论文部分内容阅读
摘 要：据相关数据统计，2019年我国国内旅游总人数已超过60亿，为了满足如此庞大的旅游群体的交通需求，旅游交通需求预测就成为了城市交通规划中极为重要的一项内容。旅游交通需求预测能够为旅游规划、交管等政府部门提供准确、高效可靠的交通预需求测数据，从而在重大节假日等客流高峰期来临前提前制定交通管控措施和客流引导措施。科学合理的需求预测不仅对提升当地旅游产业竞争力的有重要意义，而且有助于提升旅游资源和交通资源的使用效率，对当地的旅游交通设施规划布局提供参考。
关键词：旅游交通;交通需求;交通需求预测
0 引言
当前中国的旅游业迎来了飞速发展的局面。随着居民生活水平稳步提高，市场供给端不断进步，旅游市场环境日趋改善。现阶段，有了交通运输系统不断发展优化的支撑，旅游业蓬勃发展，我国已来到了大众旅游消费时代。旅游交通的快速发展，是推动全域旅游、实现跨区域旅游发展的一个重要环节。旅游交通的便利程度，极大的影响了开发旅游资源和建设旅游景点、景观的决策，同时是体现地区旅游业发达程度的标杆。旅游交通的便利设计，离不开旅游交通需求的预测，事先进行旅游交通需求预测，然后根据预测进行交通规划与设计，可以有效的提升旅游交通的便利程度。旅游交通需求预测是景点地区进行交通规划最关键的任务，准确地预测出旅游景区的旅游交通需求量，可以为景点地区旅游交通规划以及周边地区的旅游交通设施布局提供设计依据。本文介绍了国内外对于旅行交通需求预测的现状，然后对于未来旅游交通需求预测方法的研究方向作出了总结展望。
1 国外研究现状
现如今，游客出行行为研究和旅游交通需求预测模型研究两方面成为国外学者们的研究热点。
1.1 旅游出行行为研究现状
Alan shailes分析了影响自驾车旅游者目的地选择的因素，得出结论：旅行距离、旅行团数量和旅游信息知识都会影响自驾车旅游者的目的地选择。
David分析了游客的出行选择模式;James分析了游客对于公交服务的关注度，认为游客更加关注旅游信息的准确及时性以及目的地的交通便利程度，而不是公交出行的舒适度。
Belen研究了廉价航空对游客出行的影响，认为廉价航空对90%的游客出行产生了重要影响。
Prideaux通过建立旅游区发展规律模型研究了旅游景点的发展与旅游景点所在地交通网络和基础设施之间的关系。
1.2 旅游交通需求量预测模型研究现状
旅游交通量预测对假日旅游高峰区的交通管理、交通诱导和交通方案评价具有重要意义。目前用于旅游交通需求预测的方向主要包括以下两种：
（1）时间序列预测模型。AhmedS最开始将在交通领域使用时间序列模型。Davisga等利用时间序列模型对高速公路交通流进行预测。Kimc使用他们的ARIMA模型来预测公路交通流量。通过对交通流数据进行分类VoortMVD等人提出了一种基于kohonen映射网络的分阶层预测方法，并为每个类别均设计了一个ARIMA模型来预测交通流。
（2）卡尔曼滤波预测模型。Okutanil等在交通量预测上最开始使用卡尔曼滤波预测模型。Wang Y等基于扩展卡尔曼滤波器对高速公路的交通状态进行估计。
2 国内研究现状
与此同时旅游交通需求预测模型同样是国内学者们的研究重点，另外国内学者们还研究了如何对旅游交通小区进行划分和旅游交通的分布。旅游交通总量预测模型和线路交通需求预测是目前需求预测研究较为集中的两个方向。
2.1 旅游交通需求预测
（1）旅游交通总量预测方面。张妮构建基于神经网络的旅游交通模型，对总交通流量进行预测。袁瑜建立了基于容量限制的交通需求总量预测模型，并使用建立的模型对景区未来所需停车设施规模进行了预测;许军建立了基于旅游量、旅游收入、旅游人口与人均生产总值相结合的线性回归模型，并根据该模型对旅游交通量进行了预测。刘晨辉运用三次趋势曲线模型对旅游交通总量进行预测。童明荣等人建立了一个结合周期特征的季节性ARIMA模型来预测交通量。韩超等人在ARIMA模型的基础上，建立自适应短时交通流的预测算法。
