張潤宇

(上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030)

基于知識發(fā)現(xiàn)的體育旅游目的地需求預(yù)測模型研究

張潤宇

(上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030)

給出了影響體育旅游目的地的需求動力要素體系，并以基于可信度、覆蓋度與支持度的粗糙集的等價(jià)矩陣方法進(jìn)行規(guī)則獲取與知識發(fā)現(xiàn)，得到游客到達(dá)率的增量與其相應(yīng)的旅游需求影響因子之間關(guān)系的規(guī)則，以指導(dǎo)未來體育旅游目的地的需求預(yù)測，做出相應(yīng)的服務(wù)協(xié)調(diào)或者政策調(diào)整。

需求預(yù)測；體育旅游目的地；知識發(fā)現(xiàn)

當(dāng)今，旅游業(yè)已成為僅次于石油業(yè)的、世界各國普遍關(guān)注的具有巨大潛力的產(chǎn)業(yè)[1]。近20多年里，我國的旅游業(yè)同樣取得了舉世矚目的成就，作為國民經(jīng)濟(jì)新的增長點(diǎn)，旅游業(yè)甚至成為很多地方經(jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)，它在拉動內(nèi)需、增加創(chuàng)匯、調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、扶貧救困等方面發(fā)揮著越來越顯著的作用。2012年，我國旅游總收入達(dá)到2.57萬億元，位居世界第3位。

與我國蓬勃發(fā)展的旅游業(yè)相一致的是，我國的體育旅游業(yè)近年來的發(fā)展勢頭更為迅猛。“過去的十年，以體育觀光、休閑和度假為主要內(nèi)容的體育旅游在我國從無到有、匯涓成溪, 展現(xiàn)了活躍的生機(jī)和光明的前景”[2]。貴州省的山地旅游、東北三省和河北省的冰雪旅游、海南省的濱海運(yùn)動旅游、青藏高原的自行車旅游等，不僅成為當(dāng)?shù)氐摹懊保蔀榇龠M(jìn)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的重要動力所在?！绑w育旅游產(chǎn)業(yè)作為旅游產(chǎn)業(yè)經(jīng)濟(jì)中的新興產(chǎn)業(yè), 為體育產(chǎn)業(yè)和旅游產(chǎn)業(yè)拓展了巨大的發(fā)展空間”[3]，正是因?yàn)轶w育旅游的廣闊發(fā)展前景，現(xiàn)在，很多的省份和城市正在積極謀劃更多新的體育旅游目的地的建設(shè)，爭取在這一市場上有所作為。

但體育旅游目的地的建設(shè)顯然要有科學(xué)規(guī)劃，對政府來說，如何辨識影響體育旅游需求的動力要素并由此正確預(yù)測未來的游客到達(dá)率，從而做到在合適的時(shí)間，合適的地點(diǎn)將合適的旅游產(chǎn)品及服務(wù)提供給消費(fèi)者，同時(shí)避免體育設(shè)施、酒店等硬件設(shè)施的重復(fù)建設(shè)，將真正具有發(fā)展?jié)摿Φ牡胤浇ㄔO(shè)成為體育旅游目的地，從而避免盲目建設(shè)帶來的風(fēng)險(xiǎn)，顯然是需要考慮的首要問題。

然而體育旅游目的地的需求受多種動力因素影響，并且對各類社會政治經(jīng)濟(jì)突發(fā)事件極端敏感，因此，簡單地以時(shí)間序列模模型從歷史數(shù)據(jù)出發(fā)預(yù)測未來的到達(dá)率，從而評估建設(shè)地的選擇顯然過于簡單，從定量分析的角度看，應(yīng)當(dāng)以體育旅游需求量作為因變量，將其表示成多個(gè)自變量，即各種量化的動力因素的函數(shù)，再以統(tǒng)計(jì)方法求出函數(shù)的參數(shù)，預(yù)測新的需求。在綜合傳統(tǒng)預(yù)測模型的基礎(chǔ)上，本文將著重解決預(yù)測模型的選擇問題，即以知識發(fā)現(xiàn)的方法充分考慮各種影響體育旅游目的地需求的動力因素，并以規(guī)則提取方法從以往預(yù)測經(jīng)驗(yàn)中提取預(yù)測知識來構(gòu)建需求預(yù)測模型，從而為體育旅游目的地的建設(shè)選址提供一個(gè)科學(xué)的評估方法。

