劉方磊

（河南工業(yè)大學(xué)，河南 鄭州 450000）

旅游業(yè)是我國經(jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)之一。2023年旅游市場迅速復(fù)蘇，落實有關(guān)旅游的云、大數(shù)據(jù)技術(shù)，加快數(shù)字化轉(zhuǎn)型將成為中國旅游業(yè)發(fā)展的一個重要方向。該系統(tǒng)是一款基于SSM框架的旅游大數(shù)據(jù)Web應(yīng)用來滿足旅游行業(yè)的需要[1]，利用大數(shù)據(jù)和數(shù)據(jù)可視化分析以及機(jī)器學(xué)習(xí)等技術(shù)，為旅游管理部門、旅行社、旅游景區(qū)和游客提供更深入、更精準(zhǔn)的發(fā)展研究和決策支持，促進(jìn)旅游市場的創(chuàng)新和升級。

1 系統(tǒng)的開發(fā)環(huán)境及整體架構(gòu)

1.1 系統(tǒng)的開發(fā)環(huán)境

該系統(tǒng)采用MySQL作為底層數(shù)據(jù)庫，通過Spark進(jìn)行流數(shù)據(jù)處理，并采用ARIMA的機(jī)器學(xué)習(xí)算法實現(xiàn)數(shù)據(jù)處理和數(shù)據(jù)預(yù)測等功能，通過SSM框架和Vue框架相結(jié)合的前后端分離開發(fā)模式和多種可視化手段來完成數(shù)據(jù)可視化分析，通過主流的Tomcat、Redis和Nginx部署生態(tài)實現(xiàn)項目部署。

系統(tǒng)開發(fā)環(huán)境見表1。

表1 大數(shù)據(jù)平臺開發(fā)環(huán)境

1.2 系統(tǒng)整體架構(gòu)及功能

該系統(tǒng)整體設(shè)計包括以下5層：1）數(shù)據(jù)源層。入境游客數(shù)據(jù)、旅游社外聯(lián)接待游客數(shù)據(jù)、飯店出租率和房價數(shù)據(jù)、景點評論和熱度數(shù)據(jù)、入境客源國數(shù)據(jù)。2）數(shù)據(jù)訪問層。在數(shù)據(jù)訪問層中，需要完成數(shù)據(jù)查詢、數(shù)據(jù)插入、數(shù)據(jù)更新以及數(shù)據(jù)刪除等操作。3）業(yè)務(wù)層。在業(yè)務(wù)層中，需要完成查詢來源國別分類、接待人數(shù)變化情況、入境游客以及增長率變化情況、統(tǒng)計過夜人數(shù)比等功能。這需要通過編寫業(yè)務(wù)邏輯代碼實現(xiàn)，如使用Java等語言進(jìn)行編寫。4）接口層。在接口層中，需要提供來源國數(shù)據(jù)變化接口、旅游接待人數(shù)接口、外聯(lián)數(shù)據(jù)接口等功能。這可以使用RESTful API 進(jìn)行實現(xiàn)，通過使用Spring Boot等框架進(jìn)行快速開發(fā)。5）表現(xiàn)層。在表現(xiàn)層中，需要使用折線圖、餅圖、地圖等可視化功能，將數(shù)據(jù)處理后以直觀的形式展現(xiàn)給用戶。可使用JavaScript、Vue等語言進(jìn)行編寫，使用D3.js和Echarts等數(shù)據(jù)可視化插件進(jìn)行快速開發(fā)。該系統(tǒng)主要功能如圖1所示。

圖1 系統(tǒng)主要功能

通過主要功能圖可以對項目具體技術(shù)及難度進(jìn)行預(yù)期。在底層數(shù)據(jù)庫中，對靜態(tài)數(shù)據(jù)只需要將數(shù)據(jù)進(jìn)行一次基本的數(shù)據(jù)清洗和預(yù)處理就能庫很好地保存數(shù)據(jù)；在數(shù)據(jù)呈現(xiàn)方面，對簡單的詞云、折線圖和柱狀圖等，可以在后端采用相對簡單和模板化的方法對數(shù)據(jù)庫的對應(yīng)字段進(jìn)行調(diào)用，然后通過接口返回前端，在前端通過網(wǎng)上開源的圖表模板就相對容易實現(xiàn)，而通過Spark對爬蟲實時爬取的數(shù)據(jù)進(jìn)行處理和采用機(jī)器學(xué)習(xí)算法對未來數(shù)據(jù)進(jìn)行預(yù)測是該系統(tǒng)的重點實現(xiàn)目標(biāo)。

