客流量的预测初始值；
步骤五：校正游客流量的预测初始值；
步骤六：对校正后的游客流量的预测初始值进行实际验证；
步骤七：根据预测的游客流量制定相应的营销方案。
进一步地，所述步骤一采集的旅游大数据为影响旅游的主要因素，其包括采集一个或多个时间段内历史天气数据（X1）、节假日数据（X2）、景区售票数据（X3）、经济景气指数数据（X4）、在线旅游资产指数TPI 数据（X5）、交通流量数据（X6）、消费者信心指数数据（X7）、关键词搜索指数数据（X8）旅游大数据。
进一步地，所述步骤二首先对采集的大数据进行相关性分析，通过Pearson相关系数初步判断应变量与自变量之间的线性相关程度，筛选掉部分与景区客流量之间线性相关不明显的因素，保留天气数据（X1）、节假日数据（X2）、景区售票数据（X3）、经济景气指数数据（X4）、在线旅游资产指数TPI 数据（X5）和交通流量数据（X6）六个因素；
其次，数据中心对保留的数据进行清洗、转换、集成、约规处理，计算出对客流影响最大的因数。
进一步地，所述步骤三是在步骤二对预测样本分析、处理的基础上，建立客流量预测模型即回归预测模型，算法上主要采用Lasso回归方法，Lasso回归优化公式如下：
Figure 100002_DEST_PATH_IMAGE001
对于
Figure 414817DEST_PATH_IMAGE002
（1）
其中，
Figure 100002_DEST_PATH_IMAGE003
≥0是一个调和参数，假设
Figure 17967DEST_PATH_IMAGE004
=0时，则可以忽略
Figure 100002_DEST_PATH_IMAGE005
；
所述客流预测模型方程的解表示如下：
Figure 146198DEST_PATH_IMAGE006
（2）
其中，公式中的
Figure 100002_DEST_PATH_IMAGE007
由条件
Figure 555314DEST_PATH_IMAGE008
来确定。
进一步地，所述步骤四是根据步骤三建立的客流量预测模型，并基于步骤二确定的对客流影响关键因素计算未来时间段内景区游客流量的预测初始值。
进一步地，所述步骤五是根据景区在预测日期的天气预报和售票情况，校正步骤四预测的游客流量初始值。
进一步地，所述步骤六是将步骤五经过校正后的游客流量预测值与景区统计游客流量实际值进行误差分析，主要采用平均绝对误差，均方根误差和平均绝对百分误差三个统计量指标从不同角度来验证客流量预测系统的有效性。
进一步地，所述步骤七是将经过步骤六验证后的客流量预测模型作为最终模型，然后根据所述模型预测未来一个或者多个阶段的游客流量，当预测客流不足时，制定相应的刺激营销方案，当预测客流达到景区预警时，采取相应措施疏散人流。
与现有技术相比，本发明具有如下有益效果：
1、本发明一种基于大数据的客流预测与旅游营销方法，通过本方法通过WiFi探针、视频监控、门禁通道等渠道能够实时监控客流的状况；另外通过对客流相关数据的采集分析、处理，能够找出影响客流的一个或者多个关键因素，据此建立客流量预测模型，通过该模型能够科学准确地预测客流情况，当客流不足时，制定相应的刺激营销方案，当客流达到预警时，采取相应措施疏散人流，保证游客良好体验的同时实现旅游景区与旅游产业利益最大化。
2、通过本发明方法，实现对游客“吃住行娱购游”全过程大数据的收集和分析，快速了解游客的个性化需求和兴趣点，划分强势景点和弱势景点，通过景点强带弱，加大对弱势景点的宣传营销，实现共同发展。
3、通过本发明方法、依据数据分析、进行精准营销、为游客提供所需的服务，提高游客体验满意度，增加景区销售收入。
4、本发明通过游客访问数据、人脸采集设备、WiFi探针、视频监控、门禁通道等渠道获取如网站访客数据、粉丝数据、闸机客流量、红外探测客流量、相机拍摄客流量/车流量、售票数据、电子商城消费数据、游客投诉建议等多维度数据，实现准确的客流预测。
5、本发明通过线上景区门户宣传营销、在线商城优惠促销和线下实体店配合核销的数据分析，进行一体化协作，实现旅游的智慧营销。
附图说明
图1为本发明一种基于大数据的客流预测与旅游营销方法流程步骤图；
图2为本发明一种基于大数据的客流预测与旅游营销方法预测算法逻辑图；
图3为本发明一种基于大数据的客流预测与旅游营销方法客流预测用例图。
图4为本发明一种基于大数据的客流预测与旅游营销方法客流预测平台图。
具体实施方式
为使本发明所解决的技术问题、技术方案及有益效果更加清晰，以下结合附图及实施例，对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不限定本发明，详细说明如下。
