大数据背景下新技术在旅游发展中的应用
发布时间：2023-10-24 点击：
发布：《现代商业》杂志社
摘要:近年来，随着我国社会经济的不断发展进步，旅游群体的数量不断增长，给景区的经营管理带来了压力和挑战。大数据及相关电子信息技术的发展，为景区运营管理提供了新的机遇。本文在分析大数据产生背景的基础上，提出了大数据在旅游景区管理、旅游营销、旅游管理和旅游口碑塑造方面的优势，为景区的高效经营、管理、分析、预测和评价提供了技术、数据和智力支持。结合大数据在旅游行业的应用现状，提出一种基于云计算技术的数据存储和管理系统，为旅游大数据的存储和管理提供高性能服务。推进物联网技术在旅游业的应用，实现旅游景区的智能化管理；建立旅游信息中心服务平台，为海量高数据的数据计算和处理、访问和查询提供保障；建立旅游数据安全保护体系，通过主动防御、物理隔离等技术手段，为旅游数据安全提供多层次、全方位的保护。
关键词:大数据；旅游业；云计算；物联网；信息安全
一、大数据的背景及其在旅游业中的应用
“大数据”的名称来源于未来学家托夫勒写的《第三次浪潮》。随后，麦肯锡公司于2011年6月首次发布了关于“大数据”的报告，详细介绍了其影响、关键技术和应用领域。一般来说，大数据是指在可容忍的时间内，传统IT技术和软硬件工具无法感知、获取、管理、处理和服务的数据集合[1]。与传统的数据分析模式相比，旅游大数据分析具有以下(4V)特点:多样性。旅游数据的内容和来源非常丰富，旅游数据涵盖了互联网时代各种类型的数据形式。速度主要表现在数据处理速度快，大大节省了数据分析的周期成本，从而为科学合理的决策提供了依据；高价值数据存储成本低，数据获取方法方便高效。体积大大数据的首要特征是存储的数据量巨大。大数据分析将旅游行业的实时数据存储在一个固定的大型数据库中，有些数据达到千兆字节(GB)、兆兆字节(TB)甚至千兆字节(PB)。
据IDC(互联网数据中心)预测，全球数据量每两年就会翻一番。据预测，到2020年，全球数据总量将达到35ZB，比2010年增长近44倍[2]。大数据时代的到来正在改变人们的生产方式和思维方式。2015年8月，国务院发布《促进大数据发展行动计划》，这是中国官方发布的第一个以权威、系统的方式促进大数据发展的文件。文件强调，大数
业态能够激发商业模式创新，是提升企业核心竞争力的重要软实力。2016年，
工信部制定了《大数据产业发展规划(2016-2020年)》，这是大数据产业化的
工程。来源:新疆巴音郭楞蒙古自治州科技局2019年星火项目:巴州乡村旅游物联网及云平台应用推广成果。
新疆巴州地委政策研究室2019年项目:抢抓机遇，乘势而上，推动巴州旅游业取得新的跨越式成绩。
作者简介:张俊爱(1990-)，男，甘肃陇南人，硕士，助教，新疆财经大学商学院旅游管理系专任教师，主要从事旅游景区规划与开发研究。
给出了具体说明。文件要求，利用我国现有大数据发展经验，加快大数据中心和公共服务平台建设；加大关键技术研发力度，推进协同创新的体制机制；加大政策支持力度，推动我国高质量高标准大数据建设。据预测，到2020年，中国大数据相关产业和服务业收入将超过1万亿元的目标，年均复合增长率为30%。大数据与旅游产业的结合，将为旅游业的高质量发展提供技术支撑和服务架构。大数据不仅可以存储海量的旅游数据，还可以对数据进行整合，帮助人们分析旅游需求和市场发展趋势，为科学决策提供依据。大数据还可以带动旅游相关产业的发展，为旅游业开拓新的市场和业务提供服务。
二、大数据在旅游行业应用的优势
(一)大数据在旅游行业的应用，使得景区的管理更加智能、高效、便捷。
旅游行业大数据分析将海量结构化数据(数字、符号等数据)与非结构化数据(文本、图像、声音、视频等数据)进行整合，通过将复杂数据转化为交互图形，帮助用户更好地理解和分析数据对象，发现和洞察其内在规律。依托旅游大数据可视化平台(见图1)，管理决策层可以直观地获取有价值的信息，通过对可视化数据的实时监控、分析和处理，为精准决策提供依据，实现对景区的智能、高效、便捷管理。比如通过与互联网、运营商等第三方大数据的整合，可以预测未来几天的人流、车流；通过智能景区监控系统，可以实时监控踩踏、拥挤等突发事件，及时预警；通过监控系统和数据分析，科学配置景区人力物力资源，加强市场违规行为管理。
