Python熵值法对旅游目的地安全度评价

王晨光

（山西工程技术学院 管理工程系，山西 阳泉045000）

0 引 言

近年来，旅游业蓬勃发展，旅游目的地的服务水平也在不断提高。国家不断推出新政新规，以及新的路线。如，全域旅游、旅游+互联网、智慧旅游等等。作为旅游行业，如何利用大数据，利用计算机来更好的发展，无疑成为行业比较关注的热点问题。众所周知，旅游业受到了诸多因素的影响，且影响程度各有不同，如何将旅游服务质量数据化，从数据中找出发展方向，是本文要解决的问题。

本文查阅2002-2020年中国城市统计年鉴，挖掘到山西省11个地市中与旅游业相关的35个指标，初步假设旅游安全度评价体系，利用python语言，设计熵值法算法，对山西省旅游目的地的安全度指标进行权重分析，并对各地安全度进行综合评价，引用中国旅游发展规划“十二五”的公共服务的5个体系作为变量层，来形成目的地旅游安全度的评价模型，进而创建旅游目的地安全的评价体系。

1 指标体系设计

旅游目的地安全评价模型是一个复杂而庞大的系统。笔者通过联系现在全域旅游背景，在选取安全度评价指标的过程中，遵循层次性、客观性、可比性、动态性、合理性原则。根据旅游目的地安全的特点，结合旅游目的地的实际情况，通过CNKI数据库，对国内外学者文献的梳理，初步筛选出45个评价指标。结合中国旅游发展“十二五”规划中提到的旅游公共服务体系，归纳为5个变量层，即信息咨询、安全保障、便民惠民、行政服务和交通便捷。采用德尔菲法，对部分指标进行了调整，删除了对旅游目的地安全影响不大的指标，最终构建出旅游目的地安全评价体系。

在该体系中，旅游目的地安全的评价指标主要包括5个变量层，信息咨询包括租赁和商业服务业从业人员（万人）、信息传输、计算机、服务和软件业（万人）、互联网宽带接入用户数（万户）、移动电话年末用户数（万人）4个评价指标［1-5］；安全保障包括保险深度（%）、保险密度（元／人）、保费收入（万元）、卫生、社会保障和社会福利业（万人）、医院、卫生院（个）、医院、卫生院床位数（个）、医生数（人）、人均地区生产总值地区（万元）、生产总值增长率（%）9个评价指标［6-10］；便民惠民包括星级酒店（个）、金融机构网点数（个）、住宿与餐饮业（万人）、旅游从业人员（万人）、金融业（万人）、居民服务、修理和其他服务业（万人）、水利、环境和设施管理业（万人）、旅行社数（个）、建成区绿化覆盖率（%）、人均城市道路面积（平方米）10个评价指标［11-15］；行政服务包括公共财政支出（万元）、城市维护建设资金支出（万元）、污水处理集中处理率（%）、生活垃圾无害化处理率（%）、一般工业固体废物利用率（%）5个评价指标；交通便捷包括交通运输、仓储和邮政业（万人）、铁路客运量（万人次）、公路客运量（万人次）、年末实有公共汽车营运车辆数（辆）、全年公共汽车客运总量（万人次）、年末实有出租车数（辆）6个评价指标；共计34个评价指标。

旅游目的地评价指标中，所有指标均采用客观统计数据，利用2000年-2018年的《中国城市统计年鉴》、《山西省统计年鉴》、《国民经济与社会发展统计公报》等官方数据。系统中有些数据缺失，有些数据单位不统一，对于这些数据，采用了平均赋值法、趋势递推法等来赋值，保证整个系统评价指标数据的完整性。

2 各指标权重计算

计算权重的方法主要有主观赋值法、客观赋值法。主观赋值法主要有德尔菲法、层次分析法等；客观分析法主要有离差最大化法、熵值法、变异系数法等方法。本文采用熵值法，计算在计算旅游目的地客观评价指标。

设：m个研究区域，n个评价指标，x ij为第i研究区域的第j个指标的数值（i＝1，2…，m；j＝1，2，…，n），可构造初始指标判断矩阵X＝{x i j}m×n。 若指标值x ij的差距越明显，该指标在综合评价函数中所起作用越大，否则无作用。在信息论的概念中，信息熵是对系统无序程度的度量，公式为：

式中，等号左边为信息熵，右边为信息，二者的绝对值相等，但是符号相反。当系统内某项指标值变异程度越大，则该指标提供的信息量就越大，相应的权重系数也越大，信息熵也就越小，反之亦然。由于年鉴中整理的评价指标的计量单位存在不统一的情况，为保证其计算结果，需先进行归一化处理。即先对其进行标准化处理，把指标的绝对值转化为相对值。因此，在熵值法中进行了以下改进，对各指标的数值进行无量纲化和非负化处理。

