基于不同尺度的旅游客流时间分布特征研究——以西藏林芝为例 全球第一大水电站白鹤滩
孔令怡
南京汤山温泉酒店排名【摘 要】采用滤波分析方法等、TRAMO-SEATS方法,从不同时间尺度对林芝的旅游客流分布及波动特征进行分析.结果表明:(1)25年间林芝旅游接待总人数增长迅速,但年度变化强度较大,整个旅游业的发展阶段可划分为起步阶段、平稳发展阶段和快速发展阶段;(2)除受突发事件影响的时段之外,林芝的旅游月度客流量基本呈现波动式上升,与此同时季节性特征也较为明显;(3)从景区角度来看,林芝景区可分为三大类,每一类景区都有自身典型的客流波动特征.分析认为,气候条件、公共假期、突发事件等是影响林芝旅游客流时间分布的重要因素.最后,从开展反季旅游、打造全域旅游等方面提出优化林芝旅游的对策,以实现旅游产业的转型升级. 【期刊名称】《无锡商业职业技术学院学报》
【年(卷),期】2017(017)005
【总页数】8页(P46-53)
【关键词】南京旅游景点有哪些景点推荐时间尺度;旅游客流;分布特征;林芝
【作 者】孔令怡
【作者单位】南京师范大学地理科学学院,南京210023
【正文语种】中 文
【中图分类】F592.7青岛极地海洋世界门票优惠政策
附近宾馆价格50元钟点房
当前，有关旅游客流的研究成果数量颇丰，涉及范围也相当广泛。从时间上看，多从年际、年内或多个时间维度进行综合分析;从内容上看，主要包括对旅游地客流变化规律进行探索、对季节性波动及成因进行研究和对旅游客流的中长期变化进行预测等;从地点上看，既有对大、中尺度旅游地(如国家、省域、市域)的客流时空分布格局进行描述与探究，也有对小尺度(如景区)的客流波动特征所做的分析;从方法上看，多运用季节指数、基尼系数等数理分析方法以及小波分析、EMD、时间序列等方法模型。如马耀峰等对我国入境旅游流进行了时间序列分析，并运用季节指数法测算入境旅游流的月际变动情况，从而探索海外入境旅游流的季节分布和月度强度差异［1］;卢松等以具有典型性和代表性的西递、宏村为研究对象，分析我国古村落型旅游地的客流时间分布特征，并从事件效应、辐射带动
效应、自然环境因素、社会经济因素等方面分析影响旅游地客流时间变化的因素［2］;戴林琳、盖世杰将节事旅游作为研究视角，综合SPSS相关与回归分析、波士顿矩阵等研究方法，对1980-2009年间京郊地区节事旅游的时间样本进行了变化特征与影响因素分析［3］;余向洋等采用经验模态分解方法(EMD)，从波动视角对黄山风景区的季节性客流波动特征、旅游周期波动特征、经济周期波动特征进行了研究，并结合最小二乘支持向量机方法对景区未来发展做出预测［4］。
然而不可否认的是，受某些客观因素所限，当前国内对旅游客流的研究大多集中在离散或单一尺度，全方位、多视角对旅游客流时间变化进行的研究相对较少。此外，由于旅游学与地理学采用的时间尺度范围并不完全相同，对跨学科研究而言更加剧了综合集成的困难。因此，本文试图对西藏林芝地区年、月、日等不同时间维度的旅游客流分布特征进行探析，以期正确而完整地揭示林芝旅游客流的流动规律。三清山主要景点图片
1.滤波分析方法
时间序列的构成一般包括长期趋势要素、循环要素、季节变动要素和不规则要素。因此，对某一时间序列波动周期的测定，常常等同于对时间序列进行分解，对各变动因素进行测
度。依循此思路，本文采用滤波分析方法，使用HP滤波、BK滤波、CF滤波等三种滤波对客流波动周期与波动特征进行分析。其中HP滤波可以看作一个近似的高通滤波器(High-Pass Filter)，BK滤波和CF滤波都是带通滤波器(Band-Pass Filter)。在时间序列中，高通滤波器其实就是分离出诸如波长小于8年的成分，而带通滤波器则是分离出诸如波长在6～32个季度间的成分，将剩下的高频成分视作季节因素和随机扰动，将低频成分视作增长趋势。三种滤波方法的具体机理和特点见参考文献 ［5］。
2.TRAMO-SEATS方法
TRAMO-SEATS是研究旅游季节性波动时应用最为广泛的方法之一，是一种基于信号提取的季节调整方法，通常允许异常值和缺失值的出现，通过TRAMO过程和SEATS过程相结合实现时间序列降噪，建立预测模型并提取出时间序列的各组分。TRAMO-SEATS季节调整的一般步骤为:首先使用TRAMO自动识别ARIMA模型与异常值，而后将线性化序列传递给SEATS作实际分解，从而引出各部分的模型参数并对其进行最小平方误差估计，最后将异常值和特殊影响重新引回成分当中。具体操作方法见参考文献 ［6］。
本文所采用的客流年度、月度数据来自林芝旅游局的有关统计资料和旅游统计公报。其中，
自2013年起林芝旅游局开始实行3-10月主要景区日报制度，因而2013、2014年景区日度数据来自景区日报表。
