高聚集游客群安全事故的时空分异与空间演化分析

殷 杰, 郑向敏

(1.华侨大学旅游学院; 2.中国旅游研究院旅游安全研究基地; 3.华侨大学旅游安全研究院,福建 泉州 362021)

一、文献综述与问题的提出

密集人群由于受到人群密度高、风险复杂、信息传递易失真等因素影响，极易发生踩踏、人员受伤甚至死亡等突发事件。因此，管理部门大都重视对密集人群的有效管理，以使其处于安全状态。近年来，中国旅游业发展迅速，出游游客众多，但受到出游时间集中化、出游人数大众化等因素影响，高聚集游客群(指游客群体密度高于每平方米2人，且局部空间内聚集游客人数多于50人[1])作为密集人群的一种特殊类型频繁出现。就中国旅游市场规律而言，“二八法则”能够很好地诠释旅游市场的客流流量和流向[2]，即80%的游客选择前往特定的20%的热门景区。在特定的时段，特定的区域和空间场所极易出现高聚集游客群，如黄金周等时段，在热门景区景点的售票口、缆车站点等特定区域和空间场所往往聚集大量游客，形成高聚集游客群[3]。

目前，学界对高聚集游客群安全的研究关注度不高，且研究广度和深度不够。与高聚集游客群安全相关的研究主要集中在以下方面：(1)高聚集游客群的系统构成。殷杰等运用扎根理论分析方法对2004—2017年149起山岳型高聚集游客群安全事故案例进行分析，结果显示高聚集游客群是一个包含多源压力子系统、状态变异子系统、管理响应子系统等子系统在内的复杂系统[4]。(2)高聚集游客群安全的影响因素。殷杰等结合案例分析指出，高聚集游客群面临自然灾害、卫生、事故灾难、社会安全等风险，其安全受人员、设施、环境、管理等多重因素影响[1]；郭峰等分析指出时空因素能够显著影响高聚集游客群的安全状态[2]；殷杰等分析指出高聚集游客群的安全是压力、状态、响应等因素相互作用的结果[4]。(3)高聚集游客群的疏散策略。Shi等利用微博空间数据预测城市高聚集游客群的分布，提出利用定位技术、监控技术来动态监测人流，从而实现对城市高聚集游客群的有效管理[5]；王瑜等以北京动物园熊猫馆为研究对象，建立高聚集游客群分析的仿真模型，模拟了不同人群疏导策略的执行效果，进而提出完善导向标示、明确最近客流出口、提高疏散效率等高聚集游客群的拥堵缓解策略[6]；任竞斐等构建了景区高峰期的客流Logit模型，分析提出设置多条游览线路、缩短游客逗留时间等动态调控大容量游客群的方法[7]；张运波等分析指出，当旅游密集区域人员处于紧急状态时，可以采用Agent决策模型来实现游客快速疏散[8]。

综上所述，既有文献分析和探究了高聚集游客群的系统构成、安全影响因素以及疏散策略，为深入研究高聚集游客群安全问题奠定了扎实的基础，但对高聚集游客群安全事故的分析仍不够全面。而对高聚集游客群安全事故特征的分析有助于避免重复性事故的发生，尤其是对高聚集游客群安全事故的全面分析有助于形成有效的高聚集游客群安全管理策略。基于此，本研究将基于高聚集游客群安全事故的全面分析，重点分析其时空分异规律与空间演化特征，并据此从时空层面提出高聚集游客群安全管理的防控策略，以为高聚集游客群的安全管理提供一定的参考。

