EN中文

GEOGRAPHICAL RESEARCH >

2016 , Vol. 35 >Issue 12: 2347 - 2362

DOI: https://doi.org/10.11821/dlyj201612013

Articles

A time scale study on the tourist flow in Nyingchi, Tibet

  • WU Jiang , 1, 2 ,
  • ZHANG Xiuxiang 1 ,
  • YE Lingcui , 1, 3 ,
  • HUANG Zhenfang 1, 2 ,
  • CAO Fangdong 1, 2
Expand
  • 1. School of Geographical Science, Nanjing Normal University, Nanjing 210023, China
  • 2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
  • 3. Taihu University of Wuxi, Wuxi 214000, Jiangsu, China

Received date: 2016-06-10

  Request revised date: 2016-09-01

  Online published: 2016-12-23

Copyright

《地理研究》编辑部
Fold

Abstract

Variation of tourist flow with time has been a major subject in mainstream tourism research. With the development of sustainable tourism and the change of post-modern tourism, frontier areas have become the popular place for adventure and experience among the young and middle-aged. These places have gradually evolved into tourist hotspots. Nyingchi, located in the southeast of Tibet, has a vast frontier with 13 minority groups. Hence, it spawns rich and unique natural resources and colorful mix of human resources. This article analyzes the tourist flow and spatial characteristics of this area and provides some suggestions for its tourism development. This article analyzes the dynamic features of the annual, monthly and daily tourist flows in Nyingchi using the filter analysis method under the seasonal index, concentration index, saturated curve, and the peak index. Results show that for the period from 1990 to 2014, the total number of visitors has risen since 2001, and achieves sustained growth, except 2008. Most of the visitors are domestic tourists. The industry went through three stages: the exploration period (1990-2000), the participation period (2001-2006) and the development period (2007 to present). Tourism presented seasonal dynamic features and its seasonal strength index showed an obvious 'inverted-V' shape. Peak season is from May to October; the daily variation is more prominent than its seasonal fluctuation. Tourist distribution is concentrated on May 1 and October 1 which are major holidays across the country. Analysis shows that national and local policies and traffic accessibility have a great impact on the development of the tourism industry in Nyingchi. Therefore, according to the time scale of the annual, monthly and daily fluctuation characteristics of Nyingchi, we should further strengthen domestic and foreign advertisement to attract tourists to Tibet. In addition, we should adjust the management and development strategy, and gain more tourism benefits in order to achieve sustainable development in the future.

Key words： the number of tourists; time scale; fluctuation; Nyingchi city; Tibet

Cite this article

WU Jiang , ZHANG Xiuxiang , YE Lingcui , HUANG Zhenfang , CAO Fangdong . A time scale study on the tourist flow in Nyingchi, Tibet[J]. GEOGRAPHICAL RESEARCH, 2016 , 35(12) : 2347 -2362 . DOI: 10.11821/dlyj201612013

1 引言

旅游目的地的游客量是衡量旅游需求、旅游地旅游经济运行的重要指标之一,是旅游目的地旅游规划、营销及景区合理容量管理的基础。不同学者从各自学科的视角对旅游地游客接待量的季节性、周期性、波动性变化进行了分析与预测,其中主要体现在：① 客流长期变化及预测研究,可分为宏观、微观地域尺度下的客流变化及预测。宏观地域尺度视角下Coshall借用计量经济学模型,对国际旅游流做了预测[1];Jae通过直接、间接预测法,利用ARIMA、回归模型对入境游客进行了预测[2];国内保继刚率先运用引力模型对北京国内旅游者做出预测[3];吴普等对海南旅游客流量的年内变化与气候这一要素进行相关性分析[4];孙根年对中国国外游客划分并对应建立4条本底趋势线,预估未来四年全国入境旅游业的发展态势[5]。微观地域尺度视角下Mings基于对600名来黄石公园游玩的旅游者发放问卷的基础上,探索出了旅游者在黄石公园的空间行为模式[6];Asakura以大阪城堡为研究对象,对100名前来观看相扑比赛的游客进行了调研,并以此分析了游客的游憩行为特征[7];国内张捷对九寨沟、黄山和桃源洞—鳞隐石林风景区进行比较,研究观光型旅游地客流年内变化的特征[8];黄震方等通过无锡灵山主题型文化旅游风景区分析,将其长期变化周期划分为探索起步、充实发展、快速发展、平稳发展和后续发展5个时期[9],此外利用ARIMA 、Winter和Tramo/Seats等时间序列方法对盐城麋鹿生态旅游区未来两年客流情况作出预测[10]。② 季节性变化与成因研究。Snepenfer David通过对阿拉斯加州旅游贸易的季节性需求变化分析,探讨组织、环境和需求结构对需求水平的影响[11];Lundtorp为旅游季节做出非常细致的分类,主要有年内季节、月内季节、周内季节、天内季节和假日季节等[12];Christine Lim对来自香港、马来西亚和新加坡前往澳大利亚的入境客流进行季节性分析,发现三个国家出境澳大利亚的高峰月分别是二月、十一月和十二月[13]。此外,马耀峰等运用多种季节性测度方法对旅游地年际客流季节性研究[14-17];陆林等分别以黄山、北京和西安为例,综合分析特殊时段（例如：“五一”、十一“黄金周”）客流变化特征与旅游地间结构关系[18-20];卢松等以西递、宏村、九寨沟为实证地,基于小波分析方法、HP滤波、BP滤波及季节指数分析,从多时间尺度视角综合分析客流总量、客流的季节性变化、周内变化等特点,并对其影响机理加以分析[21-23]。③ 游客量时空演变与影响机制。杨新菊利用问卷调查,对旅华外国游客量的网络结构特征进行研究[24];李创新等对15年间大陆31个省份的旅游流优势度时空差异进行解读[25];此外还通过引入空间场理论,对中国丝路东段区域进行游客量集散空间场效应剖析[26]。在影响机制方面,旅游资源、经济发展水平、区位特征是影响区域旅游流的主要因素及其重要内在驱动力[27-31]。
可见,目前对旅游地游客量的研究较多的集中在相对较成熟的发达地区,缺乏对西部欠发达地区的研究,尤其对旅游资料可获性较低、旅游地可进入门槛较高、旅游地实情相对复杂的旅游地区研究更少。基于此,获取了西藏自治区林芝市1999-2014年游客接待量,并从年度、月度、日度等不同时间尺度对其进行波动特征提取以及特殊时段游客量变化特征的识别,以此客观认识林芝旅游发展的规律和特征,不仅为林芝地区进一步完善地区旅游服务能力,优化接待设施空间布局,提升区域旅游发展整体效益,实现林芝旅游的可持续发展和生态保护提供政策导向依据,还寄希借助对林芝市游客量的实证剖析对今后研究西部地区典型旅游地的动态发展提供借鉴与启示。

2 研究区概况与研究方法

2.1 研究区概况与数据来源

林芝市位于西藏东南,拥有1006.5 km的边境线。以其独特的地理环境、多彩神奇的人文氛围,独特的雪山冰川景观以及古老悠久的民族文化享誉国内外。区内拥有雅鲁藏布江大峡谷、南迦巴瓦峰、鲁朗、巴松错、米堆冰川、岗云杉林等标志性旅游资源。据统计从1999-2014年,林芝旅游人次由4.67万增长到280万、旅游收入由468.3万元增长到26亿元,已成为西藏重要的旅游胜地。以林芝为案例,能够更加客观真实的反应西藏地域特色生态旅游发展的规律,充分挖掘潜在客源市场,切实指导当地旅游业转型升级,实现资源保护与社会发展的有机结合。
林芝地区旅游经济始于20世纪90年代,经过近26年的经营历程,旅游业发展迅速。有关数据均来自林芝地区旅游局的每月接待统计资料和年报表,以及2013年和2014年两年3-10月每日10~12个景区的日报表（2013年起林芝旅游局实行了3-10月平旺季每日主要10个景区日报制度,2014年增加千年核桃民俗村与墨脱两个景区的统计）。