实施例：如附图1所示，一种基于大数据的客流预测与旅游营销方法，其包括以下步骤：
步骤一：采集旅游大数据并上传至数据中心，建立预测样本
采集的旅游大数据为影响旅游的主要因素，包括采集一个或多个时间段内历史天气数据（X1）、节假日数据（X2）、景区售票数据（X3）、经济景气指数数据（X4）、在线旅游资产指数TPI 数据（X5）、交通流量数据（X6）、消费者信心指数数据（X7）、关键词搜索指数数据（X8）旅游大数据，并上传至数据中心，建立预测样本；
具体的，如图4所示，通过采集旅游景区门户官网、微信公众号、微博、抖音、景区售检票系统、人脸采集设备、消费系统、WiFi探针、视频监控、环境监测、门禁通道等渠道获取网站访客数据、新增粉丝数据、访问数据、景区闸机客流量、红外探测客流量、相机拍摄客流量/车流量、售票数据、环境数据、消费数据、游客投诉建议数据，通过多来源、多维度的客流数据采集，并将采集的所有数据上传至数据中心，用于建立预测样本，另一方面上述监控系统可以实时监控客流状况，方便景区管理者采取相应的措施。
步骤二：数据中心对预测样本进行分析、处理
1）首先对预测样本进行相关性分析，通过Pearson相关系数初步判断应变量与自变量之间的线性相关程度，筛选掉部分与景区客流量之间线性相关不明显的因素，保留天气数据（X1）、节假日数据（X2）、景区售票数据（X3）、经济景气指数数据（X4）、在线旅游资产指数TPI 数据（X5）、交通流量数据（X6）；
2）数据中心对保留的数据进行清洗、转换、集成、约规处理，计算出对客流影响最大的因数；
如图2所示，根据不同的业务模型，选择不同的算法表达式对数据分析输出数据的业务对象，将业务属性拆分出多维度指标，并对业务对象进行对象关系解析及路径分析，分析完毕后将其拆分成多个子集，包括不同维度的指标及组合度量，并进行路径优化，生成计算结果数据，循环对新业务数据进行上述逻辑运算处理，逐渐提高预测的准确性。
步骤三：建立客流量预测模型
在步骤二对预测样本分析、处理的基础上，建立客流量预测模型即回归预测模型，算法上主要采用Lasso回归方法，Lasso回归优化公式如下：
Figure 249338DEST_PATH_IMAGE001
对于
Figure 616866DEST_PATH_IMAGE002
（1）
其中，
Figure 592912DEST_PATH_IMAGE003
≥0是一个调和参数，假设
Figure 805718DEST_PATH_IMAGE004
=0时，则可以忽略
Figure 121293DEST_PATH_IMAGE005
；
所述客流预测模型方程的解表示如下：
Figure 898537DEST_PATH_IMAGE006
（2）
其中，公式中的
Figure 361880DEST_PATH_IMAGE007
由条件
Figure 378377DEST_PATH_IMAGE008
来确定；
所述步骤二和步骤三通过对步骤一建立的预测样本进行清洗、转换、集成、约规处理，对采集到的各类数据进行筛选和归类，最终建立客流量预测模型，具体如下：
通过将热数据、温数据和部分冷数据形成趋势对比，数据呈现采用线形图、饼状图、柱状图、飞行图形式，与客流相关的数据通过分析可形成趋势算法，包括检查数据的一致性，处理无效数据和缺失数据；
数据拉取变换，为了改变数据的分布，让其近似于倒钟型曲线，提升模型自变量的预测能力，对数据进行直接变换，采用的方法为取绝对值、取对数、取倒数、取指数、开平方、开平方根，形成数据规范与标准，在保持数据原貌的前提下，最大限度地精简数据量，相比采集的数据，分析数据更容易看出变化，便于预测景区未来游客数量。
步骤四：计算未来时间段内景区游客流量的预测初始值
根据步骤三建立的客流量预测模型，并基于步骤二确定的对客流影响关键因素计算未来时间段内景区游客流量的预测初始值；
步骤五：校正游客流量的预测初始值
根据景区在预测日期的天气预报和售票情况，校正游客流量的预测初始值；
步骤六：对校正后的游客流量的预测初始值进行实际验证
将步骤五经过校正后的游客流量预测值与景区统计游客流量实际值进行误差分析，主要采用平均绝对误差，均方根误差和平均绝对百分误差三个统计量指标从不同角度来验证客流量预测系统的有效性；
预测结果的各项评价指标值为：平均绝对误差：0.952，均方根误差：1.056，平均绝对百分误差：3.158，即各项误差值均在实际需求可接受的合理范围内。因此证明，本方法的该客流量预测模型是准确有效的。
