旅游地客流量峰林结构及成因探析
开篇：润墨网以专业的文秘视角，为您筛选了一篇旅游地客流量峰林结构及成因探析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：本文以相对平稳的2011年湖南凤凰每日客流量统计数据为依据，高分辨率分析客流量峰林结构规律及成因，以及入境旅游和国内旅游客流量峰林结构的差异。研究发现，国内客流量年内变化在周、月和季节等时间尺度上均具有明显的规律性，而入境客流量在周时间尺度上无规律可循，仅在月和季节时间尺度上具有一定的规律性。入境客流量峰林结构主要受天气、气候舒适度的影响，而国内客流量峰林结构在受气候变化影响的同时，还与人们的工作及休闲制度密切相关。
关键词：峰林结构； 成因探析； 高分辨率； 凤凰
收稿日期： 2012-12-25； 修订日期： 2013-06-03
基金项目： 国家社会科学基金项目“新时期国内旅游的抗周期性及经济效应研究”（12BJY131）
作者简介： 张铁生（1981-），男，陕西师范大学旅游与环境学院博士生，研究方向为旅游经济运行。孙根年（1961-），男，陕西师范大学旅游与环境学院教授、博导，研究方向为旅游管理。旅游流时间和空间变化特征及运动规律一直以来是旅游研究领域的热点问题，旅游流的时间分布特征主要体现在年际变化和年内变化两个方面。旅游流年际变化以年为单位，研究旅游业整体发展态势，是制定旅游业发展规划、预测需求量的重要依据，而旅游流年内变化又涉及到季节、月和周等多重时间尺度，分析和揭示年内不同时间尺度上的变化规律对旅游地合理配置服务设施、做好旅游服务和接待具有重要指导意义。国外很早就开始了对旅游流时间分布特征的研究和探索（Bonn，et al.，1992），早期的研究多围绕旅游流的形成机理以及旅游流的测算模型而展开（Williams，Zelinsky，1970；Jean，Mary，1985），现有研究以定量研究居多，主要以月和季节为单元，强调客流量季节波动对旅游供需关系的影响（Snepenfer，et al.，1990；Christine，Michael，2001；Hui，Yuen，2002；Hunt，et al.，2003；Jang，2004）。国内关于旅游流时间变化特征的研究既有宏观层面的研究，也有微观层面的研究；马耀峰课题组根据旅游流的时空特征，对我国热点城市入境旅游流时空动态开展了一系列研究（马耀峰，李永军，2001；李创新，等，2011）；孙根年（2007）、马丽君等（2009）就客流量年内变化与气候舒适度的关系进行了研究；张捷等（1999）、黄成林（1999）、陆林等（2002）、程遂营（2006）等研究了客流量季节变化与人们工作制度与节假日关系等。近年来，关于旅游流年内变化有了新进展，孙根年和周瑞娜（2011）以骊山景区为例，发现了景区客流量年内变化呈“峰林结构”规律，深化了对旅游流年内不同时间尺度变化规律的认识。由于天气和气候舒适度的影响，入境游客旅游活动随机性比较大，周内变化规律性不明，基本上不受国内双休日和“黄金周”等节假日的影响；由于国内游客的工作及休闲制度的安排，国内客流量在双休日或“黄金周”等节假日出现高峰，导致入境旅游和国内旅游客流量年内不同时间上变化的差异。纵观现有研究，多以季节和月为时间单位，较少跨越年内多个时间尺度，对小尺度时间涉足较少，缺乏对入境旅游和国内旅游年内多重时间尺度变化差异的比较研究。本文以湖南凤凰每日客流量统计数据为依据，从周变化、月变化和季节变化等尺度着手，高分辨率分析入境旅游和国内旅游客流量峰林结构规律及差异，进一步揭示这种差异产生的根本原因，以期为旅游地旅游业发展规划、旅游项目开发、旅游营销和景区管理提供科学依据。1概念模型、数据来源和研究方法
