林兢 滕嘉琪 胡錫健

摘要：本文借助INLA算法，在傳統(tǒng)泊松回歸模型的基礎(chǔ)上建立時(shí)空條件自回歸泊松模型，從時(shí)空角度對(duì)新疆旅游投訴情況進(jìn)行空間分析，利用圖論對(duì)所反映的旅游路徑進(jìn)行優(yōu)化。研究結(jié)果：人員服務(wù)水平、景區(qū)綜合管理情況以及合同執(zhí)行情況對(duì)減少新疆旅游投訴量有顯著的正向作用;新疆中部地區(qū)以及主要城市產(chǎn)生旅游投訴的風(fēng)險(xiǎn)更高，西南及邊界地區(qū)旅游投訴風(fēng)險(xiǎn)相對(duì)更低;每年的2～6月為旅游投訴風(fēng)險(xiǎn)高發(fā)期，3、4月份投訴風(fēng)險(xiǎn)達(dá)到最大;選取投訴量較多的幾個(gè)主要景點(diǎn)進(jìn)行路徑優(yōu)化，得到近似最優(yōu)路線，為政府及相關(guān)企業(yè)建言獻(xiàn)策。

關(guān)鍵詞：時(shí)空模型;INLA算法;圖論;旅游投訴

中圖分類號(hào)：TB文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.1672-3198.2022.13.076

0引言

2019年新疆維吾爾自治區(qū)十三屆人大《政府工作報(bào)告》明確指出，要大力實(shí)施“旅游興疆”戰(zhàn)略，著力提升旅游業(yè)整體發(fā)展水平，集中力量打造“新疆是個(gè)好地方”亮麗名片。然而隨著旅游市場的不斷擴(kuò)大，投訴數(shù)量逐漸增加，如何通過旅游投訴問題為政府及旅游業(yè)建言獻(xiàn)策，成為近幾年的研究熱點(diǎn)。

近年來，有關(guān)旅游投訴下導(dǎo)游服務(wù)、酒店管理、旅行社經(jīng)營等各投訴主題的單方面研究相對(duì)較多，而從時(shí)空角度出發(fā)，對(duì)旅游投訴問題進(jìn)行整體分析的研究較少。本文利用INLA算法來彌補(bǔ)馬爾科夫鏈蒙特卡洛（MCMC）算法的不足，實(shí)現(xiàn)對(duì)復(fù)雜貝葉斯模型的快速計(jì)算，精確得出旅游投訴的空間特征后，利用圖論對(duì)所反映的旅游路徑進(jìn)行優(yōu)化，使結(jié)論建議可視化，從而更直觀地為政府及相關(guān)企業(yè)提供參考。

1數(shù)據(jù)來源與預(yù)處理

以12301網(wǎng)絡(luò)、文化和旅游部官網(wǎng)等投訴平臺(tái)為主要資料來源，收集2015-2018年新疆維吾爾自治區(qū)4個(gè)地級(jí)市、5個(gè)地區(qū)、5個(gè)自治州以及10個(gè)（兵團(tuán)師市合一）直轄縣級(jí)市的旅游投訴案例數(shù)據(jù)共1870個(gè)。鑒于投訴案例數(shù)據(jù)中存在大量的文本計(jì)數(shù)數(shù)據(jù)，首先對(duì)指標(biāo)變量進(jìn)行分類，分別用酒店住宿質(zhì)量、人員服務(wù)水平、景區(qū)綜合管理情況及合同執(zhí)行情況4個(gè)因素代替原始旅游投訴數(shù)據(jù)的9個(gè)指標(biāo)變量。

2時(shí)空響應(yīng)分析

2.1模型建立

將第i個(gè)地區(qū)第t個(gè)月的旅游投訴人數(shù)記為yit（i=1，…，24;t=1，…，48），其中yit～poisson（λit），λit=Eitρit，在廣義線性可加模型中取對(duì)數(shù)聯(lián)結(jié)函數(shù)，建立傳統(tǒng)泊松回歸模型：