图1山西移动智慧旅游大数据平台
(二)大数据提升旅游目的地营销效率，瞄准客源市场，实现精准营销。
大数据精准营销，通常被称为数据驱动营销，是指以驱动消费者高效参与，实现对消费者一对一营销为目的，通过大数据分析技术和挖掘技术，分析企业从外部或现有的大量消费者数据，并根据分析结果优化企业营销策略的一种新型营销方式[3]。基于大数据对旅游消费者多接触点的行为数据采集，通过整合分析数据和精准的用户画像，可以精准找到匹配的旅游群体。在找准客源市场方面，随着散客时代的到来，旅游需要更加个性化，旅游细分市场多元化，旅游方式正在从观光旅游向休闲度假转变。大数据可以帮助识别游客的需求，细分旅游市场。总的来说，大数据对客源市场的识别主要体现在:大数据可以提高客源市场转化率，判断景区重点客源市场，识别游客流失原因，挖掘景区市场洼地。通过cookies大数据的积累，分析活跃数据的近期表现，一次性给每个活跃数据贴上相应的属性标签。通过用户停留时间和相关的两跳三跳确定用户兴趣，通过客源确定潜在用户所在的主要城市。大数据实现精准营销如图2所示。
图2大数据实现精准营销模型
(三)大数据可以帮助景区分析经营状况，预测经营趋势。
基于景区大数据，通过分析游客基本属性、预订行为、游玩轨迹等，构建游客画像。，有助于景区制定精准的营销策略，加强对游客二次消费行为的引导，从而预测景区的经营趋势。比如大数据可视化技术的应用。大数据可视化技术是通过数学建模和图形动画展示，直观地解释海量数据效果的技术[4]。大数据可视化技术包括景区检测数据可视化分析、景区热力图等。景区检测数据可视化分析:通过模块化的数据处理单元对景区客流进行实时监测，然后通过数据中心对采集的数据进行转换，得到可视化的景区客流饱和度动态画面，为实现客流调控、景区运营评价、在线分析评价提供依据。图3是通过GPS系统的分析定位功能，用Google Chart等可视化数据处理工具对采集的数据进行处理，在显示屏上显示景点交通密度的热图。景区热力图可以预测短时间内游客流量的动态变化，从而为景区的安全运营提供保障。
图3 2015年上海中秋节期间外滩人流变化热力图
(四)大数据可以检测景区网络口碑的热度，为塑造景区良好形象提供依据。
网络口碑是指消费者通过互联网向潜在消费者传递的关于商家产品或服务的正面或负面信息[5]通过对网络口碑的研究，可以分析游客对景区的形象，了解游客的需求和偏好，为景区的优化管理提供第一手资料，从而为景区开发适销对路的产品和提高服务质量提供依据。旅游网络口碑也是旅游目的地形象的一个风向标。一般来说，旅游目的地形象与旅游口碑之间存在正相关关系，即旅游口碑好的景区，旅游目的地形象就好，反之亦然。影响景区知名度的一个重要指标是景区评论量。景点的评论越多，实际到景点的游客就越多，景点的知名度就越高。对景点的评论太少，说明网络口碑舆论平淡，景点人气较低。表1是网易旅行和迪达云游联合发布的《2019年上半年5A景区网络口碑和舆情报告》中排名前20的景区排名。报告用大数据分析了全国258家5A景区的口碑和舆情，收集了926130条口碑评论，客观反映了2019年上半年各大景区游客满意度评价。
表1 2019年上半年景区满意度排名表(前20名)
三、大数据背景下的旅游发展新途径
(一)建立基于云计算技术的数据存储和管理系统
云计算是一种新型的超级计算方法，以数据为中心，它在数据存储、数据管理和编程模式方面有自己独特的技术[6]云计算的分布式架构解决了大数据获取和存储的需求。云计算的软硬件成本、管理和运营成本较低，其经济性和实用性使云计算在旅游中处理和利用大数据成为可能。为了满足旅游大数据高效存储和传输的需求，目前各IT厂商大多采用GFS数据存储技术或Google BigTable数据管理技术来处理旅游大数据。