2.2 研究方法

2.2.1 季节指数 用季节强度指数和季节变动指数对游客数量年内变化进行分析。以月为研究单元的季节强度指数公式计算为[32]：
R = ∑ i = 1 12 ( x i - 8.33 2 12 （1）
式中：R为旅游季节强度指数;Xi为各月游客量占全年的比重。R越大,游客量季节性差异越明显,R越趋近于0,客流全年分布越均匀。
季节变动指数的数学公式为[33]：
Si = 1 n ∑ j = 1 n x ji 1 12 ∑ i = 1 12 1 n ∑ j = 1 n x ji × 100 % （2）
式中：Si为季节变动指数; x ji 为j年i月的游客量数;n为年度数。连续多年月份变动指数值Si越趋向于基准值100%,客流在该月的分布越均匀,客流季节性越弱;Si越偏离基准值,则客流季节性越强。
2.2.2 Census X12 季节调整法 现实的经济时间序列存在季节性循环变动,所以在对月度和季度的数据分析之前,需要用季节调整的方法从时间序列中去除季节变动因素,获得序列潜在的趋势循环序列。采用Census X12方法对原始月度数据进行调整。Census X12将时间序列Yt分为长期循环趋势项TCt、季节变动项St和不规则变动项It[34]。
2.2.3 滤波分析方法 主要采用三种滤波方法,HP滤波、BK滤波和CF滤波,通过频率选择滤波,理论基础为时间序列的谱分析方法[34]。
（1）HP滤波近似为一个高通滤波器,过滤掉低频成分,只通过高频成分。HP滤波从时间序列Yt中分离出平滑序列 Y t * , Y t * 是min ∑ t = 1 T ( Y t - Y t * ) 2 + λ ∑ t = 1 T Y t + 1 * - Y t * - Y t * - Y t - 1 * 2 最小问题的解,前一部分是度量波动成分,后一部分是度量趋势平滑程度,自由参数调节二者的权重。根据经验值分析,年度数据取λ=100,季度数据取λ=1600,月度数据取λ=14400。
（2）BK滤波的实质是一种对称的固定加权移动平均,分离出的经济周期波动成分是平稳时间序列。在应用中的最终形式为：
Y t * = a ( L ) Yt = ∑ k = - k k a k Y t - k （3）
与HP滤波相比,BK滤波避免了λ取值的随意性,适合于更高频率的数据分析;但是截断点K的取值会损失样本观测个数,K值的增加可能会使其较为接近理想滤波的效果。
（3）CF滤波放弃了BK滤波的平稳性和对称性假设,其考察随机过程Xt的一个正交分解：
Xt=Yt+xt （4）
式中：Yt为频率在{(a,b)∪(-b,-a)∈(-π,π)上的部分;xt是频率在前述集合补集上的部分,且0<a≤b≤π。
Y t = B ( L ) Y t = ∑ j = - ∞ ∞ B j L j Y t （5）
式中：B(L)是理想的带通滤波器;L是滞后算子;Yt的估计值 Y t * 由下式决定：
Y t * = ∑ j = - f p B j p ' f Y t - j （6）
式中：f=T-t;p=t-1; B j p ' f 是最优化问题minE[(Yt- Y t * )2∣Yt]的解。
在估计 Y t * 时,由于p和f随时间而变化,所以在每个时点t上都有不同的截断和权重,具有更灵活性的特点。所以CF滤波其实只需考虑两类样本：第一类是协方差平稳过程,该类样本在进行适当的均值或者是趋势调整后再进行滤波;第二类是其他的非平稳过程,该类可以假设为产生于随机游走再进行相应滤波[34]。对应的,CF滤波包括固定长度对称滤波和全样本长度非对称滤波。
以上三种滤波方法都可以看作是通过频率选择滤波,从原始序列中分离出特定频段成分。通过三种滤波的结合分析确定时间序列的趋势特征和周期循环特征。
2.2.4 客流集中度和高峰状况分析 地理集中指数往往用于衡量研究对象的集中性,这里采用此指标度量客流在研究时段内分布的集中程度,其计算公式为[35]：
G = 100 × ∑ i = 1 n Xi T 2 i = 1,2 , … … , n （7）
式中：G为客流在研究时段上的集中指数;Xi为i个特殊时段的客流量;T为研究时段内特殊时段的客流总量;n为特殊时段总数;G值在1~100之间,G越大,则客流在研究时段上分布越集中;G值越接近于 100 × 1 n ,则客流在研究时段上越呈现出均匀分布。
用饱和曲线和斯泰恩斯峰值指数主要分析研究时段的客流高峰情况。饱和曲线以时间上的单调递减方式呈现,曲线上端越平缓,则说明客流在时间分布上越均衡;反之,曲线上端越陡峭,表明客流在短期内涌现,大部分其他时间客流量相对较少,说明短时间中出现突出的高峰。曲线上不同点的斜率对应该时间段内游客分布的集中趋势,为了更准确的测定饱和曲线上不同点的斜率大小,采用斯泰恩斯提出的峰值指数概念,其计算公式为[35]：
M n = u 1 - u n ( n - 1 u n （8）
式中： M n 为峰值指数; u 1 为研究时段下特殊时段中客流规模最大的时段的客流量; u n 为客流规模为第n位的对应时段的客流量;n为第n个时段（其中1为客流规模最大的时段）。由此可以计算出各个时段对应饱和曲线上各点的峰值指数,Mn值越大,则该点对应时段的客流高峰越大,反之则越小。

3 结果分析

3.1 年客流量波动特征

3.1.1 接待人次统计 据统计,1990年林芝地区开始发展旅游业,当年旅游接待总人数仅为7220人次,2014年旅游人数达到280万,增长了279.3万人次,是1990年的387.81倍,年平均增长率为28.20%;外国游客人数从1990年的8人次上升到2014年的13116人次,增长了13108人次,是1990年的1639.5倍,年平均增长率为36.13%。在接待游客中,国外游客人数增长率高,但所占比例极小,由1990年的0.11%波动上升到2014年的0.47%,这主要是因为林芝自古为西南边防、军事要地,受国家地方政策以及区域可进入性等因素的影响。
从图1中看出,年度旅游接待总人数曲线总体曲折上升,1990-2000年这十年旅游接待人数总体变化较为平缓,此阶段林芝旅游仍处于探索阶段,而在2008年出现大幅度的下降,主要是由于拉萨“3·14”事件、四川汶川地震和林芝排龙沟塌方等事件的综合影响。2008年以后特别是随着青藏铁路通车、林芝机场通航、林芝地区旅游业更呈现出“井喷式”的发展势头,旅游接待人数直线上升。
Fig. 1 The number of tourists since 1990

图1 1990年以来接待游客统计

3.1.2 周期划分 为探讨案例地客流时间序列可能存在的基本的、潜在的变化模式和随机波动特征,进一步从整体视角对了解其游客时序系列变化的趋势性和周期性,本研究运用Eviews 6.0软件对游客接待数进行检验（表1）,ADF检验结果表明各年接待人数均为单位根过程,故使用滤波技术来消除上述变量的趋势,剥离出周期波动成分。
Tab. 1 The ADF test results of annual time sequences

表1 年度序列ADF检验结果

检验值 t统计量 P值
ADF 4.046241 0.9999
临
界
值		 1% -2.664853
5% -1.955681
10% -1.608793
三种滤波四种结果基本相同（图2）,显示趋势项不同程度上升,周期性基本一致。通过对各种滤波分解后所得周期成分进行相关系数分析（表2）,各类滤波周期成分间相关系数都较高,即所得周期成分一致性较相同。
Fig. 2 Fluctuations of the number of tourists in each year since 1990

图2 1990年以来接待游客年度波动轨迹

Tab. 2 The correlation coefficient of components in different filtering periods

表2 不同滤波周期成分间的相关系数

名称 HP周期 BK周期 CFa周期 CFb周期
HP周期 1.000 0.925 0.876 0.775
BK周期 1.000 0.990 0.947
CFa周期 1.000 0.963
CFb周期 1.000
根据峰—峰周期划分方法和旅游地生命周期理论,结合接待游客人数的环比增长率变动情况（图3）,林芝地区旅游发展大致经过了探索、参与和发展的三个阶段,目前正处于发展阶段。第一阶段是1990-2000年的探索期,本阶段为缓慢增长阶段,旅游者人数极少。旅游接待人数由1990年的7720人次增长到2000年的54493人次,平均每年增加4677人次,年均增长速度为21.58%,增长幅度较小。第二阶段是2001-2006年的参与期,旅游人次明显增加,此阶段为波动增长阶段。进入新世纪,旅游人数突破10万,2001年的环比增长率达到108.86%。旅游人数由2001年的11.38万增长到2006年的58.18万,年均增长率为38.59%。第三阶段是2007年至今的发展期,本阶段是快速增长阶段。旅游人数由2007年的84.22万人次迅速增加到2014年的280万人次,平均每年增加27.97万;年均增长速度达到18.72%。旅游环比增长率每年增长,只有在2008年下降44.67%,2013年之后,增长速度开始下降,进入有序发展阶段。这一时期,无论在数量还是质量上,林芝地区旅游业都取得了重大突破,进入良好发展状态。
Fig. 3 The rate of increase in the number of tourists since 1990

图3 1990年来接待游客环比增长率

3.2 月客流量波动特征

季节性是旅游活动的普遍特征,几乎所有景区和旅游目的地都面临旅游季节性的问题,林芝地区也不例外。从发展来看,旅游业是一个有规律的变化发展过程;从短期的年内月度季节发展来看,旅游的发展具有随机性的特点,与一定的历史条件相联系同时又表现出相对的稳定性,自然气候以及社会经济政策的改变也会导致其季节性发生改变,大多数学者也赞同季节性是一种规律性的波动。
3.2.1 统计特征分析 由于1999年以前月度数据的缺失,主要选取从1999年1月到2014年12月共192个月份的数据展开分析,林芝地区客流月度走势图（图4）。1999-2014年旅游接待人数整体波动上升,尤其是在2001年8月、2007年6月和2012年7月出现三次突破性的增长。而国外游客的比重由1999年1月的4.70%下跌到2014年12月的0.12%,伴随全市旅游接待人次不断的增长,国外游客接待量却无大的突破,远远低于全国平均水平和理想值,因此林芝地区拓展海外旅游市场有着很大的发展空间。
Fig. 4 The number of tourists in each month since 1999