二、数据来源与研究方法

(一)数据来源

鉴于大量案例有助于研究和分析事故的典型特征和规律[9]，且具有典型意义的高聚集游客群安全事故一般都会在互联网上传播、转发等，因此，典型案例成为高聚集游客群安全的重要研究对象。本研究利用百度新闻和新浪微博搜集高聚集游客群安全事故典型案例，包括用百度新闻的高级搜索功能搜集案例，用新浪微博搜索相关主题微博的功能实现对案例的查找。本研究以“景区+拥堵”“游客+聚集”“景区+爆棚”“游客+爆棚”“景区+井喷”“游客+井喷”“景区+滞留”“游客+堵塞”“景区+人满为患”“景区+踩踏”等10组词作为关键词搜索高聚集游客群安全事故案例。案例甄选基于以下标准：(1)通过百度新闻搜集的事故案例发生于2004年1月1日至2017年5月31日，通过新浪微博搜集的事故案例发生于新浪微博上线日(2009年8月14日)至2017年5月31日；(2)搜集的案例应来源于报纸媒体的网络版和微博版、地方政府网站和官方微博、专业新闻网站等；(3)搜集的案例应带有图片或视频，且能从图片或视频中直观筛选和认定该游客群体属于高聚集游客群；(4)搜集的案例描述字数应多于200字，以保证案例信息量充足。本研究通过百度新闻和新浪微博共搜集到符合甄选标准的高聚集游客群安全事故案例264起。

(二)研究方法

1.时间分布特征测度方法。本研究主要采用季节强度指数和季节变动指数来测度高聚集游客群安全事故的时间分布特征。

(1)季节强度指数。季节强度指数用以表示某项事物在时间分布上的集中状况[10-11]。本研究用季节强度指数来衡量高聚集游客群安全事故发生的时间聚集性，即采用季节强度指数来研判高聚集游客群安全事故在时间维度上是否呈现出集中分布的特征。其计算公式如下：

其中,S表示季节强度指数,i表示月份,Xi表示第i月发生的高聚集游客群安全事故数与全年发生的高聚集游客群安全事故总数之比。S值越接近于0，表明高聚集游客群安全事故在时间维度上分布越均衡;S值越大，则表明高聚集游客群安全事故在时间维度上分布越集中。

(2)季节变动指数。季节变动指数指连续多年的每月平均指标值占连续多年的各月总平均值的比重[10]。本研究用季节变动指数来测算2004—2017年高聚集游客群安全事故的每月平均发生数占连续多年的各月总平均数的比重，即用以衡量某个特定的月份是否多发高聚集游客群安全事故。其计算公式如下：

其中,V表示季节变动指数,n表示年度总和,a表示年份,i表示月份,Xai表示第a年第i月发生的高聚集游客群安全事故数。若V值小于1，表明该月份不是高聚集游客群安全事故的高发期；反之，则表明该月份是高聚集游客群安全事故的高发期。同时，若在某年的12个月份中存在V值大于1的情况，则表明高聚集游客群安全事故的发生存在明显的淡旺季之分，即高聚集游客群安全事故的发生具有明显的季节性。

2.空间分布特征测度方法。本研究采用空间基尼系数、赫芬达尔-赫希曼指数、地理集中度等3种测度方法来解析高聚集游客群安全事故的空间分布特征。

三是审查形式的冲突问题。按照现行法律和司法解释的规定，法院受理当事人的申请后，应当对协议进行实体审查，以确保协议的真实性及合法性。“一站式”司法确认机制，调解活动在法官的全程指导、全程监督下进行，一般只对调解协议和相关材料进行书面审查，不再向双方当事人进行核实，导致审查形式上与现行法律发生冲突。

(1)空间基尼系数。空间基尼系数一般用于度量区域经济发展的差异情况,即主要用以描述某项经济要素在空间层面上的差异情况[12]。本研究用空间基尼系数来测度高聚集游客群安全事故在省域层面分布的差异性。其计算公式如下：

其中,G表示空间基尼系数,n表示发生高聚集游客群安全事故的省级行政单位总数,i表示省份,yi表示第i省发生的高聚集游客群安全事故数与全国发生的高聚集游客群安全事故总数之比(yi必须按照升序排列)。若G值小于0.4，表明高聚集游客群安全事故省域分布差异不显著，即高聚集游客群安全事故省域分布较为均衡；若G值大于0.4，表明高聚集游客群安全事故省域分布差异显著，即高聚集游客群安全事故省域分布较为集中。

