CN116227760B - 旅游活动的影响力预测方法、装置、存储介质及设备 - Google Patents

旅游活动的影响力预测方法、装置、存储介质及设备 Download PDF

Info

Publication number
CN116227760B
CN116227760B CN202310527299.5A CN202310527299A CN116227760B CN 116227760 B CN116227760 B CN 116227760B CN 202310527299 A CN202310527299 A CN 202310527299A CN 116227760 B CN116227760 B CN 116227760B
Authority
CN
China
Prior art keywords
activity
tourist
consumption
historical
travel
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.)
Active
Application number
CN202310527299.5A
Other languages
English (en)
Other versions
CN116227760A (zh
Inventor
梁天鹏
王恺
王宪章
朱轩平
陈辉炎
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.)
Guangxi Daye Intelligent Data Co ltd
Original Assignee
Guangxi Daye Intelligent Data 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 Guangxi Daye Intelligent Data Co ltd filed Critical Guangxi Daye Intelligent Data Co ltd
Priority to CN202310527299.5A priority Critical patent/CN116227760B/zh
Publication of CN116227760A publication Critical patent/CN116227760A/zh
Application granted granted Critical
Publication of CN116227760B publication Critical patent/CN116227760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种旅游活动的影响力预测方法、装置、存储介质及设备，属于数据处理技术领域。方法包括：利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点；确定将要举办的旅游活动的活动属性；根据旅游活动的活动属性和历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，预测举办旅游活动后的游客量和旅游消费。本申请具有高准确度、灵活性、经济性和实用性，为旅游活动的规划、营销、管理等方面提供支持和参考。

