旅游投訴時空響應分析及路徑優(yōu)化研究

林兢 滕嘉琪 胡錫健

摘要：本文借助INLA算法，在傳統(tǒng)泊松回歸模型的基礎上建立時空條件自回歸泊松模型，從時空角度對新疆旅游投訴情況進行空間分析，利用圖論對所反映的旅游路徑進行優(yōu)化。研究結果：人員服務水平、景區(qū)綜合管理情況以及合同執(zhí)行情況對減少新疆旅游投訴量有顯著的正向作用;新疆中部地區(qū)以及主要城市產(chǎn)生旅游投訴的風險更高，西南及邊界地區(qū)旅游投訴風險相對更低;每年的2～6月為旅游投訴風險高發(fā)期，3、4月份投訴風險達到最大;選取投訴量較多的幾個主要景點進行路徑優(yōu)化，得到近似最優(yōu)路線，為政府及相關企業(yè)建言獻策。

關鍵詞：時空模型;INLA算法;圖論;旅游投訴

中圖分類號：TB文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2022.13.076

0引言

2019年新疆維吾爾自治區(qū)十三屆人大《政府工作報告》明確指出，要大力實施“旅游興疆”戰(zhàn)略，著力提升旅游業(yè)整體發(fā)展水平，集中力量打造“新疆是個好地方”亮麗名片。然而隨著旅游市場的不斷擴大，投訴數(shù)量逐漸增加，如何通過旅游投訴問題為政府及旅游業(yè)建言獻策，成為近幾年的研究熱點。

近年來，有關旅游投訴下導游服務、酒店管理、旅行社經(jīng)營等各投訴主題的單方面研究相對較多，而從時空角度出發(fā)，對旅游投訴問題進行整體分析的研究較少。本文利用INLA算法來彌補馬爾科夫鏈蒙特卡洛（MCMC）算法的不足，實現(xiàn)對復雜貝葉斯模型的快速計算，精確得出旅游投訴的空間特征后，利用圖論對所反映的旅游路徑進行優(yōu)化，使結論建議可視化，從而更直觀地為政府及相關企業(yè)提供參考。

1數(shù)據(jù)來源與預處理

以12301網(wǎng)絡、文化和旅游部官網(wǎng)等投訴平臺為主要資料來源，收集2015-2018年新疆維吾爾自治區(qū)4個地級市、5個地區(qū)、5個自治州以及10個（兵團師市合一）直轄縣級市的旅游投訴案例數(shù)據(jù)共1870個。鑒于投訴案例數(shù)據(jù)中存在大量的文本計數(shù)數(shù)據(jù)，首先對指標變量進行分類，分別用酒店住宿質量、人員服務水平、景區(qū)綜合管理情況及合同執(zhí)行情況4個因素代替原始旅游投訴數(shù)據(jù)的9個指標變量。

2時空響應分析

2.1模型建立

將第i個地區(qū)第t個月的旅游投訴人數(shù)記為yit（i=1，…，24;t=1，…，48），其中yit～poisson（λit），λit=Eitρit，在廣義線性可加模型中取對數(shù)聯(lián)結函數(shù)，建立傳統(tǒng)泊松回歸模型：

ηit=log（ρit）=β0+∑4k=1βkxkit（1）

其中，ρit為旅游投訴的相對風險，即地區(qū)i相對于整個新疆產(chǎn)生旅游投訴的風險;β0表示截距項;xkit表示第i個地區(qū)第t個月的第k個影響投訴的因素;βk為相應的回歸系數(shù)。

考慮在上述模型的基礎上添加時空影響項，得到最終的時空條件自回歸泊松模型：

ηit=log（ρit）=β0+∑4k=1βkxkit+ui+vi+εt+φt（2）

其中，β0與βk的定義與前一致;ui和vi分別為結構化空間影響項與非結構化空間擾動項;εt和φt分別為結構化時間影響項與非結構化時間擾動項。

2.2Bayesian-INLA算法

Rue等（2009）開發(fā)出一種將Laplace逼近與現(xiàn)代化數(shù)值積分相結合的近似方法來估計貝葉斯模型中參數(shù)的邊際分布情況。

對于上述模型，在貝葉斯框架下使用Bayes定理可得潛在效應x和超參數(shù)θ的聯(lián)合后驗分布：

π（x，θ|y）∝π（θ）π（x|θ）∏i∈Iπ（yi|xi，θ）

∝π（θ）|Q（θ）|n/2exp{-12xTQ（θ）x+∑i∈Ilog（π（yi|xi，θ））}（3）

INLA通常不會估計其聯(lián)合分布π（x，θ|y），而是估計潛在效應和超參數(shù)的邊際分布，即π（xj|y）和π（θj|y），經(jīng)由INLA計算其邊際分布的返回形式如下：