（2）对于线路交通需求的预测。黄平基于景区容量限制对城市与景区间的旅游交通线路交通量进行了预测;在趋势预测中，李娟采用了旅游交通摩擦系数、政策环境摩擦系数和居民生活质量三个指标，建立了旅游人数与标准列车出行人数的换算模型。何美玲等人的研究认为普通道路和旅游观光线路在旅游交通预测中应使用不同方法;易燕在旅游交通线路的交通量预测中使用了弹性系数法;张文斌等人的研究认为预测旅游交通量时建应综合考虑景区特点、景区道路交通设施和景区容量。
2.2 旅游交通小区划分
1995年，王维、徐纪谦提出了交通区划的原则：交通区划不破坏原有的行政区划理论上小区离市区距离愈远，面积愈越大;利用山和轨道作为边界来进行交通小区的划分。
鲁晓丽运用模糊聚类法对公路网规划中的小区进行划分，所使用的模糊聚类指标包含当地经济生产总值、地方财政预算、社会消费总额以及客货运总量等;李晓丹和杨晓光建立了以道路关联度和特征关联度为参数的实时动态小区划分方法，并将该方法应用于智能交通控制与诱导中;吴宁宁依据小区内的汽车尾气排放量以及道路網密度等作为指标来对小区进行聚类划分，从而得到旅行交通小区的范围。通过定义出行需求预测中的细分和出行界定，对四阶段法的各个阶段进行了改进和优化，使其更适合于出行需求预测。
3 结语
传统的交通需求预测方法并不适用于旅行交通中，且由于不同的旅游区域特征差别较大，在其他旅游地区进行交通需求预测时，仍需因地制宜地做出适当调整。同时，旅游群体组成的细分使得旅游交通需求预测更加可靠，但旅游群体细分的作用更大，在设施规划和管理策略中得到了广泛的应用。因此，未来对于旅游交通需求预测的研究应当在于对新型预测方法的研究和更加细分化，区域化的旅游交通需求预测，以及对于旅客群体的再细分来进行预测，提高交通需求预测的准确性。
参考文献：
[1]惠英.旅游度假区旅游交通需求预测方法研究[A].中国城市规划学会城市交通规划学术委员会.2017年中国城市交通规划年会论文集[C].中国城市规划学会城市交通规划学术委员会：中国城市规划设计研究院城市交通专业研究院，2017：9.
[2]朱顺应，管菊香，王红，等.交通分布预测模糊重力模型[J].东南大学学报（自然科学版），2008（4）：727-731.
[3]王頠，王卫峰，杜厚俊.基于四阶段法的旅游交通量预测[J].公路，2011（1）：167-170.
[4]冯焕焕，朱从坤，旅游景区新建公路交通量预测方法研究[J].交通科技与经济，2013，15（5）：46-50.
[5]王志攀.区域旅游交通量预测研究[D].成都：西南交通大学，2014.
关键词：旅游交通;交通需求;交通需求预测
0 引言
当前中国的旅游业迎来了飞速发展的局面。随着居民生活水平稳步提高，市场供给端不断进步，旅游市场环境日趋改善。现阶段，有了交通运输系统不断发展优化的支撑，旅游业蓬勃发展，我国已来到了大众旅游消费时代。旅游交通的快速发展，是推动全域旅游、实现跨区域旅游发展的一个重要环节。旅游交通的便利程度，极大的影响了开发旅游资源和建设旅游景点、景观的决策，同时是体现地区旅游业发达程度的标杆。旅游交通的便利设计，离不开旅游交通需求的预测，事先进行旅游交通需求预测，然后根据预测进行交通规划与设计，可以有效的提升旅游交通的便利程度。旅游交通需求预测是景点地区进行交通规划最关键的任务，准确地预测出旅游景区的旅游交通需求量，可以为景点地区旅游交通规划以及周边地区的旅游交通设施布局提供设计依据。本文介绍了国内外对于旅行交通需求预测的现状，然后对于未来旅游交通需求预测方法的研究方向作出了总结展望。
1 国外研究现状
现如今，游客出行行为研究和旅游交通需求预测模型研究两方面成为国外学者们的研究热点。
1.1 旅游出行行为研究现状
Alan shailes分析了影响自驾车旅游者目的地选择的因素，得出结论：旅行距离、旅行团数量和旅游信息知识都会影响自驾车旅游者的目的地选择。
David分析了游客的出行选择模式;James分析了游客对于公交服务的关注度，认为游客更加关注旅游信息的准确及时性以及目的地的交通便利程度，而不是公交出行的舒适度。
Belen研究了廉价航空对游客出行的影响，认为廉价航空对90%的游客出行产生了重要影响。
Prideaux通过建立旅游区发展规律模型研究了旅游景点的发展与旅游景点所在地交通网络和基础设施之间的关系。
1.2 旅游交通需求量预测模型研究现状
