1.一种基于客源地属性特征的旅行刺激策略有效性分析方法，其特征在于，所述方法包括以下步骤：

步骤1、定义游客来源地的出行率ζ来量化刺激策略的有效性： 其中：Np指作用地的 人 口 总数 ，N t是 指 来源 于 需求 刺 激 作 用地 游 客人 数 ，定 义 为 ：为某一地区的

老龄化率，p0为45周岁以上人口比率；

步骤2、定义有效出行率ζe描述刺激政策的效果： 其中N(Ai)为刺激政策作用地处于Ai年龄段的人口数， 为不同年龄群的旅游出行意愿；

步骤3、以最大化有效出行率ζe为目标来研究最佳刺激措施，流程为：通过已有的游客数据信息，计算各个客源地前往某一目的地的历史有效出行率ζe；提取各客源地游客的属性信息并进行量化表示；应用算法选择最佳特征；结合各地的出行率数据训练学习器，得到旅游需求刺激模型；

所述步骤3包括以下步骤：

3.1定义目的地空间距离对出行意愿的影响： 中D表示客源地与目的地的距离，而D0＝300km为阻尼作用的阈值距离；

3.2交通便利性指数T来刻画旅游目的地与客源城市之间的交通属性，具体定义为：T＝∑imi·exp(‑i)，其中i＝0,1,2,…和mi分别表示从客源地出经过i次转车到达目的地的班车次数；

3.3为了刻画目的地相对客源的旅游吸引力，定义旅游资源吸引力指数:式中，Ts为客源地的旅游资源数，Td为目的地的旅游资源数；

3.4引入消费吸引力指数E，定义为 式中Ns和Nd分别表示客源地与目的地的人均年收入，而P为目的地的酒店平均价格水平；

3.5应用随机Lasso特征筛选以及过滤式特征选择方法，提取低冗余、相关性高的特征子集；

3.6利用已有数据以及通过上述方法提取的特征作为支持向量回归SVR的输入、有效出行率ζe作这SVR的输出，训练SVR得到最优的模型参数；

3.7将出行刺激量化为相应的特征参数，相应训练好的SVR回归模型，计算刺激作用下有效出行率的增量Δζe；

3.8对比不同刺激策略下的出行率Δζe，最大化Δζe所对应的刺激即为最优策略。