大數(shù)據(jù)驅(qū)動的旅游業(yè)智慧化轉(zhuǎn)型與實踐研究

陳 平

（聯(lián)通（廣東）產(chǎn)業(yè)互聯(lián)網(wǎng)有限公司，廣東 汕頭 515051）

1 研究背景

旅游業(yè)是當今世界發(fā)展最快的行業(yè)之一，隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的飛速發(fā)展，旅游業(yè)的數(shù)據(jù)也呈現(xiàn)出爆炸式增長。大數(shù)據(jù)在旅游業(yè)中的應用，可以實現(xiàn)對旅游市場的實時監(jiān)測和預測，為旅游業(yè)的發(fā)展提供決策支持，提高旅游業(yè)的運營效率和客戶滿意度。

大數(shù)據(jù)在旅游業(yè)中的應用主要包括以下幾個方面：市場分析、產(chǎn)品推薦、服務優(yōu)化、營銷推廣以及安全管理。通過對旅游市場的數(shù)據(jù)分析，可以了解需求、供給、競爭狀況和價格趨勢等信息；通過對游客行為數(shù)據(jù)的分析，了解游客的興趣、偏好和行為模式，為游客推薦適合的旅游產(chǎn)品；通過對旅游服務數(shù)據(jù)的分析，可以了解旅游服務的質(zhì)量、效率和滿意度；通過對旅游營銷數(shù)據(jù)的分析，可以了解旅游營銷的效果、成本和回報；通過對旅游安全數(shù)據(jù)的分析，可以了解旅游安全的風險、隱患和預警，為旅游安全管理提供支持。

2 旅游大數(shù)據(jù)平臺構(gòu)建與實踐

旅游大數(shù)據(jù)目前主要從行為興趣、位置時序、關(guān)系圖譜三大數(shù)據(jù)價值維度維度來構(gòu)建相應的數(shù)智平臺能力體系，應用NLP（自然語言處理，Natural Language Processing）、搜索引擎、時空序列、圖計算等關(guān)鍵技術(shù)為文旅行業(yè)應用提供支撐。下面分別展開論述。

2.1 行為興趣智能檢索平臺

2.1.1 行為興趣分析

首先探討旅游者的行為模式，這有助于我們了解旅游者的旅游偏好和活動特點。旅游者的行為興趣是多樣的，如對某個旅游景點的訪問頻率、在景點的停留時間、旅游活動的參與度等，他們可能對歷史文化感興趣，也可能更喜歡冒險和戶外活動。這就需要我們進一步分析他們的個性化需求，以提供更符合他們興趣的旅游產(chǎn)品。同時，我們還可以根據(jù)旅游者的行為興趣對市場進行細分，如家庭旅游市場、青年旅游市場、文化旅游市場等，以便更精準地滿足不同細分市場的需求。

2.1.2 平臺構(gòu)建原理

行為興趣智能檢索平臺的原理是通過分析游客的上網(wǎng)日志、文章鏈接等數(shù)據(jù)，挖掘出游客的行為興趣，并基于這些興趣進行智能檢索和推薦。

2.1.3 平臺運作方式

行為興趣智能檢索平臺的運作方式包括：首先，通過網(wǎng)絡爬蟲或API接口獲取游客的上網(wǎng)日志、文章鏈接等數(shù)據(jù)；其次，利用自然語言處理（NLP）技術(shù)對數(shù)據(jù)進行解析，提取出游客的興趣關(guān)鍵詞；然后，基于Elasticsearch（一款基于Lucene構(gòu)建的開源搜索引擎，它具有強大的全文檢索、實時搜索、數(shù)據(jù)分析、數(shù)據(jù)可視化等功能等搜索引擎搭建智能檢索平臺），形成游客畫像維度；最后，根據(jù)游客畫像進行精準推薦，為文旅營銷等場景提供支持。此外，平臺還需對數(shù)據(jù)進行清洗、去噪和加權(quán)處理，以提高推薦效果的準確性和實時性。

