基于区块链的旅游供应链风险评价研究

田润泽，李 昕，周仲鸿（渤海大学，辽宁 锦州 121000）

0 引言

在国际形势不断变革下，中国提出以国内大循环为主、国际国内双循环相互促进的新发展格局，希望以此促进国家经济高质量发展，而旅游消费是提升国内高质量需求的主要组成部分。旅游业作为极具发展活力的产业，其涉及产品和服务复杂多样、相互依存，迫使旅游业上下游之间建立合作关系，进而形成旅游供应链。消费者对旅游服务的需求与期望不断提高，旅游服务供给问题日益突出，且已呈现阻碍旅游业可持续发展的趋势。例如，旅游管理部门现有管理方式与思维与旅游业发展态势不匹配；旅游企业、旅游者之间时常会因各类诚信问题产生不必要的争端，其中最为常见的莫过于旅游企业随意捏造事实、篡改评论，旅游平台泄露游客隐私等行为。在旅游活动过程中，每一名旅游者都会不可避免地进行交易与数据获取，区块链技术在旅游产业中的应用能够提高旅游者的信息获取速度、旅游企业的交易处理能力，优化产业整体效率。简而言之，推动区块链技术在旅游供应链领域的进一步应用可以实现旅游数据的深度挖掘、逐步完善分析技术，为旅游供应链风险控制管理的创新发展提供助力。

1 相关研究综述

1.1 旅游供应链

国内外学术界对旅游供应链的定义尚未形成统一的观点。Page 等学者认为旅游供应链指的是所有在旅游产业中能够获取到一定利益的相关主体的集合结构[1]；李万立提出旅游供应链是把旅游吸引物来作为核心，围绕旅游产品的设计、生产、销售、服务等多维环节形成的闭环式网链结构[2]；郭捷认为旅游供应链是围绕食、宿、行、游、购、娱六个方面的供给，加上供应商、分销商和用户的全闭环式网链[3]；郭海玲等认为旅游供应链实质上指的是供应链的内在机理在旅游行业中的实际应用，同时又显现出了一些旅游化的外显或内在特征[4]。基于众多学者的观点，本文将旅游供应链的概念整合为：为满足旅游者的多样化需求，组合多个存在利益相关性的旅游活动参与体的链式结构。

1.2 区块链

区块链技术涉及诸多领域，场景应用范围广阔，相关的学术研究十分丰富。袁勇等通过分析比特币的基本特征与现状，创新性搭建了关于区块链技术的基础模型，将非许可链分为数据层、网络层等六个不同属性功能的层级[5]；邵奇峰等充分发挥开源项目优势，与其关联技术相融合，进而提出企业级内多个类型区块链（许可链）的技术表征[6]；Yang 通过专家咨询、小组风暴等总结了基于区块链的网络服务架构的特征、机遇、挑战和未来趋势[7]；韩璇等基于总体观念，对区块链安全的相关事宜研究现状进行了全面总结与分析，并对未来的研究展望做出简要期许[8]；Ali 等学者基于物联网视角，归纳了区块链技术在该视角下的实际应用情况、发展特征及趋势[9]。虽然上述学者的视角已涉及诸多领域，但是鲜有学者将区块链技术应用至旅游领域，仅有Tyan Inessa 重点研究了利用区块链技术实现智慧旅游目的地的四大目标，即：提升旅游体验、奖励可持续行为、确保地方社区利益、减少隐私顾虑[10]。

1.3 旅游供应链风险评价

目前，关于旅游供应链风险评价方面的研究较少，且研究大都偏向于模型及实证研究。Mengyan Ren 为了实现旅游供应链协作的有效性，分析了旅游供应链的主要风险因素，提出了一种修正的基于投资的复合风险分担模型，以更公平合理地分担风险[11]。Luo Biao 基于多Agent 理论和技术，提出了一个基于多代理的决策支持系统（DSS）的设计框架，以管理旅游供应链中的干扰和降低风险[12]。刘君通过实际调研走访，融合旅游、经济、管理等学科，分析TN 集团旅游供应链金融的运作现状，并试图构建风险评价指标体系与管理模型来进一步凸显这些风险因素的量化与可控性[13]。

通过梳理国内外文献发现，区块链背景下旅游供应链风险评价方面的研究相对较少，伴随互联网、信息技术的愈发成熟，区块链技术已然成为旅游供应链发展中不可或缺的部分。鉴于此，本文以辽宁省为研究对象，运用AHP-模糊综合评价法分析区块链背景下旅游供应链所涉及的风险构成要素，并围绕区块链提出降低旅游供应链风险的应用策略，进而为旅游供应链发展提供参考性建议。

2 研究区域概况与研究方法

2.1 研究区域

辽宁省位于我国东北部，地理位置优越，旅游资源丰富。在自然旅游资源方面，有著名的道教名山——笔架山、独具特色的本溪水洞、风景秀美的金石滩等；在人文旅游资源方面，有历史悠久的沈阳故宫、张氏帅府、清昭陵、兴城古城等。通过辽宁省统计公报可知，至2020 年底，辽宁省共有星级以上饭店388 家；旅行社1 520 家；国家A 级旅游景区566 个。全年旅游总收入2 720.5 亿元，占生产总值的11.0%。而同期内黑龙江省旅游总收入占比为12.6%，吉林省旅游总收入占比为20.5%。综合以上数据可知，辽宁旅游产业总体效益与自身资源禀赋不匹配，尚有较大发展空间，这也在一定程度上制约了辽宁经济的高质量发展。