ηit=log（ρit）=β0+∑4k=1βkxkit（1）

其中，ρit為旅游投訴的相對(duì)風(fēng)險(xiǎn)，即地區(qū)i相對(duì)于整個(gè)新疆產(chǎn)生旅游投訴的風(fēng)險(xiǎn);β0表示截距項(xiàng);xkit表示第i個(gè)地區(qū)第t個(gè)月的第k個(gè)影響投訴的因素;βk為相應(yīng)的回歸系數(shù)。

考慮在上述模型的基礎(chǔ)上添加時(shí)空影響項(xiàng)，得到最終的時(shí)空條件自回歸泊松模型：

ηit=log（ρit）=β0+∑4k=1βkxkit+ui+vi+εt+φt（2）

其中，β0與βk的定義與前一致;ui和vi分別為結(jié)構(gòu)化空間影響項(xiàng)與非結(jié)構(gòu)化空間擾動(dòng)項(xiàng);εt和φt分別為結(jié)構(gòu)化時(shí)間影響項(xiàng)與非結(jié)構(gòu)化時(shí)間擾動(dòng)項(xiàng)。

2.2Bayesian-INLA算法

Rue等（2009）開發(fā)出一種將Laplace逼近與現(xiàn)代化數(shù)值積分相結(jié)合的近似方法來估計(jì)貝葉斯模型中參數(shù)的邊際分布情況。

對(duì)于上述模型，在貝葉斯框架下使用Bayes定理可得潛在效應(yīng)x和超參數(shù)θ的聯(lián)合后驗(yàn)分布：

π（x，θ|y）∝π（θ）π（x|θ）∏i∈Iπ（yi|xi，θ）

∝π（θ）|Q（θ）|n/2exp{-12xTQ（θ）x+∑i∈Ilog（π（yi|xi，θ））}（3）

INLA通常不會(huì)估計(jì)其聯(lián)合分布π（x，θ|y），而是估計(jì)潛在效應(yīng)和超參數(shù)的邊際分布，即π（xj|y）和π（θj|y），經(jīng)由INLA計(jì)算其邊際分布的返回形式如下：

π～（xi|y）=∑kπ～（xi|θ（k），y）π～（θ（k）|y）Δθ（k）

π～（θj|y）=∫π～（θ|y）dθ-j（4）

將以上兩式的近似分為3個(gè)任務(wù)：首先，對(duì)超參數(shù)π（θ|y）的聯(lián)合后驗(yàn)提出近似π（θ|y）;其次，對(duì)給定數(shù)據(jù)和超參數(shù)的邊際π（xi|θ，y）提出近似π（xi|θ，y）;最后，在網(wǎng)格上搜索π（θ|y），并將其用于兩式的積分。更多關(guān)于Bayesian-INLA方法的具體介紹可參見Rue等（2009），模型的所有計(jì)算均由R中的R-INLA（http：//www.r-inla.org/）軟件包完成。

2.3結(jié)果分析

2.3.1影響因素對(duì)產(chǎn)生旅游投訴的相對(duì)風(fēng)險(xiǎn)分析

影響因素的相對(duì)風(fēng)險(xiǎn)為RRfactor=exp （β），各變量的回歸系數(shù)后驗(yàn)結(jié)果各影響因素中合同執(zhí)行情況的相對(duì)風(fēng)險(xiǎn)最大，為1.168，在旅游過程中使游客產(chǎn)生投訴的可能性最高;酒店住宿質(zhì)量的相對(duì)風(fēng)險(xiǎn)最小，為0.909，且其95%的相對(duì)風(fēng)險(xiǎn)置信區(qū)間包含1，表明酒店住宿質(zhì)量對(duì)旅游投訴無顯著影響。另一方面，人員服務(wù)水平、景區(qū)綜合管理情況以及合同執(zhí)行情況的后驗(yàn)均值分別為0.030、0.038以及0.155，表明此變量對(duì)旅游投訴的產(chǎn)生均有顯著的正向作用。