Description

旅游活动的影响力预测方法、装置、存储介质及设备
技术领域
本申请涉及数据处理技术领域，特别涉及一种旅游活动的影响力预测方法、装置、存储介质及设备。
背景技术
为了营造文化旅游发展的浓厚氛围，大力提振文旅消费活力，推动文旅市场复苏回暖，各地文旅主管部门纷纷推出各类旅游活动来进行宣传和推广。
相关技术中，我们可以获取举办旅游活动前后的游客量和旅游消费，分别计算游客量和旅游消费的增长系数，将游客量和旅游消费的增长系数作为举办旅游活动的影响力。
然而，相关技术中只能在举办旅游活动后计算游客量和旅游消费的增长系数，而无法在举办旅游活动之前预测增长系数，也就无法通过预测的增长系数来合理规划旅游活动，导致旅游活动的宣传和推广效果不好。
发明内容
本申请提供了一种旅游活动的影响力预测方法、装置、存储介质及设备，用于解决无法在举办旅游活动之前预测游客量和旅游消费的增长系数的问题。所述技术方案如下：
一方面，提供了一种旅游活动的影响力预测方法，所述方法包括：
利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，所述活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点；
获取将要举办的旅游活动的活动数据，所述活动数据包括旅游政策、活动时间、活动受众、活动规模、活动类型、优惠策略和活动地点；
根据所述活动数据确定所述旅游活动的活动属性；
根据所述旅游活动的活动属性和历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，预测举办所述旅游活动后的游客量和旅游消费。
在一种可能的实现方式中，所述利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，包括：
获取在未举办历史旅游活动、非节假日和非寒暑假期期间的历史游客量和历史旅游消费，利用机器学习算法对所述历史游客量和所述历史旅游消费进行计算，得到游客量同比增长系数和旅游消费同比增长系数；
获取在举办历史旅游活动期间的历史游客量和历史旅游消费，并获取所述历史旅游获取的活动数据，利用机器学习算法对所述活动数据、所述历史游客量和所述历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的单项游客量增长系数和单项旅游消费增长系数；
根据所述游客量同比增长系数、所述旅游消费同比增长系数、所述单项游客量增长系数和所述单项旅游消费增长系数，计算历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数。
在一种可能的实现方式中，所述根据所述游客量同比增长系数、所述旅游消费同比增长系数、所述单项游客量增长系数和所述单项旅游消费增长系数，计算历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，包括：
对于每种活动属性，将所述活动属性对应的单项游客量增长系数减去所述游客量同比增长系数，得到所述活动属性对应的游客量增长系数；
对于每种活动属性，将所述活动属性对应的单项旅游消费增长系数减去所述旅游消费同比增长系数，得到所述活动属性对应的旅游消费增长系数。
在一种可能的实现方式中，所述根据所述旅游活动的活动属性和历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，预测举办所述旅游活动后的游客量和旅游消费，包括：
根据所述旅游活动的活动属性和各项活动属性对应的游客量增长系数和旅游消费增长系数，计算所述旅游活动中所有活动属性对应的总体游客量增长系数和总体旅游消费增长系数；
将所述总体游客量增长系数和游客量同比增长系数相加，得到最终的游客量增长系数，将所述最终的游客量增长系数乘以基准游客量，得到举办所述旅游活动后的游客量；
将所述总体旅游消费增长系数和旅游消费同比增长系数相加，得到最终的旅游消费增长系数，将所述最终的旅游消费增长系数乘以基准旅游消费，得到举办所述旅游活动后的旅游消费。
在一种可能的实现方式中，当所述活动数据包括活动时间时，所述根据所述活动数据确定所述旅游活动的活动属性，包括：
判断所述活动时间是否与节假日重合，得到节假日的活动属性；
判断所述活动时间是否与寒暑假期重合，得到寒暑假期的活动属性；
根据所述活动时间中的开始时间和结束时间计算活动时长，得到活动时长的活动属性。
