基于耦合模型的大数据高铁旅游效应研究

胡可可 万红莲 毛楠 崔书涵 陈箫欣

摘要：选择陕西省宝鸡市作为研究区，利用极差标准化、熵值法等手段处理数据建立耦合模型，探究大数据发展水平与高铁旅游的耦合协调关系，分析大数据和高铁对旅游目的地发展的影响。结果显示，2013—2017年在大数据发展背景下宝鸡市高铁旅游呈上升趋势，但由于人均可支配收入、高铁线路和大数据平台等因素影响，综合发展呈非线性变化，且2015—2016年二者耦合程度处于濒临失调，协调等级处于中度协调。

关键词：大数据;高铁旅游;耦合模型;宝鸡市

中图分类号：F327;K901         文献标识码：A

文章编号：0439-8114（2020）14-0184-05

DOI：10.14088/j.cnki.issn0439-8114.2020.14.039 开放科学（资源服务）标识码（OSID）：

Abstract： Taking Baoji city in Shaanxi province as the research area， the coupling model of data processing was established by means of range standardization and entropy method， to explore the coupling coordination relationship between the development level of big data and high-speed railway tourism， and analyze the impact of big data and high-speed railway on tourist destinations development. The results showed that in the context of the development of big data from 2013 to 2017， the high-speed railway tourism in Baoji city was on the rise. However， due to the influence of per capita disposable income， high-speed railway lines and big data platform， the comprehensive development present nonlinear changes， and from 2015 to 2016 the coupling degree of the two was on the edge of imbalance， and the coordination degree was moderate.

Key words： big data; high-speed railway tourism; coupling model; Baoji city

高铁作为新兴的交通工具，极大地方便了人们的出行，为沿线城市的旅游产业带来机遇与挑战[1]。大数据在旅游行业主要被应用于旅游市场细分、旅游营销诊断、景区动态监测、旅游舆情监测等方面。通过大数据对游客画像及旅游舆情进行分析，可有效提升协同管理和公共服务能力，以推动旅游服务、旅游营销、旅游管理、旅游创新等变革。中国统计年鉴（2013—2017）数据[2]显示，国内年均旅游突破50亿人次，且越来越多的游客更趋向于大数据背景下快速便捷的高铁旅游。国外关于高铁和大数据的研究起步早且发展迅速，Sylvia[3]和Ben[4]肯定了大数据在旅游业发展中的重要性;Carlos等[5]指出高铁对旅游出行需求产生促进作用，并建立旅游需求模型，预测其对旅游发展的影响。国内相关研究主要集中在单方面的高铁旅游、大数据，如许志雄[6]、徐艳秋[7]、干士齐等[8]分析了大数据时代下智慧旅游的发展情况，认为大数据推动了旅游的发展;倪维秋等[9]、徐文源[10]、万红莲等[11]对高铁区域旅游发展的影响进行探讨，认为高铁能够压缩出行的物理距离，拓宽当地旅游圈;而将大数据与高铁旅游相结合的研究相对较少。因此，本研究利用耦合模型对大数据背景下宝鸡高铁旅游进行分析与评价，有助于宝鸡旅游产业的合理规划和进一步开发。

1 研究区域概况

宝鸡市位于陕西省中部，地处陕、甘、宁、川4省（区）结合地带（图1）。陇海、宝成、宝中铁路，宝兰、西宝高铁均在此交汇，成为通往中国西南、西北的重要交通枢纽。宝鸡南站是中国非省会城市非枢纽站外规模最大的高铁站，主要来往城市为西部的兰州、西宁，东部的西安、太原。随着社会需求的增大，宝鸡周边高铁线路继续扩展，为宝鸡旅游业发展带来巨大机遇。

宝鸡旅游资源丰富，享有“炎帝故里”“青铜器之乡”和“民间工艺美术之乡”的美稱，且已初步形成了吃住行游购娱六要素齐全、人文资源与自然旅游资源交相辉映的现代旅游体系。宝鸡南站2013年开通以来，该市旅游收入逐年上升，政府积极探索旅游发展的新前景，促进旅游经济的多元快速提升。

2 研究方法

2.1 数据来源

本研究以《铁道统计公报（2013—2018》《陕西省旅游年鉴（2013—2017）》《宝鸡市统计年鉴（2013—2017》《宝鸡市国民经济和社会发展统计公报（2013—2018）》为主要数据来源。