图1显示，25年间林芝旅游接待总人次实现高速增长。从1990年旅游接待总人数的7220人次猛增到2014年的280万人次，保持着28.20%的年平均增长率。客流年际变动指数为4.00，说明年度变化强度较大，各年的客流分布极不均衡。
为了进一步测度林芝年度游客时间序列，本文选取不同的滤波方法，通过比较各滤波间不同的过滤效果来判断与划分波动周期。由于算法不同，BK、CF滤波存在前后3年的滞后期，而HP滤波时间长度过滤更为完整，但不同滤波之间的滤出结果基本一致，表明滤波分析的可靠性能够得到保证。从图2显示的滤波分解结果看，25年间林芝旅游可划分为3个周期，其中分别以2009、2012年为断裂点;通过比较不同振幅的周期，进一步提炼出林芝旅游的3个阶段:起步阶段(1990-2000年)、平稳发展阶段(2001-2007年)和快速发展阶段(2008-2014年)。起步阶段，林芝游客数量增长缓慢，10年间年均增加4677人次，旅游业发展并不活跃;进入21世纪以来，林芝跳出旅游业发展瓶颈，旅游人数明显增加，从2001年的11.38万人增长到2007年的84.21万人，年均增长率达到51.89%;2008年至今，林芝旅
游业进入了有序发展阶段，保持良好的发展势头，旅游人数由2008年的46.60万人次迅速增加到2014年的280万人次，年平均增加27.97万［7］。
为了更精确地分析林芝旅游的发展趋势，特选取近16年(1999-2014年)、192个月的林芝旅游接待人次月度数据进行对比，如图3所示。图中可以看到，月度时间序列除了线性上升趋势之外还存在着显著的波动趋势，每年都会出现明显的高峰，而峰高不断增高，最大峰高和次大峰高分别出现在最近的2014年与2013年，显现出林芝旅游的两个活跃发展时期。从峰值上看，2008年之前的峰值都在200000以下，尽管2007年已经极度接近200000，但在2008年又出现了明显萎缩，表明此处可能存在非典型性转变。2008年之后，峰高稳定在300000以上并稳中有升，体现了游客数量的稳定增长。此外，林芝月度客流会在每年的1、2月份达到低谷，5月起开始回暖，在经历了7、8月的客流高峰后又在10月迅速回落，12月再度出现低谷，但第二个低谷要高于第一个低谷。
运用Eviews 6.0软件对客流月度数据进行ADF单位根检验(见表1)，结果表明在不同显著性水平下均存在单位根，即月度数据确实存在稳定的、可识别的季节性，序列为非平稳序列［8］。这表明季节性对于林芝旅游业有着较大影响，而若想深入挖掘旅游波动的规律特征，则必须剔除干扰项季节性因子。
基于深入分析客流变动趋势的要求，采用TRAMO-SEATS方法对客流月度数据进行季节性调整。首先对数据进行预调整，选取ARIMA模型中最稳定、最简便的(0 1 1)(0 1 1)为TRAMO基础模型，使原序列经过一阶规则差分和一阶季节差分之后成为平稳序列;然后通过SEATS过程剔除季节成分，得到经季节调整后的序列，并将其与原始序列同时呈现在图3中;最后再对序列进行平滑处理，得到平滑后的趋势循环序列，并提取不规则因素，即图4与图5［9］。
如图4所示，1999-2014年林芝旅游客流呈现从低位向高位的稳步攀升态势，特别是在2007年实现了首个突破式增长。然而，2008年旅游客流出现了急速衰减，游客数量下探至近五年来的最低水平，对应了图3中的峰高显著萎缩。究其原因，是由于受到西藏“3·14事件”的严重波及，这表明旅游客流的平稳增长态势很可能会因突发事件的牵连而受到冲击，从而形成新的客流变化规律。此外，从图5可以看出季节性成分历年来基本呈现上升趋势，仅有4、5两月在2013年出现不明显的下降拐点。其中7、8两月上升幅度最大，在演化成相连波峰的同时峰值不断抬升，7月作为极峰的地位也得到了加强［10］。
林芝旅游景区按照其特点进行划分，可分为三大类:第一类是以大峡谷景区为代表的综合型
旅游景区。作为整个林芝地区的旅游品牌、林芝最大的综合型旅游景区(国家4A级景区)，大峡谷景区在游客中享有很高的知名度和美誉度，雅鲁藏布江观光带更是林芝“三带五区”中最主要的观光带［11］。且大峡谷景区旅游开发较早，属林芝“老”一代景区的代表，有足够的游客支持景区旅游业的发展，因而旅游旺季较其他景区而言持续时间更长，受其他因素的干扰更小。第二类是以巴松措景区为代表的传统型旅游景区。巴松措景区作为国家级4A级景区和国家级森林公园，以其“能与瑞士风光相媲美”的自然风光而久负盛名。巴松措景区自身的资源本底良好，在八大类旅游资源中拥有水域风光和生物景观两类［12］。受印度洋西南季风的影响，森林植被的繁盛期出现在雨水充沛、气候适宜的夏季，因而巴松措景区在这一时间段会出现旅游小高峰。第三类是以卡定沟景区为代表的单一型旅游景区。卡定沟景区虽然开发较晚，属于林芝“青”一代旅游景区，且当前仅为3A级，但却拥有吸引力很强的特殊类型旅游资源，即卡定沟“天佛瀑布”，其旅游客流的季节性分布基本上与卡定沟瀑布的枯、丰水期相一致，夏秋季游客较多，冬春较少［13］。