1 體育旅游目的地需求動力要素及其量化

1.1體育旅游目的地動力要素

從旅游地的角度看，體育旅游目的地復(fù)合系統(tǒng)的主要動力要素主要包括需求推力、收入動力、時(shí)間助力等外部動力要素和體育項(xiàng)目引力、促銷拉力、政府調(diào)控力等內(nèi)部動力要素，而需求推力又包括身心、社會、文化和經(jīng)濟(jì)等方面的動機(jī)。體育旅游產(chǎn)品包括體育參與旅游產(chǎn)品、體育度假旅游產(chǎn)品、專項(xiàng)旅游產(chǎn)品(體育生態(tài)旅游，體育節(jié)慶旅游等)和特種旅游產(chǎn)品(如體育探險(xiǎn)等)。對具有如此眾多產(chǎn)品的體育旅游市場，體育旅游建設(shè)主管部門應(yīng)能利用科學(xué)方法，正確預(yù)測未來一段時(shí)間內(nèi)本地體育旅游目的地的旅游需求，一方面確定新的體育旅游目的地的選址建設(shè)工作，另一方面則要在新旅游地建設(shè)完成之后，依據(jù)自身資源優(yōu)勢，合理調(diào)節(jié)旅游產(chǎn)品結(jié)構(gòu)以增強(qiáng)自身的吸引力和生命力。本文綜合考慮以往對旅游需求研究和體育旅游分析等相關(guān)研究的基礎(chǔ)上，根據(jù)各個(gè)動力層面及數(shù)據(jù)的有效性和信息的可獲得性，得到體育旅游目的地需求的14個(gè)動力要素，并建立旅游目的地的需求動力要素體系，如圖1所示。

圖1 體育旅游目的地需求動力要素指標(biāo)體系

1.2動力要素的聚類

傳統(tǒng)對動力要素的聚類研究，往往采用粗糙集的方法進(jìn)行屬性約簡和規(guī)則發(fā)現(xiàn)，找到影響其需求增減的決策規(guī)則。但是，本文所構(gòu)建的影響體育旅游需求的要素，即粗糙集決策表中的條件屬性遠(yuǎn)多于6個(gè)，因此，若以粗糙集的方法對影響要素進(jìn)行屬性約簡，由于此過程不涉及條件屬性的實(shí)際意義，極有可能導(dǎo)致重要屬性或要素的丟失。另一方面，圖1的指標(biāo)值有多種存在形式，如GDP，旅游投資，外貿(mào)總額等為數(shù)值型變量，其同比增量數(shù)據(jù)可以通過各類統(tǒng)計(jì)年鑒或統(tǒng)計(jì)公報(bào)獲得，而氣候風(fēng)景等為定性變量，無法取得精確的量化數(shù)據(jù)，需要用相對較軟的例如專家評分等方法獲得，這均決定了無法直接動作粗糙集來完成預(yù)測模型的研究。為此，本文給出的體育旅游目的地需求知識發(fā)現(xiàn)方法是以圖1的下層動力因素作為條件屬性，以體育旅游地需求趨勢，即游客到達(dá)率的增量作為決策屬性d構(gòu)成一張的決策表，并用粗糙集方法從以往的經(jīng)驗(yàn)中進(jìn)行知識發(fā)現(xiàn)，挖掘出體育旅游地的需求變化這一因變量與當(dāng)時(shí)的社會影響因素等諸多自變量之間的對應(yīng)關(guān)系。但是為避免前述粗糙集屬性約簡的缺陷，本文的方法將以動力要素的“屬性聚類”替代“屬性約簡”，把突變理論中的突變級數(shù)評價(jià)方法引入決策表的屬性聚類過程，以突變級數(shù)評價(jià)法從數(shù)據(jù)自身出發(fā)逐層向上計(jì)算指標(biāo)值并將最終值離散化，充分利用所有原始需求動力要素的取值，提高最終條件屬性的信息含量。

2 體育旅游目的地需求知識發(fā)現(xiàn)算法

粗糙集的等價(jià)矩陣方法避開了一般粗糙集的屬性約簡環(huán)節(jié)，直接構(gòu)造0-1等價(jià)條件矩陣和規(guī)則矩陣，從決策表中提取規(guī)則。鑒于本文已將14個(gè)體育旅游地需求動力要素聚類為3個(gè)，不再需要進(jìn)行一般粗糙集的屬性約簡，因此后面也將以等價(jià)矩陣方法從決策表中進(jìn)行規(guī)則獲取，以期發(fā)現(xiàn)反映體育旅游地需求影響動力要素(條件屬性)與需求增長趨勢(決策屬性)之間關(guān)系的預(yù)測知識。同時(shí)，為提高規(guī)則的抗噪聲能力和解釋功能，筆者將案例覆蓋度，支持度和規(guī)則可信度引入等價(jià)矩陣，構(gòu)造等價(jià)增廣矩陣，并在此等價(jià)增廣矩陣基礎(chǔ)上進(jìn)行規(guī)則提取。

因篇幅所限，條件矩陣MC，決策矩陣MD，冗余檢測矩陣MR，k-條件矩陣Mk，k-規(guī)則矩陣MkD等有關(guān)定義詳見文[5]．構(gòu)造等價(jià)增廣矩陣M(=M?m)，其中m=(m1,m2,…,mn)T，mi為決策表第i行對象數(shù)，以計(jì)算支持度、覆蓋度與可信度，剔除噪聲。