图4 1999年以来接待游客月度数据统计

3.2.2 季节特征分析 为了明确林芝地区客流的季节变动特征,分别运用公式（1）和公式（2）,计算旅游季节强度指数和旅游季节变动指数（图5）。旅游季节强度指数总体在4.18~7.42间波动,从1999年的5.56上涨到2014年的6.56;曲线呈“双W”分布,2006年R值显著上升到6.21,在2012年出现转折达到7.42,随后下降。与全国其他地区相比,R值总体较高,说明林芝地区旅游季节性特征非常明显,这主要是因为林芝高原背景下形成的自然环境,全年旅游淡旺季明显;2006年以前旅游人数相对较少,2006年7月青藏铁路的开通带来旅游人数的大增长,使得R值明显升高;2012年开始由于公费旅游的限制,此时的旅游者大多是家庭或个人,集中在节假日出游使得季节强度指数进一步上升。
Fig. 5 The seasonal index of tourists since 1999

图5 1999年以来接待游客季节指数

从旅游季节变动指数图看出,曲线为明显的“倒V”字形,全年月份为高度的对称分布。同时,Si值变化非常强烈,从1月份的17.41%陡峭上升到7月份的241.01%,再迅速回落到12月份的32.15%,5月到10月间变动指数在基准值100%线上。可见,该区旅游淡旺季异常明显,每年从5月份开始逐步进入旅游旺季,10月结束,7-8月达到最高峰;12月至次年2月为最低谷时期,即淡季;其余月份为平季。主要是由于5月气温上升带来的客源增多与五一小长假的到来,10月后天气开始寒冷和十一黄金周的结束,游客集中在夏季出行。具有典型的西藏旅游淡旺季特征。
3.2.3 波动特征分析 由接待游客人数月度统计图看出,时间序列随着时间递进而增幅的向前推进,季节变动情形基本相等。因此,采用Census X12 季节调整法的加法模型进行季节调整,并对调整后的接待游客人数序列做平稳性检验（表3）,ADF检验结果表明各经济变量均为单位根过程。结合Eviews滤波分析去除趋势成分得出其循环序列和趋势序列,图6为四种滤波分析的序列图。
Tab. 3 The ADF test results of monthly sequences

表3 月度序列ADF检验结果

检验值 t统计量 P值
ADF 1.365011 0.9989
临
界
值		 1% -3.466994
5% -2.877544
10% -2.575381
Fig. 6 Fluctuations of the number of tourists in each month since 1999

图6 1999年以来接待游客月度波动轨迹

四种滤波结果显示接待游客人数序列的长期趋势项整体上升,以2006年为界分解为两段：2006年以前曲线平稳,接待游客人数呈缓慢增长状态,人数少,增长率低;2006年以后曲线相对陡峭,基数明显抬升,客流量呈高速增长状态。这与2006年交通状况的改善、可进入性增强有很大关系,同时也反映客流量与旅游地道路交通建设之间的双向作用关系。
由于BK滤波和CF固定长度对称滤波会前后各损失两个观测值,所以四种滤波所得的周期成分不尽一致,但四条周期曲线反映出一定的规律。各年月份波动明显,存在6-9月共4个月的客流量高峰,尤其是7月和8月,其中2012年以后每年7月出现历史突出高峰,意味着林芝旅游的季节强度指数变化值趋大,旅游者时段选择更趋集中;2001年以前波动态势极小,2001年后波动强烈,因为第四次西藏会议上,国务院提出“要把旅游业作为西藏的支柱产业”;从2002年以后曲线跨度增加,各年从3月客流量开始逐步上升直到8月份又逐步下降,这与2002年后每年名气大增的3月桃花节有关。
在周期曲线图上发现存在几个异常点,2008年4月和2014年8月左右纷纷在同期跌入谷底,2008年拉萨“3·14”事件使得4月份林芝旅游客流量严重下降,2014年8月尼洋河畔交通事故以及随后的“两限一警”带来客流量剧降;2007年8月、2009年7月、2010年7月分别出现小高峰,主要是因为2007年林芝机场的开通大大方便客流的进入,2009年是2008年客流量下降的反转。可见,全国尤其是西藏各类政策的颁布、突发事件的发生会给该区的旅游发展带来显著的影响。林芝地区政府、旅游企业、各类从业人员应该加强对各种事件的关注,注重预防突发事件的发生,增强预警机制和防护与处理措施的实施。

3.3 日客流量波动特征

3.3.1 统计特征分析 为增加林芝地区的游客量以及调控林芝地区的旅游合理承载力,主要景区日客流量的分析显得尤为重要。单看旅游日客流量的变化,具有较强的随机性。因此,本文构造出一个能够突显客流变化规律性特征的“旅游客流n日均量”,即客流n日均量=n日客流量之和/n,确定客流n日均量的实质是考虑移动平均的周期（天）数,即利用统计学中移动平均的概念。按时间周期选取的习惯,往往选用5天或7天及其倍数,景区客流的基本特征反映旅游者周末节假日出行的周期性,因此,以7天及其倍数作为时间周期进行研究。
由以上分析可知,2002年后林芝地区主要客流量集中在每年3-10月,选取了林芝2013年、2014年主要景区日客流量数据进行分析,并且与客流7日均量、客流14日均量的比较（图7）。由图7可看出,日客流量与7日、14日均量波动曲线总体上走势一致,出现明显的高峰、低谷点,旅游接待最高点都是出现在7-8月,最低点在3月初,这与月游客波动规律较为一致。7日均量与14日均量曲线的波动比较平稳而且同步性比较好,其时间滞后性的幅度最小。
Fig. 7 Daily tourist flows and averages in major scenic regions

图7 主要景区接待游客日客流量、均量统计

3.3.2 波动特征分析 由主要景区日客流量、均量统计和走势图分析可知（图7、图8）,2013年和2014年走势情形基本一致,只在8月后到10月间波形不同,在此期间,2014客流量低于2013年,9月的高峰期来的也较晚,主要原因为“8·9”、“8·18”重特大交通事故,对西藏旅游业的发展带来重大影响,客观上导致了2014年该时段的旅游人数下降。随后西藏自治区各级政府与旅游管理部门出台了“两限一警”（即每辆旅游大巴限游客17人,旅游车辆配警1名,导游1名,旅游车辆限速40 km/h）政策,逐步稳定了旅游市场。此外,两年都从3月23日（林芝桃花节启动之日,也是西藏旅游启动之时）开始人数明显增多,超出1000人次,自此开始总体逐日上升,分别在7月27日和7月28日达到高峰,此后总体上逐日下降,分别在10月29日和10月25日日接待游客量跌出1000人次;相比7日、14日均量每年的8月初总有两天客流量低谷,且与当年的拉萨雪顿节日期相对一致,可见雪顿节分流了大量游客前往拉萨;每年7-8月的每日明显高于其他任何时期,这与7-8月暑假旅游高峰期紧密相关,并且,10月初受国庆小长假的影响呈现出10月的一个高峰。由此可分析节假日对客流量的影响显著,旅游相关各部门应加强对节假日的安排和控制。
Fig. 8 Daily tourist flows in major scenic regions

图8 主要景区接待游客日客流量统计

同时基于日均量本文还利用7日均量相对变化率来分析日客量的规律性特征,即某天相对前7天均量的相对变化率=（当天客流量-旅游客流前7天均量）/前7天均量。从图9可以看出3月份与10月份7天均量的相对变化率波动较大,这是由于3月15日林芝桃花节的影响,桃花节拉开了每年林芝旅游的一个序幕,9月20日-10月4日出现一个大的波动,由于国庆长假的开始,而从10月7日国庆长假的结束开始,相对变化率又开始出现大的波动,游客数量大幅度变少。10月25日左右又开始变化率又相对平稳,林芝旅游进入平季。2014年3月8-29日与13年的相对变化率相比变化率较为平缓而且出现了降低,因为14年的桃花节延长为桃花季,相对而言延长了桃花节的这个过程。
Fig. 9 Rate of variation in the seven-day tourist flows in major scenic regions

图9 主要景区接待游客7日均量的相对变化率

3.3.3 特殊时段分析
（1）客流波动分析
对特殊时段的客流量具体日期波动进行分析,由于暑假时期较长,客流量大,在此不加以考虑。采用1~7等数字分别代表节假日的第几天,在小长假的三天中前后各加两天合成7天同样统计,得到各节假日的客流量走势图（图10）。桃花节时期客流量集中在3月23日至3月29日,2013年开幕式后的第六天为高峰日,客流量达1875人次,2014年开幕式当天为高峰日,接待人数达2011人次;2013年清明节两天前开始人数增多,节日的最后一天客流量明显减少,2014年清明节开始人数才出现变化,并在第二天为高峰日;五一劳动节期间,客流量高峰不是当年的放假日,而是在5月3日前后;客流量在端午节和中秋节当天增长不大,第二天依然可见高峰值日;在2013年和2014年国庆节间,客流量于1日明显开始增长,8日下降,2013年和2014年分别在放假第四天和第二天达到高峰。可见,随着林芝桃花节的举办,吸引着大量的旅游者,2014年较2013年更为成功;由于部分游客提前在放假日出游或者在放假日先前往拉萨等其他地区随后才到达林芝,9月加之林芝秋色美景吸引,小长假（国庆节除外）的高峰日出现在节日前或节日后一个星期内的日期中,使得出现日期差;但这种差距越来越小,林芝旅游越来越具有影响力促使游客改变出游方式,先到林芝,符合林芝旅游“畅游西藏,从林开始”的宣传;伴随假期开端客流的流入和末期客流的流出,假期中间时段依然是客流的高峰。
Fig. 10 Daily tourist flows in major scenic regions in different special periods