GFS是一个可扩展的分布式文件系统，用于管理大规模分布式数据密集型计算[7]
GFS的新颖之处在于它使用廉价的商用计算机集群来构建分布式文件系统，在降低成本的同时经受住了实际应用的考验。如图4所示，GFS包括主服务器和多个块服务器，从而GFS可以同时为多个客户端应用提供文件服务。GFS将服务器故障视为正常现象，通过软件自动容忍，在保证系统可靠性和可用性的同时，大大降低了系统的成本。
图4 GFS
BigTable数据管理技术的基本框架和工作原理为了解决关系数据库系统的系统可扩展性和数据访问性能问题，Google开发了BigTabl数据库[8]。与其他数据存储管理系统相比，BigTable具有以下优点:(1)适用性高。Bigtable技术是为满足一系列产品应用的需求而开发的，具有很高的可扩展性和兼容性，为旅游数据的分布式存储和获取提供了高质量的服务。(2)可用性强Bigtable技术在数据存储和获取方面具有优异的性能，其技术几乎可以用于任何场景，为旅游大数据的不间断计算和处理提供了可靠的保障。(4)操作简单Bigtable底层系统的简单性降低了系统出错的概率，为上层应用的开发提供了便利。
(二)进一步推动物联网技术在旅游业中的应用
物联网是未来网络的组成部分，是基于标准的、可互操作的通信协议的、具有自配置能力的全球动态网络设施[9]物联网通过智能感知与识别技术、普适计算和泛在网络的集成应用，被誉为继计算机和互联网之后世界信息产业发展的第三次浪潮。物联网技术的工作原理如图6所示。
图6物联网技术示意图
物联网技术在旅游业中的应用主要体现在以下关键技术:
红外双向传感器技术。红外双向传感技术主要应用于景区流出和流入的双向统计，其设计主要由红外传感设备、无线传输网络、调节控制器、电源和天线组成。每组红外传感器有两对红外感应装置。当游客走进传感器检测区时，系统通过监测被游客遮挡的两对传感器中的一对来判断是否有出入行为。景区内可安装多组红外传感器。通过设置传感器的地理位置，将特定位置的游客流入流出数据通过无线网络传输到数据中心管理平台，实现对整个景区游客流量的监控和统计。
RFID标签技术射频识别(RFID)又称电子标签(E -Tag)，是一种利用射频信号自动识别目标物体并获取相关信息的技术[10]。RFID技术广泛应用于旅游业。比如RFID电子门票技术的应用，不仅可以实现景区门票的防伪，而且便于简单的操作和管理，便于快速售票。游客可以直接刷卡检票，实现自动检票解决购票排队问题，实现游客服务的数字化、人性化、高效化。旅游RFID技术集导游、导游、定位、交通流、人流数据采集等功能于一体，实时自动采集分析景点数据，实现景点的智能化管理。
(三)建立旅游大数据中心信息服务平台
旅游大数据中心信息服务平台是以旅游信息化和旅游数据积累为基础，通过智能技术手段高度整合旅游服务、旅游管理、旅游营销等各类数据，实现游客与景区相互感知，综合运用大数据进行搜索、分析、整合、优化的景区管理服务平台。信息服务中心平台要求，在计算机信息系统服务架构设计中，为应对海量、高并发数据访问和大量异构数据查询的挑战，数据中心应具有快速稳定、灵活扩展、安全防护、节能环保的特点。旅游大数据中心信息服务平台分为基础硬件层和服务器层、应用数据库层和数据中心外部接口层，并提供统一的数据库访问接口，为平台其他应用系统提供数据支持服务。它的基础结构如图7所示。
图7信息服务数据中心架构图
基础硬件层和服务器层基础硬件层是保证数据中心正常运行的基础硬件设施。主要包括RAID设备(独立驱动器冗余阵列)和不间断电源。当少数硬盘损坏时，RAID仍然可以支持数据恢复和数据访问。UPS确保数据中心断电时，数据会安全存储在硬盘中；所有这些设备为数据中心的稳定和快速响应提供了安全基础。