算法1

步驟1：設(shè)定支持度與可信度閾值α，β；計(jì)算MR，MC，MD；

由k個(gè)條件屬性描述的規(guī)則稱為k—規(guī)則，k—規(guī)則獲取算法如下：

算法2

步驟1：FORk=1TON；

步驟2：計(jì)算Mk，MkD；

步驟3：對每一個(gè)Mk，若MkD每一行均與Mk的不一致，步驟6；

步驟4：對所有MkD與Mk相等行t，執(zhí)行：

步驟4.2：若存在atj=1，Mk的第j行清零；

步驟5：NEXTMk

步驟6：NEXTk．

3 體育旅游目的地需求的預(yù)測案例分析

筆者以本文給出的基于屬性聚類的知識發(fā)現(xiàn)的方法，從全國選取20個(gè)建設(shè)成熟化程度較高，具有代表性的體育旅游目的地作為原始樣本數(shù)據(jù)，利用這些數(shù)據(jù)進(jìn)行體育旅游目的地需求預(yù)測模型的建立。這些目的地，包括哈爾濱(冰雪旅游)、西寧(環(huán)青海湖旅游)、遵義(戶外山地旅游)、拉薩(登山旅游)、陽朔(攀巖旅游)等。從這些城市2010至2012年三年的信息中尋找影響這些體育旅游目的地需求趨勢的決策規(guī)則，并以這些規(guī)則進(jìn)行需求預(yù)測。相關(guān)原始數(shù)據(jù)來自各城市的年度國民經(jīng)濟(jì)和社會發(fā)展公報(bào)及地方統(tǒng)計(jì)年鑒。

以1.2的方法進(jìn)行數(shù)據(jù)預(yù)處理，得歸一化數(shù)據(jù)表1及決策表2．

表1 標(biāo)準(zhǔn)化數(shù)據(jù)表

表2 原始決策表

其中，C1：1= (0.728, 1], 2=(0.413, 0.728], 3=[0,0.413]；C2：1= (0.922, 1 〗, 2=(0.867, 0.922〗, 3=[0,0.867]；C3：1= (0.769, 1 〗, 2=(0.652, 0.769〗, 3=[0,0.652]；D；1= (0.357, 1], 2 [0,0.357]．

取α=0.05，β=0.7，得決策表3；用2的算法獲取規(guī)則，結(jié)果如表4．

表3 決策表

表4 規(guī)則表

分別用VPRS和SCC算法對決策表2進(jìn)行約簡，比較約簡結(jié)果可知本文算法可以提取更多的規(guī)則。以2012年1-6月某體育旅游城市的相應(yīng)數(shù)據(jù)為測試樣本，用三種算法預(yù)測其游客到達(dá)率變化趨勢，結(jié)果如表5。

表5 三種算法對測試樣本的預(yù)測建議結(jié)果對照

該樣本的真實(shí)游客到達(dá)率是下降的，由表5可見，相對于SCC算法，本文方法可提供更豐富的模型的決策建議；相對于VPRS算法，本文方法的決策建議更加精確，即決策規(guī)則的支持度更高．

4 結(jié)論

本文針對粗糙集，以突變級數(shù)法改造了的屬性約簡環(huán)節(jié)，以引入支持度與可信度的等價(jià)矩陣法改進(jìn)了其知識獲取環(huán)節(jié)，并將之應(yīng)用于體育旅游目的地需求趨勢預(yù)測的知識發(fā)現(xiàn)過程，既以屬性聚類兼顧了所有需求影響要素，又充分利用了粗集的規(guī)則提取能力，最后以仿真算例證明了對體育旅游地需求預(yù)測知識發(fā)現(xiàn)而言，本文算法的有效性。

[1] Fong-Lin Chu. Forecasting tourism demand: a cubic polynomial approach [J]. Tourism Management , 2004, 25(2):209-218.

[2] 曉敏.大力發(fā)展體育旅游促進(jìn)體育事業(yè)與體育產(chǎn)業(yè)協(xié)調(diào)發(fā)展[J].體育文化導(dǎo)刊，2013，(2)：1-5.

[3] 王輝.體育旅游產(chǎn)業(yè)特征及發(fā)展策略探討[J].體育與科學(xué)，2010，31(4)：59-64.

[4] 滿江虹,達(dá)慶利.基于知識發(fā)現(xiàn)的商品住宅有效需求趨勢預(yù)測方法[J].系統(tǒng)工程理論與實(shí)踐2004,24(10): 49-53.

[5] J.W.Guan, D.A.Bell. Matrix computation of information systems[J].Information Science.2001,131(1-4): 129-156.

TheDemandForecastModelfortheSportTouristDestinationBasedonKnowledgeDiscovery

Zhang Runyu

(Antai College of Economics & Management Shanghai Jiao Tong University ，Shanghai 200030)

A factor framework works on the demand trend of sport tourism arrival was proposed in this paper, and a knowledge discovery algorithm was put forward based on rough set to get the useful rules that describe the relation between tourism arrival and its corresponding impact factors. It was proved to be much efficiently in holding significant attribute，finding proficient rules than other reduce algorithms by imitated case.

Demand forecast; sport tourist destination; Knowledge discovery

2013-09-20；

2013-10-01

張潤宇(1990- ),男，碩士，研究方向：系統(tǒng)建模。

G80-05

A

1672-1365(2013)05-0030-04