区块链技术在辽宁旅游产业中的应用已逐步推进，且已取得一定的成果。如大连市于2020 年联合400 余家旅游企业启动了全国第一个山海数旅云平台。该平台具有“区块链供应链金融、内部智能管理、全网络营销、数据连接”四大特色信息化服务，可实现旅行社的人工智能办公需求及行业间的资源整合发展。尽管区块链技术在辽宁省旅游产业中发挥的功效较大，在东北地区占有着一定优势，但与国内其他地区相比，辽宁尚处于探索阶段，仍具有较大的发展空间。区块链技术的潜在应用领域主要包括数字化支付、业务流程优化、非中介化水平提升、旅游供应链内外部运作和旅游信用机制健全升级等方面，涉及住宿、餐饮、旅游交通等诸多旅游核心行业。区块链技术在旅游产业中的应用（部分）如图1 所示。

图1 区块链技术在旅游产业中的应用（部分）

2.2 问卷设计与调查

问卷调查的目的为：一是了解辽宁旅游供应链的风险现实情况，从而为构建风险评价体系提供参考基础。二是通过咨询各领域专家人士，对初步形成的风险评价指标体系进行评价校正，再对修改后的指标进行重要性判断与赋分。参与评价的专家包括人文地理、旅游地理、旅游规划与开发、供应链管理、区块链技术等相关领域的教授、副教授等。2022 年3 月共为28 位不同领域的专家发放“风险指标权重专家意见咨询表”，请他们基于自身领域视角为文中提及的各指标进行两两比较，以得到每项指标对整个评价体系所表现的相对重要程度。本次调研随机选取了沈阳市、锦州市、营口市进行开展，问卷共发放了300份，收回有效问卷287 份，有效回收率为95.7%。

2.3 评价体系构建

根据调研结果并综合考量区块链背景下旅游供应链的特点，最终从众多风险因素中总结出区块链背景下的旅游供应链风险评价体系，如图2 所示。

图2 基于区块链的旅游供应链风险评价体系

指标体系共分为三层：第一层为旅游供应链风险评价的目标，即目标层（U）；第二层由技术风险（U1）、管理风险（U2）、认知风险（U3）、经济风险（U4）4 个子系统构成，即准则层；第三层由从属于准则层每个因素的11 项具体指标构成，即指标层。

2.4 研究方法

2.4.1 AHP 层次分析法

层次分析法指的是将某个中心问题划分为多维度的、彼此间具有一定牵连性的若干层次，基于中心问题所属领域专家的赋分，将这一中心问题定量化处理，以帮助结构化缺失的定性问题更好地得以处理的方法。本文章建立的递阶层次模型，模型采用1～5 标度法，通过对体系中处于同层次的因素进行两两参照对比，构成判断矩阵A：

式中：aij=ai/aj表示第i 个元素和第j 个元素重要性之比。

计算单层次权向量及一致性检验：

表1 1～15 阶矩阵的平均随机一致性指标

2.4.2 模糊综合评价法

模糊综合评价法是基于模糊数学的隶属度原则，将定性评价转化为定量评估的综合评价方法，适用于各类非确定性问题的解决与处理。

确定被评估对象的因素集U：U=（U1,U2,U3,…,Ui,…,Un）。其中，每个准则体系Ui又由若干个指标搭建构成，可以将其标志为Uij=（Ui1,Ui2,Ui3,…,Uij,…,Uin）。Uij表示第i 个准则下的第j 个指标。

构造评语集V 与对应的数值区间集：V=（V1,V2,V3,…,Vj,…,Vn）。Vj表示对应的Ui的等级评判层次。本文的评语集为｛高风险，较高风险，一般风险，较低风险，低风险｝。

确定各因素的权重W，建立模糊关系矩阵R（隶属度矩阵）：各因素的权向量通过层次分析法（AHP）确定。通过单因素角度计算被评对象对每个等级模糊子集的隶属度（R| Ui），然后建立模糊关系矩阵:

首先，构建二级模糊矩阵S=W·R，再构建一级模糊矩阵Z=W·S，计算最终得分F=Z·V。基于隶属度最大原则，判断F 对应的数值区间，得到最终评判结果。

3 结果与分析

3.1 风险评分计算

通过采用以上的计算方式，得出旅游供应链各风险评价指标的权重（如表2 所示），并对其进行一致性检验：

表2 基于区块链的旅游供应链风险评价指标体系及权重

单层次排序及一致性检验：子目标层CR 值为0.002，各准则层CR 值分别为0.004、0.009、0.000、0.024，均小于0.10，可以得出结论：单层次指标重要性排序结果合理，可以接受。