(2)赫芬达尔-赫希曼指数。赫芬达尔-赫希曼指数一般用于衡量区域经济发展的集聚程度[13]，主要用于测量产业集中度。本研究用赫芬达尔-赫希曼指数来测度高聚集游客群安全事故在省域层面分布的集中程度。其计算公式如下：

其中,H表示赫芬达尔-赫希曼指数,n表示发生高聚集游客群安全事故的省级行政单位总数,i表示省份,Pi表示第i省发生的高聚集游客群安全事故数与全国发生的高聚集游客群安全事故总数之比。H值越接近于1，表明高聚集游客群安全事故分布越集中，即高聚集游客群安全事故集中分布于特定省份;H值越接近于0，则表明高聚集游客群安全事故分布越均衡，即高聚集游客群安全事故均衡分布于多个省份。

(3)地理集中度。地理集中度一般用于测量某行业相对于全体行业地理分布的集中程度[14]。本研究用地理集中度测度高聚集游客群安全事故在省域层面分布的集中程度。其计算公式如下：

其中,C表示地理集中度,n表示发生高聚集游客群安全事故的省级行政单位总数,i表示省份,Xi表示第i省发生的高聚集游客群安全事故数,X表示全国发生的高聚集游客群安全事故总数。C值越接近于理想值18.57，表明高聚集游客群安全事故分布越均衡，即高聚集游客群安全事故均衡分布于多个省份;C值越接近于100，则表明高聚集游客群安全事故分布越集中，即高聚集游客群安全事故集中分布于特定省份。

三、高聚集游客群安全事故的时空分异规律

本研究依据高聚集游客群的突变形态将高聚集游客群安全事故分为拥堵、滞留、骚乱、冲突、人身伤害、踩踏等6种类型。其中，拥堵是高聚集游客群最多发的事故类型，占比高达64.02%;而踩踏事故虽然在高聚集游客群安全事故类型中占比最小，但其一旦发生则往往会造成群死群伤的严重后果，因此，该事故类型应重点防控。本研究进一步从时间分布特征和空间分布特征来分析高聚集游客群安全事故的时空分异规律。

(一)高聚集游客群安全事故的时间分布特征

本研究利用上述季节强度指数和季节变动指数的计算公式计算出高聚集游客群安全事故的季节强度指数和季节变动指数(表1和表2)。由表1和表2可知，高聚集游客安全事故的季节强度指数基本围绕8.248 0波动，该指数远大于1，表明高聚集游客群安全事故在时间维度上呈现出集中分布的显著特征。高聚集游客群安全事故的季节变动指数大于1的情况主要分布在2月(1.500 0)、4月(1.454 5)、5月(1.590 9)和10月(3.545 4)，表明2月、4月、5月和10月是高聚集游客群安全事故集中分布的月份。这主要是缘于春节黄金周、清明小长假、五一小长假、十一黄金周等节假日分别分布于2月、4月、5月和10月，这些时段是高聚集游客群易出现的重要时段，也直接成为高聚集游客群安全事故的高发时段。同时，本研究利用SPSS 19.0软件中的快速聚类分析方法进一步探究和验证高聚集游客群安全事故集中分布的月份情况。具体将聚类数设定为3，快速聚类分析结果显示：第一类由10月构成，第二类由2月、4月和5月构成，第三类由1月、3月、6月、7月、8月、9月、11月和12月构成。快速聚类分析的Anova检验显示:F值为87.127, sig.值为0.001(小于0.05)，表明这三类之间存在显著差异。结合高聚集游客群安全事故的月份分布情况和快速聚类分析结果可知，高聚集游客群安全事故的高发月份为10月，次高发月份为2月、4月和5月。