1.1概念模型根据相关文献对旅游流年内变化的论述，结合湖南凤凰实际，本文构建了主要因素影响入境旅游和国内旅游客流量年内变化的概念模型（见图1），虚线框表示其包含的各个单元共同对入境旅游或国内旅游客流量年内变化产生影响。
图1影响旅游地客流量年内变化的原因机制
其中，天气、气候舒适度和旅游地营销活动对入境旅游和国内旅游客流量年内变化均会产生不同程度的影响；由于国内居民的工作及休闲制度的存在，产生了双休日、“黄金周”和学生暑假等特殊因子，这些因子对入境客流量年内变化几乎没有影响，但对国内客流量年内变化的影响却比较显著。本文基于入境客流量和国内客流量年内变化差异，探讨影响旅游地客流量年内变化的原因和机制。
1.2研究区概况及数据来源湖南凤凰地处武陵山区中心腹地，云贵高原余脉，介于109°18′E～109°48′E、27°44′N～28°19′N之间，属中亚热带向北亚热带过渡的季风湿润地区，气候温暖，四季分明，曾被新西兰作家路易艾黎称作“中国最美丽的小城”。湖南凤凰是国家历史文化名城、国家4A级旅游景区、武陵山片区区域发展与扶贫攻坚试点、湖南三大旅游目的地之一，在2010年和2011年中国百强景区排行榜中名列第11和第12。经过多年的发展和积累，旅游业已成为拉动国民经济发展的主导产业，占GDP比重达67%，旅游成长过程中一些固有的规律已基本形成资料和数据来源于：《凤凰统计年鉴》；中国旅游总评网，http：∥/。因此，本文选取湖南凤凰为研究对象具有一定典型性和代表性。由于2009年国际金融危机对入境旅游和国内旅游均产生了不同程度的影响，这种影响一直持续到2010年上半年，而2011年没有受突发事件的影响，是游客量相对稳定的年份。因此，我们通过查阅《凤凰统计年鉴》，并在旅游局、气象局的帮助下，系统收集到了2011年逐日客流量统计数据、气象统计数据（下文不再重复说明），在此基础上开展研究。
1.3研究方法客流量年内变化主要包括周内变化、月内变化和季节变化3个时间尺度，对跨越多重时间尺度的客流量变化规律研究需要分层开展。因此，本文采用时间分层法，分别从周变化、月变化和季节变化3个时间尺度探讨入境旅游和国内旅游客流量峰林结构规律及成因。2入境旅游与国内旅游客流量总体特征分析为了进一步揭示客流量年内峰林结构规律，将入境旅游和国内旅游逐日客流量统计数据绘制成折线图，如图2a和2b所示。从图2a上可看出，入境客流量年内变化呈M形峰林结构分布，具有明显的分形特征，图中两个主峰分别为5月旅游旺季和10月旅游旺季，客流量在高位波动，日均值达260余人次。入境旅游客流量年内峰林结构呈现出明显的相似性、对称性和反对称性特征，入境客流量年内变化包括两个旅游淡季向旺季转化的完整过程，4月、6月、9月和11月为淡季和旺季相互转化的分界点，4月和9月客流量变化趋势具有相似性，为旅游淡季向旺季的过渡期，6月和11月客流量变化趋势具有相似性，为旺季向淡季的过渡期；5月旺季和10月旺季客流量变化趋势相似，呈现显著的对称性，而淡季向旺季转化与旺季向淡季转化过程呈反对称性；寒冷冬季和酷暑夏季是入境旅游淡季，客流量较小，在低位波动，日均值100余人次。国内客流量年内变化如图2b所示，呈“山岭”形峰林结构分布，分形特征明显；国内客流量年内变化有两个异常突出的尖峰，分别对应着“五一国际劳动节”（下文简称“五一”节）和国庆“黄金周”，虽然仅有短短的十余天，旅游却呈现井喷现象，这是国内旅游区别入境旅游所特有的属性。此外，凤凰是少数民族聚居区，以民俗文化包装出的旅游产品缤纷多彩，对国内游客具有较强的吸引力，如“四月八”、“六月六”、“中国・凤凰海峡两岸少数民族服饰文化节”（10月29日～10月31日）等民俗文化活动，客流量表现出较明显的增加趋势，而入境游客由于信息不对称，对这些民俗活动了解较少，因此，客流量没有表现出相应的波动。