总层次排序一致性检验：CR=0.052＜0.10，可以得出结论：整个层次结构的比较判断符合一致性检验。

构造“U1、U2、U3、U4”的隶属子集，并给出各自的模糊评价矩阵R1、R2、R3、R4，随后进行模糊矩阵的复合运算：

3.2 风险评分分析

辽宁地区风险评价得分为3.362，该分数处于较高风险范畴，但实际值更趋近于一般风险。由于自身发展起步较晚，辽宁地区旅游供应链领域运用区块链技术还不够成熟，辽宁地区旅游供应链的技术经验匮乏、管理水平较低，因而在技术及管理两个维度上处于高风险态势；同时认知维度与经济维度低风险性的融合，故综合评分表现为一般风险的态势。

从准则层来看，“技术风险U1、管理风险U2、认知风险U3、经济风险U4”所占的权重分别为：0.416 7，0.270 5，0.131 6，0.181 2。由此可知，在本文提及的区块链背景下旅游供应链四大风险中，技术风险＞管理风险＞经济风险＞认知风险。这代表着技术风险最高，其次为管理风险。基于隶属度最大原则，找出四项指标层的模糊矩阵复合运算结果“S1、S2、S3、S4”所匹配的“高风险、较高风险、一般风险、较低风险、低风险”的可能性数值。查找结果显示，准则层“技术风险U1、管理风险U2、认知风险U3、经济风险U4”分别对应的最大权重为“0.322、0.262、0.243、0.23”，前两项为“高风险”，后两项为“低风险”，说明在区块链背景下技术及管理风险对辽宁地区旅游供应链产生的影响更大，而认知及经济风险则稍为逊之。

从各项指标层来看，技术风险的“隐私和信息安全、信息共享技术、智能化水平”所占权重分别为0.523 9，0.278 6，0.197 5，表明隐私和信息安全风险在旅游供应链技术风险中居于最高，并占据较大权重，其次，依次排列为“信息共享技术风险、智能化水平风险”；管理风险中的“组织结构、监管方式、诚信意识”所占的权重分别为0.539 0，0.297 3，0.163 8，可见，组织结构风险最高，“监管方式、诚信意识”风险依次排列；认知风险中的“旅游者接受能力、旅游企业经营观念、旅游监管部门思想”所占的权重分别为“0.517 4、0.304 2、0.178 4”，可以看到旅游者接受能力带来的认知风险最大，权重为51.74%，其次，依序为“旅游企业经营观念、旅游监管部门思想”风险；经济风险中的“旅游中介成本、旅游产品知识产权”所占权重分别为“0.666 7、0.333 3”，即旅游中介成本所带来的风险高于旅游产品知识产权所产生的风险，二者之间的权重相差近一倍。

4 结论与建议

本文结合旅游供应链特点对区块链背景下辽宁地区供应链风险因素进行评估，采用AHP-模糊综合评判法进行量化，得出综合评价风险数值为3.362，表明区块链背景下辽宁地区的旅游供应链风险处于较高风险，趋近于一般风险。在诸多风险中，隐私和信息安全、组织结构、旅游者接受能力、旅游中介成本等风险比其他指标项更高，在管理运作过程中需额外关注。根据上述对区块链背景下的旅游供应链风险分析，本文针对辽宁地区提供以下三点发展建议：

（1）注重技术培训，提升专业能力。充分利用区块链的加密技术，应用此技术一方面可以提高存储数据的效率，另一方面可以保障参与主体进行交易的真实性、安全性，营造良好的旅游市场环境；同时，重点发挥区块链公钥和私钥的特有功能，如“匿名交易”等，从而有效地保护交易双方的隐私性。此外，区块链的数据存储需经不少于51%的节点验证，这有助于增强用户的信任感与安全感。以加密货币支付为例，与现如今受众群体较为众多的信用卡支付方式相比，区块链的加密货币支付安全性极高，使用成本也十分低廉，还具有可追溯、方便快捷等特征，目前已在泰国等旅游胜地得以盛行，辽宁地区也可大力倡导推行，从而更好地保护隐私并减少信息不对称风险。

（2）健全管理体制，优化治理结构。可通过区块链的去中心化作用来进行优化组织结构，进而降低辽宁地区旅游供应链在发展中暴露出的组织结构风险。具体而言，即通过去中心化的对等网络来实现组织结构优化，无需建立或借助中央管理员或中央数据存储器来完成固定任务，增强了管理的系统性、科学性、合理性。以旅游住宿业为例，其管理层面的诸多事宜皆可运用区块链技术进行统筹管理，如会员管理、支付管理、库存控制和收益管理等，通过去中心化来实现组织结构的最优化。

（3）减少中介机构介入，提升整体效率。伴随信息化时代的愈发成熟，诸多旅游企业均已在不同程度上应用了区块链技术，如支付管理、旅游交通预定与支付等方面，旅游者们也在潜移默化地接受并适应这一技术。由于区块链技术有着透明化、非中介化等特征，即双方交易活动透明，并不需要中介机构等第三方介入即可高效快速完成，这不仅方便了旅游者，更大幅减少了企业与旅游者的综合成本，使供需双方可享有更多利益。