表1 高聚集游客群安全事故的季节强度指数Table 1 The S index of accidents of HATCs

表2 高聚集游客群安全事故的季节变动指数Table 2 The V index of accidents of HATCs

本研究进一步分析高聚集游客群安全事故发生的节假日特征。从高聚集游客群安全事故发生的时段分布来看，节假日的事故发生比例高达80.68%，而工作日的事故发生比例仅为19.32%。其中，国家法定节假日，即春节黄金周、清明小长假、五一小长假、十一黄金周等4个时段的高聚集游客群安全事故发生比例总和高达49.25%。可见，节假日已成为高聚集游客群安全事故的易发时段和高发时段。同时，本研究利用SPSS 19.0软件中的快速聚类分析方法对高聚集游客群安全事故发生的时段进行分类，将聚类数设定为2，快速聚类分析结果显示：第一类由十一黄金周和周末构成，第二类由十一黄金周以外的其他节假日和工作日构成。快速聚类分析的Anova检验显示:F值为34.790, sig.值为0.001(小于0.05)，表明这两类之间存在显著差异。结合高聚集游客群安全事故的节假日分布情况和快速聚类分析结果可知，十一黄金周和周末是高聚集游客群安全事故的高发时段，应在这些时段对高聚集游客群展开重点防控。

(二)高聚集游客群安全事故的空间分布特征

本研究对高聚集游客群安全事故进行系统聚类、涉及环节、空间节点分析，以进一步阐述高聚集游客群安全事故的空间分布特征。

1.高聚集游客群全事故系统聚类分析。本研究利用SPSS 19.0软件中的系统聚类分析方法对29个发生高聚集游客群安全事故的省级行政单位进行聚类分析，以Ward法为计算方法，以最小方差为聚类原则，以欧式距离为度量标准。根据系统聚类分析结果，可将高聚集游客群安全事故发生的省级行政单位划分为3个类别：(1)高频事故区。由浙江、北京、河南、陕西和四川等5个省级行政单位构成。(2)低频事故区。由山东、台湾、河北、广西、辽宁、青海、湖南、内蒙古、黑龙江、宁夏和新疆等11个省级行政单位构成。(3)中频事故区。由云南、重庆、福建、山西、江苏、江西、广东、吉林、甘肃、上海、安徽、湖北和贵州等13个省级行政单位构成。本研究进一步利用方差分析来检验上述三类区域是否存在差异。由于方差齐性检验结果为不显著，因此，采用未假定方差齐性的分析方法来进行方差分析，且在对上述三类区域进行两两比较时采用Games-Howell(A)方法进行分析。聚类分析结果显示：第一类区域与第二类区域的均值差为17.800, sig.值为0.001(小于0.05)，表明这两类区域在95%的置信水平上差异显著；第一类区域与第三类区域的均值差为14.714, sig.值为0.001(小于0.05)，表明这两类区域在95%的置信水平上差异显著；第二类区域与第三类区域的均值差为3.086, sig.值为0.083(小于0.1)，表明这两类区域在90%的置信水平上差异显著。上述三类区域两两比较的实证分析结果显示，各区域发生的高聚集游客群安全事故差异显著。可见，省域分布差异显著是高聚集游客群安全事故的重要特征。

2.高聚集游客群安全事故涉及环节分析。本研究提炼出高聚集游客群安全事故涉及环节，并进行统计分析。统计分析结果显示：高聚集游客群安全事故主要发生在游览和交通环节。其中，游览环节是高聚集游客群安全事故的高发环节，占比达59.47%，即高聚集游客群安全事故多发生于景区等游览性空间区域；交通环节是高聚集游客群安全事故的次高发环节，占比为32.57%；娱乐环节是高聚集游客群安全事故的低发环节，占比仅为7.96%。

3.高聚集游客群安全事故空间节点分析。本研究依据案例信息划分高聚集游客群安全事故发生的空间节点类型，并统计分析其相应的事故发生比重。统计分析结果显示：出入口类节点的事故发生比重最高，占比高达28.03%；站点类节点(如漂流码头、游船码头、缆车站点、景区观光车乘车站点等)的事故发生比重排在第二位，占比为20.83%；栈道类节点(如游览玻璃栈道等)的事故发生比重排在第三位，占比为14.39%。

四、高聚集游客群安全事故的空间演化分析

本研究运用空间基尼系数、赫芬达尔-赫希曼指数和地理集中度等指标来测度和分析高聚集游客群安全事故的空间聚集特征，并进一步分析高聚集游客群安全事故在省域层面的分布演变情况，以及高聚集游客群安全事故省域分布与省域旅游发展的协调性，从而实现对高聚集游客群安全事故空间演化的全面分析。