一方面，提供了一种旅游活动的影响力预测装置，所述装置包括：
计算模块，用于利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，所述活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点；
获取模块，用于获取将要举办的旅游活动的活动数据，所述活动数据包括旅游政策、活动时间、活动受众、活动规模、活动类型、优惠策略和活动地点；
确定模块，用于根据所述活动数据确定所述旅游活动的活动属性；
预测模块，用于根据所述旅游活动的活动属性和历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，预测举办所述旅游活动后的游客量和旅游消费。
在一种可能的实现方式中，所述计算模块，还用于：
获取在未举办历史旅游活动、非节假日和非寒暑假期期间的历史游客量和历史旅游消费，利用机器学习算法对所述历史游客量和所述历史旅游消费进行计算，得到游客量同比增长系数和旅游消费同比增长系数；
获取在举办历史旅游活动期间的历史游客量和历史旅游消费，并获取所述历史旅游获取的活动数据，利用机器学习算法对所述活动数据、所述历史游客量和所述历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的单项游客量增长系数和单项旅游消费增长系数；
根据所述游客量同比增长系数、所述旅游消费同比增长系数、所述单项游客量增长系数和所述单项旅游消费增长系数，计算历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数。
在一种可能的实现方式中，所述预测模块，还用于：
根据所述旅游活动的活动属性和各项活动属性对应的游客量增长系数和旅游消费增长系数，计算所述旅游活动中所有活动属性对应的总体游客量增长系数和总体旅游消费增长系数；
将所述总体游客量增长系数和游客量同比增长系数相加，得到最终的游客量增长系数，将所述最终的游客量增长系数乘以基准游客量，得到举办所述旅游活动后的游客量；
将所述总体旅游消费增长系数和旅游消费同比增长系数相加，得到最终的旅游消费增长系数，将所述最终的旅游消费增长系数乘以基准旅游消费，得到举办所述旅游活动后的旅游消费。
一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如上所述的旅游活动的影响力预测方法。
一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上所述的旅游活动的影响力预测方法。
本申请提供的技术方案的有益效果至少包括：
利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，再利用游客量增长系数和旅游消费增长系数预测举办旅游活动后的游客量和旅游消费，使得预测结果具有较高的准确度，且不需要进行额外的数据采集和调查，能够降低成本。
活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点，能够适用于不同类型的旅游活动，并为不同类型的旅游活动提供精准的预测结果，具有较强的适用性和灵活性。
预测出的游客量和旅游消费，可以在旅游活动的规划、营销和管理等方面提供有效的参考和支持，具有较高的实用性和应用价值。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的旅游活动的影响力预测方法的方法流程图；
图2是本申请另一实施例提供的旅游活动的影响力预测方法的方法流程图；
图3是本申请再一实施例提供的旅游活动的影响力预测装置的结构框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
请参考图1，其示出了本申请一个实施例提供的旅游活动的影响力预测方法的方法流程图，该旅游活动的影响力预测方法可以应用于计算机设备中。该旅游活动的影响力预测方法，可以包括：
步骤101，利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点。
历史旅游活动是在历史时刻举办的旅游活动。历史旅游活动的活动数据可以包括旅游政策、活动时间、活动受众、活动规模、活动类型、优惠策略和活动地点。
（1）旅游政策是相关部门颁布的政策，包括但不限于：不允许跨省游、不允许跨市游、不鼓励旅游、鼓励旅游、大力支持旅游。