图10 不同特殊时段主要景区接待游客日度数据统计

（2）客流集中度分析
根据以上分析节假日日期高峰现状,选取高峰日的客流量数据做分析,分别统计出2013年和2014年各特殊时段下客流规模及其比重,依次分别计算两年的客流分布集中度G指数为48.56和48.08（表4）。两年的G指数都高于 100 × 1 n = 100 × 1 6 = 40 . 8 ,客流分布较为集中。可见,不同节假日带来显著不同的客流量变化,大量的客流集中在国庆节;2014年较2013年分布集中度下降,节假日客流规模更合理化。
Tab. 4 The tourist flow, proportion, concentration degree of tourist distribution and peak index during special periods

表4 特殊时段客流规模及其比重与分布集中度和峰值指数

时段 桃花节 清明节 五一 端午节 中秋节 国庆节 G指标
2013年 客流规模（人次） 10377 5104 9068 19502 18947 38224 48.56
客流规模比例（%） 10.25 5.04 8.96 19.27 18.72 37.76
峰值指数 0.2428 0.1733 0.1907 0.4898 0.2522 1
2014年 客流规模（人次） 11476 6219 9964 19551 16943 38998 48.08
客流规模比例（%） 11.13 6.03 9.66 18.95 16.43 37.81
峰值指数 0.2352 0.1681 0.1681 0.4987 0.2878 1
（3）客流高峰状况分析
依据2013年和2014年中各特殊时段的客流规模大小,排序后分别绘制两年的客流规模饱和曲线（图11）。依据峰值指数计算公式,分别计算出两年中各个时段对应饱和曲线上点的峰值指数,排序后并绘制峰值指数曲线图（图11）,为了更直观清晰的观测曲线斜率的变化情况,将各峰值指数乘以10000。
Fig. 11 The tourist flow saturation curve and the peak index curve during special periods

图11 特殊时段客流规模饱和曲线及峰值指数曲线图

可以看出,两年的客流规模饱和曲线和峰值指数曲线都相当陡峭,到访客流在某短期时段中出现涌涨,有明显的波峰,而在其他短期时段内客流规模相差无几,都较低;高峰期主要是在国庆节,其次是端午节和中秋节;两年中,端午节小长假的客流量明显高于其他小长假,推测与一年一度的桃花节日期与清明、五一日期较为相近,游客增长放缓,而端午之后迅速迎来客流高峰。

4 结论与讨论

4.1 结论

生态旅游地作为展示和弘扬生态文化、繁荣地方经济的重要载体,其发展状况关乎生态旅游地的保护与传承工作、旅游产业结构合理与否、大众旅游需求是否得到满足等客观实际问题。因此,探究生态旅游地客流变化特征及波动周期,对于揭示旅游地发展变化规律有着极其重要的理论与实践价值。本文采用季节指数、滤波分析和集中指数、饱和曲线与峰值指数等方法,对林芝地区旅游客流波动特征从年际、月份和日变化三个尺度进行分析,主要得出以下结论：
（1）1990年-2014年,林芝地区旅游接待总人数呈现大幅度增长,客流表现为逐步上升态势,旅游周期大致可分为探索期（1990-2000年）、参与期（2001-2006年）和发展期（2007年至今）三个阶段;其中,2002年、2007年和1997年、1998年、2003年与2008年分别出现了较为明显的增长和下降的拐点。旅游季节性波动特征明显,季节强度指数呈现出明显的“倒V”型,其中每年5-10月为旅游旺季;相对于季节波动地区日变化更为突出,在“五一”、“端午”、“十一”等小长假期间出现高峰且节假日客流分布集中。
（2）月度时间尺度下,除个别异常点之外,每年月度客流走势基本一致并呈波浪式上升;2006年以前旅游季节指数强度较2006年后低,此后逐步增强,在2012年达到高峰后缓慢减弱;日度时间尺度高分辨率的展现林芝地区旅游客流波动细节,表明了林芝地区旅游业受节日影响较大,具有明显的“节日效应”以及由重大事件产生的“刹车效应”,并且对于“节日效应”和重大事件的“刹车效应”敏感度很高,效应滞后时间较长,对林芝地区旅游监管部门的应急能力提出更高要求。
（3）通过对林芝地区旅游特殊时段的识别,为旅游监管部门提供决策引导。综合来看,随着桃花节的到来,3月旅游接待人数开始逐步回升,10月国庆节的结束,下旬开始旅游人数迅速下降;8月雪顿节期间旅游人数出现明显高低节点;小长假的客流分布很集中,游客出行集中在国庆节,其次是端午节和中秋节。总体来看,对于林芝地区旅游客流波动的变化态势,不难发现,国家和地方的政策制度、交通可达性、突发事件对林芝地区旅游的发展影响很大,造成入林客流量不同程度的波动变化。

4.2 讨论

林芝地区作为青藏高原、多民族集聚和藏传佛教的融合地区,是西藏高原生态旅游的典型代表,具有高原相对较低海拔和靠近内地的优势,旅游业迅速发展,因此分析其旅游客流的变化态势,揭示旅游地发展的变化特征,对于研究西藏地区及其他西部地区的旅游发展具有一定的借鉴意义。同时,林芝地区作为生态资源绝佳、产品类型丰富的生态型旅游地,探讨旅游客流的波动周期,挖掘影响客流变化的重要因子,为生态型旅游地的良性健康发展提供指导。当然,在理清旅游地客流变化规律的基础上,仍需要提出客流时间分布优化方向,结合旅游发展新的特征,通过政府部门管理、价格差异化策略和淡季产品的开发,弱化淡旺时段差别,合理配置资源,强化对异常事件的管理,加强对突发事件预警、控制和补救等综合措施,稳定客流市场变化,促进旅游地的可持续发展。尽管文章对林芝地区客流在时间尺度上进行了较为深入的测算与分析,也加强了对节假日与突发异常事件影响的剖析,但作为世界级生态旅游目的地,客流的空间分布态势与游客在时空二维尺度下的选择却较少涉及,加上数据获取的难度,节假日等特殊时段对旅游的影响仅以2013和2014年两个年份为基础,对于前一年的同期节假日游客日分布的情况对后一年的影响,是否存在某种自然调节性以及往年的假日游客信息发布对后续年份是否存在的影响等,均成为今后研究的重要领域和方向,有待进一步深入研究。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Coshall J.Spectral analysis of international tourism flows. Annals of Tourism Research, 2000, 27(3): 577-589.This study applies the methods of univariate and bivariate spectral analysis to international tourism flows. It establishes relationships between exchange rates and passenger flows. Data for UK passenger movements by air and sea to Belgium, France and Netherlands, as well as for the respective exchange rates of the Belgian and French francs and the Dutch guilder against Sterling from the first ...

DOI

[2]
Kim J H, Moosa I A.Forecasting international tourist flows to Australia: A comparison between the direct and indirect methods. Tourism Management, 2005, 26(1): 69-78.This paper compares between the use of direct and indirect forecasting of international tourist flows to Australia. The indirect method is applicable when time series is a contemporaneous aggregate of others, which is often the case for tourist flows time series. In this case forecasts are generated by aggregating those of the component variables of aggregation. An alternative is the direct method, whereby forecasts are generated directly from the aggregated variable. This paper uses seasonal ARIMA models, regression-based models and Harvey's structural time series models to compare the accuracy of the two forecasting methods. We find evidence strongly in favour of the indirect method using monthly time series for international tourist arrivals to Australia.

DOI

[3]
保继刚. 引力模型在游客预测中的应用. 中山大学学报: 自然科学版, 1992, 31(4): 133-136.本文利用北京市1985年6月份国内游客抽样调查资料,应用引力模型,选用若干指标建立了北京市6月份国内游客预测数学模型。

[Bao Jigang.An application of gravity model in tourist forecasting. Acta Scientiarum Naturalium Universitatis Sunyatseni, 1992, 31(4): 133-136.]

