基于小波分析的不同類型旅游景區(qū)旅游流時間特征研究
——以江蘇省125家高等級旅游景區(qū)為例

羅 潤 ， 周年興，2 ， 謝秋逸 ， 馬世豪

(1.南京師范大學 地理科學學院，南京 210023； 2.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，南京 210023； 3.南京農(nóng)業(yè)大學 公共管理學院，南京 210095)

0 引言

《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》提出，要推動文旅融合發(fā)展，建設(shè)一批富有文化底蘊的世界級旅游景區(qū)。旅游景區(qū)作為旅游業(yè)的典型載體，在促進消費和加強文化交流等方面發(fā)揮重要作用。加強旅游景區(qū)建設(shè)是弘揚中華文化、增加民生福祉、推動旅游業(yè)品質(zhì)化建設(shè)的重要途徑。當前，我國已由高速發(fā)展階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，各地文旅部門積極推行各項政策以促進景區(qū)的高質(zhì)量發(fā)展，然而由于景區(qū)類型的差異性、旅游資源的多樣性和旅游客流的動態(tài)性，部分政策的針對性不足。在景區(qū)高質(zhì)量發(fā)展背景下，研究不同類型景區(qū)客流量的時間特征對促進景區(qū)差異化、特色化、品質(zhì)化發(fā)展具有重要意義。

長期以來，旅游流是學界研究的熱點和重點，相關(guān)學者在旅游流研究領(lǐng)域取得了豐碩的成果[1]。當前旅游流相關(guān)研究側(cè)重于旅游客流的時空特征[2-5]、影響因素[6-8]、客流量預(yù)測[9]等。由于景區(qū)等微觀數(shù)據(jù)的獲取難度較大，當前旅游流研究以國際[10-11]、區(qū)域[12]、省域[13-14]和市域[15-16]等大中空間尺度的宏觀研究為主，基于景區(qū)客流量數(shù)據(jù)的微觀研究較少。近年來數(shù)字足跡、百度指數(shù)和游客點評等網(wǎng)絡(luò)數(shù)據(jù)成為景區(qū)旅游流研究的重要數(shù)據(jù)來源，但網(wǎng)絡(luò)數(shù)據(jù)具有復(fù)雜性、商業(yè)操縱性和難辨真?zhèn)涡缘忍卣?，基于網(wǎng)絡(luò)數(shù)據(jù)的景區(qū)旅游流研究存在一定的局限性。此外，客流量的季節(jié)性是旅游景區(qū)客流量時間特征研究的主要內(nèi)容，具體包括季節(jié)性特征[17]、成因和影響[18-19]。部分學者研究了山岳[20]、古村落[21]、鄉(xiāng)村[22]和主題公園[23]等類型景區(qū)旅游流的季節(jié)性特征，但較少的樣本類型和樣本數(shù)量使得研究結(jié)果的普適性稍顯不足。

本研究擬解決的問題包括：(1)江蘇省不同類型景區(qū)客流量的時間特征；(2)在高質(zhì)量發(fā)展背景下，不同類型的景區(qū)如何實現(xiàn)差異化發(fā)展?；诮K省125家不同類型旅游景區(qū)的日接待游客量數(shù)據(jù)，運用小波分析和Mann-Kendall突變檢驗等方法，揭示不同類型景區(qū)客流量的時間特征的差異性，以期為文旅部門制定差異化的文旅決策提供依據(jù)。

1 研究區(qū)域、研究方法與數(shù)據(jù)來源

1.1 研究區(qū)域

江蘇省位于長三角地區(qū)，毗鄰上海國際大都市，優(yōu)越的地理位置為江蘇省旅游業(yè)發(fā)展夯實客源市場基礎(chǔ)。較高的居民消費水平、齊全的產(chǎn)業(yè)類型、立體化的旅游交通為江蘇省旅游業(yè)發(fā)展奠定堅實的經(jīng)濟基礎(chǔ)、產(chǎn)業(yè)基礎(chǔ)和交通基礎(chǔ)?！笆濉逼陂g，江蘇省緊扣“強富美高”的戰(zhàn)略要求開展旅游項目建設(shè)，圍繞“水韻江蘇”的形象定位不斷完善旅游產(chǎn)品供給體系，提高旅游產(chǎn)品品質(zhì)。截至2021年底，江蘇省共有5A級旅游景區(qū)25家，景區(qū)類型豐富多樣，具有較高的研究代表性。