2 系統(tǒng)重點功能的設(shè)計與實現(xiàn)

2.1 Spark對流數(shù)據(jù)的處理

Spark在大數(shù)據(jù)應(yīng)用開發(fā)中被廣泛使用，其中，Spark Streaming利用Spark的內(nèi)存計算能力和分布式處理模型，能夠在實時數(shù)據(jù)流中進(jìn)行數(shù)據(jù)處理和計算?；谠骗h(huán)境部署的Spark Streaming追求2個優(yōu)化目標(biāo)，即最小化端到端響應(yīng)延遲和資源使用成本[2]。

在該系統(tǒng)中使用Spark Streaming技術(shù)對爬蟲實時數(shù)據(jù)進(jìn)行處理。爬蟲爬取的數(shù)據(jù)格式默認(rèn)每條包括景區(qū)名、地點、評論者身份、評分和詳細(xì)評價5個字段，每個字段通過1個Tab鍵隔開。將通過代碼設(shè)計對爬蟲數(shù)據(jù)進(jìn)行字段分隔、數(shù)值去空，按地點歸類后再將景區(qū)信息按評分使用線性回歸模型讓不同身份游客的景區(qū)評分計算最終評分[3]，然后根據(jù)總評分進(jìn)行排序的功能，最后即可作為實時的源數(shù)據(jù)保存到數(shù)據(jù)庫中。

根據(jù)游客的身份不同，采用線性回歸模型如公式（1）所示。

式中：y為因變量，是希望求出的評分?jǐn)?shù)據(jù)目標(biāo)值；β0為截距，是線性回歸模型在所有自變量都取0時的y的預(yù)測值；x1、x2…xn為自變量，在該系統(tǒng)中是游客的不同種身份；β1、β2…βn為自變量的回歸系數(shù)，表示不同自變量x1、x2…xn對因變量y的影響程度，它們衡量了每個自變量x的單位變化對因變量的影響。

根據(jù)公式設(shè)計算法的實現(xiàn)，其偽代碼如下。

以上這段偽代碼利用Spark Streaming的流式處理技術(shù)，通過JavaStreamingContext對象對實時數(shù)據(jù)流進(jìn)行處理和分析。使用Spark的DStream抽象，對數(shù)據(jù)流進(jìn)行連續(xù)操作與轉(zhuǎn)換，對爬蟲爬取的網(wǎng)絡(luò)數(shù)據(jù)流進(jìn)行實時處理和分析，并按總體評分降序排序輸出每個地點不同身份游客的評分信息。

2.2 機(jī)器學(xué)習(xí)算法對數(shù)據(jù)預(yù)測的實現(xiàn)

ARIMA模型是一種經(jīng)典的時間序列分析方法，它結(jié)合自回歸（AR）、差分（I）和移動平均（MA）3個部分，對平穩(wěn)或差分后平穩(wěn)的時間序列數(shù)據(jù)進(jìn)行建模和預(yù)測。在該系統(tǒng)中使用ARIMA模型算法實現(xiàn)對旅游人數(shù)數(shù)據(jù)的季節(jié)性預(yù)測[4]。下面是ARIMA模型的推導(dǎo)過程。

2.2.1 自回歸（AR）部分

自回歸模型用于描述當(dāng)前值與過去若干個時刻的值間的相關(guān)性。AR模型如公式（2）所示。

式中：Yt為時間序列在時刻t時的觀測值；c為常數(shù)偏移項，需要根據(jù)項目具體情況進(jìn)行設(shè)置；p為自回歸階數(shù)，表示當(dāng)前值與過去p個時刻的值相關(guān)；φi為自回歸系數(shù)，表示第i個滯后時刻的影響權(quán)重；εt為誤差項，表示模型中的隨機(jī)部分。

2.2.2 差分（I）部分

差分用于使時間序列數(shù)據(jù)平穩(wěn)化，即消除季節(jié)性和趨勢性。平穩(wěn)化后的數(shù)據(jù)具有恒定的均值和方差。差分的階數(shù)d表示需要進(jìn)行幾次差分操作才能達(dá)到平穩(wěn)。