[4]
吴普, 葛全胜. 海南旅游客流量年内变化与气候的相关性分析. 地理研究, 2009, 28(4): 1078-1084.lt;p>气候是旅游资源不可或缺的组成部分,也是影响旅游地开发的重要因素,直接影响到旅游季节的长短及旅游客流的年内变化。利用海南9个气象站点自建站以来的气候资料及近5年旅游统计资料,通过特吉旺气候舒适指数、相关分析和回归分析等方法,分析海南气候舒适度及其与旅游客流量年内变化的相关性。结果表明:11月~3月是海南旅游的最适宜期;气候对海南旅游客流量有显著影响,以气温为主导的气候舒适度是海南旅游客流年内淡旺季变化及游客旅游决策的主要影响因素;温度与海南旅游客流量呈显著负相关关系;与海口比较而言,三亚旅游业对气候更加敏感。本项研究对更好地将气候整合到旅游产品中进行宣传促销、提高产品吸引力,对海南旅游业发展规划,对提前预判游客规模尽早做出对策安排及旅游投资有很强的现实指导意义。</p>

DOI

[Wu Pu, Ge Quansheng.An analysis of annual variation of tourist flows and climate change in Hainan province. Geographical Research, 2009, 28(4): 1078-1084.]

[5]
孙根年. 我国境外旅游本底趋势线的建立及科学意义. 地理科学, 1998, 18(5): 442-448.提出了旅游本底趋势线的概念,依据1978～1996年共计19年境外客流量统计数据,经过“滤波”订正,建立了外国人、港澳台胞、华桥及境外客流总量4条本底趋势线;利用旅游本底趋势线“晴雨表”功能说明‘89风波对我国境外旅游业的影响,利用预测功能预估了未来4年我国境外旅游业的发展趋势。

[Sun Gennian.Foundation and significance of background trend line of tourists from abroad in China. Scientia Geographica Sinica, 1998, 18(5): 442-448.]

[6]
Mings R C, Mchugh K E.The spatial configuration of travel to Yellowstone National Park. Journal of Travel Research, 1992, 30(4): 38-46.No abstract provided.

DOI

[7]
Asakura Y, Hato E.Tracking survey for individual travel behaviour using mobile communication instruments. Transportation Research Part C: Emerging Technologies, 2004, 12(3): 273-291.This paper shows the fundamental concepts and methodologies of using mobile communication instruments for tracking survey for individual travel behaviour in urban space. In particular, the characteristics of the tracking method using cellular phone are discussed. In addition to tracking type data collection procedure, the data transfer and labelling algorithms are proposed for providing various trip attributes to each point included in the location positioning data. The accuracy of the location positioning is found satisfactory for describing metropolitan scale travel behaviour. Tracking a hundred of event spectators has proved that the survey system would be available for on-line monitoring of a number of travellers in urban area. It is concluded that the proposed methodologies could be added in the toolbox of travel measurement.

DOI

[8]
张捷, 都金康, 周寅康, 等. 观光旅游地客流时间分布特性的比较研究: 以九寨沟、黄山及福建永安桃源洞鳞隐石林国家风景名胜区为例. 地理科学, 1999, 19(1): 49-54.旅游地与主要游客市场的空间结构(距离关系)在相当大程度上影响着游客年内分布、日变化等时间结构。旅游地旅游资源及旅游环境季节性特征也是游客年内分布的决定因子。

[Zhang Jie, Du Jinkang, Zhou Yinkang, et al.A comparison approach to temporal characteristics of tourist flows to sightseeing destinations: With case samples of National Parks of Jiuzhaigou, Mt. Huangshan and Taoyuandong-Linyin Stone Forest Park. Scientia Geographica Sinica, 1999, 19(1): 49-54.]

[9]
黄震方, 俞肇元, 黄振林, 等. 主题型文化旅游区的阶段性演进及其驱动机制: 以无锡灵山景区为例. 地理学报, 2011, 66(6): 831-841.综合运用Tramo/Seats 季节调整方法和多峰拟合方法,分析了无锡灵山景区1998-2009 年游客变化的阶段性及波动特征。结果显示：① 灵山景区游客演变具有明显的阶段性,其演进过程经过初步开发期、提升发展期后,现在正处在成熟发展期；② 主题型文化旅游区的阶段性演化是其生命周期重要组成部分,在长尺度上表现为趋势的分段而在小尺度上表现为波动结构变化；③ 文化资源、市场需求、旅游投资和产品升级等因素是主题型文化旅游区阶段性演变的重要动力因素。进而基于旅游地生命周期理论,构建了主题型文化旅游区发展演化的理论模型,将主题型文化旅游区的生命周期分为探索起步期、充实发展期、快速发展期、平稳发展期和后续发展期(衰亡或复兴) 5 个阶段。旅游区演化受多种要素的影响,各动力因素的相互作用及阶段性转换构成了主题型文化旅游区演化的动力,并导致旅游区阶段性演化和波动性成长。通过不断强化文化特色,增强文化驱动力,培育文化旅游区发展的整体动力,形成多元驱动的旅游区成长机制,可促进主题型文化旅游区的可持续发展。

[Huang Zhenfang, Yu Zhaoyuan, Huang Zhenlin, et al.Evolutionary stages and dynamic mechanisms of thematic cultural tourist areas: A case study of Lingshan Scenic Area in Wuxi. Acta Geographica Sinica, 2011, 66(6): 831-841.]

[10]
黄震方, 袁林旺, 俞肇元. 盐城麋鹿生态旅游区游客变化特征及预测. 地理学报, 2007, 62(12): 1277-1286.<p>生态旅游区的发展受到诸多确定性因素和随机性因素的共同作用，并反映于旅游区游客观测序列。通过构建游客序列分析框架，提出了游客序列分析的理论模型。并以江苏盐城麋鹿生态旅游区为例，集成多种数学方法，进行了游客序列的分解、调整和综合预测的实证 分析。运用Tramo/Seats 方法进行季节调整分析可有效提取时间序列各组分，从而获得了不同尺度的作用模式，所获得的去噪序列为预测研究提供了基础资料。基于ARIMA 模型、Winter 加法模型、Winter 乘法模型和Tramo/Seats 模型的综合预测表明，麋鹿生态旅游区未来两年年平均新增游客数量在1.95-3.14 万人次之间。各方法预测结果间的差异与其建模思路及实现方法有关，因此集成多种方法进行预测，并进行对比分析，有助于获得对游客波动变化更为全面的认识，同时所提供的多种可能预测方案，可为生态旅游区容量控制、旅游环境资源的保护与开发及旅游区的管理决策提供参考依据。</p>

[Huang Zhenfang, Yuan Linwang, Yu Zhaoyuan.Forecasts of tourist flow features in eco-tourism area: A case study of Yancheng David's Deer Eco-tourism Area. Acta Geographica Sinica, 2007, 62(12): 1277-1286.]

[11]
Snepenfer D, Houser B.Seasonality of Demand. Annals of Tourism Research, 1990, 17(4): 628-630.

DOI

[12]
Baum T, Lundtorp S.Seasonality in Tourism. Oxford: Pergamon, 2001.About the book Seasonal variation in demand is a reality for most tourism destinations. To challenge seasonality or to work within its constraints is a destination management issue that faces tourism planners throughout the world. It is an issue that is recognized particularly in regions of the extreme north or south where climate variation imposes directly on the management of tourism. This work is the first to gather a wide range of current thinking on seasonality under one cover. It provides a balanced overview of the evidence and issues relating to tourism seasonality using European, North American and Pacific Rim cases and research evidence. The chapters address tourism seasonality from the point of view of its historical context; its impact on specific sectors; accommodation, family resorts and the perceived community benefits of seasonality. Seasonal variation in demand is a reality for most tourism destinations. This work provides a balanced overview of the evidence and issues relating to tourism seasonality using European, North American and Pacific Rim cases and research evidence.

DOI

[13]
Christine L, Michael M.Monthly seasonal variations: Asian tourism to Australia. Annals of Tourism Research, 2001, 28(1): 68-82<h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">Tourist arrivals series from Hong Kong, Malaysia, and Singapore to Australia exhibit strong seasonality. For data and policy analysis, it is useful to obtain seasonally adjusted data for international tourism from the respective origin countries. This paper applies the moving average technique for estimating the seasonal components of time series to monthly tourist arrivals time series data to Australia. The autocorrelation and partial autocorrelation functions, the Lagrange multiplier test for the absence of serial correlation, and model selection criteria, namely the Akaike Information Criterion and Schwarz Bayesian Criterion, are used to examine which time series processes best describe international arrivals data for Australia.</p><h2 class="secHeading" id="section_abstract">R&eacute;sum&eacute;</h2><p id="">Variations p&eacute;riodiques mensuelles du tourisme asiatique en Australienne. Les s&eacute;ries d'arriv&eacute;es touristiques en provenance de Hong Kong, Malaisie et Singapour en Australie exhibent une forte p&eacute;riodicit&eacute;. Afin d'analyser les donn&eacute;es et les politiques, il est utile d'obtenir des donn&eacute;es ajust&eacute;es p&eacute;riodiquement pour le tourisme international des pays d'origine respectifs. Dans cet article, la technique de moyenne-mobile est appliqu&eacute;e aux donn&eacute;es mensuelles des arriv&eacute;es en Australie pour estimer les &eacute;l&eacute;ments p&eacute;riodiques des s&eacute;ries chronologiques. Les fonctions d'autocorrelations et d'autocorrelations partielles, le test du multiplicateur de Lagrange pour l'absence de correlation en s&eacute;rie et des crit&egrave;res de s&eacute;lection du mod&egrave;le, particuli&egrave;rement le crit&egrave;re d'information d'Akaike et le crit&egrave;re Schwarz Bay&eacute;sien, sont utilis&eacute;s pour examiner quels proc&eacute;d&eacute;s de s&eacute;ries chronologiques d&eacute;crivent le mieux les donn&eacute;es d'arriv&eacute;es en Australie.</p>

DOI

[14]
马耀峰, 李天顺, 刘新平. 旅华游客流动模式系统研究. 北京: 高等教育出版社, 2001.