1.2 研究方法

1.2.1小波分析。小波分析是在傅里葉變換的基礎(chǔ)上發(fā)展而來的一種時頻局部化分析方法。相比傅里葉變換，小波分析擁有較強的時間頻率分析能力，能獲取更多時間信息，在自然研究領(lǐng)域應(yīng)用較廣[24]，在旅游研究領(lǐng)域尚未得到廣泛應(yīng)用[25]。本研究運用Matlab軟件實現(xiàn)對不同類型景區(qū)客流量月度數(shù)據(jù)的多時間尺度周期性分析。小波實部系數(shù)圖反映客流量在不同時間尺度的周期變化和分布規(guī)律。小波系數(shù)為正，說明旅游客流量偏大；小波系數(shù)為負，說明旅游客流量偏小。小波方差圖反映景區(qū)客流量在不同時間尺度的周期波動強弱。

1.2.2Mann-Kendall突變檢驗法。Mann-Kendall突變檢驗法(M-K檢驗法)是一種時間序列的非參數(shù)檢驗方法，通過計算景區(qū)客流順序曲線(UF)和景區(qū)客流逆序曲線(UB)，分析序列的變化趨勢和突變時間，常用于氣象和水文研究當中[26]。當UF值大于0時序列呈上升趨勢，小于0時呈下降趨勢。當順序曲線超出置信水平的臨界線時，表明上升或者下降趨勢顯著。若UF和UB兩條曲線在兩條臨界線之間出現(xiàn)交點，交點對應(yīng)的時間為突變開始的時間。

1.3 數(shù)據(jù)來源

江蘇省125家旅游景區(qū)數(shù)據(jù)來源于江蘇省文化和旅游廳旅游景區(qū)管理系統(tǒng)，研究期為2017年1月1日至2020年12月31日。依據(jù)中華人民共和國文化和旅游部發(fā)布的《2019—2020年中國旅游景區(qū)發(fā)展報告》中旅游景區(qū)類型的劃分標準，將125個旅游景區(qū)劃分為自然生態(tài)類、歷史文化類、現(xiàn)代游樂類和產(chǎn)業(yè)融合類四大類型，在景區(qū)大類的基礎(chǔ)上對景區(qū)進行細分(表1)，江蘇省各市旅游景區(qū)樣本數(shù)量的空間分布如表2所示。

表1 旅游景區(qū)分類

表2 江蘇省四類旅游景區(qū)樣本數(shù)量的空間分布

2 結(jié)果與分析

2.1 不同類型景區(qū)客流量的趨勢性分析

運用Eviews 10.0軟件的Hodrick-Prescott Filter(HP濾波)對江蘇省4類景區(qū)的日均客流量數(shù)據(jù)進行因素分解，將趨勢因素和周期因素相剝離。2017年1月1日至2020年12月31日江蘇省四類景區(qū)的客流量趨勢存在共性和特性。共性方面，四類景區(qū)在2017—2020年客流量的總體發(fā)展趨勢較為一致，均呈“下跌—上升—下跌—上升”的波動趨勢，與近年來旅游發(fā)展環(huán)境存在密切關(guān)系。特性方面，四類景區(qū)客流量的趨勢曲線形態(tài)存在較大差異，主要體現(xiàn)在4條趨勢曲線形成的“峰”和“谷”的數(shù)量和落差上。產(chǎn)業(yè)融合類景區(qū)的趨勢因素曲線呈“單峰雙谷”型，峰谷落差居四類景區(qū)之首。歷史文化類和現(xiàn)代游樂類景區(qū)呈“雙峰雙谷”型，自然生態(tài)類呈“多峰多谷”型。其中，2020年四類景區(qū)旅游客流量趨勢曲線呈現(xiàn)波動幅度大、波動頻率高的特征，方向上呈現(xiàn)“下跌—上升—下跌”的趨勢。受疫情影響，自2020年1月1日起，現(xiàn)代游樂類、自然生態(tài)類、產(chǎn)業(yè)融合類、歷史文化類景區(qū)的客流量呈下跌趨勢，趨勢因素分別在1月18日、2月8日、2月27日、3月8日達到年內(nèi)最低值。隨著疫情情況好轉(zhuǎn)，自然生態(tài)類、現(xiàn)代游樂類、歷史文化類、產(chǎn)業(yè)融合類景區(qū)的客流量呈上升趨勢，趨勢因素分別在9月24日、9月25日、10月18日、10月24日達到年內(nèi)最高值?，F(xiàn)代游樂類和自然生態(tài)類景區(qū)的客流量在前期下跌和后期上升反應(yīng)較快，產(chǎn)業(yè)融合類和歷史文化類景區(qū)的客流量波動具有一定的滯后性。

