一种基于多维数据的物联网旅游出行指数的智能评估模型制造技术

本发明专利技术涉及旅游大数据平台技术领域，尤其是一种基于多维数据的物联网旅游出行指数的智能评估模型，其模型方法为：采集数据进行数据标记与旅游出行指标体系分组；构建专家评分模型，利用专家评分模型确定旅游出行指标权重；分层分析模型，利用层次分析法确定旅游出行指标权重；旅游出行指数得分确定，应用模型计算结构。本发明专利技术有益效果：本发明专利技术提供的方法基于统计学理论，结合最新的数据挖掘理论实施方法，采用专家评分评估模型和层次分析法，并提前以历史数据作为模型构建的基础，能达到快递、科学、客观的旅游出行指数结果。

【技术实现步骤摘要】
一种基于多维数据的物联网旅游出行指数的智能评估模型
本专利技术涉及旅游大数据平台
，尤其是一种基于多维数据的物联网旅游出行指数的智能评估模型。
技术介绍
由于中国经济的快速发展，人民生活水平提高了，对精神文化的追求日益提高，越来越多的人选择去旅游。然而在旅游出行方面的当天适不适合出行，或者哪天适合出行只有一个气象部门推出的旅游指数，即从天气的角度提供的出游建议，忽略了其他影响因素，可能会对民众出行造成一些错误的引导。旅游指数是气象部门根据天气的变化情况，结合气温、风速和具体的天气现象，从天气的角度出发给市民提供的出游建议。一般天气晴好，温度适宜的情况下最适宜出游；而酷热或严寒的天气条件下，则不适宜外出旅游。旅游指数分为5级，级数越高，越不适应旅游。气象局的旅游指数虽好，但仅仅只是从天气这个维度来计算旅游指数，忽略了现实当中交通请，场馆(景区)情况等对旅游出行的影响。传统解决方案中对旅游出行指数的评估基于气象数据，因此在评估过程由于缺少其他维度的数据支撑，存在一定的漏判、误判等情况。因此，对于上述问题有必要提出一种基于多维数据的物联网旅游出行指数的智能评估模型。
技术实现思路
本专利技术目的是克服了现有技术中的不足，提供了一种基于Flash平台的网页游戏开发系统。为了解决上述技术问题，本专利技术是通过以下技术方案实现：一种基于多维数据的物联网旅游出行指数的智能评估模型，其模型方法为：步骤一：采集数据进行数据标记与旅游出行指标体系分组；步骤二：构建专家评分模型，利用专家评分模型确定旅游出行指标权重；步骤三：分层分析模型，利用层次分析法确定旅游出行指标权重；步骤四：旅游出行指数得分确定，应用模型计算结构。优选地，其中步骤二进一步的包括专家评分模型建立和对等级比较答案的处理。优选地，其中专家评分模型建立的评分方法为：对数量和时间答案的处理式中为评价结果，p为正整数，n为专家数，专家评分值从大到小排列，则Xp+1公式表示奇数个专家评分的中位数，(Xp+Xp+1)/2表示偶数个专家评分的中位数。优选地，其中对等级比较答案的处理设旅游出行指数有m个评价领域(可扩充)，有n个专家参与评价，设某一专家k给出的评分值集合为式中{Xi(j)}(k),表示第k＝1，2，···，n个专家对第i(i＝1，2，···，n)领域的评分序分值，其值为j(j＝1，2，···，m)；根据可将序分值集合转化为基分值集合{Bi(j)}(k)，其中{Bi(j)}(k)表示第k个专家对第i个领域排在第j位时所对应的基数分值；然后，用下述公式计算每个研究领域的重要程度:在(2)以及(3)式中，m在(2)以及(3)式中，m表示领域数；Si表示i领域得分值；n表示专家数；Bi(j)表示i领域排在j位得分值；Ni表示赞同某一领域排在第j位的人最后根据Ki大小排序，由公式(2)以及(3)看出，目前评分处理方法对序分值的处理是建立在统计平均基础上，根据统计学原则可知，当参与评价的专家很多时，计算结果是真实可信的。优选地，其中步骤三进一步的包括确定模型的层次结构、比较尺度与成对比较矩阵和一致性检验。优选地，其中一致性检验是将(其中入为成对比较矩阵M的最大特征值，作为一致性指标Ci＝0，说明λ＝n，则为一致阵，Ci越大，M的不一致程度越严重。