[Ma Yaofeng, Li Tianshun, Liu Xinping.A Comprehensive Study of Overseas Tourist's Traveling Model in China. Beijing: Higher Education Press, 2001.]

[15]
陆林, 宣国富, 章锦河, 等. 海滨型与山岳型旅游地客流季节性比较: 以三亚、北海、普陀山、黄山、九华山为例. 地理学报, 2002, 57(6): 731-740.<p>利用1996~2001年国内旅游客流月份分布数据,分析了三亚、北海、普陀山等海滨 (岛) 型旅游地和黄山、九华山等山岳型旅游地国内客流季节性特征。从旅游客流季节分布曲线看,三亚、九华山分别表现为&ldquo;三峰两谷&rdquo;和&ldquo;双峰双谷&rdquo;型,北海、普陀山、黄山均表现为&ldquo;三峰三谷&rdquo;型;从旅游客流集中指数R值看,黄山的R值最大,近年平均为5.7,三亚的R值最小,近年平均为1.3,并且黄山、三亚的R值变化幅度较小,具有一定的稳定性。北海、普陀山、九华山的R值介于黄山、三亚之间,近年来总体呈下降趋势。比较分析5处旅游地客流季节变化成因,发现它们均受自然季节性因素和社会季节性因素的影响。前者主要包括气候的舒适性、降水等,对于海滨 (岛) 型旅游地而言,海水温度、热带气旋活动影响也很重要;后者主要包括法定节假日、居民出游习惯等,对于富有宗教特色的旅游地,宗教节庆活动也是重要的影响因素。分析认为,自然季节性因素是造成以自然吸引物或自然－文化吸引物为特征的旅游地客流季节变化的主导因素,社会季节性因素只是在自然季节性因素形成的旅游季节变化的基础上产生叠加作用。</p>

[Lu Lin, Xuan Guofu, Zhang Jinhe, et al. An approach to seasonality of tourist flows between coastland resorts and mountain resorts: Examples of Sanya, Beijing, Mt. Puto, Mt. Huangshan and Mt. Jiuhua. Acta Geographica Sinica, 2002, 57(6): 731-740].

[16]
马世罕, 戴林琳, 吴必虎. 北京郊区乡村旅游季节性特征及其影响因素. 地理科学进展, 2012, 31(6): 817-824.京郊地区乡村旅游发展迅速,已成为北京居民重要的休闲旅游目的地。本研究以2008-2010 年京郊乡村地区的旅游统计数据为基础,采用月度指数、快速样本聚类法和基尼指数等指标及方法,分析并测定京郊地区乡村旅游的月度分布特征、旅游季节划分以及旅游季节性强度等季节性特征。基础数据分析结果显示:京郊乡村旅游的季节性特征明显,在全年范围内形成旺季、平季和淡季3 个旅游季节,其中4-5 月、7-8 月和10 月是3 个旅游旺季,11 月到来年1 月是旅游淡季,其余月份为平季。然后,从自然因素(地理条件、气候条件)和社会因素(公共假日、社会关系和节事活动)等2 个主要方面入手,阐释了京郊地区乡村旅游季节性特征的影响因素,指出相对静态(可调节性较弱)的公共假日和相对动态(可调节性较强)的节事活动是京郊地区乡村旅游季节性特征的主要成因。

DOI

[Ma Shihan, Dai Linlin, Wu Bihu.Analysis on the features and causes of seasonality in rural tourism: A case study of Beijing suburbs. Process in Geography, 2012, 31(6): 817-824.]

[17]
余向洋, 沙润, 胡善风. 近邻景区客流季节性比较及其动态关联研究: 以西递、宏村、黄山为例. 地理研究, 2013, 32(1): 191-200.季节性是旅游明显而又重要的特征,要实现旅游业的高效管理,对于旅游季节性的充分理解是必不可少的。本研究以同一旅游目的地区域内的近邻景区为案例(西递、宏村和黄山),利用&ldquo;十一五&rdquo;期间的连续月度数据,采用季节调整方法对近邻景区客流的季节性进行分析和比较,在此基础上,运用协动性分析方法,进行近邻景区客流季节性和非季节性因素的动态关联分析,借助动态关联分析结果,探究景区客流季节性的形成根源,反映近邻景区相互作用等非季节性因素在季节性上的表现。研究表明,结合景区间相互作用等非季节性因素进行景区客流季节性研究,有利于全面认识和理解景区客流的季节性,从而增强景区管理的针对性和实效性。

DOI

[Yu Xiangyang, Sha Run, Hu Shanfeng.Dynamic relation and comparative analysis of tourism seasonality of neighbor scenic areas: Case studies of Xidi, Hongcun and Huangshan. Geographical Research, 2013, 32(1): 191-200.]

[18]
陆林. 山岳风景区客流研究: 以安徽黄山为例. 地理学报, 1994, 49(3): 236-246.山岳风景区在我国旅游资源中占有重要地位，已有相当规模的客流量。因此，山岳风景区客流研究重要性日趋明显。笔者以安徽黄山为例，进行山岳风景区客流基本规律研究，揭示了山岳风景区客流时空分布的基本特征；预测了未来客流规模；探讨了客流对旅游环境的影响；提出了山岳风景区旅游发展的基本思路。

DOI

[Lu Lin.A study on the tourist flows mountain resorts: A case study in Huangshan mountain. Acta Geographica Sinica, 1994, 49(3): 236-246.]

[19]
吴良平, 张捷. 入境游客在中国区域的动态分布及其预测研究. 旅游学刊, 2015, 30(11): 74-86.文章依据1994&#x02014;2012年入境旅游数据,运用统计分析方法,探究入境游客在中国区域分布的动态变化规律及其趋势,同时厘清了入境游客在7大区域分布和省级区域分布之间的动态脉络和关系。研究发现：（1）外国游客、港澳游客和台湾游客在中国7大区域的分布目前已经出现了较为稳定的相同变化趋势：中国北边以华北为中心呈现比重下降的趋势,中国南边以华南为中心呈现比重下降的趋势,其他5大区域均出现了不同程度的比重上升趋势;（2）华北、东北、华南、西南和西北均包括了具有主导效应的代表省区,华中的代表省区和其他两个省区对华中具有几乎相同的效应,而华东的7省区对华东具有相对复杂的综合效应;（3）外国游客、港澳游客和台湾游客在中国省级区域的分布已经出现以&#x0201c;北京、上海和广东&#x0201d;为核心的下降趋势状况。该文额外针对入境游客在中国区域单位比重的异常变化进行了定量研讨,同时给出了入境游客在中国区域2012年的空间分布格局及趋势。

DOI

[Wu Liangping, Zhang Jie.Research on the dynamic distributions of inbound tourists in China's regions and dynamic distribution forecasts based on the ARIMA model with the dummy variables. Tourism Tribune, 2015, 30(11): 74-86.]

[20]
刘泽华, 张捷, 吴小根, 等. 特殊时段旅游客流时间分布对旅游地理结构响应研究: 以北京、黄山、西安TDD黄金周旅游客流为例. 人文地理, 2010, (1): 129-133.以北京、黄山、西安3组旅游目的地区域的6处重点景区为案例地,使用R指数、G指数、相关分析及Person相关系数,对其历次黄金周旅游客流时间分布特征及影响因素进行分析,结果显示:在特殊时段内,旅游客流时同分布特征在一定程度上由区域旅游各要素的空间结构特征所决定,即同一依托城市的不同景区,其旅游资源的属性、周边旅游资源配置和旅游资源区位共同影响着旅游地客源地结构和旅游者景区选择及空间行为,从而影响区域旅游客流的时间分布和空间分布,形成相关景区的旅游客流对区域旅游地理结构的响应现象.

[Liu Zehua, Zhang Jie, Wu Xiaogen, et al.A comparative study on impact of tourist flows in special-team on regional tourism structure: As illustrated by tourist flows of Beijing, Huangshan and Xi'an in golden weeks. Human Geography, 2010, (1): 129-133.]

[21]
卢松, 陆林, 王莉, 等. 古村落旅游客流时间分布特征及其影响因素研究: 以世界文化遗产西递、宏村为例. 地理科学, 2004, 24(2): 250-256.古村落作为传统文化旅游地,旅游发展势头迅猛,关于古村落旅游学研究成果国内尚不多见。在实地调研基础上,以世界文化遗产西递、宏村为例,总结古村落旅游客流时间分布特征:客流增长迅速;客流季节性差异明显,呈现"三峰三谷"型波动;一般性周内客流为斜"Z"分布,黄金周客流呈"井喷"式,客流周内分布不均;客流日内呈双峰型分布,时客流分布集中。从事件、社会因素、自然环境因素、黄山辐射效应、管理体制及经营管理水平等方面,展开客流时间变化影响因素分析。讨论不断攀升的客流给古村落所带来的负面影响。

DOI

[Lu Song, Lu Lin, Wang Li, et al.Temporal characteristics of tourist flows to ancient villages: A case study of two world cultural heritages, Xidi village and Hongcun village. Scientia Geographica Sinica, 2004, 24(2): 250-256.]