2.2 位置軌跡實時檢索平臺

2.2.1 位置時序分析

位置軌跡實時檢索平臺作為一種重要的數(shù)據(jù)處理工具，能夠?qū)崟r獲取和分析旅游者的位置信息，位置時序則是對旅游者在不同時間內(nèi)的位置變化進行記錄和分析，從而揭示旅游流的時空分布特點。通過分析旅游者的位置和時間信息，我們可以了解旅游熱點區(qū)域、旅游高峰時段等，為旅游資源的優(yōu)化配置提供依據(jù)?；谖恢脮r序的數(shù)據(jù)分析，還可以幫助我們合理分配旅游服務設施、優(yōu)化旅游線路設計等。此外，在自然災害、公共衛(wèi)生事件等緊急情況下，位置時序數(shù)據(jù)可以協(xié)助進行有效的緊急響應和危機管理，保障旅游者的生命安全和身體健康。

2.2.2 位置軌跡實時檢索原理

位置軌跡實時檢索平臺是基于信令和互聯(lián)網(wǎng)數(shù)據(jù)，構(gòu)建了3分鐘軌跡采樣、重構(gòu)運動靜止軌跡描述模型和空間軌跡檢索能力。該平臺通過融合POI/AOI、房產(chǎn)、購物商場等多維度信息，增強了位置興趣點模型，同時，解決了職住數(shù)據(jù)與信令數(shù)據(jù)一致性問題、信令數(shù)據(jù)丟失嚴重和查詢效率慢等問題。此外，位置軌跡實時檢索平臺還構(gòu)建了游客的標簽體系，包括基礎(chǔ)屬性、動態(tài)興趣和行業(yè)應用等類型，以支撐旅游業(yè)務。

2.2.3 平臺運作方式

位置軌跡實時檢索平臺的運作方式包括以下方面。首先，對信令數(shù)據(jù)進行軌跡分析，得到準確經(jīng)緯度駐留坐標；然后，進行入格處理，將用戶的停留狀態(tài)信息定位至空間網(wǎng)格上；接著，通過加權(quán)質(zhì)心點校驗進行位置校正；最后，通過基站糾偏技術(shù)，對偏移的基站進行糾偏處理。

2.3 關(guān)系圖譜計算平臺

2.3.1 關(guān)系圖譜分析

關(guān)系圖譜計算平臺通過揭示旅游者之間的關(guān)系，如朋友、家庭和同事等，讓我們能夠更好地了解社交網(wǎng)絡對旅游行為的影響。而社交網(wǎng)絡分析則進一步幫助我們了解旅游行業(yè)中各種服務提供商之間的復雜合作關(guān)系，如酒店與旅行社、景區(qū)與餐飲店等，這些合作關(guān)系對于優(yōu)化旅游產(chǎn)品和提供更全面的旅游服務至關(guān)重要。此外，關(guān)系圖譜計算平臺還可以幫助我們分析旅游者的品牌偏好和忠誠度，從而進行更有效的市場營銷和客戶關(guān)系管理。

2.3.2 關(guān)系圖譜計算原理

關(guān)系圖譜計算平臺的原理是基于原生并行圖數(shù)據(jù)庫，結(jié)合運營商的通話、基礎(chǔ)信息、信令以及現(xiàn)有標簽體系構(gòu)建通話關(guān)系圖譜。通過處理和分析這些數(shù)據(jù)，可以挖掘出游客之間的聯(lián)系和互動，從而為文旅行業(yè)提供有價值的信息。

2.3.3 平臺運作方式

關(guān)系圖譜計算平臺的運作方式包括以下方面。首先，利用原生并行圖數(shù)據(jù)庫存儲和處理數(shù)據(jù)；然后，通過運營商的通話、基礎(chǔ)信息、信令等數(shù)據(jù)構(gòu)建通話關(guān)系圖譜；接著，根據(jù)現(xiàn)有的標簽體系對關(guān)系圖譜進行標注；最后，通過對關(guān)系圖譜的分析，挖掘出有價值的游客聯(lián)系信息和互動行為，為文旅行業(yè)提供數(shù)據(jù)支持。這些運作方式使得關(guān)系圖譜計算平臺能夠為文旅行業(yè)提供豐富的游客關(guān)系數(shù)據(jù)，從而為業(yè)務決策和運營提供支持。