2.2.3 移動平均（MA）部分

移動平均模型用于描述當(dāng)前值與過去若干個預(yù)測誤差間的相關(guān)性。MA模型如公式（3）所示。

式中：q為移動平均階數(shù)，表示當(dāng)前值與過去q個預(yù)測誤差相關(guān)；θi為移動平均系數(shù)，表示第i個滯后預(yù)測誤差的影響權(quán)重。

聯(lián)立上述3個部分，ARIMA模型如公式（4）所示。

根據(jù)ARIMA模型公式設(shè)計算法的實現(xiàn)類，其偽代碼如下。

該偽代碼實現(xiàn)了ARIMA方法，用于時間序列數(shù)據(jù)的擬合和未來數(shù)據(jù)預(yù)測，通過差分操作使數(shù)據(jù)平穩(wěn)化，并使用逆差分操作將預(yù)測結(jié)果轉(zhuǎn)換為原始數(shù)據(jù)的預(yù)測結(jié)果，為用戶提供時間維度的數(shù)據(jù)分析和預(yù)測功能。

3 系統(tǒng)實現(xiàn)

將以上關(guān)鍵代碼整合到程序中，然后采用前后端結(jié)合的方式進(jìn)行部署。用戶登陸后頁面分為3個部分：用戶管理、源數(shù)據(jù)管理和可視化頁面。在系統(tǒng)后臺功能中，用戶管理包括新增用戶和用戶列表。新增用戶允許管理員添加新用戶賬戶；用戶列表則展示所有已經(jīng)注冊的用戶信息。管理員可以進(jìn)行查看、編輯和刪除等操作。在數(shù)據(jù)展示功能中，展現(xiàn)了游客統(tǒng)計、住宿分析、輿情分析和旅游推薦4個不同的頁面。游客統(tǒng)計部分采用飛線圖直觀地呈現(xiàn)了入境游客源的流向；入境游客分類餅圖和入境游客同比增長柱狀圖，通過時間軸聯(lián)動輪播，呈現(xiàn)更詳細(xì)的數(shù)據(jù)；住宿分析部分，根據(jù)時間軸的輪播，展示當(dāng)前的平均房價和入住率；酒店入住混合圖、接待人數(shù)折線圖、外聯(lián)人數(shù)變化和過夜人數(shù)占比混合圖等圖表，呈現(xiàn)旅行社客源量以及酒店房價和入住率間的相關(guān)問題；輿情分析部分，用戶不僅可以通過輪播內(nèi)容查看所選地區(qū)景點評論和景區(qū)熱度，還可以通過點擊想要了解的區(qū)塊切換輪播內(nèi)容；旅游推薦部分，顯示實時天氣，不僅可以根據(jù)用戶所選地區(qū)及天氣情況，推薦景區(qū)以及相應(yīng)的距離和通勤時間，還可以了解其他地區(qū)的景點和場館信息，使用戶更快捷地了解選擇地區(qū)的旅游資源。

政府部門可以根據(jù)飛線圖和詞云了解客源流向、游客消費水平和類型等信息，更好地了解各國游客的喜好和需求，根據(jù)游客類別、同比變化趨勢和游客數(shù)量預(yù)測圖調(diào)整旅游宣傳力度，提高旅游業(yè)的盈利空間，發(fā)掘旅游業(yè)的潛在機(jī)遇。

游客可以通過選擇所在地區(qū)，獲取該地區(qū)實時的景點評論和景區(qū)熱度等數(shù)據(jù)，為選擇目的地提供參考。游客還可以點擊想要了解的區(qū)塊來切換輪播內(nèi)容，以獲取更詳細(xì)、全面的實時輿情信息。

4 結(jié)語

該系統(tǒng)底層采用MySQL數(shù)據(jù)庫進(jìn)行數(shù)據(jù)的存儲，通過SSM框架集成Spark Streaming和ARIMA機(jī)器學(xué)習(xí)相關(guān)開發(fā)技術(shù)以及對有關(guān)企業(yè)開放API的調(diào)用，保證后端接口數(shù)據(jù)的實時性和便捷性，在前端采用Vue進(jìn)行開發(fā)，依托Vue生態(tài)下豐富的圖表實現(xiàn)，完成數(shù)據(jù)的可視化展示。隨著大數(shù)據(jù)技術(shù)和人工智能技術(shù)的不斷發(fā)展，模型還將得到進(jìn)一步完善和優(yōu)化。