1.高聚集游客群安全事故的空间集聚特征。本研究利用空间基尼系数、赫芬达尔-赫希曼指数和地理集中度等指标来测度和分析高聚集游客群安全事故的空间聚集特征(表3)。由表3可知，空间基尼系数在2004—2017年均大于0.4，表明高聚集游客群安全事故省域分布差异显著；赫芬达尔-赫希曼指数在2004—2017年表现为波动变化状态，总体呈现下降趋势，即高聚集游客群安全事故省域分布的集中程度呈现波动式下降趋势，表明高聚集游客群安全事故的省域分布呈现从聚集向均衡转变的特征；地理集中度在2004—2017年均大于理想值18.57，表明高聚集游客群安全事故的省域分布具有一定的空间聚集性，但地理集中度表现为波动变化状态，总体呈现下降趋势，则表明高聚集游客群安全事故的省域分布呈现从聚集向均衡转变的特征。

表3 高聚集游客群安全事故的空间聚集特征Table 3 Spatial aggregation characteristics of accidents of HATCs

2.高聚集游客群安全事故的省域分布演变分析。高聚集游客群安全事故的省域分布演变情况主要通过2004—2017年高聚集游客群安全事故省域分布的变化情况来判别。2012年以前，高聚集游客群安全事故较少发生且呈现集中分布的特征；2012年以后，高聚集游客群安全事故增幅极大且省域均衡分布的趋势越发明显。从各省历年高聚集游客群安全事故的发生数量来看，高聚集游客群安全事故主要分布于中国南部和东部，北部和西部较少，呈现出“南高北低”和“东高西低”的总体空间分布格局。结合具体的地理区域分布来看，高聚集游客群安全事故的高发区集中在华中地区和华东地区，河南省和浙江省分别是华中地区和华东地区高聚集游客群安全事故的高发省份；四川省和陕西省则分别是西南地区和西北地区高聚集游客群安全事故的高发省份。

3.高聚集游客群安全事故省域分布与省域旅游发展的协调性分析。本研究进一步研究高聚集游客群安全事故省域分布与省域旅游发展(省域旅游发展水平用国内游客接待人次来衡量)之间的一致性和相关性。高聚集游客群安全事故的省域分布与省域旅游发展呈现出一致性，即游客接待量较大的省份同样也是高聚集游客群安全事故的高发省份。因此，旅游发展水平较高、游客接待量较大的省份尤其需要提高风险防控意识，应高度关注高聚集游客群安全事故的防控。

五、结论与对策

(一)结论

本研究利用百度新闻和新浪微博搜集高聚集游客群安全事故典型案例，运用季节强度指数、季节变动指数、空间基尼系数、赫芬达尔-赫希曼指数和地理集中度等指标来测度和分析高聚集游客群安全事故的时空分异规律与空间演化特征，得出以下结论。

1.高聚集游客群安全事故具有明显的时空分异规律。高聚集游客群安全事故的分布具有明显的时间聚集性与空间聚集性。其中，时间分布特征方面：10月是高聚集游客群安全事故的高发月份，2月、4月和5月是高聚集游客群安全事故的次高发月份；十一黄金周和周末是高聚集游客群安全事故的高发时段。空间分布特征方面：浙江、北京、河南、陕西和四川是高聚集游客群安全事故的高发省份；游览环节是高聚集游客群安全事故的高发环节；出入口类节点是高聚集游客群安全事故的高发空间节点。

2.高聚集游客群安全事故具有明显的空间演化特征。高聚集游客群安全事故的省域分布呈现出从聚集向均衡转变的特征，以及“南高北低”和“东高西低”的总体空间分布格局，且其省域分布与省域旅游发展呈现出一致性。

(二)对策

高聚集游客群安全问题较为复杂，涉及要素众多，需要旅游管理部门牵头，联合旅游企业等共同管理。旅游管理部门和旅游企业可以依据高聚集游客群安全事故的时空分异规律与空间演化特征来制定因时制宜和因地制宜的安全防控策略。