π～（xi|y）=∑kπ～（xi|θ（k），y）π～（θ（k）|y）Δθ（k）

π～（θj|y）=∫π～（θ|y）dθ-j（4）

將以上兩式的近似分為3個任務：首先，對超參數(shù)π（θ|y）的聯(lián)合后驗提出近似π（θ|y）;其次，對給定數(shù)據(jù)和超參數(shù)的邊際π（xi|θ，y）提出近似π（xi|θ，y）;最后，在網(wǎng)格上搜索π（θ|y），并將其用于兩式的積分。更多關于Bayesian-INLA方法的具體介紹可參見Rue等（2009），模型的所有計算均由R中的R-INLA（http：//www.r-inla.org/）軟件包完成。

2.3結果分析

2.3.1影響因素對產(chǎn)生旅游投訴的相對風險分析

影響因素的相對風險為RRfactor=exp （β），各變量的回歸系數(shù)后驗結果各影響因素中合同執(zhí)行情況的相對風險最大，為1.168，在旅游過程中使游客產(chǎn)生投訴的可能性最高;酒店住宿質量的相對風險最小，為0.909，且其95%的相對風險置信區(qū)間包含1，表明酒店住宿質量對旅游投訴無顯著影響。另一方面，人員服務水平、景區(qū)綜合管理情況以及合同執(zhí)行情況的后驗均值分別為0.030、0.038以及0.155，表明此變量對旅游投訴的產(chǎn)生均有顯著的正向作用。

2.3.2空間影響項對產(chǎn)生旅游投訴的相對風險分析

空間影響項的相對風險為RRspatial=exp（u+v），該效應的相對風險結果是：投訴風險高的區(qū)域為博爾塔拉、克拉瑪依市、烏魯木齊和石河子，其中烏魯木齊與石河子的相對風險值均超過了3.1，產(chǎn)生投訴的可能性最大;風險低的區(qū)域為五家渠市、和田地區(qū)、伊犁哈薩克自治州和喀什地區(qū)，其中五家渠市的相對風險值最低，僅有0.629，產(chǎn)生投訴的可能性最小。今后應重點關注博爾塔拉、克拉瑪依、烏魯木齊和石河子等高風險地區(qū)的旅游管理問題，并提前做好昌吉、哈密、吐魯番和北屯等中高風險地區(qū)的旅游監(jiān)管工作。

新疆旅游投訴的空間相對風險分布圖來看，新疆旅游投訴的空間差異較為明顯，西南及邊界地區(qū)投訴的相對風險較低，而中部及一些主要城市的投訴相對風險則較高。鑒于新疆總體土地面積過大，多數(shù)游客往往傾向于選擇在以烏魯木齊為中心的中部地區(qū)進行參觀游覽，導致中部地區(qū)及烏魯木齊、石河子、克拉瑪依等主要城市的旅游人數(shù)較多、產(chǎn)生投訴的風險更大，而邊界地區(qū)的旅游人數(shù)較少、產(chǎn)生投訴的風險更小。

2.3.3時間影響項對產(chǎn)生旅游投訴的相對風險分析

時間影響項的相對風險為RRtemporal=exp（ε+φ），該效應的相對風險結果是：以月份角度來看，投訴相對風險具有一定的季節(jié)周期性，每年的2-6月為高發(fā)期，3月及4月最為顯著，7～12月投訴風險逐漸降低。在影響游客產(chǎn)生旅游投訴的所有因素中，因合同執(zhí)行情況產(chǎn)生投訴的占比最高，達29.9%，而3、4月恰逢旅行社報團簽約的高峰期，使得此時旅游投訴風險達到一定高值;此外，鑒于南北疆地理差異較大，溫度較高的南疆在3、4月份即迎來了旅游的第一波小高峰，導致該階段投訴風險也隨之變大。以年度角度來看，2015-2018年新疆旅游投訴的相對風險基本呈逐年降低態(tài)勢，表明在各級各業(yè)的努力下，旅游投訴問題有得到有效改善。