国内客流量年内变化呈现出相似性、对称性和反对称性等特征，“五一”节和国庆“黄金周”客流量变化趋势、5月和10月客流量变化趋势相似；“五一”节与国庆“黄金周”具有很强的对称性；3月和11月为国内客流量年内变化的分界点，分别对应着国内旅游淡季向旺季、旺季向淡季转化的过渡期，客流量变化趋势呈反对称性；同入境旅游相比，国内旅游的旺季持续时间较长，4～10月客流量一直居高不下，中间经历了“五一”节、学生暑假等变加速增长阶段；而1～2月和12月处于严寒冬季，为国内旅游淡季。结合客流量峰林结构可以科学划分入境旅游和国内旅游的淡旺季，如表1所示。根据研究需要，分别在每个时段选取了具有代表性的典型周（3周～4周）和典型月，进一步分析入境旅游和国内旅游客流量的周变化、月变化和季节变化特征。
图2
表1入境旅游及国内旅游淡旺季划分及主要特征
3入境旅游与国内旅游客流量周变化分析
3.1入境旅游客流量周变化分析根据表1中入境客流量年内不同时段典型周客流量数据，先分别计算出星期一至星期日这7天在每个时段的平均值，然后再换算成百分比，从而得到不同时段入境客流量周内变化趋势（见图3a）。从图3a上可看出，入境客流量在所选5个时段周内变化差异较大。从周内最大值分布情况看，所选5月旺季、10月旺季客流量周内变化的最大值出现在星期五，淡季客流量周内变化的最大值出现在星期三，淡季向旺季转化客流量周内变化的最大值出现在双休日，旺季向淡季转化客流量周内变化的最大值出现在星期二。从周内最小值分布情况看，所选淡季、旺季向淡季转化阶段客流量周内变化的最小值出现在双休日，5月旺季和10月旺季客流量周内变化的最小值出现在星期一，淡季向旺季转化客流量周内变化的最小值出现在星期二。由此可见，入境客流量整体上周内变化特征不明显，不受国内双休日的影响。此外，所选的5月旅游旺季和10月旅游旺季客流量的周内变化也没有表现出明显的上升趋势，说明入境客流量也不受国内黄金周的影响。究其原因，这是由入境游客的旅游行为所决定的，出游具有很大随机性。
3.2国内旅游客流量周变化分析受国内居民的工作及休闲制度影响，国内客流量周变化又有普通周和黄金周之别，根据国内旅游不同时段典型周客流量数据，按照入境客流量周变化计算方法，给出了国内客流量不同时段普通周的周内变化特征，如图3b所示。从普通周周内变化上看，国内旅游的周内变化具有明显的规律性，国内游客一般将旅游活动安排在双休日，而错过双休日则多选择在星期二或星期三外出旅游；其中，淡季、淡季向旺季转化、旺季向淡季转化客流量周内变化规律具有相似性，星期一客流量基本上处于低位，到了星期二客流量有所增加，星期三和星期四客流量又呈下降趋势，而到了星期五客流量再次上升，到了双休日达到最大值。而7月旺季周内变化趋势与其他时段有所差异，周内最大值出现在星期三和双休日，双休日的客流量比其他时段小，星期一至星期五的客流量却相对较大；究其原因，这是由学生暑假造成的，7月虽然天气炎热，但随着中考和高考的结束，学生暑假的到来为国内旅游注入了增长动力，由于该时段师生及家长的出游具有随机性，导致了7月旺季客流量周内变化异常。从周内变化上看，“五一”节和国庆“黄金周”期间客流量激增，累计接待游客超过30万人次；“五一”节客流量呈偏正态分布的钟形变化特征，“黄金周”第一天客流量明显增加，较前一天增长33%；第二天客流量达到峰值，较前一天增长96.7%；而从第三天开始，客流量开始逐渐回落，到了5月4日基本恢复到节前水平。国庆“黄金周”呈正态分布钟形曲线变化特征，客流量主要集中在10月2日至5日，10月7日恢复到节前水平。