2.2 不同類型景區(qū)客流量的周期性分析

運用小波分析法進一步研究不同類型景區(qū)客流量的周期性(圖1)。四類景區(qū)的周期性存在共性和特性。共性方面，四類景區(qū)在每年1月和7月附近各形成一個低谷值，在每年4月和10月附近各形成一個高峰值，約6個月出現(xiàn)1次客流量高低交替現(xiàn)象，說明周期性主要受到景區(qū)客流量傳統(tǒng)淡旺季的影響。特性方面，四類景區(qū)的第一主周期存在明顯差異。產(chǎn)業(yè)融合類和歷史文化類景區(qū)在第一主周期形成了2.5個客流量周期峰谷，約19個月形成一個旅游客流量交替周期?，F(xiàn)代游樂類和自然生態(tài)類景區(qū)在第一主周期形成了8個客流量周期峰谷，約6個月形成一次客流量“低-高”交替周期。

圖1 四類景區(qū)的小波方差圖

2.3 不同類型景區(qū)客流量的突變性分析

運用Mann-Kendall突變檢驗法分析不同類型景區(qū)客流量的突變性差異(圖2)。四類景區(qū)旅游客流量的突變點在數(shù)量和分布上存在一定差異。2017—2019年，產(chǎn)業(yè)融合類景區(qū)的UF與UB曲線在臨界線以內(nèi)無交點，即未形成突變點。歷史文化類景區(qū)UF與UB曲線在2017年1月、2017年5月附近形成交點，且在臨界值以內(nèi)，說明以上2個月份為突變開始的月份。1月是旅游淡季，1月過后歷史文化類景區(qū)的游客量逐漸增加，在2017年1月形成突變點。春季旅游景區(qū)客流量較多，5月之后客流量開始下降，在2017年5月形成突變點。現(xiàn)代游樂類景區(qū)的UF與UB曲線在2017年4月、2019年3月形成交點，且在臨界值以內(nèi)，說明以上2個月份為突變開始的月份。自然生態(tài)類景區(qū)UF與UB曲線在2017年3月、2017年5月、2018年7月、2019年1月、2019年3月附近出現(xiàn)交點，且在臨界值以內(nèi)，說明以上5個月份為突變開始的月份。受新冠疫情的影響，旅游景區(qū)處于暫停經(jīng)營狀態(tài)，旅游客流量銳減，四類景區(qū)在2020年均存在突變點?，F(xiàn)代游樂類、自然生態(tài)類、產(chǎn)業(yè)融合類、歷史文化類景區(qū)分別于2020年1月、2020年2月、2020年4月、2020年7月附近形成突變點。

圖2 四類景區(qū)的Mann-Kendall突變檢驗圖

2.4 不同類型景區(qū)客流量的季節(jié)性分析

為研究不同類型景區(qū)客流量的季節(jié)性，基于景區(qū)客流量月均數(shù)據(jù)，對景區(qū)的淡旺季進行劃分(表3)。將高于平均游客量的110%的月份定為旺季月份，低于平均客流量90%的月份定為淡季月份，其他為平季。將月平均客流量的110%～120%(不含120%)、120%～140%(不含140%)、140%～160%(不含160%)、不低于160%依次設(shè)定為旺季不旺、旺季較旺、旺季過旺、旺季極旺。將月平均客流量的80%～90%(不含80%)，60%～80%(不含60%)、40%～60%(不含40%)、不高于40%依次設(shè)定為淡季不淡、淡季較淡、淡季過淡、淡季極淡。

表3 景點淡旺季類型

受疫情影響，2020年景區(qū)客流量季節(jié)性發(fā)生顯著變化，因此，將2020年與2017—2019年分開研究(表4)。2017—2019年，4月、10月和3月是四類景區(qū)共同的旺季。1月和12月是四類景區(qū)共同的淡季。歷史文化類景區(qū)10月份客流量最大，其他三類景區(qū)4月份最旺。淡旺月極差由大到小依次為現(xiàn)代游樂類、自然生態(tài)類、產(chǎn)業(yè)融合類、歷史文化類景區(qū)。2020年，四類景區(qū)淡季集中在上半年，上半年的旅游需求產(chǎn)生擠壓效應(yīng)，旺季主要集中在下半年。四類景區(qū)10月份游客量達到最大，2月份達到最小。相比2017—2019年，2020年四類景區(qū)淡旺月極差顯著增大，呈“旺季極旺、淡季極淡”的特征。

表4 四類景區(qū)旅游客流量淡旺季特征

2017—2019年不同亞類景區(qū)淡旺季特征存在差異性(表5)。多數(shù)類型景區(qū)客流量在4月或10月達到最大，工業(yè)旅游類景區(qū)為8月，城市公園類和體育運動類景區(qū)為3月，宗教文化類景區(qū)為2月。冬季是多數(shù)類型景區(qū)的淡季，但宗教文化類、城市公園類和文化遺跡類景區(qū)最淡的月份在6月或7月。僅5類景區(qū)的旺季持續(xù)4個月，其他11類景區(qū)旺季較短。體育運動類景區(qū)淡季最長，科技教育和工業(yè)旅游類景區(qū)淡季最短。休閑度假類景區(qū)極差最大，文博院館類景區(qū)極差最小。