由于M的特征值之和等于M的主对角线元素之和，而M的主对角线上元素全为1，所以M的特征值之和为n，λ-n即为其余n-1个特征值之和的绝对值，Ci即为这些余下的特征值之平均值(取绝对值)；为了确定Ci的容许范围，引入了随机一致性指标R，I并给出对于不同的n(矩阵的阶数)Ri的取值。当n＝1，2时，Ri＝0，说明这时M一定是一致的；当n>3时，定义一致性比率CR为Ci与它同阶(指n相同)的随机一致性指标RI之比，即当CR<0.1时，认为M的不一致程度在容许范围内，否则，需要重新进行成对比较，给出新的成对比矩阵。对M利用及Ri的取值进行检验即称为一致性检验。优选地，步骤三最终求出的第三层对第二层的权重向量我们用代数分别表示为(α1,α2,…,αr),(β1,β2,…,βs)，(γ1,γ2,…,γt)，而第二层对第一层的权重向量可表示(ω1,ω2,ω3)。优选地，其中步骤四中进一步的假设某一系统指标分别为x1,x2,…,xm,首先将每个指标数据归一化，归一化公式，其中为归一化后的数据，为n个指标值的平均值，为标准差；然后对归一化后的数据再进行极值标准化，其中和分别是n个中的最大值和最小值，经过这两步转换后便落到了闭区间[0,1]中。所有指标数据都经过上述的过程进行转换，则得到转换后的数据：得到个指标数据的取值区间为：区间的上限和下限分别是指该指标的最大值和最小值。其中A对应的指标对适合出行可能性起正向作用，即a1,a2,…,an表示的指标数据越大，越是适合旅游出行；B、C对应的指标起正向作用，即b1,b2,…,bn,c1,c2,…,cn表示的指标数据越大，不适合出行的可能性越大。优选地，其中旅游出行指数计算公式为本专利技术有益效果：本专利技术提供的方法基于统计学理论，结合最新的数据挖掘理论实施方法，采用专家评分评估模型和层次分析法，并提前以历史数据作为模型构建的基础，能达到快递、科学、客观的旅游出行指数结果。以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。附图说明图1是本专利技术的模型流程框图；图2是本专利技术的层次分析结构示意图。具体实施方式以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定和覆盖的多种不同方式实施。如图1并结合图2所示，一种基于多维数据的物联网旅游出行指数的智能评估模型，其模型方法为：步骤一：采集数据进行数据标记与旅游出行指标体系分组；步骤二：构建专家评分模型，利用专家评分模型确定旅游出行指标权重；步骤三：分层分析模型，利用层次分析法确定旅游出行指标权重；步骤四：旅游出行指数得分确定，应用模型计算结构。其中旅游出行指标体系分组将所有和旅游出行指数相关的(m，其他系统)。其中步骤二进一步的包括专家评分模型建立和对等级比较答案的处理。其中专家评分模型建立的评分方法为：对数量和时间答案的处理式中为评价结果，p为正整数，n为专家数，专家评分值从大到小排列，则Xp+1公式表示奇数个专家评分的中位数，(Xp+Xp+1)/2表示偶数个专家评分的中位数。优选地，其中对等级比较答案的处理设旅游出行指数有m个评价领域(可扩充)，有n个专家参与评价，设某一专家k给出的评分值集合为{Xi(j)}(k)，式中{Xi(j)}(k)表示第k＝1，2，···，n个专家对第i(i＝1，2，···，n)领域的评分序分值，其值为j(j＝1，2，···，m)；根据可将序分值集合转化为基分值集合{Bi(j)}(k)，其中{Bi(j)}(k)表示第k个专家对第i个领域排在第j位时所对应的基数分值；然后，用下述公式计算每个研究领域的重要程度:在(2)以及(3)式中，m在(2)以及(3)式中，m表示领域数；Si表示i领域得分值；n表示专家数；Bi(j)表示i领域排在j位得分值；Ni表示赞同某一领域排在第j位的人最后根据Ki大小排序，由公式(2)以及(3)看出，目前评分处本文档来自技高网...