2.3.2空間影響項(xiàng)對(duì)產(chǎn)生旅游投訴的相對(duì)風(fēng)險(xiǎn)分析

空間影響項(xiàng)的相對(duì)風(fēng)險(xiǎn)為RRspatial=exp（u+v），該效應(yīng)的相對(duì)風(fēng)險(xiǎn)結(jié)果是：投訴風(fēng)險(xiǎn)高的區(qū)域?yàn)椴査?、克拉瑪依市、烏魯木齊和石河子，其中烏魯木齊與石河子的相對(duì)風(fēng)險(xiǎn)值均超過了3.1，產(chǎn)生投訴的可能性最大;風(fēng)險(xiǎn)低的區(qū)域?yàn)槲寮仪小⒑吞锏貐^(qū)、伊犁哈薩克自治州和喀什地區(qū)，其中五家渠市的相對(duì)風(fēng)險(xiǎn)值最低，僅有0.629，產(chǎn)生投訴的可能性最小。今后應(yīng)重點(diǎn)關(guān)注博爾塔拉、克拉瑪依、烏魯木齊和石河子等高風(fēng)險(xiǎn)地區(qū)的旅游管理問題，并提前做好昌吉、哈密、吐魯番和北屯等中高風(fēng)險(xiǎn)地區(qū)的旅游監(jiān)管工作。

新疆旅游投訴的空間相對(duì)風(fēng)險(xiǎn)分布圖來看，新疆旅游投訴的空間差異較為明顯，西南及邊界地區(qū)投訴的相對(duì)風(fēng)險(xiǎn)較低，而中部及一些主要城市的投訴相對(duì)風(fēng)險(xiǎn)則較高。鑒于新疆總體土地面積過大，多數(shù)游客往往傾向于選擇在以烏魯木齊為中心的中部地區(qū)進(jìn)行參觀游覽，導(dǎo)致中部地區(qū)及烏魯木齊、石河子、克拉瑪依等主要城市的旅游人數(shù)較多、產(chǎn)生投訴的風(fēng)險(xiǎn)更大，而邊界地區(qū)的旅游人數(shù)較少、產(chǎn)生投訴的風(fēng)險(xiǎn)更小。

2.3.3時(shí)間影響項(xiàng)對(duì)產(chǎn)生旅游投訴的相對(duì)風(fēng)險(xiǎn)分析

時(shí)間影響項(xiàng)的相對(duì)風(fēng)險(xiǎn)為RRtemporal=exp（ε+φ），該效應(yīng)的相對(duì)風(fēng)險(xiǎn)結(jié)果是：以月份角度來看，投訴相對(duì)風(fēng)險(xiǎn)具有一定的季節(jié)周期性，每年的2-6月為高發(fā)期，3月及4月最為顯著，7～12月投訴風(fēng)險(xiǎn)逐漸降低。在影響游客產(chǎn)生旅游投訴的所有因素中，因合同執(zhí)行情況產(chǎn)生投訴的占比最高，達(dá)29.9%，而3、4月恰逢旅行社報(bào)團(tuán)簽約的高峰期，使得此時(shí)旅游投訴風(fēng)險(xiǎn)達(dá)到一定高值;此外，鑒于南北疆地理差異較大，溫度較高的南疆在3、4月份即迎來了旅游的第一波小高峰，導(dǎo)致該階段投訴風(fēng)險(xiǎn)也隨之變大。以年度角度來看，2015-2018年新疆旅游投訴的相對(duì)風(fēng)險(xiǎn)基本呈逐年降低態(tài)勢，表明在各級(jí)各業(yè)的努力下，旅游投訴問題有得到有效改善。

3路徑優(yōu)化

3.1模型建立

選擇新疆旅游投訴較多的幾個(gè)主要景點(diǎn)，應(yīng)用經(jīng)典的動(dòng)態(tài)規(guī)劃Floyd算法有效地解決了加權(quán)圖的最短近似最優(yōu)旅游路徑，構(gòu)建新疆旅游投訴景點(diǎn)分布圖。將每個(gè)景點(diǎn)看作加權(quán)無向圖的各個(gè)頂點(diǎn)，把景點(diǎn)與景點(diǎn)之間的公路看作加權(quán)無向圖中的邊，各景點(diǎn)間的路程距離即為對(duì)應(yīng)邊上的權(quán)值。由此，即將各景點(diǎn)之間的路線行程網(wǎng)轉(zhuǎn)化為了加權(quán)無向圖，建立“分支定界法”的圖論模型。