应用数据库层由于旅游信息服务中心数据量巨大，数据类型多样，类型和结构复杂，充分有效地管理和利用各种信息资源是保证平台顺利运行的前提。其主要特点是:实现数据共享。数据共享包括所有用户可以同时访问数据库中的数据，用户可以通过接口以各种方式使用数据库并提供数据共享。减少数据冗余与文件系统相比，由于数据库实现了数据共享，避免了用户单独创建应用文件。减少大量重复数据，降低数据冗余，保持数据一致性。数据的独立性数据的独立性包括数据库和应用程序的逻辑结构相互独立，数据物理结构的变化不影响数据的逻辑结构。
数据中心外部接口层数据中心对外接口层由数据计算和数据缓冲两部分组成，其中数据计算集成各种异构数据源，完成复杂数据查询的统一工作，并给出查询结果；数据缓存将部分数据分别存储在内存和硬盘中，保证了数据的快速获取，系统冷重启时不会因为缓存清空而导致系统性能急剧下降。物理上，旅游大数据中心的信息服务平台是建在数据中心内的一个终端，不对外开放，供决策者和管理者在数据中心内统筹决策使用。旅游大数据中心信息服务平台具有简化展示、统筹指挥、辅助决策的特点，在维护景区稳定、提高应急能力、保障景区公共秩序等方面发挥了作用。
(四)建立旅游信息安全防护技术服务
旅游信息安全防护支撑服务的功能是通过构建多功能、多层次、全方位的安全防御体系，保障旅游上层应用的通信安全、应用安全和数据安全；通过构建智能信息防范系统，可以为相关部门做好旅游安全突发事件的防范工作赢得宝贵的时间。旅游信息安全防护技术服务框架如图8所示。其防守的特点主要体现在主动防守和物理隔离上。
图8安全防护支撑服务架构
主动防御为了应对复杂多变的网络攻击，计算机主动防御越来越受到业界的重视主动防御是通过对用户历史行为数据的统计分析，计算用户的使用习惯，检测用户的异常行为；利用具有学习和自适应能力的神经网络实现智能入侵检测:以最优防御成本完成智能主动防御。比如对于用户异常行为的检测，根据行为危害程度，增加不同的处理方式；自动学习更新识别模型，可定制；提供多种可视化报告，记录攻击者的攻击行为，进行网络取证。
物理隔离为了应对外部网络攻击，物理隔离技术越来越受到业界的关注。物理隔离主要包括三个部分:客户端的物理隔离该方案用于解决网络客户端的信息安全问题。将物理隔离卡应用于网络客户端，可以使工作站同时连接到内网和外网，可以分时在内网和外网上工作，同时绝对保证了内外网之间的物理隔离，从而达到方便工作和节约资源的目的。集线器级物理隔离客户端内外双网的布线可以使用一条网线，通过远程交换机连接内外双网，实现了一个工作站连接内外双网的目的，避免了客户端在网络布线中使用两条网线连接网络。服务器端的物理隔离它通过复杂的软硬件技术在服务器端实现数据过滤和传输的任务。关键技术在于内外网之间没有同时的物理数据连接，而是以分时的方式快速处理和传输数据。
参考文献：
[1] 李国杰，程学旗.大数据研究:未来科技及经济社会发展的重大战略领域---大数据的研究现状与科学思考[J].战略与决策研究，2012(11)
[4]Zhang Ying, Li Baohua, Lu Huchuan.Sample-specific SVM learning for person-identification[C].Las Vegas: Computer Vision&Pattern Recognition，IEEE，2016.(01)
[5]王亚东.U形还是线性?网络情境下服务补救对口碑传播的影响研究[D].中国科学技术大学，2016
[6]陈全，邓倩妮.云计算及其关键技术[J]. 计算机应用，2009（09）
[7]余亚莉.云计算研究综述[J].中国无线电，2012（04）
[8] Chang F, Dean J, Ghemawat S, et al. Bigtable: a distributed storage system for structured data[J].ACM Transactions on Computer Systems, 2008, 26(2):4.
