文摘

目前很少有研究森林智能旅游,和大多数智能旅游服务模型仅仅是理论上的研究与分析。在此基础上,物联网(物联网),移动通信技术和智能旅游相关思想进行深度在这项研究中,其次是建设森林智能旅游服务模型。森林智能旅游然后进化博弈模型构建基于各种旅游部门的利益关系。最后,森林的影响智能森林旅游服务模型和智能旅游服务进化博弈模型是使用仿真实验评估。研究结果显示,(a)日常客流数据从6月份的景点分散,但总体估计给日常客流超过800;(b)日常客流数据从去年12月的景点分散,但总体估计表明,每日客流量低于300;和(c)的平均利润价值博弈模型为3.5,3日和6日,分别在不同的情况下。总而言之,本文提供的模型是可靠的和适当的优化森林智能旅游服务。通过构建模型,这项工作旨在为进一步提高提供理论参考森林游憩的发展潜力。

1。介绍

戈登·菲利普斯形容智能旅游在21世纪初“使用可持续战略设计和生产旅游产品和企业”(1]。智能旅游定义为联合国世界旅游组织(UNWTO)作为“清洁、绿色、伦理和高质量的服务,“但它忽略了重要的改变和新的需求造成的技术方面在旅游业2]。因此,英国智能旅游组织创造了术语“数字旅游”和“智慧旅游”的现象描述使用和实施信息技术在旅游业3]。后,智能旅游被描述为旅游相结合的旅游资源和信息和通信技术基于移动通信技术的进步4]。强调“智慧旅游”的实际支持“智能城市”,智能旅游被描述为使用移动数字连接技术建立一个更聪明,有意义的,可持续的游客/游客和城市之间的相互作用(5]。简而言之,智能旅游目的地需要收集重要数据,然后将数据转换为实际经验和经济的旅游价值6]。

在中国,智能旅游是在2011年提出了“智能城市”后(7]。起初,智能旅游定义为所有类型的使用信息技术的旅游经验,高度有组织的和系统化的整合旅游信息资源(8,9]。随后,智能旅游被认为是为游客提供无处不在的旅游信息服务(10]。在此基础上,智能旅游系统的定义是,游客可以娱乐,购买,吃,并通过智能终端(独立生活11]。此外,智能旅游被认为是使用云计算,物联网(物联网),人工智能等技术手段通过智能终端享受各种各样的信息服务(12]。

现有研究发现几乎没有森林智能旅游,和大多数智能旅游服务模型只是分析在理论阶段。以上,森林智能旅游服务模型设计的物联网和移动通信技术,和森林智能旅游服务构建博弈模型。然后,设置实验来验证模型的影响。博弈论构建模型的应用促进智能旅游业务的操作优点是新奇的研究工作。这一努力将加强智能旅游业相关的理论框架。它还提供了科学依据和理论支持未来的旅游发展规划。

2。方法

2.1。物联网

物联网是一个网络设计的智能化识别、定位、跟踪、监控和管理。它促进了信息共享和沟通对象连接到互联网使用信息传感设备,坚持达成一致的协议13]。根据这一原则,国内外专家、学者将物联网分为3层包括感知层,网络层,应用层;或4层包括感知和识别层、网络施工层,管理服务层和综合应用程序层(14]。与各种现有的通信和网络服务相比,物联网及其应用程序层有以下特征如图1。


图1
物联网的特征。

物联网技术(物联网)包括一个传感器的位置识别设备对象,使对象或人类和对象之间的通信。利用物联网在旅游业可以帮助获得动态信息快速、准确。物联网的大规模数据处理平台允许3(在任何时间,任何地点,任何)连接在整个旅游行业。因此,物理环境和信息技术集成,允许信息cross-penetration和互联性(15]。物联网的连接尺寸和信息流图所示2。


图2
物联网的连接尺寸和信息流。
2.2。移动Communications-Related技术

之间的通信是移动通信移动机构和固定机构(16]。移动身体可以人、汽车、火车、船舶、和其他物体运动状态(17]。移动通信系统由空间系统和地面系统。移动通信在智能旅游的主要目的是使系统内各种旅游信息元素之间的无线连接,系统与外部环境之间,以及远程设备之间,它是核心基础设施,支持智能旅游建设和发展(18]。发展和普及的移动终端设备(智能手机和PDA),移动通信技术从计算机users-cantered终端个人的转变即tourists-cantered,游客可以获得全面的实时和动态的旅游信息通过文字,声音,和视频。移动通信技术为游客提供实时的、动态的和高质量的信息服务。它在建设智能旅游中扮演着重要角色,促进旅游管理和服务更精致和高质量的方向发展19]。