1.因时制宜的安全防控策略。旅游管理部门和旅游企业应结合高聚集游客群安全事故的时间分布特征制定因时制宜的安全防控策略。具体包括：(1)强化高聚集游客群安全管理意识。旅游管理部门和旅游企业应重视高聚集游客群的安全问题，强化旅游管理部门、旅游企业、行业协会等相关单位的高聚集游客群安全管理意识，将其作为重点纳入旅游安全管理工作。同时，逐步开展高聚集游客群安全防控的相关知识培训，进一步提升其风险防范能力；制定和定期演练高聚集游客群安全事故应急预案，进一步提升高聚集游客群安全事故应急处理能力。(2)建立高聚集游客群风险防控机制。相关部门应依据高聚集游客群安全事故的时间分布特征来建立高聚集游客群风险防控机制和监测预警机制。在高聚集游客群安全事故高发期之前，动态监测游客客流量的变化情况，尽量避免高聚集游客群的形成；开展高聚集游客群安全专题检查、抽查、暗访等，通过事前检查的形式尽可能地消除风险隐患；建立健全高聚集游客群风险评估体系，基于风险等级和风险状态的动态评估来制定有针对性的风险防控方案。(3)关注特殊时间节点的高聚集游客群安全管理。在高聚集游客群安全事故的高发时间节点，旅游管理部门应联合其他相关部门(如公安、武警、交通、气象等部门)组成高聚集游客群安全管理小组，共建共治，密切监测特殊时间节点的高聚集游客群的潜在风险，做好特殊时间节点的现场管理，规范管理高聚集游客群的流量与流向，切实提高高聚集游客群的安全管理效度。

2.因地制宜的安全防控策略。旅游管理部门应结合高聚集游客群安全事故的空间分布特征和空间演化特征制定因地制宜的安全防控策略。一方面，加强高聚集游客群的空间安全防控。各区域的旅游管理部门应结合区域具体情况有针对性地开展旅游安全管理工作，如华中地区和华东地区的旅游管理部门应结合区域内高聚集游客群安全事故的系统聚类、涉及环节、空间节点等制定相应的安全防控策略，为区域内各级管理部门、旅游企业等提供高聚集游客群安全管理的参照；旅游管理部门应结合区域高聚集游客群类型、安全事故场所及特征等，制定相应的风险防控方案、应急预案、救援体系和突发事件应对机制，如加强售票点、交通节点等游客聚集点的风险防控，并在关键空间节点上设置安全应急救援站，配备安全应急物资，确保高聚集游客群安全事故应急救援的高效率和有效性。另一方面，建设各省专属的安全防控体系。各省旅游管理部门应结合本省旅游发展水平、高聚集游客群特征、旅游安全管理实践等具体情况，联合公安、武警、交通、气象等相关部门，构建协同治理的高聚集游客群安全防控体系。具体包括：(1)建立预防预备机制。在易形成高聚集游客群的场所严格设定游客最大承载量，联合公安等部门严格控制客流，避免在空间场所内形成高聚集游客群；按照空间节点特征制定相应的高聚集游客群安全防控应急预案，如在狭窄的栈道型场所设置客流疏导方案、在山岳型空间场所设置应急救援通道等，以有效落实高聚集游客群安全事故的预防工作。(2)建立监测预警机制。在易形成高聚集游客群的关键空间节点设置客流探针，动态监测客流，一旦客流达到预警阈值，立刻启动报警机制；加强空间场所内的人员值守和流动巡查，动态监测客流，并进一步强化和提升工作人员的风险预警能力。(3)强化应急救援机制。旅游管理部门应与公安、武警、消防等公共救援力量联合，组建多元化的应急救援梯队；并在关键空间节点设置人群伤害监测系统，借助技术手段自动识别受伤人群，以提高应急救援效率。(4)完善事后恢复机制。旅游管理部门应在事后及时总结事故处置经验，弥补高聚集游客群安全管理体系的缺陷与不足，不断完善安全防控体系。