[9]European Research Projects on the Internet of Things(CERP-IoT)Strategic Research Agenda(SRA).Inter-net of things--strategic researchroadmap[EB/OL](2009-09-15)[2010-0512].http://ec.europa.eu/information_society /policy /rfid/documents/in_ cerp. pdf.
[10]吴永祥.射频识别(RFID)技术研究现状及发展展望[J].微计算机信息,2006年第22卷第11-2期
关键词:大数据；旅游业；云计算；物联网；信息安全
一、大数据的背景及其在旅游业中的应用
“大数据”的名称来源于未来学家托夫勒写的《第三次浪潮》。随后，麦肯锡公司于2011年6月首次发布了关于“大数据”的报告，详细介绍了其影响、关键技术和应用领域。一般来说，大数据是指在可容忍的时间内，传统IT技术和软硬件工具无法感知、获取、管理、处理和服务的数据集合[1]。与传统的数据分析模式相比，旅游大数据分析具有以下(4V)特点:多样性。旅游数据的内容和来源非常丰富，旅游数据涵盖了互联网时代各种类型的数据形式。速度主要表现在数据处理速度快，大大节省了数据分析的周期成本，从而为科学合理的决策提供了依据；高价值数据存储成本低，数据获取方法方便高效。体积大大数据的首要特征是存储的数据量巨大。大数据分析将旅游行业的实时数据存储在一个固定的大型数据库中，有些数据达到千兆字节(GB)、兆兆字节(TB)甚至千兆字节(PB)。
据IDC(互联网数据中心)预测，全球数据量每两年就会翻一番。据预测，到2020年，全球数据总量将达到35ZB，比2010年增长近44倍[2]。大数据时代的到来正在改变人们的生产方式和思维方式。2015年8月，国务院发布《促进大数据发展行动计划》，这是中国官方发布的第一个以权威、系统的方式促进大数据发展的文件。文件强调，大数
业态能够激发商业模式创新，是提升企业核心竞争力的重要软实力。2016年，
工信部制定了《大数据产业发展规划(2016-2020年)》，这是大数据产业化的
工程。来源:新疆巴音郭楞蒙古自治州科技局2019年星火项目:巴州乡村旅游物联网及云平台应用推广成果。
新疆巴州地委政策研究室2019年项目:抢抓机遇，乘势而上，推动巴州旅游业取得新的跨越式成绩。
作者简介:张俊爱(1990-)，男，甘肃陇南人，硕士，助教，新疆财经大学商学院旅游管理系专任教师，主要从事旅游景区规划与开发研究。
给出了具体说明。文件要求，利用我国现有大数据发展经验，加快大数据中心和公共服务平台建设；加大关键技术研发力度，推进协同创新的体制机制；加大政策支持力度，推动我国高质量高标准大数据建设。据预测，到2020年，中国大数据相关产业和服务业收入将超过1万亿元的目标，年均复合增长率为30%。大数据与旅游产业的结合，将为旅游业的高质量发展提供技术支撑和服务架构。大数据不仅可以存储海量的旅游数据，还可以对数据进行整合，帮助人们分析旅游需求和市场发展趋势，为科学决策提供依据。大数据还可以带动旅游相关产业的发展，为旅游业开拓新的市场和业务提供服务。
二、大数据在旅游行业应用的优势
(一)大数据在旅游行业的应用，使得景区的管理更加智能、高效、便捷。
旅游行业大数据分析将海量结构化数据(数字、符号等数据)与非结构化数据(文本、图像、声音、视频等数据)进行整合，通过将复杂数据转化为交互图形，帮助用户更好地理解和分析数据对象，发现和洞察其内在规律。依托旅游大数据可视化平台(见图1)，管理决策层可以直观地获取有价值的信息，通过对可视化数据的实时监控、分析和处理，为精准决策提供依据，实现对景区的智能、高效、便捷管理。比如通过与互联网、运营商等第三方大数据的整合，可以预测未来几天的人流、车流；通过智能景区监控系统，可以实时监控踩踏、拥挤等突发事件，及时预警；通过监控系统和数据分析，科学配置景区人力物力资源，加强市场违规行为管理。
图1山西移动智慧旅游大数据平台