图3
复杂适应性的智能旅游服务。

图4
智能旅游服务网络。

图5
旅游元素。
2.2.1。智能旅游服务

(1)智能旅游的定义。所谓的智能旅游服务是指旅游企业集团以游客为核心的因素和使用大数据,物联网、云计算、人工智能、虚拟现实,和其他信息技术收集、矿山、旅游业和计算数据。通过智能数据的积累,他们主动找到游客的实际需求,然后为游客提供个性化服务计划(20.]。(2)智能旅游的特征。智能旅游服务的复杂的适应性。复杂自适应系统(CAS)捕获和反映整个系统的复杂变化,宏观和微观之间的交互,从简单到复杂的进化机制通过自适应演员之间的相互作用(21]。CAS理论是用来获取智能旅游服务的复杂非线性和动态特征,如图3。(3)主要参与智能旅游服务。智能旅游服务包括整个域空间资源,整个行业元素供应,实行全程式服务价值cocreation和多维多层次体验(22]。在这个过程中,每个参与者都有一个复杂的网络链接关系。智能旅游服务具有典型的生态特征。是面向游客的需求,使大量使用信息技术来实现高效的资源配置和整合,鼓励旅游服务创新[23,24]。智能旅游服务的网络结构如图4。(4)元素构成智能旅游服务。景点、旅游资源和旅游设施都是智能旅游服务功能的例子。旅游设施都是吸引游客和画的经济效益。旅游资源是自然的、历史的和现实的客观存在,吸引游客。旅游资源可分为自然和文化资源根据其形成条件(25]。(5)食物、住宿、交通、旅游、购物、和娱乐旅游的六大要素是在传统意义上26]。四个元素的运动、康复、学习和感知被引入旅游由于其成长和发展。元素之间的关系如图5。(6)的食物、住宿、和运输是最基本的元素;旅游,购物,和娱乐是满足人的需要,玩,和娱乐;运动和恢复是满足人们对健康的需求;和学习和感知是满足工作的需要27]。(7)延长旅游元素:旅游业的“八类别”与各行业从事旅游业,如娱乐、接待、营销、运输、施工、生产、商业、和旅游情报。旅游产业链是由相关行业的因素。生成一个社区的利益和加强协作的服务能力,旅游开发必须完全整合所有的服务元素,旅游资源和相关产业。(8)智能旅游环境:智能旅游环境主要包括社会和文化环境、经济和技术环境、法律和政策环境,和自然和生态环境。

2.2.2。建立智能旅游服务模型

对森林的需求智能旅游可分为四个阶段:旅行梦想⟶旅行计划⟶预订和支付⟶评论/分享,形成DPB-S(梦想、计划、和book-share)周期的智能旅游需求28]。专注于智能旅游的需求,该模型是由两个维度:垂直服务过程和水平服务交互。


图6
智能旅游服务的流程图。

(1)森林智能旅游服务模型。基于智能旅游需求的分析,智能旅游服务过程分为五个阶段即:旅游服务需求映射⟶旅游服务资源整合⟶旅游服务方案形成⟶旅游服务方案选择和实现⟶旅游服务评价和反馈,如图6。从图6、信息流、元素流、服务流和事务流在一起形成一个生态循环。

(2)功能的森林智能旅游服务模型。根据图6、森林的功能智能旅游服务模型应包括(1)提高信息质量的森林休闲;(2)指导森林休闲需求;和(3)创新智能服务供给模式。

(3)仿真实验。该模型引入森林风景区和旅游流在6月和12月数。MatLab平台被用来对数据进行回归拟合。

2.2.3。博弈模型的森林智能旅游服务

三个主要参与者的过程中智能旅游服务游客,旅游代理(助教)和旅游要素提供者(tfp) [29日]。更精确和提供者与旅游合作因素,TA采用多种营销手段来吸引游客。网络平台(NP)中也扮演了重要的角色在助教,作为主要成分在推进智能旅游服务的升级30.]。

(1)模型的建立。米代表了TA和NP之间的合作;米1和米2分别代表它们之间的深度和简单的合作;D代表了TFP和NP之间的合作;D1和D2分别代表它们之间的深度和简单的合作;U米代表简单的助教合作和NP的好处,UD代表简单的TFP之间的合作和NP的好处;X代表三方合作下多余的收入共享,NP为核心;Y代表超额收入共享与深度合作TFP和NP TA和NP和简单的合作;Z代表超额收入共享与深度合作的助教和NP和简单的NP和TFP之间的合作;C米代表TA和NP深度合作的成本,CD代表深TFP之间的合作和NP的成本。这里不考虑成本的简单合作(为了吸引TA和TFP, NPs经常提供大的折扣在早期阶段)。α代表了TFP的收入分享比例与NP深度合作,0 <α< 1;β代表收入分享比例与NP TA的深度合作,0 <β< 1 0 <α+β< 1;C米<U米+βX,CD<UD+αX,Y<αX,Z<βX。

在初始阶段,假设简单的概率助教和NP之间的合作x(0 <x< 1),以及它们之间的深度合作的概率是1−x,简单的TFP之间的合作和NP的概率是多少y(0 <y< 1),以及它们之间的深度合作的概率是1−y。然后,根据相关游戏理论,TFP的预期利益与NP如下:深和简单的合作

