基于互联网信息挖掘的旅游需求预测及预警方法研究

The arrival of the era of big data has higher requirements for timely and accurate forecasting and early warning of tourism demand. The project come up with key algorithms for constructing tourism demand index based on multi-platform such as search engines, social networks and online travel web sites by digging through the Internet information identifying characteristics of tourism behavior. Tourism demand forecasting techniques consistent with Internet data characteristics of multi-source, heterogeneous and mixed frequencies is proposed. A new framework for Internet data mining based early warning of tourism is established, along with a peak travel period recognition method base on Internet data. Empirical study with different prediction target of China's tourism cities, tourist destinations and scenic is done, using Internet big data to improve the accuracy and timeliness of demand forecasting and early warning. The project seeks to provide a new data source and model to support the demand forecast of China's tourism, and also to give a new perspective based on big data analytics for the early warning and security management of tourism. Nowadays, China's tourism industry flourishes in the context of political support, which also brings challenges for tourism management. The tourism research paradigm is expanded, and interdisciplinary research methods are developed via the Internet to identify characteristics of tourism behavior, which will have important and far-reaching significance for both the theory and practice of tourism.

大数据时代的到来为我国旅游需求的及时和准确的预测及预警提出更高要求。本项目将通过挖掘互联网信息识别旅游行为特征，提出针对搜索引擎、社交网络及在线旅游网站等多平台的旅游需求指数构建的关键算法。针对互联网数据的多源、异质和混频性等主要特点，提出符合其数据特征的旅游需求预测技术。提出基于互联网数据的旅游高峰期拐点识别方法，建立一种新的基于互联网信息挖掘的旅游预警研究框架。建立针对不同预测对象的实证研究模型，对我国旅游城市、旅游目的地和景区，利用互联网大数据提高其需求预测预警的准确度和及时度。本项目试图为我国旅游需求预测提供新的数据及模型支持，为旅游预警及安全管理提供基于大数据的研究视角、分析方法及工具。当今我国旅游行业在政策利好的背景下蓬勃发展，也对旅游管理带来挑战，通过互联网识别旅游行为特征拓展了旅游研究范式，发展跨学科交叉的研究方法，在理论和实践上都将具有重要和深远的意义。

本项目紧密围绕大数据时代背景下如何更加及时和准确的对我国旅游需求进行预测及预警研究，通过挖掘互联网信息识别旅游行为特征，针对我国重要旅游城市及目的地的预测及预警管理开展了深入的创新研究工作。本项目的主要研究内容包括：建立了一套较为全面的分析互联网信息在旅游预测及预警研究中的方案，深入理解互联网信息的价值；开发了一系列有效的互联网数据分析及预测方法，显著提高了预测及预警准确度。具体表现在：. （1）形成一套系统的互联网大数据在跨学科交叉领域中应用的网络分析框架，通过大数据在经管、计算机、数学等多领域内的比较分析，清晰展现出大数据在旅游研究中的趋势。（2）提出能够针对互联网海量数据特征的分析方法，建立有效的基于互联网数据的预测和预警模型，深入地讨论了互联网海量搜索数据在旅游预测及预警中的重要应用。（3）提出了针对互联网信息挖掘的关键分析技术，确定了针对互联网搜索数据复杂性、异质性以及混频性等复杂特征的分解及预测方法，所提出的基于多尺度的集合经验模态分解技术有效应用于旅游客流量的拐点特征识别，显著提高旅游需求预测的精度。（4）构建了一套针对多源互联网大数据（搜索数据与在线旅游网站数据）的游客行为分析方法，为旅游需求预测及预警工作提供了新的数据来源，更全面的刻画互联网时代下游客行为特征，从而为政府及相关旅游企业的管理提供决策支持。（5）创新性地将机器学习算法引入到互联网信息选择中，提出针对互联网海量数据的特征选择及预测研究框架，将遗传算法、随机森林等算法应用到旅游需求预测中，提高预测及时性和准确性。. 项目取得了一些重要研究成果，项目负责人发表在《Tourism Management 》(ABS 四星级期刊)的论文在2017-2019均获得“ESI高被引论文”，负责人获得该期刊杰出审稿人荣誉。成果发表在《Journal of Travel Research》 (ABS 四星级)期刊，《Tourism Management Perspectives》，《系统工程理论与实践》（国家自然科学基金委A类期刊），《Tourism Economics》等SSCI/SCI期刊等。积极参加国内外会议，与领域内专家建立密切的合作关系。另投稿论文多篇，预期研究计划圆满完成。