旅游交通量预测对假日旅游高峰区的交通管理、交通诱导和交通方案评价具有重要意义。目前用于旅游交通需求预测的方向主要包括以下两种：
（1）时间序列预测模型。AhmedS最开始将在交通领域使用时间序列模型。Davisga等利用时间序列模型对高速公路交通流进行预测。Kimc使用他们的ARIMA模型来预测公路交通流量。通过对交通流数据进行分类VoortMVD等人提出了一种基于kohonen映射网络的分阶层预测方法，并为每个类别均设计了一个ARIMA模型来预测交通流。
（2）卡尔曼滤波预测模型。Okutanil等在交通量预测上最开始使用卡尔曼滤波预测模型。Wang Y等基于扩展卡尔曼滤波器对高速公路的交通状态进行估计。
2 国内研究现状
与此同时旅游交通需求预测模型同样是国内学者们的研究重点，另外国内学者们还研究了如何对旅游交通小区进行划分和旅游交通的分布。旅游交通总量预测模型和线路交通需求预测是目前需求预测研究较为集中的两个方向。
2.1 旅游交通需求预测
（1）旅游交通总量预测方面。张妮构建基于神经网络的旅游交通模型，对总交通流量进行预测。袁瑜建立了基于容量限制的交通需求总量预测模型，并使用建立的模型对景区未来所需停车设施规模进行了预测;许军建立了基于旅游量、旅游收入、旅游人口与人均生产总值相结合的线性回归模型，并根据该模型对旅游交通量进行了预测。刘晨辉运用三次趋势曲线模型对旅游交通总量进行预测。童明荣等人建立了一个结合周期特征的季节性ARIMA模型来预测交通量。韩超等人在ARIMA模型的基础上，建立自适应短时交通流的预测算法。
（2）对于线路交通需求的预测。黄平基于景区容量限制对城市与景区间的旅游交通线路交通量进行了预测;在趋势预测中，李娟采用了旅游交通摩擦系数、政策环境摩擦系数和居民生活质量三个指标，建立了旅游人数与标准列车出行人数的换算模型。何美玲等人的研究认为普通道路和旅游观光线路在旅游交通预测中应使用不同方法;易燕在旅游交通线路的交通量预测中使用了弹性系数法;张文斌等人的研究认为预测旅游交通量时建应综合考虑景区特点、景区道路交通设施和景区容量。
2.2 旅游交通小区划分
1995年，王维、徐纪谦提出了交通区划的原则：交通区划不破坏原有的行政区划理论上小区离市区距离愈远，面积愈越大;利用山和轨道作为边界来进行交通小区的划分。
鲁晓丽运用模糊聚类法对公路网规划中的小区进行划分，所使用的模糊聚类指标包含当地经济生产总值、地方财政预算、社会消费总额以及客货运总量等;李晓丹和杨晓光建立了以道路关联度和特征关联度为参数的实时动态小区划分方法，并将该方法应用于智能交通控制与诱导中;吴宁宁依据小区内的汽车尾气排放量以及道路網密度等作为指标来对小区进行聚类划分，从而得到旅行交通小区的范围。通过定义出行需求预测中的细分和出行界定，对四阶段法的各个阶段进行了改进和优化，使其更适合于出行需求预测。
3 结语
传统的交通需求预测方法并不适用于旅行交通中，且由于不同的旅游区域特征差别较大，在其他旅游地区进行交通需求预测时，仍需因地制宜地做出适当调整。同时，旅游群体组成的细分使得旅游交通需求预测更加可靠，但旅游群体细分的作用更大，在设施规划和管理策略中得到了广泛的应用。因此，未来对于旅游交通需求预测的研究应当在于对新型预测方法的研究和更加细分化，区域化的旅游交通需求预测，以及对于旅客群体的再细分来进行预测，提高交通需求预测的准确性。
参考文献：
[1]惠英.旅游度假区旅游交通需求预测方法研究[A].中国城市规划学会城市交通规划学术委员会.2017年中国城市交通规划年会论文集[C].中国城市规划学会城市交通规划学术委员会：中国城市规划设计研究院城市交通专业研究院，2017：9.
[2]朱顺应，管菊香，王红，等.交通分布预测模糊重力模型[J].东南大学学报（自然科学版），2008（4）：727-731.
[3]王頠，王卫峰，杜厚俊.基于四阶段法的旅游交通量预测[J].公路，2011（1）：167-170.
[4]冯焕焕，朱从坤，旅游景区新建公路交通量预测方法研究[J].交通科技与经济，2013，15（5）：46-50.
[5]王志攀.区域旅游交通量预测研究[D].成都：西南交通大学，2014.