平均预期收入与TFP执行策略选择的概率y和1−y表示如下:

TFP的复制动态方程与NPs深度合作可以构造如下:

深度和简单的助教合作的预期利益如下:

助教的平均预期收入执行策略的选择概率x和1 - x如下:

复制动态方程之间的深度合作TA和NP可以构造如下:

以上,游戏的复制动态方程模型在森林里智能旅游服务过程表示如下:

(2)稳定性分析。TFP的复制动态方程的导数是最初决定检查TFP的复制动态方程的稳定性。

因此,方程的稳定性在三个案例进行了分析。

(我) ,自Y<αX,然后Y<CD<αX,深TFP之间的合作和NP的成本大于收益,但低于深三方合作的收入共享。当 ,所有y是稳定的;当 ,y= 0或y= 1两种稳定状态的y。根据微分方程的稳定性定理和性质的进化稳定策略,y是一个进化策略什么时候 。众所周知,y= 1是一个进化稳定策略,也就是说,在这种情况下,经过长期的进化,tfp选择与NPs深度合作战略。当 y= 0或y= 1两种稳定状态的y。根据微分方程的稳定性定理和性质的进化稳定策略,y是一个进化策略什么时候 。众所周知,y= 0是一个进化稳定策略,也就是说,在这种情况下,经过长期的进化,NPs tfp选择一个简单的合作策略。(2) ,自Y<αX,然后Y<CD,αX<CD,深TFP之间的合作和NP的成本大于收入共享的深度合作3、和 ,因此,y= 0是一个进化稳定策略,也就是说,在这种情况下,经过长期的进化,NPs tfp选择一个简单的合作策略。(3) ,自Y<αX,然后αX >Y>CD,TFP与NP深度合作的成本小于收益,和 ,因此,y= 1是一个进化稳定策略,也就是说,在这种情况下,经过长期的进化,tfp选择与NPs深度合作战略。

(3)仿真实验。基于MATLAB仿真软件,PDTool-Box_MatLabmaster软件包被用来模拟计算结果。参数值必须满足在前一节中描述的基本假设和约束。

3所示。结果和分析

3.1。森林智能旅游服务模型的性能

夏天客流基于森林智能旅游服务模型如图7如下。


图7
在夏天旅游流的数据分析。

图7表明,景区的日常客流数据分散6月,但总的来说,《每日客流量超过800人。此外,在MatLab平台上通过数据拟合,发现尽管6月客流的总体变化是缓慢的,它总是在一个上升的趋势。因此,初步验证了该模型的影响。

冬天客流基于森林智能旅游服务模型如图8如下,图8显示了该景区的客流在冬天。


图8
数据分析旅游流在冬天。

去年12月,《每日景区的客流统计数据是分散的,如图8。尽管天气的影响,景区的日常客流超过300人。此外,使用MatLab平台适合数据,发现,虽然整个景区的客流的变化表现出降低的趋势,12月下降很小。以上的数据进一步证明了模型的可靠性和一致性。

3.2。博弈模型的森林智能旅游服务

根据博弈模型的森林智能旅游服务,设置不同的参数来进行仿真实验模型在三种情况下,结果如图所示9。

(一)
(一)
(b)
(b)
(c)
(c)
图9
游戏性能模型在不同的情况下,(a)在案例1仿真结果;例2 (b)仿真结果;案例3中(c)仿真结果。

图9案例1表明,当x= 5,博弈模型不收敛迅速,和任何的价值y是稳定的;当x= 0.2,y快速收敛于0,TFP的利润值是3;当x= 0.8,y快速收敛于1,TFP的利润值是4。对于第二种情况,当所有参数符合相关条件,的价值x没有影响的融合y但只有在收敛速度上。前收敛于0更快,TFP的利润值是3。例3,当所有参数符合相关条件,的价值x没有影响的融合y但只有在收敛速度上。后者收敛于1快,TFP的利润值是6。

4所示。结论

森林智能旅游服务模型中描述,本文是基于物联网和移动通信技术。首先,相关的理论研究。其次,森林智能森林旅游服务模型和智能旅游构造博弈模型。最后,通过实验验证了模型的模型的性能。结果结果表明:(1)模型提出了工作可以发挥良好的作用,数据分析在高峰和低旅游季节;(2)根据各部门之间的利益关系旅游、森林的博弈模型智能旅游服务可以给不同的最优收入策略在不同的情况下。这个工作的不足是博弈模型分析与理论假设和不应用于实际的旅游项目。在未来,该模型将不断改进,引入实际应用。这项工作旨在提高智能旅游的服务质量,和方法提供理论支持和决策参考旅游业的可持续发展。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由学术资助项目对于黑龙江省哲学社会科学规划项目,研究一体化的道路上的冰雪旅游和文化产业在黑龙江省(项目没有。19 jyc123)。