基于客源地的聚类-ARIMA模型的短期旅游需求预测--以天津欢乐谷主题公园为例

发布时间：2018-01-14 06:31

本文关键词：基于客源地的聚类-ARIMA模型的短期旅游需求预测--以天津欢乐谷主题公园为例　出处：以天津欢乐谷主题公园为例　论文类型：期刊论文

【摘要】：大多数旅游需求预测研究是基于目的地游客总数或消费总量开展的,尚未按不同的旅游目的或客源地细分进行预测。以天津欢乐谷主题公园为案例地,选择2014年第40周到2015年第26周为研究时段,利用通信大数据,提出了一种面向客源地的聚类-ARIMA组合预测模型。通过对不同客源地的时序数据进行聚类,选取各类别中的代表性客源地分别构建ARIMA预测模型。结果表明:对欢乐谷主题公园各客源地分别建模与聚类后通过6个代表客源地建模得到的结果一致;后者可以降低80%的预测成本。该方法具有较高的预测精度和较低的计算成本,适合面向客源地的短期旅游需求预测,可为旅游目的地提供更具针对性的旅游需求管理、分析与决策支撑。
[Abstract]:Most of the tourism demand prediction research is based on the total number of visitors or the total consumption has not yet been carried out, according to the forecast tourism destination or different tourist segments. In Tianjin Happy Valley theme park as a case, select the fortieth week of 2014 the twenty-sixth week of 2015 as the study period, the use of big data communication, we propose a new clustering combination for -ARIMA source the prediction model. By clustering the time series data of different source, select the category of the representative source were constructed ARIMA prediction model. The results showed that: the Happy Valley theme park each source were obtained by modeling and clustering of 6 representative source modeling results which can reduce the cost of the 80% forecast;. The method has high prediction accuracy and low computational cost, suitable for short-term forecast of tourism demand for tourists, for the tourism destination Provide more targeted tourism demand management, analysis and decision support.

【作者单位】：首都师范大学资源环境与旅游学院;国家旅游局信息中心;南京师范大学地理科学学院;南京大学地理与海洋科学学院;
【基金】：国家自然科学基金项目(41671145,41301144) 国家旅游局青年专家培养计划项目(TYETP201312)
【分类号】：F224;F592.7;F719.5
【正文快照】： 0引言旅游需求预测主要是为了提高评价、预测与了解旅游者行为的能力以及提高对特定旅游目的地/区域的公众行为的理解能力[1]。旅游需求预测研究始于20世纪60年代[2],80年代之后进入快速发展期,并取得了丰富的研究成果[3]。已有研究主要有以下特征:一是通过改进模型提高预测

【相似文献】