表5 16個亞類旅游景區(qū)客流量淡旺季特征

2020年不同亞類景區(qū)淡旺季的月份、長度和淡旺程度發(fā)生顯著變化。鄉(xiāng)村田園類景區(qū)在3月份客流量達到最大，其他類景區(qū)在10月份客流量達到最大。受疫情影響，多數(shù)景區(qū)在2月客流量達到最小。鄉(xiāng)村田園和城市公園類景區(qū)的旺季持續(xù)3個月，其他類型景區(qū)旺季持續(xù)4個月及以上。鄉(xiāng)村田園類景區(qū)淡季最長，宗教文化類景區(qū)淡季最短。相比2017—2019年，客流量淡旺月極差顯著增大，紅色旅游類景區(qū)極差最大，鄉(xiāng)村田園類景區(qū)極差最小。

3 結(jié)論與討論

3.1 結(jié)論

(1)趨勢性方面，四類景區(qū)客流量總體呈現(xiàn)“下跌—上升—下跌—上升”的波動趨勢，產(chǎn)業(yè)融合類、歷史文化類、自然生態(tài)類和現(xiàn)代游樂類景區(qū)游客量的趨勢曲線分別呈“單峰雙谷”“雙峰雙谷”“多峰多谷”和“雙峰雙谷”型。

(2)周期性方面，四類景區(qū)客流量存在多個周期，四類景區(qū)的第一主周期存在明顯差異。產(chǎn)業(yè)融合和歷史文化類景區(qū)19個月形成一個旅游客流量交替周期，呈現(xiàn)“長周期”特征?，F(xiàn)代游樂和自然生態(tài)類景區(qū)6個月出現(xiàn)1次客流量高低交替現(xiàn)象，呈現(xiàn)“短周期”特征。

(3)突變性方面，四類景區(qū)客流量的突變點數(shù)量和分布存在明顯差異。產(chǎn)業(yè)融合類景區(qū)呈現(xiàn)“突變點少、春季集中”的特征，現(xiàn)代游樂類和歷史文化類景區(qū)呈現(xiàn)“突變點多、春冬集中”的特征，自然生態(tài)類景區(qū)呈現(xiàn)“突變點多、四季分散”的特征。

(4)季節(jié)性方面，地質(zhì)地貌類、鄉(xiāng)村田園類、科技教育類和文博院館類等16種亞類景區(qū)在淡旺季長度、月度分布、淡旺程度、淡旺月極差等方面存在顯著差異。

(5)受新冠疫情影響，2020年景區(qū)旅游流的時間特征存在特殊性。2020年四類景區(qū)客流量呈現(xiàn)“波動幅度大、波動頻率高”的特征，均在2020年形成突變點，景區(qū)旺季集中分布于下半年，淡季集中分布于上半年。淡旺季極差顯著增大，四類景區(qū)呈“旺季極旺、淡季極淡”的特征，具有顯著的馬太效應(yīng)。

3.2 討論

景區(qū)發(fā)展要遵循“各美其美，美美與共，彰顯特色，錯位發(fā)展”的原則。自然生態(tài)類景區(qū)存在“淡季較淡”的問題，在保護生態(tài)環(huán)境的同時，加強淡季旅游產(chǎn)品的打造，將“春秋兩季型”轉(zhuǎn)變?yōu)椤八募韭糜巍?。歷史文化類景區(qū)旺季程度不高且較短，可加強連續(xù)性和階段性旅游節(jié)慶活動的打造，延長旺季長度，提高旺季程度。產(chǎn)業(yè)融合類景區(qū)存在淡季較淡的現(xiàn)象，需兼顧“延長板”和“補短板”，在打造“旅游+”系列產(chǎn)品時亟需挖掘特色，增強核心競爭力?，F(xiàn)代游樂類景區(qū)在保障游樂設(shè)施安全的前提下，重點打造夜間旅游產(chǎn)品。將短期旅游爆點轉(zhuǎn)變?yōu)槌掷m(xù)性吸引力，注重增強旅游體驗和塑造旅游口碑，激發(fā)潛在旅游需求，延長旺季，縮短淡季。

研究揭示了江蘇省125家不同類型景區(qū)客流量的時間特征，提出了促進不同類型景區(qū)差異化和品質(zhì)化發(fā)展的建議。受篇幅和數(shù)據(jù)的限制，本研究僅分析了2017—2020年不同類型景區(qū)客流量的時間特征，未從較長的時間尺度研究其時空演變規(guī)律，也未深度挖掘不同類型景區(qū)客流量時間特征的差異性的影響因素。后續(xù)可就具體類型的景區(qū)開展較長時間尺度內(nèi)旅游客流量的時空演變及其影響因素研究。