• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Technological forecasting and social change >Big Data analytics for forecasting tourism destination arrivals with the applied Vector Autoregression model
【24h】

Big Data analytics for forecasting tourism destination arrivals with the applied Vector Autoregression model

机译：大数据分析，通过应用矢量自回归模型预测旅游目的地的到来

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The prediction of tourist numbers is important for Destination Management and Marketing. While most existing methods rely on well-structured statistical data, using web search queries of the destination to forecast its tourist arrivals is a new way to apply Big Data analytics. However, there are no studies exploring correlation of weather, temperatures, weekends and public holidays with tourism destination arrivals and web search queries of the destination, respectively. This study uses the Vector Autoregressive modeling to examine the Granger causality between actual arrivals of the studied cultural tourism destination and its web search queries, and to explore the correlation mentioned above. The striking result is that weather has no correlation either with actual arrivals of the studied cultural tourism destination, or with its web search queries. Meanwhile, unlike previous researchers who discuss the predictive power of web queries on actual tourism flows, this study emphasizes their reciprocal predictive powers upon each other. The originality of this study is exemplifying the utilization of Big Data analytics in the tourism domain with Big Data datasets, data capture techniques, analytical tools, and analysis results. This study further digs possible reasons for an identified short time lag length (p = 2), to provide insights for Destination Management and Marketing.
机译：游客数量的预测对于目的地管理和营销非常重要。尽管大多数现有方法都依赖于结构良好的统计数据，但是使用目的地的网络搜索查询来预测其游客的到来是应用大数据分析的一种新方法。但是，尚无研究探讨天气，温度，周末和公共假日分别与旅游目的地的到来和目的地的网络搜索查询之间的关系。这项研究使用向量自回归模型来研究所研究的文化旅游目的地的实际到达与其网络搜索查询之间的格兰杰因果关系，并探讨上述相关性。引人注目的结果是天气与所研究的文化旅游目的地的实际到来或其网络搜索查询均不相关。同时，与以往讨论网络查询对实际旅游流量的预测能力的研究人员不同，本研究强调了彼此的相互预测能力。这项研究的独创性是通过大数据数据集，数据捕获技术，分析工具和分析结果来举例说明旅游领域中大数据分析的利用。这项研究进一步挖掘了确定短时滞长度（p = 2）的可能原因，为目的地管理和营销提供了见识。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号