綜上所述，旅游大數(shù)據(jù)通過從行為興趣、位置時序、關(guān)系圖譜三個維度來構(gòu)建數(shù)智平臺能力體系，可以更全面、準確地了解旅游市場和旅游者的需求，從而提供更加個性化和精準的旅游服務。

3 旅游大數(shù)據(jù)核心算法規(guī)則和模型

旅游行業(yè)的核心算法規(guī)則和模型的建立，是推動旅游行業(yè)智能化、提升企業(yè)競爭力、優(yōu)化資源配置、保障旅游市場健康發(fā)展的重要手段。首先，旅游行業(yè)正面臨數(shù)據(jù)量的急劇增長，這主要是由于互聯(lián)網(wǎng)和物聯(lián)網(wǎng)技術(shù)的快速發(fā)展。為了從如此龐大的數(shù)據(jù)集中提煉出有價值的信息，必須構(gòu)建有效的核心算法規(guī)則和模型。其次，旅游大數(shù)據(jù)涵蓋了多種數(shù)據(jù)類型，包括結(jié)構(gòu)化、非結(jié)構(gòu)化和實時數(shù)據(jù)等。整合這些不同類型的數(shù)據(jù)并提取其價值，是建立核心算法規(guī)則和模型的另一個關(guān)鍵因素。再次，旅游數(shù)據(jù)具有很強的實時性，例如游客流量、預訂信息、評價等，需要核心算法能夠迅速地響應這些實時變化的數(shù)據(jù)。最后，利用核心算法分析游客行為喜好，以提供個性化服務，有利于推動旅游行業(yè)智能化。

3.1 游客識別模型

3.1.1 游客定義和識別

旅游垂直行業(yè)數(shù)據(jù)分析的前提是明確分析的主體，即游客。本文通過對游客的定義進行探討，為旅游數(shù)據(jù)分析提供基礎(chǔ)。游客的定義應包括其出游目的、出行距離、停留時間等指標，例如，不以謀求職業(yè)、獲取報酬為目的，離開慣常居住環(huán)境，到國內(nèi)其他地方從事參觀、游覽、度假等旅游活動（包括外出探親、療養(yǎng)、考察、參加會議和從事商務、科技、文化、教育、宗教活動過程中的旅游活動），出行距離超過10千米，出游時間超過6小時[1]，但不超過12個月的我國大陸居民。同時要考慮到不同類型的游客，如過夜游客和一日游游客等。

3.1.2 游客識別模型構(gòu)建

在構(gòu)建游客識別模型時，應優(yōu)先考慮利用原始的基站信令日表數(shù)據(jù)。通過實施包括職住地分析、停留時長篩選等多種指標組合篩選，進而精準識別游客群體。圖1為具體的模型類別及功能概述。

圖1 模型類別及功能

圖2 屬性識別模型

圖3 旅游熱門路線推薦

圖4 游客基礎(chǔ)畫像

（1）標準化模型：本模型基于基站信令數(shù)據(jù)，構(gòu)建時間與事件的基礎(chǔ)模型，旨在明確游客活動的起始與結(jié)束時間，以及其位置變動軌跡。實現(xiàn)對游客行為的精確識別。

（2）駐留模型：此模型利用長期穩(wěn)定的位置數(shù)據(jù)來計算游客的停留時間，進而確定其興趣駐留點。

（3）出行方式模型：模型通過分析機場、火車站、高速公路等POI（興趣點）的位置信息，結(jié)合基站信令數(shù)據(jù)，推斷游客的出行方式。例如，如果游客的手機信號在某個火車站附近出現(xiàn)頻繁的切換，那么可以推測游客可能選擇了火車出行。

