科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决移动互联网络信息新环境下旅游客运需求预测模型数据来源有限所导致精度不足的问题，以社交网络数据为切入点，通过网络爬虫技术对社交网络中旅游出行相关文本数据进行采集，运用BERT模型的情感分析对社交网络文本型数据进行定量化处理。在传统旅游客运需求预测模型中融入结构化后的社交网络数据，结合天气、节假日状态等变量构建基于梯度提升回归树(GBRT)的旅游客运需求预测模型。最后，以黄山旅游风景区为实例对象，基于景区客运站实际统计数据和社交网络数据，运用上述方法，进行黄山旅游客运需求预测实证分析。结果表明，社交网络数据有助于提升旅游客运需求预测精度，基于社交网络数据的旅游需求预测模型平均预测精度相较于传统模型提升了10.81%。
-
单位重庆交通大学; 交通运输学院