3.2結(jié)果分析

考慮到來疆旅游的疆外游客人數(shù)較多，因此將首府烏魯木齊作為旅游路徑的出發(fā)地，設(shè)置為“1”，利用MATLAB進(jìn)行Floyd算法求解，得到新疆旅游投訴背景下的近似最優(yōu)旅游路徑為：烏市——天山天池、江布拉克、五彩灘——喀納斯湖、賽里木湖、喀拉峻、那拉提——博斯騰湖、烏市。在此路線的安排下能夠遍歷本文所研究的所有景點(diǎn)，并可使旅游的時(shí)間與路程最小化。與其他路線相比，該路徑不存在路線交叉問題，能夠有效緩解旅行社合同內(nèi)的行程規(guī)劃問題，提高游客滿意度，解決游客行程投訴多的問題，從而進(jìn)一步減少旅游投訴的數(shù)量。

4結(jié)論與建議

4.1結(jié)論

本研究顯示，新疆產(chǎn)生旅游投訴的投訴風(fēng)險(xiǎn)與酒店住宿質(zhì)量無顯著關(guān)系，而與人員服務(wù)水平、景區(qū)綜合管理情況以及合同執(zhí)行情況呈密切正相關(guān)，尤其是旅行社的合同執(zhí)行情況，是影響游客產(chǎn)生投訴的主要因素。

產(chǎn)生旅游投訴的投訴風(fēng)險(xiǎn)具有明顯的空間異質(zhì)性與季節(jié)周期性。中部地區(qū)以及烏魯木齊、石河子、克拉瑪依等主要城市產(chǎn)生旅游投訴的風(fēng)險(xiǎn)相對(duì)更高，而邊界地區(qū)產(chǎn)生旅游投訴的風(fēng)險(xiǎn)更低;每年旅游投訴的高發(fā)時(shí)間段及增長時(shí)間段均基本相同，且在暑期旅游高峰期到來前的3、4月份投訴風(fēng)險(xiǎn)更大。

考慮游客旅游時(shí)間和費(fèi)用的限制，給出了新疆旅游投訴背景下的最佳旅游線路為烏市——天山天池、江布拉克、五彩灘——喀納斯湖、賽里木湖、喀拉峻、那拉提——博斯騰湖、烏市，使游客在有限時(shí)間內(nèi)能夠盡可能地游覽較多的景點(diǎn)，規(guī)劃更為合理的旅游路線。

4.2建議

提高服務(wù)質(zhì)量，完善內(nèi)部管理。相關(guān)工作單位應(yīng)貫徹“以人為本”的服務(wù)宗旨，提高各類工作人員的服務(wù)質(zhì)量與服務(wù)水平;不斷完善管理制度，增大景區(qū)內(nèi)部各方面的管理強(qiáng)度。

加大監(jiān)管力度，打造信譽(yù)口碑。一方面，政府及相關(guān)企業(yè)應(yīng)加大旅行社監(jiān)管力度，嚴(yán)懲黑心不良旅游公司;另一方面，旅行社應(yīng)嚴(yán)格履行合約內(nèi)容，為游客提供優(yōu)質(zhì)服務(wù)。

提前查缺補(bǔ)漏，據(jù)點(diǎn)對(duì)癥下藥。相關(guān)部門應(yīng)著重關(guān)注產(chǎn)生旅游投訴的重點(diǎn)地區(qū)及重要時(shí)期，做好各方面的旅游監(jiān)管工作，提前查缺補(bǔ)漏，尋找易投訴點(diǎn)，最大程度地緩解旅游投訴問題。

參考文獻(xiàn)

[1]丁書珍，張輝國，胡錫健，等.利用R-INLA方法分析宏觀因素對(duì)艾滋病疫情的影響[J].中國艾滋病性病，2018，24（12）：1192-1196.

[2]Rue H，Martino S，Chopin N. Approximate Bayesian Inference for Latent Gaussian Models by Using Integrated Nested Laplace Approximations[J].Journal of the Royal Statistical Society，2009，71（2）：319-392.

[3]胡錫健，別思羽.基于INLA算法的肺結(jié)核發(fā)病時(shí)空分布特征分析[J].新疆大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，37（04）：428-434.

基金項(xiàng)目：自治區(qū)社會(huì)科學(xué)基金項(xiàng)目“新疆冬奧冰雪旅游產(chǎn)業(yè)結(jié)構(gòu)與優(yōu)化配置研究”（20BTY142）。