（4）職住地模型：旨在準確地識別游客的長期居住地。與傳統(tǒng)的身份證信息或手機號碼歸屬地判定方法不同，該模型主要依賴于游客長期規(guī)律活動的地點進行分析。具體而言，模型通過對工作人口、居住人口以及常住人口的地點分布進行深入研究，旨在從職住角度對游客進行更為精確的識別。

（5）出行目的模型：根據(jù)游客出行意圖，將出行目的分類為返鄉(xiāng)、觀光和商務旅行三大類。

（6）預測類模型：利用累積的歷史客流數(shù)據(jù)、天氣狀況、旅游季節(jié)性、公眾輿論及網(wǎng)絡搜索行為等多元數(shù)據(jù)，通過線性回歸、移動平均、指數(shù)平滑、ARIMA（注：一種廣泛應用于時間序列分析和預測的方法，通過考慮過去的值來預測未來的值）等預測方法，對客流進行精準預測。

（7）增益類模型：主要解決數(shù)據(jù)缺失問題，尤其是CS（電路交換）和PS（分組交換）信令中手機號信息的缺失。通過數(shù)據(jù)回填技術(shù)，可補充約3%～6%的數(shù)據(jù)，主要是外地漫游用戶。

3.2 游客的人數(shù)和人次口徑

首先，關(guān)于人數(shù)，是從出游的概念出發(fā)，以國家層面為統(tǒng)計范圍。將每一個出游的人，無論其途徑本省/本地市多少地市或者區(qū)縣、景區(qū)，都計入本省的游客人數(shù)。換句話說，一個人在出游過程中，無論他參觀了多少地方，他都被統(tǒng)計為本省的游客人數(shù)。

其次，關(guān)于人次，是從接待的概念出發(fā)，以市、區(qū)縣為統(tǒng)計范圍，關(guān)注的是游客在不同地方的接待情況。如果一個游客在出行過程中訪問了多個地級市，那么他在每個地級市的接待次數(shù)都會被計算在內(nèi)，可能導致同一人在不同地方的重復計數(shù)。

總的來說，游客人數(shù)更注重游客的出游行為，而人次則更關(guān)注旅游服務的接待情況。

3.3 其他模型和算法規(guī)則

3.3.1 擴樣反推全網(wǎng)口徑

如果現(xiàn)有的數(shù)據(jù)樣本不足以反映全網(wǎng)口徑，可以考慮使用抽樣和擴樣的方法，通過一定的統(tǒng)計技術(shù)來擴大樣本規(guī)模，擴樣反推全網(wǎng)口徑算法是一個數(shù)據(jù)處理方法，主要用于文旅行業(yè)，目的是讓數(shù)據(jù)趨于全網(wǎng)，即覆蓋所有的移動手機用戶。該算法的核心是通過對手機信令數(shù)據(jù)的分析，推算出游客的流入總量。該算法的反推過程主要包括以下幾個步驟。

①數(shù)據(jù)收集：收集全國各城市手機用戶產(chǎn)生的信令數(shù)據(jù)。

②數(shù)據(jù)清洗：剔除過路及規(guī)律往返用戶，只保留有價值的信令數(shù)據(jù)。

③數(shù)據(jù)處理：按照250 m×250 m的柵格[1]對區(qū)域進行劃分，然后對手機信令駐留軌跡進行綜合分析。

④計算流入總量：根據(jù)分析結(jié)果，結(jié)合游客的標準口徑定義，計算出固定區(qū)域的游客流入總量。

在計算流入總量時，需要考慮兩個主要因素：一是停留時間超過約定時間小時且離開職住地不少于約定時間小時的手機用戶數(shù)；二是無手機兒童用戶數(shù)。其中，無手機兒童用戶數(shù)的計算需要考慮全國各城市的工作年齡游客數(shù)、相對應城市的手機用戶市場占有率和相對應城市的兒童人口占比。通過以上步驟，可以得到較為準確的游客流入總量，為文旅行業(yè)提供有價值的數(shù)據(jù)支持。

