ОСОБЕННОСТИ МАТЕМАТИЧЕСКОГО ИНСТРУМЕНТАРИЯ, ИСПОЛЬЗУЕМОГО ДЛЯ ПОСТРОЕНИЯ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ТУРИСТИЧЕСКИХ ПОТОКОВ

  • Анна Игоревна Кошелева Финансовый университет при Правительстве Российской Федерации https://orcid/org/0000-0002-8309-7180
  • Ольга Александровна Артемьева Финансовый университет при Правительстве Российской Федерации https://orcid/org/0000-0002-4099-2329
  • Константин Владимирович Левченко Финансовый университет при Правительстве Российской Федерации
Ключевые слова: цифровые технологии, туристский рынок, туристские потоки, моделирование, цифровая экономика, туристская инфраструктура, оптимизационные модели, датасеты, устойчивое развитие, эконометрические модели, дестинация, эффективность

Аннотация

В статье описаны особенности математического инструментария, который используется при реализации методов моделирования туристических потоков. Это: методы машинного обучения, методы имитационного моделирования, избранные методы графовой аналитики, вероятностные методы побора распределений случайных величин, необходимых для имитации процессов. В статье указано, что одной из проблем, которую необходимо разрешить в применяемых методах, является определении реакции фактора на изменения, которые произойдут в системе при реализации нового проекта. В статье сделано предположение (для этого существует процедура учета рисков при бизнес-планировании), что характер воздействия новых условий, возникающих при реализации проекта известен. То есть у исследователей имеется представление о том, что при внедрении проекта увеличение значений параметра А повлечет к (должно повлечь) к увеличению параметра В. Если проектировщики исследовали этот процесс, то возможно есть формула, скорее всего регрессионная В=F(A). Если такой связи не установлено, то можно будет предполагать линейную связь между В и А. В теории сложных систем такой подход традиционен. Основной проблемой является установление основных значимых факторов, оказывающих существенное влияние или влияние, которое сложно описать линейными зависимостями. Метод нахождения такого рода связей подробно описан в статье при раскрытии основных составляющих методов графовой аналитики – теории когнитивных графов. В статье отмечено, что современные исследования по моделированию туристских потоков - это исследования, целью которых является не просто прогнозирование туристского потока, а исследование его динамики в зависимости от конкретных показателей. 

Биографии авторов

Ольга Александровна Артемьева, Финансовый университет при Правительстве Российской Федерации

доцент, кандидат экономических наук, доцент департамента туризма и гостиничного бизнеса

Константин Владимирович Левченко, Финансовый университет при Правительстве Российской Федерации

Старший преподаватель департамента туризма и гостиничного бизнеса

Литература

Abdurazakova Ya.M. Modern international tourism: trends and prospects. Bulletin of AGTU. Ser. Economy. 2010. N 2. P. 39. (in Russian).

Vedernikova A.Y., Nianina T.A., Gadasina L.V. European tourism during the coronavirus pandemic. Materials of the III International scientific and practical conference «Consequences and causes of the coronavirus pandemic for technological and socio-economic development of society». Yaroslavl: Yaroslavl State Technical University. 2020. P. 504-510. (in Russian).

Lanina K.S., Lanin M.A. Machine learning technologies as one of the new vectors of development of hotel enterprises. Materials of the III All-Russia scientific and practical conference «Modern problems and prospects for the development of tourism and the service sector in the context of globalization» Vladimir: ATLAS. 2020. P. 227–231. (in Russian).

Morozov M.A., Morozova N.S. A new paradigm of tourism and hospitality industry development in the digital economy. Bulletin of the Russian New University. Series: "Man and Society". 2018. N1. Р. 135-141. (in Russian).

Pershina E.S., Daragan S.V. From big data to advanced analytics in the tourism industry. Scientific Bulletin MSITI. 2018. N 2(52). P. 60–69. (in Russian).

Shpyrnia O., Koreneva M.V. New technologies of tourist services market development. Scientific Bulletin of the Southern Institute of Management. 2019. N 4(28). P. 113-116. (in Russian).

Gour A., Aggarwal S., Erdem M. Reading between the lines: analyzing online reviews by using a multi-method Web-analytics approach. Int. J. Contemp. Hosp. Manag. 2021. Vol.33. N 2.

Jain P.K., Pamula R., Srivastava G. A systematic literature review on machine learning applications for consumer sentiment analysis using online reviews. Comput. Sci. Rev. 2021. Vol. 41. Р. 100413.

Hillel T. A systematic review of machine learning classification methodologies for modelling passenger mode choice. J. Choice Model. 2021. Vol. 38. Р. 100221.

Parvez M.O. Use of machine learning technology for tourist and organizational services: high-tech innovation in the hospitality industry. J. Tour. Futur. 2020.

Penagos-Londoño G.I. A machine learning approach to segmentation of tourists based on perceived destination sustainability and trustworthiness. J. Destin. Mark. Manag. 2021. Vol. 19.

Sun S. Nonlinear vector auto-regression neural network for forecasting air passenger flow. J. Air Transp. Manag. 2019. Vol. 78. Р. 54–62.

Yao L., Ma R., Wang H. Baidu index-based forecast of daily tourist arrivals through rescaled range analysis, support vector regression, and autoregressive integrated moving average. Alexandria Eng. J. 2021. Vol. 60. N 1. Р. 365–372.

Zeng C. Text mining of tourism preference in a multilingual site. IEEJ Trans. Electr. Electron. Eng. 2019. Vol. 14. N 4.

Zheng W., Huang L., Lin Z. Multi-attraction, hourly tourism demand forecasting. Ann. Tour. Res. 2021. Vol. 90. Р.103271.

Опубликован
2021-12-21
Выпуск
Раздел
МАТЕМАТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ И МОДЕЛИ В ЭКОНОМИКЕ