马银超
- 作品数：5 被引量：78H指数：3
- 供职机构：合肥工业大学管理学院更多>>
- 发文基金：国家自然科学基金安徽高校省级自然科学研究基金国家教育部博士点基金更多>>
- 相关领域：经济管理自动化与计算机技术更多>>
- 大数据挖掘:智慧旅游的核心被引量：28
- 2015年
- 旅游业和大数据都是当前的热点,旅游业各类型复杂数据实时呈现爆炸式增长—旅游大数据。随着云计算、物联网、Internet以及移动智能终端等信息通讯技术(ICT)的飞速发展以及迎合更加优质的服务管理需求,智慧旅游成为全球旅游信息化建设和理论探讨的主要方向,有许多问题急待解决。旅游作为服务业只有充分挖掘分析旅游数据中的潜在信息,才能更好地进行决策管理以及为游客提供更加全面优质的服务。结合大数据方面研究认为大数据挖掘是智慧旅游的核心,在总结智慧旅游概念和发展的基础上并结合大数据挖掘全新定义了智慧旅游,分析了目前智慧旅游建设以及智慧旅游中大数据挖掘面临的问题和挑战,并探讨了大数据挖掘自身以及为智慧旅游创造的研究方向和发展机遇。
- 梁昌勇马银超路彩红
- 关键词：智慧旅游大数据数据挖掘信息通讯技术
- 基于云计算的景区数据仓库应用研究被引量：3
- 2014年
- 云计算、物联网、大数据等新兴信息技术的发展与应用在提高景区信息化服务水平的同时,也对景区海量信息资源的有效利用提出了严峻挑战。面对超大规模、非结构化的海量数据,传统的基于关系型数据库的数据仓库已很难有效支持景区的数据存储与分析工作。基于此文中提出了一种基于云计算技术的景区数据仓库,通过采用HDFS对数据进行分布式存储管理,利用MapReduce设计海量数据的分析模式,使用HiveQL语言实现数据仓库与前端表现层的交互,能够有效解决景区海量数据的数据管理问题。以黄山风景区为实际背景的实验结果表明了该数据仓库的正确性和有效性。
- 谢福伟梁昌勇马银超
- 关键词：云计算数据仓库MAPREDUCEETL
- 基于APSO-SVR的山岳风景区短期客流量预测被引量：9
- 2013年
- 根据山岳风景区短期客流量小样本、非线性等特征,本文提出基于自适应粒子群算法(Adaptive Particle Swarm Optimization,APSO)的支持向量回归(Support Vector Regression,SVR)模型,融合SVR处理小样本、非线性预测特性和APSO优化SVR参数的能力对山岳风景区短期客流量进行预测。来自山岳风景区黄山2008年～2011年暑期相关日数据的验证结果表明:与PSO-SVR、GA-SVR和BPNN等模型相比,APSO-SVR模型的预测准确性更高、误差更小,是进行山岳风景区短期客流量预测的有效工具。
- 陈荣梁昌勇梁焱马银超
- 关键词：山岳风景区支持向量回归自适应粒子群算法
- 基于SVR-ARMA组合模型的日旅游需求预测被引量：39
- 2015年
- 短期微观旅游需求具有强非线性特征,单一的模型很难做出准确预测。针对此问题,本文分析了著名风景区黄山2010年旅游旺季(4-10月)相关日数据的特征,在此基础上建立SVR-ARMA组合模型,用SVR模型先对原始非线性数据预测,再对SVR模型预测所产生的线性残差用ARMA模型预测,将两部分预测值几何相加得最终的预测值。最后分别与单一的SVR和ARMA模型对比,结果表明该组合模型有更高更稳健的预测精度,很适合短期微观旅游需求。
- 梁昌勇马银超陈荣梁焱
- 基于分类模型的日客流量预测
- 2015年
- 日客流量的准确预测能为景区管理决策提供科学可靠的依据。由于受到各种客观因素影响,日客流量不光呈现出强非线性特征,而且具有明显的季节性特征。整年度的日客流量数据跳跃波动过大,整年度模型很难对其进行准确预测。针对这一问题,根据黄山风景区日客流量的分布特点,建立了1、2和12月,3、6和11月,4和5月,7和8月,9和10月以及法定节假日六类预测模型,通过SVR预测方法的实证仿真显示,同年度模型相比基于客流量分布特征的分类模型明显消除了日客流量跳跃波动,有效地提高了预测精度。
- 马银超梁昌勇路彩红
- 关键词：SVR黄山风景区