2.2 构建评价指标体系

为反映大数据发展水平与高铁旅游耦合模型的内涵及特点，遵循指标选取的科学性、代表性、可操作性、综合性和地域性原则，在参考王兰等[12]相关研究基础上采用理论分析法和专家咨询法进行指标的筛选和设置，构建宝鸡市大数据发展水平与高铁旅游耦合协调度评价指标体系。计算步骤如下。

1）数据标准化。为保证最终评价结果具有较高的可置信度，需要消除各项指标量纲对结果的影响，因此采用极差标准化的方法对数据进行标准化处理。同时为了避免数据出现0 ，便于对熵值的计算，对数据采取无0化处理，计算公式如下：

式（1）中，X和[X]分别为各项指标数据原始值和标准化处理后的数值，[xmin]和[xmax]分别为各项指标数据的最小值和最大值。

2）利用熵值法进行指标权重的计算。熵值法是用来判断某个指标离散程度的数学方法，可为多指标综合评价提供依据。

熵值的计算：

式（2）中，[Lij]表示第[i]个指标与第[j]个指标值的比例，[n]为研究指标个数。

指标权重的计算：

x利用式（1）、式（2）、式（3）计算大数据发展水平与高铁旅游耦合协调度各指标权重，如表1所示。

表1中，二级指标人均可支配收入、高铁线路、旅游服务方式、旅游接待人数能够直接体现宝鸡市高铁旅游的发展现状。其中，人均可支配收入是指居民可用于最终消费和储蓄的综合，即可自由支配的收入，是居民进行旅游活动的经济前提。高铁线路是指高铁数量和辐射范围，体现了宝鸡市高铁发展的情况，是开展高铁旅游的基础设施。旅游服务方式是指为游客在旅游过程中所提供的服务方式，是影响游客旅游体验和满意度的重要因素[13]。旅游接待人数则是指某地区在一定时间内接待的游客数量，是反映高铁旅游发展水平的直接指标。

表1中，二级指标数据流量、安全指数、使用人数、平台个数能较好地反映宝鸡市大数据发展水平的状况。其中，数据流量是指大数据在发展过程中所包含的信息和数据量的多少，能够清楚地反映宝鸡市大数据的内容发展及涉及范围。安全指数则体现大数据在发展过程中关于数据信息安全的监督和保护情况，是用户使用信息和数据的根本保障。使用人数是指在各种活动中使用大数据的人数，是衡量宝鸡市大数据发展水平的最直接体现。平台个数是指宝鸡市存在的大数据平台数量，在一定程度上预示了未来的发展趋势和布局状况。

2.3 耦合模型

耦合度（或称耦合性）是一种软件度量，指某程序中模块与模块之间信息或参数依赖的程度[14]。耦合协调度是度量系统之间或系统内部要素之间在发展过程中彼此和谐一致的程度，体现了系统由无序走向有序的趋势[15]。可见，耦合度和耦合协调度是有区别的，耦合度主要反映系统间相互作用程度的强弱，不分利弊;而耦合协调度则反映相互作用中良性耦合程度的大小，体现了协调状况好坏程度[16]。

1）耦合度模型。耦合度表示系统各要素之间相互协调作用程度，在一定程度上能够反映大数据发展水平与高铁旅游之间的协调关系。通过参考物理学中容量系数模型的计算方法，构建耦合度模型，计算公式如下：

式 （4）中，Gx表示大数据发展水平的综合评级值，Gy表示高铁旅游的综合评级值。T表示耦合度，T越大，大数据发展水平与高铁旅游之间的协调程度越好;T越小，二者之间的协调程度越差。

2）耦合协调度模型。耦合协调度是度量宝鸡市大数据发展水平与高铁旅游之间发展的和谐程度，从而评定二者之间交互耦合的协调程度，表明二者相互变化的趋势，计算公式如下：

式（5）中，[C]表示耦合协调度;[G]表示综合评价指数，反映大数据发展水平与高铁旅游对协调度的贡献;[α]和[β]为对应相应系数（根据实际情况与专家评定，本研究中取[α]=0.4，[β]=0.6）。

3）协调度判别标准。在协调度判别标准上，为直观反映大数据发展水平与高铁旅游的耦合协调度状况，结合实际情况，参考张忆君等[17]的评价标准，建立了耦合协调度等级划分标准，如表2所示。