3路徑優(yōu)化

3.1模型建立

選擇新疆旅游投訴較多的幾個主要景點，應用經(jīng)典的動態(tài)規(guī)劃Floyd算法有效地解決了加權圖的最短近似最優(yōu)旅游路徑，構建新疆旅游投訴景點分布圖。將每個景點看作加權無向圖的各個頂點，把景點與景點之間的公路看作加權無向圖中的邊，各景點間的路程距離即為對應邊上的權值。由此，即將各景點之間的路線行程網(wǎng)轉化為了加權無向圖，建立“分支定界法”的圖論模型。

3.2結果分析

考慮到來疆旅游的疆外游客人數(shù)較多，因此將首府烏魯木齊作為旅游路徑的出發(fā)地，設置為“1”，利用MATLAB進行Floyd算法求解，得到新疆旅游投訴背景下的近似最優(yōu)旅游路徑為：烏市——天山天池、江布拉克、五彩灘——喀納斯湖、賽里木湖、喀拉峻、那拉提——博斯騰湖、烏市。在此路線的安排下能夠遍歷本文所研究的所有景點，并可使旅游的時間與路程最小化。與其他路線相比，該路徑不存在路線交叉問題，能夠有效緩解旅行社合同內(nèi)的行程規(guī)劃問題，提高游客滿意度，解決游客行程投訴多的問題，從而進一步減少旅游投訴的數(shù)量。

4結論與建議

4.1結論

本研究顯示，新疆產(chǎn)生旅游投訴的投訴風險與酒店住宿質量無顯著關系，而與人員服務水平、景區(qū)綜合管理情況以及合同執(zhí)行情況呈密切正相關，尤其是旅行社的合同執(zhí)行情況，是影響游客產(chǎn)生投訴的主要因素。

產(chǎn)生旅游投訴的投訴風險具有明顯的空間異質性與季節(jié)周期性。中部地區(qū)以及烏魯木齊、石河子、克拉瑪依等主要城市產(chǎn)生旅游投訴的風險相對更高，而邊界地區(qū)產(chǎn)生旅游投訴的風險更低;每年旅游投訴的高發(fā)時間段及增長時間段均基本相同，且在暑期旅游高峰期到來前的3、4月份投訴風險更大。

考慮游客旅游時間和費用的限制，給出了新疆旅游投訴背景下的最佳旅游線路為烏市——天山天池、江布拉克、五彩灘——喀納斯湖、賽里木湖、喀拉峻、那拉提——博斯騰湖、烏市，使游客在有限時間內(nèi)能夠盡可能地游覽較多的景點，規(guī)劃更為合理的旅游路線。

4.2建議

提高服務質量，完善內(nèi)部管理。相關工作單位應貫徹“以人為本”的服務宗旨，提高各類工作人員的服務質量與服務水平;不斷完善管理制度，增大景區(qū)內(nèi)部各方面的管理強度。

加大監(jiān)管力度，打造信譽口碑。一方面，政府及相關企業(yè)應加大旅行社監(jiān)管力度，嚴懲黑心不良旅游公司;另一方面，旅行社應嚴格履行合約內(nèi)容，為游客提供優(yōu)質服務。

提前查缺補漏，據(jù)點對癥下藥。相關部門應著重關注產(chǎn)生旅游投訴的重點地區(qū)及重要時期，做好各方面的旅游監(jiān)管工作，提前查缺補漏，尋找易投訴點，最大程度地緩解旅游投訴問題。

參考文獻

[1]丁書珍，張輝國，胡錫健，等.利用R-INLA方法分析宏觀因素對艾滋病疫情的影響[J].中國艾滋病性病，2018，24（12）：1192-1196.

[2]Rue H，Martino S，Chopin N. Approximate Bayesian Inference for Latent Gaussian Models by Using Integrated Nested Laplace Approximations[J].Journal of the Royal Statistical Society，2009，71（2）：319-392.

[3]胡錫健，別思羽.基于INLA算法的肺結核發(fā)病時空分布特征分析[J].新疆大學學報（自然科學版），2020，37（04）：428-434.

基金項目：自治區(qū)社會科學基金項目“新疆冬奧冰雪旅游產(chǎn)業(yè)結構與優(yōu)化配置研究”（20BTY142）。