3.3.2 游客屬性識別模型

游客屬性識別模型應通過運營商或OTA獲取大量真實的游客畫像數(shù)據(jù)，將行為與人對應起來，形成游客的畫像數(shù)據(jù)。如游客來源：流入到某區(qū)域的客流，根據(jù)職住模型，可精準判斷游客的來源省份/地市/區(qū)縣及具體的區(qū)域。

3.3.3 旅游熱門路線推薦算法模型

該旅游熱門路線推薦算法模型主要包括以下步驟。首先，收集游客的游玩景點和路線數(shù)據(jù)，通過大數(shù)據(jù)分析確定各景區(qū)間的關(guān)聯(lián)性，以判斷熱門游玩路線。其次，基于信令時間連續(xù)性原則[2]，通過位置變化生成新的基站信令信息，從而確定旅游線路。最后，構(gòu)建推薦模型，為游客提供個性化熱門路線推薦。此模型可為旅游路線規(guī)劃和媒體宣傳提供有力數(shù)據(jù)支持。

3.3.4 核心算法規(guī)則說明

模型采用先進算法，通過數(shù)據(jù)降噪和加工方法處理游客手機信令，以獲取準確的人群位置信息。主要方法包括剔除“乒乓效應”[1]、統(tǒng)計區(qū)域柵格、加權(quán)質(zhì)心點校驗[1]、基站糾偏和標簽體系構(gòu)建。

（1）剔除“乒乓效應”。采用多因素判定方法，分析基站間的切換數(shù)量和時間長度，以消除“乒乓效應”對信令數(shù)據(jù)分析的干擾。

（2）統(tǒng)計區(qū)域柵格。對地理位置進行刪格化處理，生成250 m×250 m的柵格碼表[1]。通過軌跡分析和入格處理，提高客流統(tǒng)計的準確性。

（3）加權(quán)質(zhì)心點校驗[1]。利用用戶停留狀態(tài)信息，通過加權(quán)質(zhì)心位置推算，考慮信令發(fā)生頻次、基站覆蓋范圍和信號衰減等因素，提高位置準確性。

（4）基站糾偏。針對基站位置偏移現(xiàn)象，通過計算相對密度和切換次數(shù)，對基站進行糾偏處理。

（5）標簽體系構(gòu)建。構(gòu)建游客標簽體系，包括基礎(chǔ)屬性、動態(tài)興趣和行業(yè)應用等類型。通過內(nèi)外部數(shù)據(jù)分析，為文旅行業(yè)提供有力支持。

綜上所述，核心算法規(guī)則旨在提高游客位置信息的準確性，為旅游行業(yè)提供數(shù)據(jù)支持。建立旅游大數(shù)據(jù)核心算法規(guī)則和模型有助于挖掘有價值的數(shù)據(jù)，滿足旅游行業(yè)在管理、服務和創(chuàng)新方面的需求，提升行業(yè)競爭力，遵循相關(guān)法規(guī)，推動旅游行業(yè)的高質(zhì)量發(fā)展。

4 結(jié)束語

本文通過對海量數(shù)據(jù)進行挖掘和分析，提出了大數(shù)據(jù)在旅游業(yè)中的應用與實踐，通過構(gòu)建行業(yè)化模型、運用NLP、搜索引擎、時空序列、圖計算等技術(shù)，實現(xiàn)了大數(shù)據(jù)在旅游業(yè)中的價值挖掘。同時，針對游客定義、游客識別模型構(gòu)建、職住模型口徑、職住模型構(gòu)建、游客人數(shù)和人次口徑、擴樣反推全網(wǎng)口徑、游客屬性識別模型、旅游熱門路線推薦算法模型、核心算法規(guī)則說明等方面進行了深入研究，在推進旅游業(yè)的智慧化轉(zhuǎn)型過程中形成具備實際應用價值的模型與算法，為行業(yè)的創(chuàng)新發(fā)展提供了驅(qū)動力。