论文部分内容阅读
在国民收入水平提高、交通设施日益完善和休假制度改革的影响下,人们旅游消费的能力和意愿日益强烈,旅游已成为人们的基本生活方式之一。然而,旅游需求的扩大与旅游资源的空间不均衡导致部分景区游客严重超载,如何科学预测客流量对景区实际管理工作具有重要意义。同时,随着互联网技术在社会生活中的广泛应用,旅游活动与互联网数据存在密切关系。基于此,以南京钟山风景区为例,围绕近距离客源市场的客流量,利用高峰指数、变异系数、地理集中指数、格兰杰因果关系检验、脉冲响应函数对长三角40个客源城市的日旅游网络搜索数据时空分异特征进行研究,并将结果应用到客流量预测,借助ARMA模型、VAR模型等方法优化景区日际客流量的预测模型和结果,以丰富旅游网络搜索时空分异特征和客流量预测的研究范畴,为景区客情监测提供理论指导,以促进旅游景区的长远发展。通过研究,得到以下主要结果:(1)客源城市对景区各类旅游信息的网络搜索倾向不同,住、游、行要素是游客网络信息搜索的首要考虑因素;远距离客源城市倾向个别旅游要素的集中搜索,近距离客源城市倾向各种旅游要素的多元搜索。其次,食要素网络搜索呈现沿海向内陆减少的趋势,住要素网络搜索呈现近距离搜索量少而远距离搜索量高的趋势,游要素网络搜索以省会城市或主要客源城市为核心分布。(2)在网络搜索数据的时间分布上,省内客源城市和省外客源城市对景区的整体网络搜索数据均在年内呈现双峰分布,月内呈现以周为周期波动,但波峰出现的时间不同:省外客源城市年内的波峰表现出以法定节假日为周期的规律波动,周内周二、周三高,周末低;而省内客源城市年内的波峰出现在6-7月份搜索波动,周内周五、周六高,周日至周三低。空间分布上,网络搜索数据较客流量的地理衰减现象较弱,呈现出部分城市搜索量大的核分布形态。(3)日际网络搜索数据与客流量在时间维度上存在较高耦合性,日际网络搜索数据可看做客流量变动的前兆影响指标,且客流量和网络搜索量极大的城市客流量对网络搜索数据的变动也存在影响。其次,网络搜索数据对客流量时间维度的前兆关系在空间上表现出随交通距离增加而前兆时长增加的现象,近距离城市网络搜索数据对客流量变动的前兆时长呈环状分布,受省界效应影响不明显。(4)加入网络搜索数据的客流量预测模型具有良好的预测能力,可以满足对日际客流量的估计,同时,基于网络搜索时空分异规律的客流量预测模型可以满足景区对城市客流量的针对性监测,为景区管理提供相关参考。