本实施例中，历史旅游活动的旅游政策是举办历史旅游活动时颁布的政策，是上述多种旅游政策中的一种。
（2）活动时间是举办历史旅游活动的时间。
（3）活动受众可以包括但不限于：全体人群、少年、青少年、老年、学生。当然，还可以根据历史旅游活动对活动受众的类型进行增减。
本实施例中，历史旅游活动的活动受众是上述多种活动受众中的一种。
（4）活动规模可以按照人数进行划分。比如，以500人为一个区间，最终根据区间来确定活动规模。当然，还可以根据历史旅游活动对区间人数进行增减。
（5）活动类型可以包括但不限于：文艺汇演、节庆活动、特色景观观赏、体育赛事、文学赛事、推介活动。当然，还可以根据历史旅游活动对活动类型进行增减。
本实施例中，历史旅游活动的活动受众是上述多种活动类型中的一种。
（6）优惠策略可以包括但不限于：按照交通、购物、景区门票等的折扣划分，按照优惠金额划分。
本实施例中，历史旅游活动的优惠策略是上述多种优惠策略中的至少一种。
（7）活动地点是举办历史旅游活动的地点。
历史游客量是举办历史旅游活动期间的游客量。
历史旅游消费是举办历史旅游活动期间的旅游消费。
在得到历史旅游活动的活动数据后，可以根据活动数据确定历史旅游活动的活动属性，具体分类如下：
（1）根据历史旅游活动的旅游策略确定旅游政策属性；
（2）判断活动时间是否与节假日重合，得到节假日的活动属性；判断活动时间是否与寒暑假期重合，得到寒暑假期的活动属性；根据活动时间中的开始时间和结束时间计算活动时长，得到活动时长的活动属性；
（3）根据历史旅游活动的活动受众确定活动受众属性；
（4）根据历史旅游活动的活动规模确定活动规模属性；
（5）根据历史旅游活动的活动类型确定活动类型属性；
（6）根据历史旅游活动的优惠策略确定优惠策略属性；
（7）根据活动地点是属于市区还是县乡，抵达活动地点的交通是否便捷、活动地点内热门景区的数量确定活动地点属性。
在得到历史旅游活动的各项活动属性以及历史游客量和历史旅游消费后，可以利用机器学习算法计算历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数。其中，机器学习算法可以是线性回归算法、随机森林算法、神经网络算法等等，本实施例中不作限定。
步骤102，获取将要举办的旅游活动的活动数据，活动数据包括旅游政策、活动时间、活动受众、活动规模、活动类型、优惠策略和活动地点。
步骤103，根据活动数据确定旅游活动的活动属性。
其中，确定旅游活动的活动属性的流程与步骤101中确定历史旅游活动的活动属性的流程相同，此处不再赘述。
步骤104，根据旅游活动的活动属性和历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，预测举办旅游活动后的游客量和旅游消费。
在得到预测的游客量和旅游消费后，可以为旅游活动的规划、营销和管理等方面提供有效的参考和支持。
综上所述，本申请实施例提供的旅游活动的影响力预测方法，利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，再利用游客量增长系数和旅游消费增长系数预测举办旅游活动后的游客量和旅游消费，使得预测结果具有较高的准确度，且不需要进行额外的数据采集和调查，能够降低成本。
活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点，能够适用于不同类型的旅游活动，并为不同类型的旅游活动提供精准的预测结果，具有较强的适用性和灵活性。
预测出的游客量和旅游消费，可以在旅游活动的规划、营销和管理等方面提供有效的参考和支持，具有较高的实用性和应用价值。
请参考图2，其示出了本申请一个实施例提供的旅游活动的影响力预测方法的方法流程图，该旅游活动的影响力预测方法可以应用于计算机设备中。该旅游活动的影响力预测方法，可以包括：
步骤201，获取在未举办历史旅游活动、非节假日和非寒暑假期期间的历史游客量和历史旅游消费，利用机器学习算法对历史游客量和历史旅游消费进行计算，得到游客量同比增长系数和旅游消费同比增长系数。
计算机设备可以获取每年中同一时期的历史游客量，利用机器学习算法对历史游客量进行计算，得到游客量同比增长系数；计算机设备可以获取每年中同一时期的历史旅游消费，利用机器学习算法对历史旅游消费进行计算，得到旅游消费同比增长系数。其中，同比增长系数表示的是每年同一时期游客量和旅游消费自然增长的系数，和是否举办活动无关。