图3
4入境旅游与国内旅游客流量月变化分析
4.1入境旅游客流量月变化分析根据入境客流量年内变化特征，选取1月、4月、5月和11月分别作为淡季、淡季向旺季转化、旺季、旺季向淡季转化的典型代表月份，探讨入境客流量月内变化规律，如图4a～4d所示。图4a描绘的是1月入境客流量的月内变化。1月是严寒冬季的典型月份，温度变化范围为-3℃～7℃，其中，1月上旬多为雨雪天气，中旬和下旬以多云和阴天为主，相对湿度变化范围为60%～71%，这个时期是入境旅游淡季，客流量整体上在低位波动；其中，上旬客流量最小，还不到该月客流量的1/3，为全年最低接待水平。进入4月份后，气温明显回升，上旬至下旬平均气温变化范围为11.8℃～21℃，相对湿度变化范围为69%～82%，入境客流量开始逐步走高，整体上呈单调递增的变化趋势（见图4b），这个时期入境旅游开始由旅游淡季逐渐向旺季转化。图4c描绘的是5月旺季入境客流量的月内变化趋势，5月气候舒适，仅有11天为雨天，大部分时间以晴天和多云为主，月平均气温为20.3℃，相对湿度为80.3%，是最佳旅游时期；其中，上旬和中旬客流量最大，日均接待游客达270人以上，而5月下旬为春季的尾声，即将迎来酷暑，夏季最高气温达34℃，入境客流量开始呈明显下降趋势。从图4d可看出，11月入境客流量的月内变化与4月呈反对称性，进入11月份后，天气以多云为主，天气逐渐变冷，平均气温下降到12.3℃，相对湿度为78.3%，客流量呈单调递减变化趋势；其中，下旬客流量最低，较上旬减少了近900人次，入境旅游开始由旺季向淡季转化。
图4
4.2国内旅游客流量月变化分析国内客流量月内变化特征如图5a～5f所示。从图5a、5b和5d中可以看出，客流量月内变化由客流量周内变化叠加而成，每个典型月均包含4个大小不一的“锯齿”，对应着每个周的“双休日”；由于暑假期间客流量周内变化出现异常，导致了图5c客流量月内变化与其他月份有所差异。图5a描绘的是1月份国内客流量月内变化趋势，1月天气较为湿冷，气候舒适度较低，景区景物特色与其他季节相比有很大差别，除元旦期间客流量有所增加外，该月客流量均在低位波动，日均接待国内游客8700余人次。进入3月份后，春暖花开，大地回春，平均气温达到10.47℃，相对湿度为75.67%，国内旅游开始孕育反弹，国内旅游基本上呈波浪式上升趋势，客流量日均值14476人次（见图5b）。7月份为国内旅游旺季的典型月份，此时正值学生、家长和老师出游的高峰期，该月国内客流量呈V形变化趋势（见图5c）；通过6～8月份客流量统计数据可发现，师生及家长客流呈阶段性增加或减少的变化规律，6月下旬客流量显著增加，而到了7月上旬开始阶段性减少，而从14日后又表现出明显的增长趋势。11月为旺季向淡季过渡的典型月份，如图5d所示，11月上旬受“中国・凤凰海峡两岸少数民族服饰文化节”的影响，客流量仍然较大，但从11月中旬开始，由于天气逐渐变寒，气候舒适度降低，人们的外出旅游欲望降低，导致客流量迅速下降。5月和10月客流量月内变化如图5e～5f所示，由于五一节和国庆黄金周的拉动效应，4月29日至5月5日、10月1日至7日各形成了一个尖峰，而在尖峰前后的一段时间内都存在一个低谷，客流量明显低于其他月份的同期水平。究其原因，可能是黄金周前部分游客将出游计划推迟至黄金周，而在黄金周之后，游客在能量过度释放后也形成了低谷。由此可见，黄金周对国内旅游所产生的拉动效应没有实际看到的那么大，黄金周所形成的尖峰一定程度上是吸纳了之前和之后几天的客流量所致。
图5