步骤七：根据预测的游客流量制定相应的营销方案
将经过步骤六验证后的客流量预测模型作为最终模型，然后根据所述模型预测未来一个或者多个阶段的游客流量，当预测客流不足时，制定相应的刺激营销方案，当预测客流达到景区预警时，采取相应措施疏散人流。
另外，本发明的大数据能够应用于用户画像、旅游市场、电子商务、舆情诊断以及安全预警等，具体吐下：
其中，用户画像应用根据数据的分析结果，确定游客偏好和兴趣点，并据此制定精准的营销方案，通过营销活动实现智慧营销；
旅游市场应用是指对景区和旅游企业的评分，据此可以总结景区的综合实力和竞争优势，同时可以通过优势和劣势分析制定改进式方案，提高景区服务质量、增强景区硬件设施、为景区营销提供基础实力；
电子商务应用是指通过分析景区在线商城的运营情况，来确定商城的营销方向和具体的营销方案，对于销量好的商品和业绩好的商户，可以进行强带弱，实现共同发展；
舆情诊断应用是指通过游客留言数据、游客分享数据以及游客投诉反馈数据，来展现景区口碑和行业表现力，同时根据舆情反馈结果制定精准营销方案，弥补景区不足之处；
安全预警应用是指通过景区的可视化地图，集监测、维护、安保、应急、巡检于一体，提高景区管理水平，增强景区竞争力，为景区智慧营销提供基础设施支持。
如图3所示，本方法以“智慧、精准、全面”为主旨，进行线上线下相互协作、软件硬件相互配合的运行，包括大数据采集、大数据分析、大数据应用和大数据预测。大数据采集通过各种渠道采集商业数据、生产数据、同业数据和异业数据。将所有采集到的旅游数据上传到数据中心，数据中心对采集到的数据进行加密存储、数据清洗，数据中心将存储的数据发送至大数据分析平台进行统计分析，根据分析处理的结果，获取不同维度的数据结果，形成精确的游客画像。之后将这些结果数据发送至大数据应用算法，根据不同的营销场景、营销人群和营销目的，进行定制化营销活动策划和预测。
通过大数据分析，可以对景区多维度的数据进行清洗建模，绘制精准游客画像及景区画像，对游客进行精准营销，并根据景区画像和游客舆情反馈等游后数据，对景区进行改善和提升，形成一个良性循环，最终通过景区的精准营销，为景区创收盈利。
具体应用如下，通过多维度客流数据的获取形成客流大数据，基于客流营销算法实现旅游营销应用的目的。(1) 游前，游客通过门户、公众号、电话等多种方式的访问，访问数据关联客流大数据进行应用模型匹配，通过客源地、访问关键词分析、访客画像等实现游前推荐旅游资讯智能推送的应用目的；(2) 游中，通过注册数、消费实名制数据、登记采集游客数据、电话号码、身份证号等不同渠道的游客数据，关联客流大数据进行应用模型匹配，形成游客画像、游客消费分析、游客标签等实现同业与异业营销资讯、优惠券的智能推送的应用，达到游客精准营销、智慧营销的目的；(3)游后，通过咨询、留言、投诉、建议、分享、舆情等评价数据，关联客流大数据进行应用模型匹配，通过设施分析、周边服务分析、舆情分析、游客服务分析等实现基础设施提升、游客服务提升、周边服务提升，为宣传营销提供有力保障，实现旅游过程中游前、游中、游后的全闭环营销，过程相辅相成，相互促进，达到旅游营销的智能化、智慧化。
本发明提供一种基于大数据的客流预测与旅游营销方法，通过旅游大数据的采集、分析、应用和预测机制，分析游客游前访问数据、游中交互数据、游后的评价数据，为景区的精准营销、整合营销提供数据支撑，建立数据模型。如图所示，旅游大数据采集通过各种渠道采集商业数据、生产数据、同业数据和异业数据，将所有采集到的旅游数据上传到数据中心，数据中心对采集到的数据进行加密存储、清洗整理，大数据分析对采集的数据进行统计分析，结合历史冷数据、近期温数据、实时热数据形成统计、对比、趋势、环比等分析，根据分析处理的结果，获取不同维度的数据结果，形成精准的游客游前、游中与游后画像。根据不同的营销场景、营销人群和营销目的，基于旅游大数据采集与分析结果，通过数据模型的运算、处理，形成旅游营销的应用报告，指导管理者更有效、更精准的展开营销活动、调整营销策略。基于客流的数据分析结果，统计景区的历史流量数据，建立预测模型。与景区营销结合起来，为景区规划营销方案，让景区和旅游产业在市场中抢占先机，通过智慧营销实现增收。通过本发明提供的方法，能够及时准确地掌握游客的旅游活动信息、旅游企业的经营信息，准确地预测未来客流的发展趋势，从而有利于景区和旅游产业实现智慧化精准营销。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (8)

1.一种基于大数据的客流预测与旅游营销方法，其特征在于，包括以下步骤：
