靳鑫元+罗珊

【摘要】本文基于百度指数进行旅游关键词的挖掘，运用决策树、bagging、随机森林和支持向量机四种算法模型对旅游关键词与平遥古城游客流量关系进行分析，并比较了各模型的拟合度、稳定性及预测效果。实证研究发现，随机森林模型稳定性最好，SVM模型拟合和预测效果最好，因此SVM模型可以作为最终的平遥古城客流量预测模型。

【关键词】平遥古城 百度指数 机器学习 预测

一、引言

近年来，我国旅游产业规模不断扩大，平遥古城作为中国境内保存最完整的古代县城与票号文化发源地，游客量快速增长，逐年增加的游客对古城承载力及景区建设提出了更高要求。与此同时，随着互联网技术的发展以及大数据时代的到来，旅游信息传播形式、游客信息搜索方式、旅游消费行为等均发生了巨大改变。许多旅游经营者、旅游企业及政府机构都通过互联网平台发布旅游信息，随之互联网平台也成为广大游客出游的重要信息来源，相应产生的网络搜索数据则逐渐成为高质量的游客旅游搜索行为数据库。2011年百度推出的百度指数可以直接、客观地反映某特定时间段内的社会热点、用户兴趣和需求，并且实证表明利用百度指数这一网络搜索指数进行预测克服了传统预测中存在的数据滞后以及数据量不足的缺陷，结果更为准确、更具时效性。因此，本文依托百度指数的时效性，挖掘旅游网络关注度和实际旅游需求的关系，预测景区客流量，对指导旅游管理部门做出科学、合理的决策安排，促进旅游可持续发展具有重要意义。……