(二)大数据提升旅游目的地营销效率，瞄准客源市场，实现精准营销。
大数据精准营销，通常被称为数据驱动营销，是指以驱动消费者高效参与，实现对消费者一对一营销为目的，通过大数据分析技术和挖掘技术，分析企业从外部或现有的大量消费者数据，并根据分析结果优化企业营销策略的一种新型营销方式[3]。基于大数据对旅游消费者多接触点的行为数据采集，通过整合分析数据和精准的用户画像，可以精准找到匹配的旅游群体。在找准客源市场方面，随着散客时代的到来，旅游需要更加个性化，旅游细分市场多元化，旅游方式正在从观光旅游向休闲度假转变。大数据可以帮助识别游客的需求，细分旅游市场。总的来说，大数据对客源市场的识别主要体现在:大数据可以提高客源市场转化率，判断景区重点客源市场，识别游客流失原因，挖掘景区市场洼地。通过cookies大数据的积累，分析活跃数据的近期表现，一次性给每个活跃数据贴上相应的属性标签。通过用户停留时间和相关的两跳三跳确定用户兴趣，通过客源确定潜在用户所在的主要城市。大数据实现精准营销如图2所示。
图2大数据实现精准营销模型
(三)大数据可以帮助景区分析经营状况，预测经营趋势。
基于景区大数据，通过分析游客基本属性、预订行为、游玩轨迹等，构建游客画像。，有助于景区制定精准的营销策略，加强对游客二次消费行为的引导，从而预测景区的经营趋势。比如大数据可视化技术的应用。大数据可视化技术是通过数学建模和图形动画展示，直观地解释海量数据效果的技术[4]。大数据可视化技术包括景区检测数据可视化分析、景区热力图等。景区检测数据可视化分析:通过模块化的数据处理单元对景区客流进行实时监测，然后通过数据中心对采集的数据进行转换，得到可视化的景区客流饱和度动态画面，为实现客流调控、景区运营评价、在线分析评价提供依据。图3是通过GPS系统的分析定位功能，用Google Chart等可视化数据处理工具对采集的数据进行处理，在显示屏上显示景点交通密度的热图。景区热力图可以预测短时间内游客流量的动态变化，从而为景区的安全运营提供保障。
图3 2015年上海中秋节期间外滩人流变化热力图
(四)大数据可以检测景区网络口碑的热度，为塑造景区良好形象提供依据。
网络口碑是指消费者通过互联网向潜在消费者传递的关于商家产品或服务的正面或负面信息[5]通过对网络口碑的研究，可以分析游客对景区的形象，了解游客的需求和偏好，为景区的优化管理提供第一手资料，从而为景区开发适销对路的产品和提高服务质量提供依据。旅游网络口碑也是旅游目的地形象的一个风向标。一般来说，旅游目的地形象与旅游口碑之间存在正相关关系，即旅游口碑好的景区，旅游目的地形象就好，反之亦然。影响景区知名度的一个重要指标是景区评论量。景点的评论越多，实际到景点的游客就越多，景点的知名度就越高。对景点的评论太少，说明网络口碑舆论平淡，景点人气较低。表1是网易旅行和迪达云游联合发布的《2019年上半年5A景区网络口碑和舆情报告》中排名前20的景区排名。报告用大数据分析了全国258家5A景区的口碑和舆情，收集了926130条口碑评论，客观反映了2019年上半年各大景区游客满意度评价。
表1 2019年上半年景区满意度排名表(前20名)
三、大数据背景下的旅游发展新途径
(一)建立基于云计算技术的数据存储和管理系统
云计算是一种新型的超级计算方法，以数据为中心，它在数据存储、数据管理和编程模式方面有自己独特的技术[6]云计算的分布式架构解决了大数据获取和存储的需求。云计算的软硬件成本、管理和运营成本较低，其经济性和实用性使云计算在旅游中处理和利用大数据成为可能。为了满足旅游大数据高效存储和传输的需求，目前各IT厂商大多采用GFS数据存储技术或Google BigTable数据管理技术来处理旅游大数据。
GFS是一个可扩展的分布式文件系统，用于管理大规模分布式数据密集型计算[7]
GFS的新颖之处在于它使用廉价的商用计算机集群来构建分布式文件系统，在降低成本的同时经受住了实际应用的考验。如图4所示，GFS包括主服务器和多个块服务器，从而GFS可以同时为多个客户端应用提供文件服务。GFS将服务器故障视为正常现象，通过软件自动容忍，在保证系统可靠性和可用性的同时，大大降低了系统的成本。