步骤一：采集旅游大数据并上传至数据中心，建立预测样本；
步骤二：数据中心对预测样本进行分析、处理；
步骤三：建立客流量预测模型；
步骤四：计算未来时间段内景区游客流量的预测初始值；
步骤五：校正游客流量的预测初始值；
步骤六：对校正后的游客流量的预测初始值进行实际验证；
步骤七：根据预测的游客流量制定相应的营销方案。
2.根据权利要求1所述的一种基于大数据的客流预测与旅游营销方法，其特征在于：所述步骤一采集的旅游大数据为影响旅游的主要因素，其包括采集一个或多个时间段内历史天气数据（X1）、节假日数据（X2）、景区售票数据（X3）、经济景气指数数据（X4）、在线旅游资产指数TPI 数据（X5）、交通流量数据（X6）、消费者信心指数数据（X7）、关键词搜索指数数据（X8）旅游大数据。
3.根据权利要求2所述的一种基于大数据的客流预测与旅游营销方法，其特征在于：所述步骤二首先对采集的大数据进行相关性分析，通过Pearson相关系数初步判断应变量与自变量之间的线性相关程度，筛选掉部分与景区客流量之间线性相关不明显的因素，保留天气数据（X1）、节假日数据（X2）、景区售票数据（X3）、经济景气指数数据（X4）、在线旅游资产指数TPI 数据（X5）和交通流量数据（X6）六个因素；
其次，数据中心对保留的数据进行清洗、转换、集成、约规处理，计算出对客流影响最大的因数。
4.根据权利要求3所述的一种基于大数据的客流预测与旅游营销方法，其特征在于：所述步骤三是在步骤二对预测样本分析、处理的基础上，建立客流量预测模型即回归预测模型，算法上主要采用Lasso回归方法，Lasso回归优化公式如下：
Figure DEST_PATH_IMAGE001
对于
Figure 457638DEST_PATH_IMAGE002
（1）
其中，
Figure DEST_PATH_IMAGE003
≥0是一个调和参数，假设
Figure 134345DEST_PATH_IMAGE004
=0时，则可以忽略
Figure DEST_PATH_IMAGE005
；
所述客流预测模型方程的解表示如下：
Figure 960350DEST_PATH_IMAGE006
（2）
其中，公式中的
Figure DEST_PATH_IMAGE007
由条件
Figure 13494DEST_PATH_IMAGE008
来确定。
5.根据权利要求4所述的一种基于大数据的客流预测与旅游营销方法，其特征在于：所述步骤四是根据步骤三建立的客流量预测模型，并基于步骤二确定的对客流影响关键因素计算未来时间段内景区游客流量的预测初始值。
6.根据权利要求5所述的一种基于大数据的客流预测与旅游营销方法，其特征在于：所述步骤五是根据景区在预测日期的天气预报和售票情况，校正步骤四预测的游客流量初始值。
7.根据权利要求6所述的一种基于大数据的客流预测与旅游营销方法，其特征在于：所述步骤六是将步骤五经过校正后的游客流量预测值与景区统计游客流量实际值进行误差分析，主要采用平均绝对误差，均方根误差和平均绝对百分误差三个统计量指标从不同角度来验证客流量预测系统的有效性。
8.根据权利要求7所述的一种基于大数据的客流预测与旅游营销方法，其特征在于：所述步骤七是将经过步骤六验证后的客流量预测模型作为最终模型，然后根据所述模型预测未来一个或者多个阶段的游客流量，当预测客流不足时，制定相应的刺激营销方案，当预测客流达到景区预警时，采取相应措施疏散人流。
CN202010625402.6A 2020-07-02 2020-07-02 一种基于大数据的客流预测与旅游营销方法 Pending CN111951037A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010625402.6A CN111951037A (zh) 2020-07-02 2020-07-02 一种基于大数据的客流预测与旅游营销方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010625402.6A CN111951037A (zh) 2020-07-02 2020-07-02 一种基于大数据的客流预测与旅游营销方法

Publications (1)

Publication Number Publication Date
CN111951037A true CN111951037A (zh) 2020-11-17

Family