步骤202，获取在举办历史旅游活动期间的历史游客量和历史旅游消费，并获取历史旅游获取的活动数据，利用机器学习算法对活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的单项游客量增长系数和单项旅游消费增长系数。
历史旅游活动是在历史时刻举办的旅游活动。历史旅游活动的活动数据可以包括旅游政策、活动时间、活动受众、活动规模、活动类型、优惠策略和活动地点。活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点。
计算机设备可以查找只有一个活动属性不同的多个历史旅游活动，利用机器学习算法对这些历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到单个活动属性对应的单项游客量增长系数和单项旅游消费增长系数。
比如，5个历史旅游活动只有旅游政策不同，其他活动属性相同，则可以计算出旅游政策属性的单项游客量增长系数和单项旅游消费增长系数。又比如，有3个历史旅游活动只有活动地点不同，其他活动属性相同，则可以计算出活动地点属性的单项游客量增长系数和单项旅游消费增长系数。
步骤203，根据游客量同比增长系数、旅游消费同比增长系数、单项游客量增长系数和单项旅游消费增长系数，计算历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数。
具体的，对于每种活动属性，将活动属性对应的单项游客量增长系数减去游客量同比增长系数，得到活动属性对应的游客量增长系数；对于每种活动属性，将活动属性对应的单项旅游消费增长系数减去旅游消费同比增长系数，得到活动属性对应的旅游消费增长系数。
步骤204，获取将要举办的旅游活动的活动数据，活动数据包括旅游政策、活动时间、活动受众、活动规模、活动类型、优惠策略和活动地点。
步骤205，根据活动数据确定旅游活动的活动属性。
其中，确定旅游活动的活动属性的流程与步骤101中确定历史旅游活动的活动属性的流程相同。
比如，当活动数据包括活动时间时，判断活动时间是否与节假日重合，得到节假日的活动属性；判断活动时间是否与寒暑假期重合，得到寒暑假期的活动属性；根据活动时间中的开始时间和结束时间计算活动时长，得到活动时长的活动属性。
步骤206，根据旅游活动的活动属性和各项活动属性对应的游客量增长系数和旅游消费增长系数，计算旅游活动中所有活动属性对应的总体游客量增长系数和总体旅游消费增长系数。
计算机设备可以先确定旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，再将所有活动属性对应的游客量增长系数相加得到总体游客量增长系数，将所有活动属性对应的旅游消费增长系数相加得到总体旅游消费增长系数。
步骤207，将总体游客量增长系数和游客量同比增长系数相加，得到最终的游客量增长系数，将最终的游客量增长系数乘以基准游客量，得到举办旅游活动后的游客量。
基准游客量可以是去年同期的游客量，也可以是预设值，本实施例不作限定。
步骤208，将总体旅游消费增长系数和旅游消费同比增长系数相加，得到最终的旅游消费增长系数，将最终的旅游消费增长系数乘以基准旅游消费，得到举办旅游活动后的旅游消费。
基准旅游消费可以是去年同期的旅游消费量，也可以是预设值，本实施例不作限定。
在得到预测的游客量和旅游消费后，可以为旅游活动的规划、营销和管理等方面提供有效的参考和支持。
综上所述，本申请实施例提供的旅游活动的影响力预测方法，利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，再利用游客量增长系数和旅游消费增长系数预测举办旅游活动后的游客量和旅游消费，使得预测结果具有较高的准确度，且不需要进行额外的数据采集和调查，能够降低成本。
活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点，能够适用于不同类型的旅游活动，并为不同类型的旅游活动提供精准的预测结果，具有较强的适用性和灵活性。
预测出的游客量和旅游消费，可以在旅游活动的规划、营销和管理等方面提供有效的参考和支持，具有较高的实用性和应用价值。
请参考图3，其示出了本申请一个实施例提供的旅游活动的影响力预测装置的结构框图，该旅游活动的影响力预测装置可以应用于计算机设备中。该旅游活动的影响力预测装置，可以包括：