3 结果与分析

3.1 大数据发展水平与高铁旅游的综合评价分析

1）大数据发展水平评价曲线[Gx]的评价结果分析。2013—2017年宝鸡市大数据发展水平与高铁旅游的综合评价结果显示（图2），大数据发展水平的评价曲线整体呈上升趋势。数据流量、安全指数、使用人数、平台个数指标集合共同影响着大数据在耦合度中的贡献，2013—2015年評级值小范围波动，2015—2017年评级值大幅度上升。

大数据为旅游业提供的便利，表现在智能手机各项生活化功能的应用，即通过对数据进行提取分析，运用于用户生活。2013—2015年由于智能手机发展尚处于不成熟阶段，功能并不全面可靠，尤其提供的旅游信息并不能满足游客需求，用户量也较少;2015年智能手机飞速发展，手机应用市场中诸如各类旅游、定位服务的App数量不断增加、功能不断优化，提升了游客体验满意度，从而增加了旅游市场的安全性、综合性和便捷性。

2）高铁旅游评价曲线[Gy]的评价结果分析。宝鸡高铁的正式开通，使交通问题不再成为影响游客选择旅游目的地的关键因素。2013—2014年宝鸡高铁的顺利开通增加了居民的旅游出行意向，高铁旅游的评级值迅速上升;2014—2015年由于高铁线路数量单一、市内景点建设缓慢以及人均可支配收入减少等因素影响，高铁旅游评级值略有下降;2015—2017年随着沿线城市高铁线路的增开、国民经济水平的提升和旅游服务方式的改进，高铁旅游评级值又呈上升趋势，尤其是2017年宝兰高铁的开通和市内各大景点设施环境的改善，提升了宝鸡市的旅游吸引力，极大地促进了旅游业的发展。

3）综合评价指数曲线[G]的评价结果分析。大数据发展水平与高铁旅游共同影响综合评价指数曲线的趋势，因此可进行相似模拟和分析。2013—2014年宝鸡高铁的迅速发展和大数据的应用，使宝鸡市内各景区知名度得到提升，游客数量呈明显上升趋势，旅游发展态势良好;2014—2015年虽然大数据得到进一步的推广和使用，但由于受到宝鸡高铁线路单一和人均可支配收入减少等因素影响，旅游发展整体速度有所减缓;2015—2017年大数据平台建设和信息安全性逐步增强，高铁发展也稳步前进，人均可支配收入的增加使得人们生活水平逐渐改善，宝鸡市内各景区的宣传力度和广度也有所增强，从而促进了高铁旅游的发展。预计随着大数据时代的到来，宝鸡高铁旅游将会有一个强盛的发展期。

3.2 耦合结果分析

2013—2015年宝鸡市大数据发展水平与高铁旅游的耦合度（T）呈上升趋势（图3）。

分析发现，2013年宝鸡市开通高铁为游客提供了新的出行方式，但2015—2017年耦合度呈下降趋势，原因主要在于大数据发展水平还不够完善，数据流量收费不合理，安全指数低。同时，随着人们生活水平的提高、自驾游的兴起，均对高铁旅游产生了负面影响。

而耦合协调度（C）有明显提高，尤其是 2017年相比2016年提高15%，原因主要是人均可支配收入、高铁线路的增加以及大数据平台建设的完善、智能手机的大量普及等。

根据表2的等级划分标准，将大数据发展水平与高铁旅游耦合协调度划分等级（表3）。

可以看出，2013年和2014年耦合程度处于轻度失调，协调等级则处于低度协调耦合;2015年和2016年耦合程度处于濒临失调，协调等级则处于中度协调耦合;2017年耦合程度处于勉强失调，协调等级处于高度协调耦合。说明宝鸡市2013—2017年大数据发展水平与高铁旅游的耦合程度和协调等级均趋于良好发展。其中，2016—2017年耦合协调度增加最大，主要由于宝兰高铁的开通和大数据的不断发展，同时宝鸡市作为“一带一路”建设沿线城市和关天经济区副中心城市，在一定程度上也推动了宝鸡旅游业的发展。