【技术保护点】
一种基于多维数据的物联网旅游出行指数的智能评估模型，其特征在于：其模型方法为：步骤一：采集数据进行数据标记与旅游出行指标体系分组；步骤二：构建专家评分模型，利用专家评分模型确定旅游出行指标权重；步骤三：分层分析模型，利用层次分析法确定旅游出行指标权重；步骤四：旅游出行指数得分确定，应用模型计算结构。

【技术特征摘要】
1.一种基于多维数据的物联网旅游出行指数的智能评估模型，其特征在于：其模型方法为：步骤一：采集数据进行数据标记与旅游出行指标体系分组；步骤二：构建专家评分模型，利用专家评分模型确定旅游出行指标权重；步骤三：分层分析模型，利用层次分析法确定旅游出行指标权重；步骤四：旅游出行指数得分确定，应用模型计算结构。2.如权利要求1所述的一种基于多维数据的物联网旅游出行指数的智能评估模型，其特征在于：其中步骤二进一步的包括专家评分模型建立和对等级比较答案的处理。3.如权利要求2所述的一种基于多维数据的物联网旅游出行指数的智能评估模型，其特征在于：其中专家评分模型建立的评分方法为：对数量和时间答案的处理式中为评价结果，p为正整数，n为专家数，专家评分值从大到小排列，则Xp+1公式表示奇数个专家评分的中位数，(Xp+Xp+1)/2表示偶数个专家评分的中位数。4.如权利要求2所述的一种基于多维数据的物联网旅游出行指数的智能评估模型，其特征在于：其中对等级比较答案的处理设旅游出行指数有m个评价领域，有n个专家参与评价，设某一专家k给出的评分值集合为{Xi(j)}(k)，式中{Xi(j)}(k)表示第k＝1，2，…，n个专家对第i(i＝1，2，…，n)领域的评分序分值，其值为j(j＝1，2，…，m)；根据可将序分值集合转化为基分值集合{Xi(j)}(k),其中{Bi(j)}(k)表示第k个专家对第i个领域排在第j位时所对应的基数分值；然后，用下述公式计算每个研究领域的重要程度:在(2)以及(3)式中，m在(2)以及(3)式中，m表示领域数；Si表示i领域得分值；n表示专家数；Bi(j)表示i领域排在j位得分值；Ni表示赞同某一领域排在第j位的人最后根据Ki大小排序，由公式(2)以及(3)看出，目前评分处理方法对序分值的处理是建立在统计平均基础上，根据统计学原则可知，当参与评价的专家很多时，计算结果是真实可信的。5.如权利要求2所述的一种基于多维数据的物联网旅游出行指数的智能评估模型，其特征在于：其中步骤三进一步的包括确定模型的层次结构、比较尺度与成对比较矩阵和一致性检验。6.如权利要求5所述的一种基于多维数据的物联网旅游出行指数的智能评估模型，其特征在于：其中一致性检验是将其中入为成对比较矩阵M的最大特征值，作为一致性指标Ci＝0，说明...

【专利技术属性】
技术研发人员：王晓佳，蔡文鑫，
申请(专利权)人：广东广业开元科技有限公司，
类型：发明
国别省市：广东,44