计算模块310，用于利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点；
获取模块320，用于获取将要举办的旅游活动的活动数据，活动数据包括旅游政策、活动时间、活动受众、活动规模、活动类型、优惠策略和活动地点；
确定模块330，用于根据活动数据确定旅游活动的活动属性；
预测模块340，用于根据旅游活动的活动属性和历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，预测举办旅游活动后的游客量和旅游消费。
在一个可选的实施例中，计算模块310，还用于：
获取在未举办历史旅游活动、非节假日和非寒暑假期期间的历史游客量和历史旅游消费，利用机器学习算法对历史游客量和历史旅游消费进行计算，得到游客量同比增长系数和旅游消费同比增长系数；
获取在举办历史旅游活动期间的历史游客量和历史旅游消费，并获取历史旅游获取的活动数据，利用机器学习算法对活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的单项游客量增长系数和单项旅游消费增长系数；
根据游客量同比增长系数、旅游消费同比增长系数、单项游客量增长系数和单项旅游消费增长系数，计算历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数。
在一个可选的实施例中，计算模块310，还用于：
对于每种活动属性，将活动属性对应的单项游客量增长系数减去游客量同比增长系数，得到活动属性对应的游客量增长系数；
对于每种活动属性，将活动属性对应的单项旅游消费增长系数减去旅游消费同比增长系数，得到活动属性对应的旅游消费增长系数。
在一个可选的实施例中，预测模块340，还用于：
根据旅游活动的活动属性和各项活动属性对应的游客量增长系数和旅游消费增长系数，计算旅游活动中所有活动属性对应的总体游客量增长系数和总体旅游消费增长系数；
将总体游客量增长系数和游客量同比增长系数相加，得到最终的游客量增长系数，将最终的游客量增长系数乘以基准游客量，得到举办旅游活动后的游客量；
将总体旅游消费增长系数和旅游消费同比增长系数相加，得到最终的旅游消费增长系数，将最终的旅游消费增长系数乘以基准旅游消费，得到举办旅游活动后的旅游消费。
在一个可选的实施例中，当活动数据包括活动时间时，确定模块330，还用于：
判断活动时间是否与节假日重合，得到节假日的活动属性；
判断活动时间是否与寒暑假期重合，得到寒暑假期的活动属性；
根据活动时间中的开始时间和结束时间计算活动时长，得到活动时长的活动属性。
综上所述，本申请实施例提供的旅游活动的影响力预测装置，利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，再利用游客量增长系数和旅游消费增长系数预测举办旅游活动后的游客量和旅游消费，使得预测结果具有较高的准确度，且不需要进行额外的数据采集和调查，能够降低成本。
活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点，能够适用于不同类型的旅游活动，并为不同类型的旅游活动提供精准的预测结果，具有较强的适用性和灵活性。
预测出的游客量和旅游消费，可以在旅游活动的规划、营销和管理等方面提供有效的参考和支持，具有较高的实用性和应用价值。
本申请一个实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如上所述的旅游活动的影响力预测方法。
本申请一个实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上所述的旅游活动的影响力预测方法。
需要说明的是：上述实施例提供的旅游活动的影响力预测装置在进行旅游活动的影响力预测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将旅游活动的影响力预测装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的旅游活动的影响力预测装置与旅游活动的影响力预测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述并不用以限制本申请实施例，凡在本申请实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请实施例的保护范围之内。