图4 GFS
BigTable数据管理技术的基本框架和工作原理为了解决关系数据库系统的系统可扩展性和数据访问性能问题，Google开发了BigTabl数据库[8]。与其他数据存储管理系统相比，BigTable具有以下优点:(1)适用性高。Bigtable技术是为满足一系列产品应用的需求而开发的，具有很高的可扩展性和兼容性，为旅游数据的分布式存储和获取提供了高质量的服务。(2)可用性强Bigtable技术在数据存储和获取方面具有优异的性能，其技术几乎可以用于任何场景，为旅游大数据的不间断计算和处理提供了可靠的保障。(4)操作简单Bigtable底层系统的简单性降低了系统出错的概率，为上层应用的开发提供了便利。
(二)进一步推动物联网技术在旅游业中的应用
物联网是未来网络的组成部分，是基于标准的、可互操作的通信协议的、具有自配置能力的全球动态网络设施[9]物联网通过智能感知与识别技术、普适计算和泛在网络的集成应用，被誉为继计算机和互联网之后世界信息产业发展的第三次浪潮。物联网技术的工作原理如图6所示。
图6物联网技术示意图
物联网技术在旅游业中的应用主要体现在以下关键技术:
红外双向传感器技术。红外双向传感技术主要应用于景区流出和流入的双向统计，其设计主要由红外传感设备、无线传输网络、调节控制器、电源和天线组成。每组红外传感器有两对红外感应装置。当游客走进传感器检测区时，系统通过监测被游客遮挡的两对传感器中的一对来判断是否有出入行为。景区内可安装多组红外传感器。通过设置传感器的地理位置，将特定位置的游客流入流出数据通过无线网络传输到数据中心管理平台，实现对整个景区游客流量的监控和统计。
RFID标签技术射频识别(RFID)又称电子标签(E -Tag)，是一种利用射频信号自动识别目标物体并获取相关信息的技术[10]。RFID技术广泛应用于旅游业。比如RFID电子门票技术的应用，不仅可以实现景区门票的防伪，而且便于简单的操作和管理，便于快速售票。游客可以直接刷卡检票，实现自动检票解决购票排队问题，实现游客服务的数字化、人性化、高效化。旅游RFID技术集导游、导游、定位、交通流、人流数据采集等功能于一体，实时自动采集分析景点数据，实现景点的智能化管理。
(三)建立旅游大数据中心信息服务平台
旅游大数据中心信息服务平台是以旅游信息化和旅游数据积累为基础，通过智能技术手段高度整合旅游服务、旅游管理、旅游营销等各类数据，实现游客与景区相互感知，综合运用大数据进行搜索、分析、整合、优化的景区管理服务平台。信息服务中心平台要求，在计算机信息系统服务架构设计中，为应对海量、高并发数据访问和大量异构数据查询的挑战，数据中心应具有快速稳定、灵活扩展、安全防护、节能环保的特点。旅游大数据中心信息服务平台分为基础硬件层和服务器层、应用数据库层和数据中心外部接口层，并提供统一的数据库访问接口，为平台其他应用系统提供数据支持服务。它的基础结构如图7所示。
图7信息服务数据中心架构图
基础硬件层和服务器层基础硬件层是保证数据中心正常运行的基础硬件设施。主要包括RAID设备(独立驱动器冗余阵列)和不间断电源。当少数硬盘损坏时，RAID仍然可以支持数据恢复和数据访问。UPS确保数据中心断电时，数据会安全存储在硬盘中；所有这些设备为数据中心的稳定和快速响应提供了安全基础。
应用数据库层由于旅游信息服务中心数据量巨大，数据类型多样，类型和结构复杂，充分有效地管理和利用各种信息资源是保证平台顺利运行的前提。其主要特点是:实现数据共享。数据共享包括所有用户可以同时访问数据库中的数据，用户可以通过接口以各种方式使用数据库并提供数据共享。减少数据冗余与文件系统相比，由于数据库实现了数据共享，避免了用户单独创建应用文件。减少大量重复数据，降低数据冗余，保持数据一致性。数据的独立性数据的独立性包括数据库和应用程序的逻辑结构相互独立，数据物理结构的变化不影响数据的逻辑结构。