4 小结及建议

宝鸡市大数据发展水平与高铁旅游的耦合度、协调度都表现出良好的发展态势，但与同类型城市相比存在差距，大数据和高铁旅游仍有发展空间。可通过打造全域旅游一条龙服务、多样化的营销模式、推动文化特色旅游的宣传方式，提高宝鸡市旅游知名度，推动旅游业发展。

1）建设宝鸡南站至法门寺、太白山、通天河、红河谷等著名景区的交通直达线路，并开通网络平台，及时提供旅游信息。实时掌握大数据的数据流量、安全指数、使用个数、平台个数等因素，影响旅游目的地在游客心目中的满意度。对用户进行全方位地跟踪和消费行为分析，给予游客多个维度的属性标签，了解游客的爱好和需求。

2）利用大数据平台的优势，开展线上线下相结合的宣传营销。线上可通过网站、App、新媒体社交平台、营销服务系统、交通旅游信息服务系统等方式开展活动;线下则可以在高铁沿线和高铁站对宝鸡市主要景点进行宣传，通过学术论坛、公路旅游品牌主题游、旅游演艺活动等形式，打造宝鸡旅游新形象，吸引社会投资和消费。

3）将以青铜器博物馆、中华石鼓园、中华礼乐城为主的周秦文化旅游和以法门寺、法华寺、卧龙禅寺为主的佛教文化旅游作为推动宝鸡文化特色旅游的主要项目，带动区域其他文化旅游共同发展。从文化抓起，秉承特色旅游的旅游理念[24]，丰富宝鸡旅游城市形象，并在此基础上联结大西北文化旅游的新概念，以提高宝鸡旅游知名度。

参考文献：

[1] 汪德根. 旅游地国内客源市场空间结构的高铁效应[J]. 地理科学，2013，33（7）：797-805.

[2] 国家统计局. 中国统计年鉴[M]. 北京：中国统计出版社，2013—2017.

[3] SYLVIA H. Big data and travel behavior [J].  Travel behavior and society，2018（11）：119-120.

[4] BEN V. Big data in the travel market place[J]. Journal of revenue and pricing management，2016，15（5）：352-359.

[5] CARLOS L，JOANNA J，JOSEPH M，et al. The usage of location based big data and trip planning services for the estimation of a long-distance travel demand model. Predicting the impacts of a new high speed rail corridor[J]. Research in transportation economics， 2018（16）：27-36.

[6] 许志雄. 大数据下的智慧旅游發展与思考[J]. 数字通信世界，2018（8）：111.

[7] 徐艳秋. 大数据时代山东省智慧旅游发展现状和对策[J]. 中国商论，2018（19）：72-73.

[8] 干士齐，万红莲，王宝琪，等. “大数据”时代下宝鸡智慧旅游评价与发展策略研究[J]. 河南科学，2018，36（9）： 1494-1500.

[9] 倪维秋，廖茂林. 高速铁路对中国省会城市旅游经济联系的空间影响[J]. 中国人口·资源与环境， 2018，28（3）： 160-168.

[10] 徐文源. 高速铁路对区域旅游发展的影响研究[D]. 济南：山东师范大学，2017.

[11] 万红莲，赵亚伟，王宝琪，等. 宝鸡市近10年旅游产业对区域经济增长贡献的计量分析[J]. 宝鸡文理学院学报（自然科学版），2017，37（3）：72-75，92.

[12] 王 兰，刘 杰，龚巍巍，等. 基于耦合协调度模型的高速公路与旅游融合发展研究[J]. 公路交通科技（应用技术版）， 2017，13 （7）：356-359.

[13] 郭 吉. 乡村旅游绅士化及其空间响应机制研究——以苏州市旺山村为例[J]. 湖北农业科学，2018，57（12）：120-125.

[14] 王 婷，王保乾. 江苏区域金融生态与经济增长之间的耦合协调度与差异化研究[J]. 河南科学，2016，34（12）： 2074-2080.

[15] 高 楠，马耀峰，李天顺，等. 基于耦合模型的旅游产业与城市化协调发展研究——以西安市为例[J]. 旅游学刊， 2013， 28 （1）：62-68.

[16] 丁 浩，宋 琛. 区域经济与生态环境系统动态耦合及响应过程研究[J]. 河南科学，2015，33（2）：297-303.

[17] 张忆君，马 骏. 基于耦合模型的苏北地区生态环境与经济协调发展研究[J]. 环境科技，2016，29（3）：11-15.