（1）指标无量钢化处理

为解决指标量纲或者测度量级的不同对计算结果造成影响，根据功效函数法，对于正向指标（正向指标数值越高越好）、负向指标（负向指标越低越好）的计算，分别进行无量钢化处理，可得到指标值xij′。

正向指标处理为：

负向指标处理为：

（2）指标非负化处理

指标经过第一步无量钢化处理之后，有些会出现0值。因对数的底数不能为0，只能是非负数，则需对该值进行非负化处理。具体为：

其中，0＜α＜1（本文设α＝0.99）。

（3）指标同度量化处理

（4）计算第j项指标的熵值

我用克雷洛夫的寓言来回答他们：蜜蜂在花朵里辛勤工作，老鹰鄙夷它：“辛苦又有何指望？”蜜蜂说：“我生来是为大家服务的，看到许多的蜂蜜中有一滴是我酿造的，这就是我的安慰了。”

其中，K＞0，lnP i j为自然对数，H j≥0。 如果x i j对于给定的j全部相等，则：

此时，H j取极大值，即

若假设k＝1／lnm，则有0≤H j≤1H j。

（5）计算第j项指标的差异性系数

对于第j项指标，当指标值的差异性越小，H j越大；当无差异，此时对于区域间的比较，指标无作用；当指标值差异性越大，就越小，该项指标对于区域间比较所起到的作用就越大。定义差异性系数F j公式如下：

式中，当F j越大时，指标重要性越强。

由此可得出各指标较合理的权重（λ1，λ2，…，λn）。

将上述算法使用python语言进行编程，数据路径设为原始数据的存放地点，运行后得出结果。（受篇幅所限，在此略去程序代码）

3 计算结果

按照上述步骤进行运算，计算出2002年-2020年19年各个评价指标的权重。权重系数是测量每个指标对于变量层的影响系数，由于每个指标在不同年份对变量层影响有所变化，为后续的计算方便，利用均值法，得出各指标的均值，作为此指标对于变量层的综合影响系数，以此作为该指标的权重系数，每个变量层的权重系数为对应的指标层权重系数求和。由此，可以推算出各指标层系数，为后续计算提供依据。旅游目的地安全度指标权重数据见表1。

表1 旅游目的地安全度指标权重Tab.1 Tourism destination safety index weight

4 综合评分及等级划分

按照上述步骤进行运算，得出了各指标层、以及各变量层的权重系数，根据上述权重系数，将山西省11地市19年的数据，导入评价体系模型，结合对应的权重系数，算出每个地市每一年的旅游安全度综合评分，最为后续等级划分的依据。各城市旅游安全度综合评分情况见表2。

对旅游目的地安全等级的划分，是对旅游目的地安全的一种刻画，也是旅游目的地安全度的衡量标准。目前，中国官方还没有形成规范、统一的旅游目的地安全等级划分标准。美国国土安全部在“9·11”事件后，对恐怖袭击进行了等级划分，将这些突发事件按严重性从重到轻分为绿、蓝、黄、橙、红5个等级。中国社会治安事件按事件的严重性分为特大警情、重大警情、较大警情、一般警情、没有警情5个等级。《国家突发公共事件总体应急预案（2006）》按事件的危害程度、紧急程度等，分为特别严重、严重、较重和一般4个等级。

表2 各城市旅游安全度综合评分Tab.2 Comprehensive score of tourism safety of each city

国内学者们对社会安全及社会相关系统的研究也很多，根据评价结果及研究内容的特点出现了许多安全等级的划分标准。本文经过查阅相关文献，充分借鉴前人的研究成果，将旅游目的地的安全度划分为5个等级：（0-0.25］、（0.2-0.5］、（0.5-0.75］、（0.75-1］、（1，+∞］。详情见表3。

表3 旅游安全度等级划分Tab.3 Classification of tourism safety degree

5 结束语

通过上述计算，可以得出太原市安全度最高，处于较安全状态；大同市、临汾市、运城市处于一般状态；长治市、晋城市、晋中市等7个地市处于恶劣状态，其中吕梁市安全度最低。在当前中国全域旅游战略的背景下，旅游安全的研究是非常必要的。通过研究发现，中国在旅游安全的理论和实践研究上还存在很多可提升之处。例如对于旅游安全度指标体系不够健全的问题、旅游年鉴中数据统计口径不统一的问题、如何让政府与市场在旅游目的地安全中发挥作用、如何建立科学的旅游安全体系标准等等，都成为今后需要深度研究的问题。