ID=73337859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010625402.6A Pending CN111951037A (zh) 2020-07-02 2020-07-02 一种基于大数据的客流预测与旅游营销方法

Country Status (1)

Country Link
CN (1) CN111951037A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446747A (zh) * 2020-12-23 2021-03-05 中鸿达信息科技有限公司 一种基于大数据的数字化智慧旅游控制系统及方法
CN114219114A (zh) * 2021-12-24 2022-03-22 南京莫愁智慧信息科技有限公司 一种基于预约大数据的旅游客流管控方法及云服务平台
CN115907208A (zh) * 2022-12-16 2023-04-04 中青旅遨游科技发展有限公司 一种实现大数据分析的智慧旅游预测方法及系统
CN117056730A (zh) * 2023-09-08 2023-11-14 广西大也智能数据有限公司 数据预测的方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779196A (zh) * 2016-12-05 2017-05-31 中国航天系统工程有限公司 一种基于旅游大数据的游客流量预测及峰值调控方法
CN107146172A (zh) * 2017-04-01 2017-09-08 上海诺悦智能科技有限公司 一种旅游多模式营销策略指导系统
CN110264079A (zh) * 2019-06-20 2019-09-20 东北大学 基于CNN算法和Lasso回归模型的热轧产品质量预测方法
WO2020010717A1 (zh) * 2018-07-13 2020-01-16 南京理工大学 一种基于时空相关性的短时交通流预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779196A (zh) * 2016-12-05 2017-05-31 中国航天系统工程有限公司 一种基于旅游大数据的游客流量预测及峰值调控方法
CN107146172A (zh) * 2017-04-01 2017-09-08 上海诺悦智能科技有限公司 一种旅游多模式营销策略指导系统
WO2020010717A1 (zh) * 2018-07-13 2020-01-16 南京理工大学 一种基于时空相关性的短时交通流预测方法
CN110264079A (zh) * 2019-06-20 2019-09-20 东北大学 基于CNN算法和Lasso回归模型的热轧产品质量预测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446747A (zh) * 2020-12-23 2021-03-05 中鸿达信息科技有限公司 一种基于大数据的数字化智慧旅游控制系统及方法
CN114219114A (zh) * 2021-12-24 2022-03-22 南京莫愁智慧信息科技有限公司 一种基于预约大数据的旅游客流管控方法及云服务平台
CN115907208A (zh) * 2022-12-16 2023-04-04 中青旅遨游科技发展有限公司 一种实现大数据分析的智慧旅游预测方法及系统
CN117056730A (zh) * 2023-09-08 2023-11-14 广西大也智能数据有限公司 数据预测的方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
Chen et al. Subway passenger flow prediction for special events using smart card data
CN111951037A (zh) 一种基于大数据的客流预测与旅游营销方法
Zhang et al. Measuring human perceptions of a large-scale urban region using machine learning
Zhang et al. Understanding taxi service strategies from taxi GPS traces
Zheng Urban computing
CN106448132A (zh) 一种常规公交服务指数实时评价系统及评价方法