数据中心外部接口层数据中心对外接口层由数据计算和数据缓冲两部分组成，其中数据计算集成各种异构数据源，完成复杂数据查询的统一工作，并给出查询结果；数据缓存将部分数据分别存储在内存和硬盘中，保证了数据的快速获取，系统冷重启时不会因为缓存清空而导致系统性能急剧下降。物理上，旅游大数据中心的信息服务平台是建在数据中心内的一个终端，不对外开放，供决策者和管理者在数据中心内统筹决策使用。旅游大数据中心信息服务平台具有简化展示、统筹指挥、辅助决策的特点，在维护景区稳定、提高应急能力、保障景区公共秩序等方面发挥了作用。
(四)建立旅游信息安全防护技术服务
旅游信息安全防护支撑服务的功能是通过构建多功能、多层次、全方位的安全防御体系，保障旅游上层应用的通信安全、应用安全和数据安全；通过构建智能信息防范系统，可以为相关部门做好旅游安全突发事件的防范工作赢得宝贵的时间。旅游信息安全防护技术服务框架如图8所示。其防守的特点主要体现在主动防守和物理隔离上。
图8安全防护支撑服务架构
主动防御为了应对复杂多变的网络攻击，计算机主动防御越来越受到业界的重视主动防御是通过对用户历史行为数据的统计分析，计算用户的使用习惯，检测用户的异常行为；利用具有学习和自适应能力的神经网络实现智能入侵检测:以最优防御成本完成智能主动防御。比如对于用户异常行为的检测，根据行为危害程度，增加不同的处理方式；自动学习更新识别模型，可定制；提供多种可视化报告，记录攻击者的攻击行为，进行网络取证。
物理隔离为了应对外部网络攻击，物理隔离技术越来越受到业界的关注。物理隔离主要包括三个部分:客户端的物理隔离该方案用于解决网络客户端的信息安全问题。将物理隔离卡应用于网络客户端，可以使工作站同时连接到内网和外网，可以分时在内网和外网上工作，同时绝对保证了内外网之间的物理隔离，从而达到方便工作和节约资源的目的。集线器级物理隔离客户端内外双网的布线可以使用一条网线，通过远程交换机连接内外双网，实现了一个工作站连接内外双网的目的，避免了客户端在网络布线中使用两条网线连接网络。服务器端的物理隔离它通过复杂的软硬件技术在服务器端实现数据过滤和传输的任务。关键技术在于内外网之间没有同时的物理数据连接，而是以分时的方式快速处理和传输数据。
参考文献：
[1] 李国杰，程学旗.大数据研究:未来科技及经济社会发展的重大战略领域---大数据的研究现状与科学思考[J].战略与决策研究，2012(11)
[2]王睿林.安防管理平台发展现状及未来趋势分析[J].中国公共安全，2015（Z1）
[3]李静.基于大数据精准营销的网络营销策略研究市场营销[J].商业经济研究，2017(11)[4]Zhang Ying, Li Baohua, Lu Huchuan.Sample-specific SVM learning for person-identification[C].Las Vegas: Computer Vision&Pattern Recognition，IEEE，2016.(01)
[5]王亚东.U形还是线性?网络情境下服务补救对口碑传播的影响研究[D].中国科学技术大学，2016
[6]陈全，邓倩妮.云计算及其关键技术[J]. 计算机应用，2009（09）
[7]余亚莉.云计算研究综述[J].中国无线电，2012（04）
[8] Chang F, Dean J, Ghemawat S, et al. Bigtable: a distributed storage system for structured data[J].ACM Transactions on Computer Systems, 2008, 26(2):4.
[9]European Research Projects on the Internet of Things(CERP-IoT)Strategic Research Agenda(SRA).Inter-net of things--strategic researchroadmap[EB/OL](2009-09-15)[2010-0512].http://ec.europa.eu/information_society /policy /rfid/documents/in_ cerp. pdf.
[10]吴永祥.射频识别(RFID)技术研究现状及发展展望[J].微计算机信息,2006年第22卷第11-2期
