通过数据驱动评估提升文化旅游绩效:泰国北部的混合MCDM-机器学习方法

《Tourism Recreation Research》:Enhancing cultural tourism performance through data-driven evaluation: a hybrid MCDM – machine learning approach in Northern Thailand

【字体: 大 中 小 】 时间:2026年01月29日 来源:Tourism Recreation Research 4.0

编辑推荐:

  遗产丰富地区日益依赖文化旅游作为遗产保护、经济增长和包容性发展的驱动力。本研究提出一个综合性的数据驱动框架,用于评估和提升文化旅游目的地的绩效。通过将层次分析法(Analytic Hierarchy Process, AHP)加权的多准则决策分析(Multi-

  
遗产丰富地区日益依赖文化旅游作为遗产保护、经济增长和包容性发展的驱动力。本研究提出一个综合性的数据驱动框架,用于评估和提升文化旅游目的地的绩效。通过将层次分析法(Analytic Hierarchy Process, AHP)加权的多准则决策分析(Multi-Criteria Decision-Making, MCDM)技术——包括简单加性加权法(Simple Additive Weighting, SAW)、加权乘积模型(Weighted Product Model, WPM)和逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)——与K-Means聚类和决策树分析相结合,研究人员基于六个关键准则评估了125个目的地:满意度、灵活性、可持续性、安全性、经济影响和文化保护。目的地被分为低、中、高绩效聚类,并推导出可解释的决策规则以指导战略改进。例如,安全得分高于6.73和文化保护得分高于6.06是高绩效的关键预测因子。该模型实现了90.4%的分类准确率和80%的交叉验证准确率。这一混合框架不仅提供了对目的地绩效的稳健评估,还为旅游规划者和政策制定者生成了可操作的见解。它通过为提升表现不佳的景点提供明确的指导方针来支持可持续旅游发展,从而促进数据科学在旅游与休闲规划中的有效整合。
**一、研究背景与现存问题**

文化旅游在遗产保护、经济增长和包容性发展中发挥着关键作用。泰国北部兰纳文化区(涵盖清迈、清莱、南奔和湄宏顺等府)以其独特的建筑、精神传统和社区生活方式著称,具有巨大的遗产旅游发展潜力。2023年上半年,清迈跻身泰国旅游收入前列,酒店入住率达71.25%,反映出文化旅游的强劲需求。然而,该地区面临旅游收益分配不均、标志性景点游客拥堵、可持续性与安全基础设施投入不足等持续挑战。现有评估方法多依赖主观判断、碎片化指标或单一方法,导致结果不一致和决策欠佳。已有研究如Zhang
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号