CN113379227A (zh) 产业园区数据处理方法、装置、计算机设备及存储介质
CN108537691A (zh) 一种区域游览智能管理系统及方法
Lv et al. Mobility pattern recognition based prediction for the subway station related bike-sharing trips
Saha et al. Deep learning approach for predictive analytics to support diversion during freeway incidents
Wang et al. Has the healthy city pilot policy improved urban health development performance in China? Evidence from a quasi-natural experiment
Dadashpour Moghaddam et al. A GIS-based assessment of urban tourism potential with a branding approach utilizing hybrid modeling
Vyas et al. DriveBFR: Driver behavior and fuel-efficiency-based recommendation system
Li et al. The role of internet search index for tourist volume prediction based on GDFM model
Sun et al. Scientometric analysis and mapping of transit-oriented development studies
Bi et al. Examining the varying influences of built environment on bike-sharing commuting: Empirical evidence from Shanghai
Xu et al. A taxi dispatch system based on prediction of demand and destination
Liu Analysis of Government Public Management Information Service and Computer Model Construction Based on Smart City Construction.
Qian et al. Exploring the potential role of bikeshare to complement public transit: The case of San Francisco amid the coronavirus crisis
Qiu et al. RPSBPT: A route planning scheme with best profit for taxi
Gao et al. Big data analysis of beijing urban rail transit fares based on passenger flow
Yan et al. Research on evaluating the sustainable operation of rail transit system based on QFD and fuzzy clustering
Liu et al. Comparing spatial interaction models and flow interpolation techniques for predicting “cold start” bike‐share trip demand
KR102220791B1 (ko) 산림빅데이터 플랫폼에 기반하여 데이터 상품을 제공하는 장치 및 방법
Zhou et al. Evaluating the nonlinear impacts of built environment on online car-hailing: Focus on the whole day

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