Claims (6)

1.一种旅游活动的影响力预测方法，其特征在于，所述方法包括：
利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，所述活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点；
获取将要举办的旅游活动的活动数据，所述活动数据包括旅游政策、活动时间、活动受众、活动规模、活动类型、优惠策略和活动地点；
根据所述活动数据确定所述旅游活动的活动属性；
根据所述旅游活动的活动属性和历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，预测举办所述旅游活动后的游客量和旅游消费；
所述利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，包括：获取在未举办历史旅游活动、非节假日和非寒暑假期期间的历史游客量和历史旅游消费，利用机器学习算法对所述历史游客量和所述历史旅游消费进行计算，得到游客量同比增长系数和旅游消费同比增长系数；获取在举办历史旅游活动期间的历史游客量和历史旅游消费，并获取所述历史旅游获取的活动数据，利用机器学习算法对所述活动数据、所述历史游客量和所述历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的单项游客量增长系数和单项旅游消费增长系数；根据所述游客量同比增长系数、所述旅游消费同比增长系数、所述单项游客量增长系数和所述单项旅游消费增长系数，计算历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数；
所述根据所述旅游活动的活动属性和历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，预测举办所述旅游活动后的游客量和旅游消费，包括：根据所述旅游活动的活动属性和各项活动属性对应的游客量增长系数和旅游消费增长系数，计算所述旅游活动中所有活动属性对应的总体游客量增长系数和总体旅游消费增长系数；将所述总体游客量增长系数和游客量同比增长系数相加，得到最终的游客量增长系数，将所述最终的游客量增长系数乘以基准游客量，得到举办所述旅游活动后的游客量；将所述总体旅游消费增长系数和旅游消费同比增长系数相加，得到最终的旅游消费增长系数，将所述最终的旅游消费增长系数乘以基准旅游消费，得到举办所述旅游活动后的旅游消费。
2.根据权利要求1所述的旅游活动的影响力预测方法，其特征在于，所述根据所述游客量同比增长系数、所述旅游消费同比增长系数、所述单项游客量增长系数和所述单项旅游消费增长系数，计算历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，包括：
对于每种活动属性，将所述活动属性对应的单项游客量增长系数减去所述游客量同比增长系数，得到所述活动属性对应的游客量增长系数；
对于每种活动属性，将所述活动属性对应的单项旅游消费增长系数减去所述旅游消费同比增长系数，得到所述活动属性对应的旅游消费增长系数。
3.根据权利要求1或2所述的旅游活动的影响力预测方法，其特征在于，当所述活动数据包括活动时间时，所述根据所述活动数据确定所述旅游活动的活动属性，包括：
判断所述活动时间是否与节假日重合，得到节假日的活动属性；
判断所述活动时间是否与寒暑假期重合，得到寒暑假期的活动属性；
根据所述活动时间中的开始时间和结束时间计算活动时长，得到活动时长的活动属性。
4.一种旅游活动的影响力预测装置，其特征在于，所述装置包括：
计算模块，用于利用机器学习算法对历史旅游活动的活动数据、历史游客量和历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，所述活动属性包括旅游政策、节假日、寒暑假期、活动受众、活动规模、活动类型、活动时长、优惠策略和活动地点；
获取模块，用于获取将要举办的旅游活动的活动数据，所述活动数据包括旅游政策、活动时间、活动受众、活动规模、活动类型、优惠策略和活动地点；
确定模块，用于根据所述活动数据确定所述旅游活动的活动属性；
预测模块，用于根据所述旅游活动的活动属性和历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数，预测举办所述旅游活动后的游客量和旅游消费；
所述计算模块，还用于：获取在未举办历史旅游活动、非节假日和非寒暑假期期间的历史游客量和历史旅游消费，利用机器学习算法对所述历史游客量和所述历史旅游消费进行计算，得到游客量同比增长系数和旅游消费同比增长系数；获取在举办历史旅游活动期间的历史游客量和历史旅游消费，并获取所述历史旅游获取的活动数据，利用机器学习算法对所述活动数据、所述历史游客量和所述历史旅游消费进行计算，得到历史旅游活动中各项活动属性对应的单项游客量增长系数和单项旅游消费增长系数；根据所述游客量同比增长系数、所述旅游消费同比增长系数、所述单项游客量增长系数和所述单项旅游消费增长系数，计算历史旅游活动中各项活动属性对应的游客量增长系数和旅游消费增长系数；
所述预测模块，还用于：根据所述旅游活动的活动属性和各项活动属性对应的游客量增长系数和旅游消费增长系数，计算所述旅游活动中所有活动属性对应的总体游客量增长系数和总体旅游消费增长系数；将所述总体游客量增长系数和游客量同比增长系数相加，得到最终的游客量增长系数，将所述最终的游客量增长系数乘以基准游客量，得到举办所述旅游活动后的游客量；将所述总体旅游消费增长系数和旅游消费同比增长系数相加，得到最终的旅游消费增长系数，将所述最终的旅游消费增长系数乘以基准旅游消费，得到举办所述旅游活动后的旅游消费。
5.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至3任一所述的旅游活动的影响力预测方法。
6.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如权利要求1至3任一所述的旅游活动的影响力预测方法。
CN202310527299.5A 2023-05-11 2023-05-11 旅游活动的影响力预测方法、装置、存储介质及设备 Active CN116227760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310527299.5A CN116227760B (zh) 2023-05-11 2023-05-11 旅游活动的影响力预测方法、装置、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310527299.5A CN116227760B (zh) 2023-05-11 2023-05-11 旅游活动的影响力预测方法、装置、存储介质及设备