[22]
李创新, 马耀峰, 贺雅坤, 等. 1994-2008年西部入境旅游典型省份客流集散时空动态研究: 以陕西、四川、云南为例. 旅游学刊, 2011, 26(7): 12-19.［摘&nbsp;&nbsp; 要］文章构建了入境游客转移数量模型、入境旅游流空间集中指数模型、入境旅游流转移态矩阵，基于1994~2008年入境旅游统计数据和入境游客抽样调查数据，定量测评陕西、四川、云南三省入境旅游流集聚指数与扩散指数、入境旅游流集聚态指数与扩散态指数；通过时间序列对比，揭示西部三省入境旅游流的空间集散特征与动态变化过程；通过西部三省之间的对比，分析其入境旅游流空间集散的地域差异性。研究表明：四川省入境旅游客流集散能力最强，云南省居中，陕西省最弱；中国入境旅游客流系统是一个&ldquo;东部引领西部，西部反作用于东部&rdquo;的时空地域格局复杂的动态平衡系统。文章结合历时性分析方法和共时性分析方法，选取西部三省开展入境旅游客流集散时空动态研究,旨在为探索中国西部入境旅游客流集散的时空演变特征与潜在机理提供典型案例。

[Li Chuangxin, Ma Yaofeng, He Yakun, et al.Research on the spatial and temporal dynamics of the concentration and diffusion of inbound tourist flows in China's western regions from 1994 to 2008: Taking Shaanxi, Sichuan and Yunnan province as an example. Tourism Tribune, 2011, 26(7): 12-19.]

[23]
方叶林, 黄震方, 侯兵, 等. 中国入境游客周期波动特征及影响机理. 地理研究, 2014, 33(10): 1942-1955.以大陆入境游客的年度及月度数据为例，利用HP滤波、BP滤波及季节指数分析了大陆入境游客的周期波动特征，并结合脉冲响应模型对其影响机理进行研究。结果表明：1978年以来入境游客在波动中上升，在1989年、2003年、2009年出现较大的下滑，根据滤波分解可将入境旅游划分为五个周期，分别为起步期（1978-1983年）、探索发展期（1984-1989年）、初步发展期（1990-1996年）、快速发展期（1997-2003年）、相对成熟期（2004-2011年），平均每个周期约为6.6年。入境游客的季节强度指数大致呈&#x0201C;倒V字型&#x0201D;分布，季节变动指数大致呈&#x0201C;双W型&#x0201D;分布，相对于年度数据，月度数据的波动效应更加显著。政策制度、区域经济、突发事件对入境游客周期波动具有重要影响。脉冲响应分析表明：对外经济交流与区域经济发展状况对入境游客有正向的冲击，不同交通方式对入境游客有不同的响应机理。针对入境游客的周期波动特征，应进一步注重游客质量的提升，加强对外宣传营销，及时调整经营方式及发展策略，同时需要平衡发展三大入境旅游市场，降低入境旅游市场的风险性。

DOI

[Fang Yelin, Huang Zhenfang, Hou Bing, et al.The periodic and fluctuant characteristics of Chinese inbound tourists and its influence mechanism. Geographical Research, 2014, 33(10): 1942-1955.]

[24]
杨新菊, 吴晋峰, 唐澜, 等. 旅华外国散客旅游流地理分布和网络结构研究. 旅游学刊, 2014, 29(5): 87-96.<p>散客旅游是全球主流旅游方式, 入境散客市场在中国入境旅游市场中也占据重要地位。文章主要采用问卷法采集数据, 研究样本总量1451份, 运用地图分析法研究旅华外国散客旅游流的分布和扩散规律, 运用社会网络分析法研究旅华外国散客旅游流网络结构特征。研究发现:散客以北京、广州和上海为主要出入境口岸, 以香港为辅助口岸, 旅游线路以单目的地、短线为主, 平均到访目的地数量较少;北京和广州是单目的地散客的主要旅游目的地;多点散客旅游流集中分布在中国人口线东南部, 以&ldquo;北京&mdash;西安&rdquo;之间的流量最大, 并形成了长三角、珠三角、川滇3个区域性集中分布区;散客旅游流网络规模较大, 但网络密度较低, 整体结构松散, 发育程度较差;网络具有小世界特性;网络中的节点可以划分成综合性节点、枢纽节点、重要节点和一般节点4种角色类型。文章首次从宏观联系的视角对旅华外国散客旅游流进行了整体研究, 丰富和拓展了中国入境旅游流研究内容。</p>

DOI

[Yang Xinju, Wu Jinfeng, Tang Lan, et al.The geographical distribution and network structure of foreign independent tourist flows in China. Tourism Tribune, 2014, 29(5): 87-96.]

[25]
李创新, 马耀峰, 张颖, 等. 1993-2008年区域入境旅游流优势度时空动态演进模式: 基于改进熵值法的实证研究. 地理研究, 2012, 31(2): 257-268.引入优势度的概念,基于改进的熵值法,定量测评1993～2008年中国大陆31个省区的区域入境旅游流优势度。通过三个时间段的区域入境旅游流优势度聚类分异对比,得到以下结论:区域入境旅游流优势度的时空地域格局突出&mdash;&mdash;广东、上海、北京3省(直辖市)优势度极其显著,是中国入境旅游的三大核心;云南、广西、四川、陕西四省(自治区)优势度很显著,是中国西部入境旅游的核心;内蒙古、黑龙江、湖北三省(自治区)优势度较显著,是中国中部入境旅游的热点区域。区域入境旅游流优势度的时空动态演进受到极化效应和涓滴效应的双重影响,还受到梯度推移理论的客观作用;引起优势度空间动态演进的地理因素可归结为自然地理因素和人文地理因素两大类;中国入境旅游流空间梯级网络结构正处于优化调整和良性重组的转型关键期。本文旨在为探索区域入境旅游流的时空地域结构演变特征与潜在机理提供技术支持。

DOI

[Li Chuangxin, Ma Yaofeng, Zhang Ying, et al.Dynamic evolution mode of regional Dominance indexes of Chinese inbound tourism flows during 1993 to 2008: An empirical research based on modified entropy technology. Geographical Research, 2012, 31(2): 257-268.]

[26]
李创新, 马耀峰, 张颖, 等. 时空二元视角的入境旅游流集散空间场效应与地域结构: 以丝路东段典型区为例. 地理科学, 2012, 32(2): 176-185.引入空间场理论,应用SPSS、ArcGIS等软件对入境旅游面板数据进行统计分析和定量测算,在合理划定中国典型入境旅游区域的基础上,从时空二元视角,对1993~2008年丝路东段典型区入境旅游流集散空间场场强、位势、地域结构的变迁历程开展实证研究。研究表明：丝路东段典型区的入境旅游流空间场总体呈现不断壮大的发展态势;丝路东段典型区的入境旅游目的地属性强于其入境旅游中转地属性;丝路东段典型区入境旅游流集聚空间场和扩散空间场的地域差异性与等级性均十分显著;入境旅游流集散的空间相互作用受极化效应和涓滴效应的双重影响,还受到梯度推移理论的客观作用,而入境旅游流转移的中长尺度空间规律性,则是等级扩散的作用使然;入境旅游流集聚和扩散的根本动力机制源于流空间的天然运动属性和旅游流空间场的客观存在;引导和调控入境旅游流集散的关键在于对旅游流天然运动属性的认可,对旅游流空间场的正确疏导,以及对旅游流空间场作用规律的准确把握与恰当运用。以空间场理论从时空二元视角分析丝路东段典型区入境旅游流集散空间场效应与时空地域结构分异规律,旨在揭示入境旅游流空间场和时空地域结构的动态演变规律,为探索入境旅游流的时空演变特征与潜在机理提供典型案例。

[Li Chuangxin, Ma Yaofeng, Zhang Ying, et al.The spatial field effect and regional structure of concentration and diffusion of inbound tourism flows on spatial and temporal scale: Case of typical district of the eastern part of the Silk Road. Scientia Geographica Sinica, 2012, 32(2): 176-185.]

[27]
保继刚, 龙江智. 城市旅游驱动力的转化及其实践意义. 地理研究, 2005, 24(2): 274-282.<p>本文旨在探索城市旅游驱动力的转化问题,以从一个侧面阐释改革开放以来中国城市旅游目的地相对变化的原因。在一般分析的基础上,着重以大连、深圳和珠海三个较具代表性的城市为例,对城市旅游驱动力的转化过程做个案剖析,并得出了三点结论:第一,每个城市旅游目的地的发展都存在相应的主导驱动机制;第二,城市旅游的主导驱动机制因时因地而不同;第三,城市旅游要实现可持续发展就必须跟随外部环境的变化(主要是需求结构的变化),适时转变自己的主要驱动力。</p>

[Bao Jigang, Long Jiangzhi.The transference of urban tourism driving force and its practical significance. Geographical Research, 2005, 24(2): 274-282.]

[28]
田祥利, 白凯. 旅游目的地突发事件对西藏入境旅游市场规模影响与政策响应. 旅游学刊, 2013, 28(3): 38-46.<p>在厘清突发事件和危机概念基础上,文章通过构建入境旅游人数BP神经网络模型，利用西藏2005~2009年月入境旅游人数统计数据，分析了西藏2008年&ldquo;3&middot;14&rdquo;突发事件对入境旅游市场规模影响和政策响应作用机制。结果发现：①突发事件对西藏入境旅游影响周期为18个月，入境游客损失量为47~14万人次，旅游经济损失量为2.15亿美元。②入境旅游政策与入境旅游人数之间存在宏观响应关系，入境旅游人数呈现出周期性波动现象。③突发事件影响的入境旅游政策响应演变特征表现为维稳限旅、救市兴旅、强基保旅和品牌强旅，政策响应作用机制核心要素是旅游目的地安全、市场和经济。</p>

DOI

[Tian Xiangli, Bai Kai.Assessment and policy response of expected event on Tibets inbound tourism market scale. Tourism Tribune, 2013, 28(3): 38-46.]

[29]
席建超, 甘萌雨, 吴普, 等. 中国入境游客旅游消费总体趋势与区域差异: 1996-2005年. 地理研究, 2010, 29(4): 737-747.<p>采用1996~2005年入境游客旅游消费的截面数据,通过构建评价表征指数,对中国入境游客消费变动以及区域差异进行实证分析。结果表明,在过去10年,入境旅游人均消费水平显著增加,但仍属于滞后性消费。旅游消费结构&quot;九五&quot;期间有较大变动,&quot;十五&quot;后趋于稳定合理。从入境旅游消费区域差异看,相对于区域旅游外汇收入,入境游客区域差异变动和消费结构呈现稳定状态;但是相对于旅游外汇收入水平,接待境外游客较多的地区恰恰也是人均消费水平相对偏低的地区,这些地区近10年来入境旅游外汇收入增长的主要助推因素仍主要来自接待入境游客规模的整体扩张,游客消费水平并没有质的提高。因此,塑造和完善旅游消费体系和保障体系,营造宽松的旅游消费环境,通过旅游产品供给结构优化调整来促进旅游消费质量的提档升级,将是实现入境旅游发展由数量扩张型向质量效益型战略转型的关键所在。</p>

[Xi Jianchao, Gan Mengyu, Wu Pu, et al.The overall changes and regional differences of Chinese inbound tourists consumption: 1996-2005. Geographical Research, 2010, 29(4): 737-747.]

[30]
雷可为, 陈瑛. 基于BP神经网络和ARIMA组合模型的中国入境游客量预测. 旅游学刊, 2007, 22(4): 20-25.游客量的预测和分析是旅游规划与管理的基础性、关键性工作。目前，游客量预测主要采用基于传统研究方法或人工神经网络技术的单项预测方法。近年来的研究表明，组合预测方法比单项预测具有更高的预测精度。本文提出了一种基于BP神经网络和ARIMA组合模型的游客量预测新方法，对

[Lei Kewei, Chen Ying.Forecast of inbound tourists to China based on BP neural network and ARIMA combined model. Tourism Tribune, 2007, 22(4): 20-25.]

[31]
黄毅, 马耀峰, 薛华菊. 中国入境旅游服务质量时空态势演变与区域影响因素. 地理学报, 2013, 68(12): 1689-1701.运用锡尔指数、ESDA、质&mdash;量矩阵、Pearson 相关系数等方法，从时序演变、空间关联、质&mdash;量态势、区域影响因素4 个视角对近10 年我国入境旅游服务质量进行了研究。分析发现：① 我国入境旅游服务质量整体呈提升态势，中部逐渐赶超东部，西部常年最低。② 省区间服务质量差异存在收敛趋势，地带内差异比重较高。东、中部服务质量势能差转换较好，差异在低值上表现出连续倒U型演变；西部差异高度震荡，服务质量势能差没有实现稳定、渐进式转换。③ 与入境旅游流及收入不同，多数年份入境旅游服务质量未呈现显著全局空间自相关。④ 局部空间相关关系的波动主要由邻近省区一方跃迁造成，多为质量下降型；低值集聚区在西部扩大的同时，由西南内陆向南部沿海扩散。⑤ 东部高值集聚区比重较大，但显著程度降低；中部随着吉林的崛起，形成以其为中心的高值集聚区，显著程度超过长三角；西部形成滇&mdash;川、新&mdash;青&mdash;藏两大显著低值集聚区。⑥ 东部质&mdash;量态势最优，但出现数量型粗放发展趋势；中部质量发展好于数量；西部质&mdash;量态势日渐堪忧。各省区表现出9 种质&mdash;量态势演变类型。⑦ 入境旅游服务质量与接待设施、劳动力供给、经济生活水平等区域因素正向相关，与入境旅游收入及接待量相关关系不强。

DOI

[Huang Yi, Ma Yaofeng, Xue Huaju.Spatio-temporal-situational evolution and regional influencing factors of the inbound tourism service quality in China. Acta Geographica Sinica, 2013, 68(12): 1689-1701.]

[32]
保继刚, 楚义芳. 旅游地理学(修订版). 北京: 高等教育出版社, 1999.旅游地理学是地理学和旅游学之间的边缘科学。这门学科在国内外的发展历史均不长，在我国只有10余年的历史。由于旅游地理学在旅游业发展中起着越来越重要的作用，因而近年来，不少专家，学者对它的研究愈来愈深化和全面，使旅游地理学在理论和实践方面都得到了蓬勃发展。为适应高等院校旅游专业和地理专业教学及旅游从业人员学习的需要，我们编写了这本教材。本书吸取了许多前辈专定、学者研究的共同成果，并阐述了我们一些不成熟的观点和思想，力求形成系统、全面、实用、在一些方面有所创新的特点。如果通过使用本教材，能使学生系统、全面地获得旅游地理学的理论知识，并能获得运用这些理论知识于旅游业之中的方法，就是我们至为欣慰之事。

[Bao Jigang, Chu Yifang.Geography of Tourism(revised edition). Beijing: Higher Education Press, 1999.]

[33]
骆培聪. 中国大陆入境台胞游客时空分布格局及其变化. 地理研究, 2010, 29(2): 291-302.<p>随着海峡两岸联系的不断加强,入境台胞游客市场对中国大陆入境旅游市场的影响与日俱增,因此对入境台胞游客市场的研究具有重要意义。收集1988~2008年相关数据,采用地理分析手段和GIS技术方法对中国大陆入境台胞游客数量年内、年际分布和空间格局变化及其原因进行分析。结果表明,中国大陆入境台胞游客数量发展呈波浪形递增趋势,旅游发展符合一般的经济发展周期,年内变化幅度总体较小,高峰(旺季)主要是在2月、4月、7月、10月,形成明显的&quot;双M&quot;形曲线。空间分布东部高、西部低,呈&quot;W&quot;形,并有向&quot;U&quot;形转变的趋势,而且游客数量地理集中程度呈现不断提高、省际差异逐步扩大,并向东部进一步集中的趋势。</p>

[Luo Peicong.Research on temporal and spatial distribution pattern of Taiwan tourists and its evolution in mainland China. Geographical Research, 2010, 29(2): 291-302.]

[34]
高铁梅. 计量经济分析方法与建模: Eviews应用及实例. 北京: 清华大学出版社, 2006.

[Gao Tiemei.Econometric Analysis and Modeling: Application and Examples of Eviews. Beijing: Tsinghua University Press, 2006.]

[35]
李伟, 胡静, 陆汝瑞, 等. 基于旅游目的的特殊时段旅游流时空分布特征研究: 以武汉市为例. 经济地理, 2013, 33(1): 180-186.以武汉市18个主要旅游景区特殊时段旅游流为研究对象,使用地理集中G指数、绘制饱和曲线和斯泰恩斯峰值指数M图进行分析；用基尼系数(Gini)和不平衡指数S来分析其空间特征,并利用洛伦兹曲线检验.结果显示:①在各段时间上,来武汉观光游览的游客分布较为均匀；探亲访友、商务会议、购物美食在时间上分布的集中度较高,旅游流在短期内涌涨,具有明显的突出高峰.②在空间分布上,不同旅游目的的旅游流Gini系数均大于0.8,呈现集中分布特征,且分布不均匀.旅游流分布在各景区的不平衡指数S为0.4412,较不均衡,主要集中在黄鹤楼、东湖、长江大桥、汉口江滩、武汉大学、归元寺、湖北省博物馆、户部巷8个景区.③通过对比分析旅游流的空间分布和案例景区的地理空间结构,发现不同旅游目的的旅游流在空间分布上形成对区域旅游地理结构的响应现象,并提出了具体的响应模式.

[Li Wei, Hu Jing, Lu Rurui, et al.The Temporal and spatial distribution characteristics of tourist flows in special-term based on different tourism purposes: A case study of Wuhan city. Economic Geography, 2013, 33(1): 180-186.]

Options
Outlines

/

〈 〉