入境客流量年内峰林结构具有明显的季节性变化特征，春季4～5月和秋季9～10月是入境旅游的黄金时期，这两个时期客流量累计占全年的46.58%；夏季6～8月和冬季1～2月、12月是入境旅游的低迷期，6个月累计客流量仅占全年的38.54%。国内旅游也具有季节性变化特征，春夏秋三季客流量较大，在高位波动，客流量月平均指数为9.16%；而冬季客流量较小，客流量月平均指数仅为5.84%，在低位波动。在此基础上，本文采用客流量季节性强度指数来分析入境旅游和国内旅游之间的差异，通过计算，入境旅游客流量季节性强度指数为3.06，国内旅游客流量季节性强度指数为1.77，这说明入境旅游客流量季节性变动较大，客流量年内分布不均匀，而国内旅游客流量季节性变化则相对平稳，客流量年内分布较为均匀，这一点可以通过峰林结构变化来验证。为进一步说明气候舒适度对客流量年内变化的影响程度，将气候舒适度指数同客流量年内变化进行OLS回归分析。入境客流量模拟方程为：Qi=1.59+1.08Ci+3.36Ti，r=0.8853；其中，Qi为客流量月指数，Ci为综合气候舒适度指数，Ti为虚拟因子，由于“中国・凤凰海峡两岸少数民族服饰文化节”的拉动，令10月虚拟指数取值为“1”，其他月份虚拟指数取值为“0”；即综合气候舒适度指数每变化1个单位，入境客流量月指数增加（或减少）1.08%；国内客流量模拟方程为：Qi=5.54+0.36Ci+1.95Ti，r=0.7556；其中：5月、7～8月、10月虚拟指数取值为“1”，其它月份虚拟指数取值为“0”；即综合气候舒适度指数每变化1个单位，国内客流量月指数增加（或减少）0.36%。5结论本文根据湖南凤凰日旅游客流量统计数据，高分辨率分析入境旅游和国内旅游客流量年内峰林结构规律及成因，通过研究可以得到以下几点结论：（1） 入境旅游和国内旅游客流量年内变化均呈“峰林结构”分布规律，“峰林结构”图具有明显的分形特征。国内客流量年内峰林结构呈“山岭”形分布，一个个形似锯齿的小峰对应着每周的“双休日”以及节假日，客流量变化以周为基本单元，由周组合成月，再由月组合成季节和年，层层嵌套，相互关联；入境客流量年内峰林结构呈M形分布，客流量变化以月为基本单位，再由月组合成季节和年。（2） 从客流量年内小尺度时间变化上可以看出，国内客流量在周内变化、月内变化和季节变化上均具有规律可循，呈现出明显的相似性、对称性、反对称性和反季节性等特征。与国内旅游不同，入境客流量的周内变化特征并不明显，因为入境游客一旦进入旅游地便是度假期，出游具有随机性；而且，入境客流量在月内变化和季节变化上也表现出明显的差异性，入境旅游客流量季节性强度指数大于国内旅游，客流量季节性变动较大且年内分布极不均匀。（3） 天气和气候变化导致了严寒酷暑和四季更替，是导致入境客流量年内峰林结构的主要原因，入境客流量月指数气候弹性系数为1.08%。而国内客流量年内峰林结构显得错综复杂，除受天气和气候舒适度的影响外，国内居民的工作及休闲制度是影响国内客流量年内变化的主要因素，国内客流量月指数气候弹性系数为0.36%。本研究为湖南凤凰旅游项目开发、旅游营销和景区管理提供了科学依据。在旅游季节上，要加强旺季尤其是黄金周的旅游管理，采取“分流”和价格调控，保护古城景区环境和氛围；淡季则推出“反季节旅游”，利用独特的民族文化资源优势，探索开发各类反季节旅游产品，积极开展国际性的民族文化、服饰、摄影、书画展、美食等活动节，促进客源市场的均衡增长，确保淡季不淡。同时，积极开展旅游营销，在巩固台湾、韩国、日本、新加坡、马来西亚等东亚和东南亚旅游市场的基础上，积极开拓欧美旅游市场，利用国际性旅游交易会以及各大海外旅游展销会，积极向国际推介“天下凤凰”品牌。
参考文献：
[1]程遂营.基于旅游活动背景的我国现行休假制度刍议[J].人文地理，2006（5）：5154.