Publications (2)

Publication Number Publication Date
CN116227760A CN116227760A (zh) 2023-06-06
CN116227760B true CN116227760B (zh) 2023-08-18

Family

ID=86589595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310527299.5A Active CN116227760B (zh) 2023-05-11 2023-05-11 旅游活动的影响力预测方法、装置、存储介质及设备

Country Status (1)

Country Link
CN (1) CN116227760B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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 (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104134115A (zh) * 2014-07-17 2014-11-05 南宁市锋威科技有限公司 一种智慧旅游综合服务系统
CN105427208A (zh) * 2015-11-11 2016-03-23 镇江市高等专科学校 一种基于云计算的智慧旅游管理系统的管理方法
CN108154303A (zh) * 2017-12-25 2018-06-12 南通理工学院 旅游度假项目开发系统及方法
CN108288106A (zh) * 2017-10-30 2018-07-17 江苏鸿信系统集成有限公司 一种基于大数据的旅游客流预测方法
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361665B (zh) * 2021-08-11 2021-11-16 成都理工大学 一种基于强化学习的高原山地旅游安全风险预警方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104134115A (zh) * 2014-07-17 2014-11-05 南宁市锋威科技有限公司 一种智慧旅游综合服务系统
CN105427208A (zh) * 2015-11-11 2016-03-23 镇江市高等专科学校 一种基于云计算的智慧旅游管理系统的管理方法
CN108288106A (zh) * 2017-10-30 2018-07-17 江苏鸿信系统集成有限公司 一种基于大数据的旅游客流预测方法
CN108154303A (zh) * 2017-12-25 2018-06-12 南通理工学院 旅游度假项目开发系统及方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SARIMA模型和季节性拆分对游客量的预测分析;韦华珊;李流迪;覃巧华;;山西建筑(第24期);278-279 *

Also Published As

Publication number Publication date
CN116227760A (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
Huang et al. Solving the station-based one-way carsharing network planning problem with relocations and non-linear demand
US7920960B2 (en) Method and apparatus for predicting future travel times over a transportation network
US7894980B2 (en) Method and apparatus for estimating real-time travel times over a transportation network based on limited real-time data
CN109544690B (zh) 共享单车出行影响因素识别方法、系统及存储介质
US20060178811A1 (en) Method and apparatus for end-to-end travel time estimation using dynamic traffic data
CN110766280A (zh) 一种车辆调度方法、目标订单预测模型的生成方法和装置
CN116227760B (zh) 旅游活动的影响力预测方法、装置、存储介质及设备
CN109872535A (zh) 一种智慧交通通行预测方法、装置及服务器
CN108133619A (zh) 停车场停车预测的方法、装置、存储介质及终端设备
CN110210664B (zh) 多个个体车辆使用行为短时预测的深度学习方法
WO2015177644A1 (en) Method and system for balancing rental fleet of movable assets
US20160364669A1 (en) Dynamic location recommendation for public service vehicles
CN111861086B (zh) 一种资源配置方法和系统
CN109840272B (zh) 一种共享电动汽车站点用户需求预测方法
CN112069635B (zh) 一种换电柜的部署方法、装置、介质及电子设备
Wepulanon et al. A real-time bus arrival time information system using crowdsourced smartphone data: a novel framework and simulation experiments
Chien et al. Optimal stop spacing and headway of congested transit system considering realistic wait times
CN105989177A (zh) 一种公交信息查询方法及装置
Chiariotti et al. Bike sharing as a key smart city service: State of the art and future developments
Wang et al. What is the elasticity of sharing a ridesourcing trip?
CN110262863A (zh) 一种终端主界面的展示方法和装置
Zheng et al. How Many Are Too Many? Analyzing Dockless Bike-Sharing Systems with a Parsimonious Model
Angelelli et al. A simulation framework for a station-based bike-sharing system
Tengilimoglu et al. Evaluating the mileage and time efficiency of ridesourcing services: Austin, Texas case
Sun et al. Big data mobile services for New York City taxi riders and drivers

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
CB03 Change of inventor or designer information

Inventor after: Liang Tianpeng

Inventor after: Wang Kai

Inventor after: Wang Xianzhang

Inventor after: Zhu Xuanping

Inventor after: Chen Huiyan

Inventor before: Liang Tianpeng

Inventor before: Wang Kai

Inventor before: Wang Xianzhang

Inventor before: Zhu Xuanping

Inventor before: Chen Huiyan

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20230713

Address after: No. 2508, Guangxi Hejing Financial Plaza, No. 18, Kaixuan Road, Nanning City, 530000

Applicant after: Guangxi Daye Intelligent Data Co.,Ltd.

Address before: Room 2162, 2nd Floor, Building 15, Yard 55, Longhua Street, Daxing District, Beijing, 102600

Applicant before: Beijing Daye Smart Data Technology Service Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant