天津盘山景区客源空间结构短期动态变化分析

段莉琼 ， 宫辉力 ， 刘泽华 ， 李云鹏 , 李勇永

(1.首都师范大学 资源环境与旅游学院，北京 100048； 2. 南京大学 地理与海洋科学学院，南京 210093； 3. 国家旅游局信息中心，北京 100740； 4.首都经济贸易大学 工商管理学院，北京100070)

天津盘山景区客源空间结构短期动态变化分析

段莉琼1,3， 宫辉力1， 刘泽华2， 李云鹏4, 李勇永1

(1.首都师范大学 资源环境与旅游学院，北京 100048； 2. 南京大学 地理与海洋科学学院，南京 210093； 3. 国家旅游局信息中心，北京 100740； 4.首都经济贸易大学 工商管理学院，北京100070)

选择2014年“十一”黄金周及其前后为案例时段，运用移动通信运营商获取的旅游流大数据，使用客源地地理集中指数、客源吸引半径、距离衰减曲线和引力模型，对天津盘山景区国内客源市场空间结构短期动态变化进行研究。结果发现：随着工作日、周末、黄金周三类时段闲暇时间的增加，盘山景区远程客流比例明显增加，客源吸引半径增大，客源地集中指数降低，距离累计曲线变缓，但盘山景区黄金周前后时段的客源市场空间结构并没有显著的变化；距离因素在各时段对客流量的影响都是最大，而人口因素对天津以外的客源市场客流量的影响最大。

客源空间结构；距离衰减；引力模型；动态变化；天津盘山景区

0 引言

旅游流是旅游地理研究的核心问题之一[1-2]，一直受到国内外学者的关注。国外已有研究侧重于旅游流与贸易关系、需求关系、游轮旅游关系[3-5]，例如W.Christaller 建立了核心边缘理论并运用于旅游流研究中[6]，开创了旅游流流向和流量方面研究的先河。国内研究主要集中在以下方面：一是研究黄金周时段内的旅游流时空分布特征。如刘泽华等选取2000—2007 年 “十一”黄金周，对云南省以及北京、黄山、西安三地短期旅游流时间分布对区域旅游空间结构的响应进行研究[7-8]；刘泽华等选择“五一”“十一”黄金周及暑假三类不同闲暇时段，对闲暇时间约束对中山陵景区国内客源市场空间结构的影响进行研究[9]；张子竞等选取2003—2007 年的“五一”“十一”黄金周，分析陕西关中地区特殊时段内旅游流井喷效应的时空演变规律[10]；贺晓慧等对西安2003—2009年“十一”黄金周旅游客流井喷现象进行分析[11]；姚宏等对2001—2012年山西省国内旅游市场空间特征和差异进行分析[12]；赵安周等利用西安市旅游局的黄金周统计资料，对西安旅游流“井喷”的时空分布特征进行研究[13]。二是旅游信息流和旅游客流的关系研究。王炼等利用网络搜索数据，探讨网络信息搜索在旅游需求预测中的潜在作用[14]；王硕等利用百度游客网络关注度和江西旅游政务网、华山官网、国家旅游局、国家假日办等网站获取的各景区黄金周旅游客流量数据，对客流量与网络关注度的变化特征进行分析[15]；段淼然等利用新浪微博数据，从总体、区域和主要出游地3个方面，提取省域出游驱动力的空间分布特征[16]；涂玮等以26个旅游地旅游产品网络团购虚拟旅游流数据，研究虚拟旅游流的空间分布差异及形成动力机制[17]。三是旅游流影响因素研究。郭晓东等利用均匀指数对2007年前后我国休假制度对国内旅游流时空结构及旅游开发的影响进行分析[18]；雷向杰等引入降水影响虚拟指数对黄金周旅游影响进行模拟评估[19]等；杨曦等基于交通网络，对湖南旅游流空间集聚与扩散测度进行研究[20]；徐程瑾等基于GIS，对京津冀核心旅游圈构建进行研究[21]，相关结论对旅游流预测具有借鉴意义。

综观已有成果，国内外学者多将区域旅游流视作一定时间段内相对稳定的旅游现象进行研究，且多是通过网站、官方统计资料、网络搜索收集旅游流数据，部分数据缺失，对小尺度例如每日的客流空间结构短期动态变化研究比较少见，尤其是缺乏对基于现代信息通信技术(ICT)获得的旅游流大数据研究，而旅游地客源市场空间结构具有动态变化属性。本研究以天津盘山景区为案例地，以2014年“十一”黄金周及其前后时段为案例时段，运用移动通信运营商实时获得的旅游流数据，对不同类型时段的旅游地客源市场空间结构短期动态变化进行比较研究，为我国加强旅游地管理、景区流量预测、预警和调控以及假日制度改革、错峰出游提供借鉴。

1 研究方案

1.1 案例地概况

选择天津盘山景区为案例地。盘山景区位于天津市蓟县境内，占地面积106 km2，是自然山水与名胜古迹并著、佛教文化与皇家文化相融的旅游胜地，又因其雄踞北京之东，故有“京东第一山”之誉。2007年被评为国家首批5A级旅游景区，2011年被国家旅游局评定为中国百强景区。同时天津市地处我国经济发达的京津冀地区，在我国旅游业中占有重要的地位，环渤海旅游集聚场是我国五大主要旅游集聚场之一，而京津冀旅游扩散场同时也是我国四大主要旅游流产生地之一[22]。盘山景区是天津唯一的国家重点风景名胜区，也是天津两家5A级景区之一，2014年接待游客量达138.45万人次，是游客来天津的必选景点之一。因此，本案例地具有较好的典型性及代表性。

1.2 研究时段选取

选择2014年“十一”黄金周前(9月25—30日)、黄金周(10月1—7日)、黄金周后(10月8—19日)3个时段共25天为研究时段。其中10月1—7日为黄金周的连续7天假日，9月27日，10月12、18、19日4天为周末休息日，其他14天为工作日，包括因国庆节放假调休导致正常上班的9月28日(星期日)和10月10日(星期六)。

1.3 数据来源

游客数据来源于通信运营商，根据手机的位置对进入盘山景区范围内的手机使用者进行游客判别，使用相关规则排除周边居民、景区管理人员，并根据手机号码注册地判断游客来源地信息，共获得2014年9月25日—10月19日的254 450条游客信息数据，其中黄金周前(2014年9月25—30日)为31 309条，黄金周(2014年10月1—7日)为149 945条，黄金周后(2014年10月8—19日)为73 196条，工作日(2014年9月25—26日、28—30日，10月9—11日、13—19日)为68 379条，周末(2014年9月27日，10月12、17、18日)为36 126条。

1.4 研究方法

1.4.1 客源地地理集中指数和客源吸引半径。国内外学者一般采用客源地地理集中指数(G)来定量研究客源空间分布的集中程度[23]，并使用客源吸引半径(R)研究旅游地的吸引力范围[24-25]。其中地理集中指数G值越大，则游客来源越集中，G值越小，则客源越分散。客源吸引半径R值越大，表明旅游地吸引范围越大；R值越小，则吸引范围越小。计算公式如下。

(1)

(2)

式中：xi为第i个客源地的游客比重；di为第i个客源地与目的地的距离；n为客源地总数。

1.4.2 距离衰减。旅游流距离衰减指旅游地入游游客人数随旅行距离增大而减小的现象，其距离衰减特征是确定和推测旅游地吸引力辐射范围和外推趋势的重要手段，假设客源地在空间上均匀分布且所有的客源地都是对其中某一个客源地“克隆” 的结果，客源地间交通连接方式一致，则旅游系统的空间结构模型为一个圆形网络，图中坐标原点为目的地，其他坐标点为客源地，圆周表示目的地的不同吸引范围，最大圆表示该旅游系统的空间范围，在这样一个理想化的旅游系统里，客源地与目的地间的交通距离是影响到访率的唯一因素，以上述计算模型可采用两种不同方式绘制该旅游系统的旅游流距离衰减曲线，第一种方法是以目的地周围不同空间范围内不同圆环面上产生的旅游流占目的地接待的全部旅游流百分比为纵坐标，单位距离为横坐标绘制；第二种方法是以目的地周围不同空间范围单位面积上产生的旅游流为纵坐标、单位距离为横坐标绘制。

1.4.3 引力模型。引力模型是分析旅游流量的影响因素常用模型，国内外学者常使用该模型研究旅游客源地与目的地之间距离、客源地的人口规模、经济发展水平等变量对旅游地客流量的影响[26-28]，本研究采用国内学者常用的引力模型基本形式分析各因素对盘山景区客流量的影响，即：

(3)

式中：Ti为第i个客源地的游客量指标；Pi为第i个客源地的某种人口指标；Ii为第i个客源地的某种收入指标；Di为第i个客源地与目的地的某种距离指标；K，α,β,γ为待定参数。

对(3)式两侧取自然对数，并令Ti′=lnTi，K′=lnK，Pi′=lnPi，Ii′=lnIi，Di′=lnDi，则模型转换为：

(4)

2 研究结果

2.1 不同时段盘山景区客源空间分布特征

通过计算黄金周及前后时段、工作日、周末等5个不同类型时段的各省份客源市场比例，可以看出盘山景区的主要客源来自天津本地，黄金周、黄金周前、黄金周后、工作日、周末5个类型的时段内，天津本地客流比例分别为79.24%，85.92%，85.17%，86.33%，82.40%，其中黄金周时段比例最低，工作日时段比例高于周末时段，黄金周前和黄金周后的客流比例差别并不明显；外地游客中又以北京、河北两地居多，而与天津本地客流比例不同的是，北京、河北两地的黄金周时段客流比例最高，黄金周前小于黄金周后，工作日时段比例小于周末时段，5个不同类型时段内的比例分别为9.30%，6.96%，7.23%，6.60%，8.19%以及7.96%，4.14%，5.50%，4.24%，6.71%；京津冀三地的客流在不同时段的比例均在96.49%～96.30%之间。

除京津冀三地外其他省份客流比例均低于1%，其中近距离的山东、山西和远距离但经济较为发达的广东、上海的游客比例相对较高，研究期内获取的总样本量均超过1 000人。山东和山西仍以黄金周时段的客流比例最高，但山东黄金周前和黄金周后较为相当，工作日时段比例小于周末时段，山西则是黄金周前大于黄金周后，工作日时段比例大于周末时段，两地5个时段的客流比例分别为0.55%，0.32%，0.31%，0.30%，0.34%以及0.45%，0.28%，0.17%，0.40%，0.18%。上海、广东两地5个时段的客流比例分别为0.29%，0.19%，0.31%，0.28%，0.27%以及0.29%，0.29%，0.31%，0.31%，0.29%，并没有表现出明显的时段分异特征。其次，黑龙江、辽宁、内蒙古、河南、安徽、江苏、浙江的游客比例相对较多，在五类时段中没有表现明显的时段分异特征。但黄金周之前、黄金周之后、工作日、周末来自四川的游客比例相对较多；黄金周之后、工作日、周末来自陕西的游客比例相对较多；黄金周、工作日来自湖北、吉林的游客比例相对较多，工作日来自湖南的游客比例相对较多，表现出时段分异特征，对于其原因需进一步研究。

2.2 不同时段客源市场集中程度分析

计算黄金周及前后时段、工作日、周末5个不同类型时段的盘山景区客源地地理集中指数G值和客源吸引半径R值(表1)，结果表明黄金周前、黄金周、黄金周后3个时段相比，G值分别为85.03，80.18，86.38，呈现高—低—高状态，R值则分别为114.83，117.11，114.01，呈现低—高—低状态，这一结果表明，黄金周前和黄金周后的两个时段中，盘山景区的客源地集中程度以及客源吸引半径并没有较大的变动，而黄金周时段的客源地集中程度降低、客源吸引半径增大。

工作日、周末、黄金周3个时段相比，G值逐渐降低，分别为86.69，83.08，80.18，R值则逐渐增加，分别为114.10，115.72，117.11，这一结果表明，在工作日、周末以及黄金周3个不同闲暇时长的时段相比，随着闲暇时间依次增加，居民可以出游的距离也依次增加，盘山景区天津本地客流比例依次降低，外省客流比例依次增加，从而客源地集中程度降低，客源吸引半径增大。

表1 盘山景区客源地地理集中指数与客源吸引半径

天津本地是盘山景区的主要客源，占游客总量的80%左右。因此，在绘制盘山景区客流量距离衰减和距离累计曲线时，剔除天津本地游客数据后进行对比分析，能更好地反映客源空间结构短期动态变化的规律(本研究使用的距离为盘山景区到各省份的省级人民政府驻地的大圆距离)。

比较不同时段的盘山景区客流量距离衰减曲线(图1)，发现各时段盘山景区客流量空间分布总体上呈现较为明显的距离衰减趋势，但在某些特定距离上形成不同程度的高峰，如河北、山东所在的300～400 km处，山西所在的400～500 km处(黄金周后、周末时段例外,没有出现高峰),上海所在的1 000～1 100 km与广东所在的1 900～2 000 km 处均出现不同程度的客流高峰，分析其原因主要为河北、山东、山西距离盘山景区在500 km范围内，上海、广东经济发达，居民出游力较强。

图1 盘山景区客流量距离衰减曲线(不含天津本地游客数据)

对比黄金周前、黄金周、黄金周后3个时段的盘山景区客流量距离累计曲线(图2a)，在距离200 km范围内，距离累计曲线从上到下依次为黄金周前、黄金周后、黄金周，游客比例分别为49.70 %，46.78%，44.78%；在距离200 km以上时，距离累计曲线从上到下依次为黄金周、黄金周后、黄金周前，其中来自200～500 km范围内的游客占总游客量的比例分别为88.76%，86.08%，85.22%，在距离500 km以上时，黄金周后和黄金周前的距离累计曲线渐趋于重合；对比工作日、周末、黄金周时段的客流量距离累计曲线(图2b)，在200 km距离范围内，距离累计曲线从上到下依次为工作日、周末、黄金周，游客比例分别为48.30%，46.56%，44.78%；在距离200～500 km范围内，距离累计曲线从上到下依次为周末、黄金周、工作日，其中来自此距离范围以内的游客占总游客量的85%左右，分别为88.15%，88.76%，84.26%；在距离500 km以上时，黄金周和周末的距离累计曲线逐渐趋于重合；上述分析表明各时段游客主要来源于200～500 km范围内的河北、山东、山西，来自500 km以上距离的游客呈现较为明显的距离衰减趋势。

2.3 不同时段盘山客流量影响因素的变动

对黄金周及前后时段、工作日、周末等5个不同类型时段的盘山景区国内游客引力模型转换后进行多元回归分析，其中距离数据通过计算出盘山景区到各省份的省级人民政府驻地的大圆距离所得，人口数据则使用2013年末总人口数据(万人)，经济数据使用2013年人均地区生产总值(元/人)。经济和人口数据均来自2014年中国统计年鉴。在进行回归分析时，同样对有无天津本地游客的数据分别进行分析。

图2 盘山景区客流量距离累计曲线(不含天津本地游客数据)

结果显示10个回归方程均能通过总体显著性检验(F检验)，且显著性均很高，显著性概率均小于0.001，说明Ti′与Pi′，Ii′，Di′的线性关系显著；10个回归方程拟合优度较高，调整的判定系数在0.657和0.767之间，说明方程的拟合程度较好。

在天津数据参与计算时，各回归系数中只有距离衰减指数γ通过了t检验，表明各时段内距离(大圆距离)对盘山景区客流量的影响均在0.01的水平上显著，说明客源地与盘山景区的距离对盘山景区客流量有显著的影响，其中黄金周时段的γ绝对值最大，为-1.884，黄金周前后时段的γ绝对值表现为“黄金周后<黄金周前”，分别为-1.609,-1.698，而各类闲暇时段γ绝对值表现为“工作日<周末<黄金周”，其中工作日和周末分别为-1.615,-1.641，这是因为随着假期时间增加，游客可以进行更远距离的出游，和前面地理集中指数、吸引半径的结论一致，同时在黄金周和黄金周前时段内，人口变量α值t检验的概率值为0.011,0.022，在0.05的水平上显著，在该时段人口因素对盘山景区客流量也有较明显的影响；收入变量β值t检验的概率值均大于0.05，说明客源地居民收入水平对盘山景区客流量没有显著影响。

在天津数据不参与计算时，距离衰减指数γ同样均在0.01的水平上显著，但γ绝对值有所降低，其中黄金周时段的γ绝对值最大，为-1.593，其他时段在1.269～1.346之间，各类时段的γ绝对值依然表现为“黄金周后<黄金周前<黄金周”和“工作日<周末<黄金周”；同时收入变量β值t检验的显著性概率值均大于0.05，说明外省客源地居民收入水平对盘山景区客流量没有显著的影响。但与天津数据参与计算不同的是，黄金周及其前后时段、工作日4个时段的人口变量α值t检验的显著性概率值小于0.01，周末时段的显著性概率值为0.012，小于0.05，说明人口变量对外省客源地客流量的影响显著。黄金周和黄金周前时段α值较高，分别为0.801和0.827，黄金周后、工作日、周末3个时段α值相对较低，分别为0.579，0.634，0.597。

3 结论

1)盘山景区国内客源市场呈现出明显的距离衰减规律，以近距离的天津本地游客为主，北京、河北是主要的省外客源地。2)通过对黄金周前后时段的分析发现，盘山景区的客源市场空间结构并没有显著的变化；引力模型的分析结果表明，人口、收入及距离3个因素中，距离因素在各时段对旅游地客流量的影响最大，其次为客源地人口，而单独对天津以外的客源市场进行分析则发现人口因素在各时段对盘山客流量的影响最大，而收入因素的影响最小；另通过对工作日、周末、黄金周三类时段分析发现，随着闲暇时间的增加，盘山景区远程客流比例明显增加，出现旅游地客源吸引半径增大、客源地集中指数降低、距离累计曲线变缓的现象。3)通过对移动通信运营商获取的旅游流大数据进行分析，可以较好地反映旅游流的时空分布等规律。

[1] 保继刚.论旅游地理学的研究核心[J].人文地理,1992,7(2):11-18.

[2] 唐顺铁,郭来喜.旅游流体系研究[J].旅游学刊,1998,13(3):38-41.

[3] Shan J,Wilson K.Causality between Trade and Tourism Empirical Evidence from China[J].Applied Economics Letters,2001,8(4):279-283.

[4] Eugenio-Martin J L.Modeling Determinants of Tourism Demand as A Five Stage Process:A Discrete Choice Methodological Approach[J].Tourism and Hospitality Research,2003,4(4):341-354.

[5] Reiner J.Beyond the Tourist Bubble Cruise Ship Passengers in Port[J].Annals of Tourism Research,2004,3(1):44-60.

[6] Christaller W.Some Considerations of Tourism Location in Europe[J].Papers in Regional Science,1964,12(1):95-105.

[7] 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[J].人文地理,2010,25(1):129-134.

[8] 刘泽华,李海涛,史春云,等.短期旅游流时间分布对区域旅游空间结构的响应——以云南省黄金周旅游客流为例[J].地理学报,2010,65(12):1624-1632.

[9] 刘泽华,顾宗欣,王楠楠,等.闲暇时间约束对中山陵景区国内客源市场空间结构的影响[J].地理研究,2013,32(9)：1737-1746.

[10] 张子竞,马耀峰,白凯.陕西关中地区旅游流井喷效应的时空演变规律[J].资源开发与市场,2011,27(4):363-377.

[11] 贺晓慧,白凯,卫海燕,等.西安特殊时段旅游流规模分形结构特征研究——以“十一”黄金周为例[J].干旱区地理,2011,34(5)：858-865.

[12] 姚宏,郭雪梅.山西省国内旅游市场空间结构与差异分析[J].地域研究与开发,2014,33(5):94-98.

[13] 赵安周,白凯,卫海燕.西安旅游流“井喷”的时空分布特征研究[J].北京第二外国语学院学报,2011(9):39-47.

[14] 王炼,贾建民.基于网络信息搜索的旅游需求预测——来自黄金周的证据[J].系统管理学报,2014,23(3):345-350.

[15] 王硕,曾克峰,童洁,等.黄金周风景名胜区旅游客流量与网络关注度相关性分析——以庐山、华山、八达岭长城风景名胜区为例[J].经济地理,2013,33(11):182-186.

[16] 段淼然,陈刚,于靖,等.基于新浪微博的省域出游驱动力空间分布特征[J].地域研究与开发,2015,34(2):96-102.