[2]黄成林.黄山、九华山客流季节分布和国内客源市场比较研究[J].安徽师范大学学报（自然科学版），1999（4）：351354.
[3]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[J].旅游学刊，2011（7）：1218.
[4]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[J].地理学报，2002（6）：731740.
[5]马丽君，孙根年，王洁洁.中国东部沿海沿边城市旅游气候舒适度评价[J].地理科学进展，2009（5）：713722.
[6]马耀峰，李永军.中国入境后旅游流的空间分布研究[J].人文地理，2001（6）：4446.
[7]孙根年，周瑞娜.骊山景区年内客流量峰林结构及成因分析[J].人文地理，2011（3）：128134.
[8]孙根年，马丽君.西安旅游气候舒适度与客流量年内变化相关性分析[J].旅游学刊，2007（7）：3439.
[9]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[J].地理科学，1999（1）：4954.
[10]Christine L，Michael M（2001）.Monthly seasonal variations―Asia tourism to Australia[J].Annals of Tourism Research，28（1），6882.
[11]Hui T K，Yuen C C（2002）.A study in the seasonal variation of Japanese tourist arrivals in Singapore[J].Tourism Management，23（2），127131.
[12]Hunt L C，Judge G.Ninomiya Y（2003）.Underlying trends and seasonality in UK energy demand：a scrotal analysis[J].Energy Economics，25（1），93118.
[13]Jang S C（2004）.Mitigating tourism seasonality：A quantitative approach[J].Annals of Tourism Research，31（4），819836.
[14]Jean D G，Mary F（1985）.Devaluation and US tourism expenditure in Mexico[J].Annals of Tourism Research，12（4），547561.
[15]Bonn M A，Furr H L，Uysal M（1992）.Seasonal variation of coastal resort visitors：Hilton Head Island[J].Journal of Travel Research，31（1），5056.
[16]Snepenfer D，Houser B，Snepenger N（1990）.Seasonality of demand[J].Annals of Tourism Research，17（4），628630.
[17]Williams A T，Zelinsky W（1970）.On some patterns of internationals tourist flows[J].Economic Geography，46（4），549567.
Analysis on the Tourist Volume “PeakForest” Structure and
Causes of Tourism Destinations： A Comparison between
Inbound and Domestic Tourism of Fenghuang， Hunan
ZHANG Tiesheng， SUN Gennian
（College of Tourism and Environment Science， Shaanxi Normal University， Xi’an 710062， China）
Abstract：Based on tourist arrival data of Fenghuang， Hunan in 2011， this paper makes an highresolution analysis of the structural regularity and cause of tourist volume “PeakForest”， and the differences of oversea and domestic tourism “peakforest” structure. The result indicates that domestic tourist volume show remarkable regular differences on week， month and season scales while inbound volume only shows regularity on month and season scales. The result also shows that the “peakforest” structure of inbound volume is mainly subject to comfort degrees of weather and climate， while the domestic one is not only related to climate changes， but also closely linked to working and recreation systems.
Key words：“PeakForest” structure； cause analysis； high resolution； Fenghuang County