期刊文章详细信息
基于客源地的聚类-ARIMA模型的短期旅游需求预测--以天津欢乐谷主题公园为例
Short-term Forecasting Tourism Demand Based on Origin's Hierarchical Clustering ARMA Model: A Case Study of Tianjin Happy Valley Theme Park
文献类型:期刊文章
机构地区:[1]首都师范大学资源环境与旅游学院,北京100048 [2]国家旅游局信息中心,北京100740 [3]南京师范大学地理科学学院,南京210023 [4]南京大学地理与海洋科学学院,南京210093
基 金:国家自然科学基金项目(41671145,41301144);国家旅游局青年专家培养计划项目(TYETP201312)
年 份:2017
卷 号:36
期 号:3
起止页码:108-112
语 种:中文
收录情况:BDHX、BDHX2014、CSCD、CSCD2017_2018、CSSCI、CSSCI_E2017_2018、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊
摘 要:大多数旅游需求预测研究是基于目的地游客总数或消费总量开展的,尚未按不同的旅游目的或客源地细分进行预测。以天津欢乐谷主题公园为案例地,选择2014年第40周到2015年第26周为研究时段,利用通信大数据,提出了一种面向客源地的聚类-ARIMA组合预测模型。通过对不同客源地的时序数据进行聚类,选取各类别中的代表性客源地分别构建ARIMA预测模型。结果表明:对欢乐谷主题公园各客源地分别建模与聚类后通过6个代表客源地建模得到的结果一致;后者可以降低80%的预测成本。该方法具有较高的预测精度和较低的计算成本,适合面向客源地的短期旅游需求预测,可为旅游目的地提供更具针对性的旅游需求管理、分析与决策支撑。
关 键 词:短期旅游需求预测 客源地 时间序列聚类 ARIMA模型 天津欢乐谷主题公园
分 类 号:F590[旅游管理类]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...