[17] 涂玮,黄震方,方叶林.基于网络团购的虚拟旅游流空间差异及动力机制研究[J].地域研究与开发,2013,32(4):84-89.

[18] 郭晓东,肖星,房亮.新休假制度对国内旅游流时空结构及旅游开发的影响分析[J].旅游学刊,2008,23(5)：38-41.

[19] 雷向杰,张文静,赵晓萌.降水对西安黄金周旅游影响的模拟评估研究[J].西北大学学报：自然科学版,2013,43(1)：133-138.

[20] 杨曦,王兆峰.基于交通网络的湖南旅游流空间集聚与扩散测度研究[J].地域研究与开发,2014,33(4):96-100.

[21] 徐程瑾,钟章奇,王铮.基于GIS的京津冀核心旅游圈构建研究[J].地域研究与开发,2015,34(2):103-107.

[22] 章锦河,张捷,刘泽华.基于旅游场理论的区域旅游空间竞争研究[J].地理科学,2005,25(2):248-256.

[23] 朱沁夫,李昭,杨樨.用地理集中指数衡量游客集中程度方法的一个改进[J].旅游学刊,2011,26(4):26-29.

[24] 要轶丽,郑国.西安及其毗邻地区国内客源市场空间结构分析[J].地理与地理信息科学,2005,21(1):96-99.

[25] 吴晋峰,包浩生.旅游流距离衰减现象演绎研究[J].人文地理,2005,20(2)：62-65.

[26] 保继刚.引力模型在游客预测中的应用[J].中山大学学报:自然科学版,1992,31(4):133-136.

[27] 张凌云.旅游地引力模型研究的回顾与前瞻[J].地理研究,1989,8(1):76-87.

[28] 李山,王铮,钟章奇.旅游空间相互作用的引力模型及其应用[J].地理学报,2012,67(4):526-544.

Short-term Dynamic Changes of Scenic Area’s Spatial Structure of Tourist in the National Park of Panshan Mountain in Tianjin City

Duan Liqiong1,3, Gong Huili1, Liu Zehua2, Li Yunpeng4, Li Yongyong1

(1.CollegeofResourcesandEnvironmentandTourism,CapitalNormalUniversity，Beijing100048,China; 2.DepartmentofLandResourceandTourismSciences,NanjingUniversity,Nanjing210093,China; 3.TheInformationCentreofChinaNationalTourismAdministration,Beijing100740,China; 4.BusinessAdministrationCollege,CapitalUniversityofEconomicsandBusiness,Beijing100070,China)

By using the real-time public data for telecommunications operators to obtain and selecting before and after the golden week in the 2014 National Day, this paper researched the short-term dynamics changes of the domestic tourist market of the national park of Panshan Mountain in Tianjin.The results show that the national park of Panshan Mountain is given priority to the local visitors, Beijing City and Hebei Province are major regions of tourists, and that the domestic tourist market of the national park of Panshan Mountain presents obvious distance attenuation rule. Through the analysis of the different times, it is discovered that before and after the golden week tourist market structure change is not obvious, during weekday, weekend, golden week, with the increase of leisure time, the proportion of tourists from other provinces obviously increase, thus destination tourism attraction radius increases, concentration index reduces and cumulative curves slow; Under different time constrainting, among 3 factors of population, income and distance, the distance is the biggest influence factor, followed by group population. Tianjin tourists data is not involved in the computation, the population variable in each period has significant impact. And alpha value is the biggest influence in the golden week period of time, income is the minimum effect.

source space structure; distance decay; gravity model; short-term dynamic changes; national park of Panshan Mountain in Tianjin

2015-07-16；

2016-01-17

国家旅游局旅游业青年专家培养计划项目(TYETP 201312)；国家自然科学基金项目(NSFC41001070,71340025)

段莉琼(1970-)，女，湖南湘潭市人，高级工程师，博士研究生，主要从事GIS、旅游信息化研究，(E-mail)joan265@sina.com。

刘泽华(1979-)，男，山东兰陵县人，讲师，博士，主要从事旅游地理学研究，(E-mail)liuzehua@nju.edu.cn。

F590

A

1003-2363(2016)04-0115-05