张瑛 赵建峰

[摘    要]旅游流时空卡口的提出，为景区环境容量动态管理提供了新的思路，但尚不能满足景区环境容量主动预前式的适应性管理需求。该研究以适应性管理为理论基础，试图将旅游流时空卡口理论与系统仿真实验方法结合起来，提出一套景区日常环境容量主动适应性管理方法。文章首先回顾了旅游流时空卡口理论并修正了其识别方法;其次，以香港海洋公园为案例地，借助WITNESS仿真平台建立景区系统仿真模型;最后，进行系统仿真实验，预测了不同游客规模下，旅游流时空卡口的分布差异。该研究进一步完善了旅游流时空卡口理论与旅游环境容量管理理论，在推动其从理论构想向景区日常管理实践、从被动补救式管理向主动预前式管理转变方面做了有益尝试。

[关键词]旅游流时空卡口;旅游环境容量;系统仿真实验;适应性管理;旅游者行为

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2020）09-0053-10

Doi： 10.19765/j.cnki.1002-5006.2020.09.010

引言

旅游已成为现代公民普遍的生活方式。然而，游客规模的迅速增加给景区带来经济收益的同时，也加剧了景区环境容量管理压力。长期存在于旅游资源利用、游客安全保障和旅游体验质量提升之间的矛盾进一步恶化，致使游客拥挤、踩踏、滞留等负面事件频发。2015年，原国家旅游局颁布《景区最大承载量核定导则》，试图在政策规定上推行景区环境容量管理方法，以防止上述事件发生。

事实上，景区环境容量管理一直是旅游研究领域的热点话题，研究成果对景区管理实践起到了切实有效的指导作用。然而，这些基于静态化、粗放式的景区环境容量管理方法，面对大众旅游时代游客规模急剧增加、旅游时空集聚性增强等新问题、新特点时，逐渐失去管理效力。例如，近年来四川九寨沟景区、上海黄浦外滩陈毅广场、山东泰山景区、陕西华山景区等都曾发生游客滞留事件，引发社会热切关注。

基于旅游流时空卡口（spatio-temporal bayonet of tourist flows）的环境容量管理方法的提出，弥补了以往旅游环境容量管理理论粗放式、静态化的缺陷，为景区环境容量管理向动态化、精确化转变提供了新的思路[1]。然而，该方法提出至今仍然停留在理论构想层面，尚未形成一套科学完整的、在实践中切实有效的管理框架与实操方法。其基于分别统计旅游者停留人数与停留时间的识别方法也有失精确。更为关键的是，当前适应性管理理念对景区环境容量提出了主动预前管理的新要求。但由于旅游流时空卡口管理方法所依靠的依然是过去调查数据或实时观测数据，使得景区环境容量管理的应对方式也只能是被动补救式的，无法发挥其最大的管理效用。

本文首先回顾了旅游流时空卡口理论并修正了其识别方法，其次尝试结合系统仿真实验方法，试图提出一套完整科学、行之有效的景区日常环境容量主动适应性管理框架，进而架起旅游流时空卡口理论构想与管理实践间的桥梁。

1 旅游环境容量管理与旅游流时空卡口理论回顾

1.1 环境容量管理研究进展

旅游环境容量（tourism environment carrying capacity，TECC），又称旅游环境承载力、游憩承载量[2]。20世纪60年代，游客过量涌入旅游地引发游客体验质量下降、生态环境污染、旅游资源受损等一系列问题，一些学者将生态学中的环境容量理论引入旅游研究领域[3]，提出旅游环境容量概念。经过多年发展，旅游环境容量已经成为旅游可持续发展的重要保障工具，在景区管理实践中发挥着不可替代的作用[4]。

旅游环境容量最初被理解为一个精确的固定值，学者们试图通过各种指标构建测算模型，以求得该理想值，但却陷入数学计算的怪圈与泥潭[5-6]。而以该理念为依据的控制游客总量的管理方法也备受质疑[4， 7]，旅游环境容量研究陷入困境。

20世纪80年代后，越来越多的学者意识到旅游环境容量不是一个确定值，而是一个动态波动阈。随后，基于可接受改变的极限（limits of acceptable change，LAC）的、综合考量多种因素的动态管理理念获得广泛接受[7-8]。这种理念的转变来自对旅游环境容量时空分异特征与时空动态特征的深刻认识。

一方面，旅游环境容量存在整体与分区间、不同区域间的时空分异性特征。De Ruyck等分别刻画出整体容量和局部容量之间的区别[9]，Wagar也提出社会游憩承载量在每个不同特点的地域并不总是相同的观点[10]。这种认识推动景区环境容量管理从基于景区时空均质假设的总体粗放式管理向基于时空分区的精细化管理方式转变[11]。当景区管理资源有限时，这种管理方式无疑更加精准高效。同时，对于如何协调景区环境容量在不同时空分区间的差异问题时，“最低量定律”的取值原则获得一致认可[12-14]。但遗憾的是，这些研究更多地强调空间维度，而忽略了时间维度，更未能提出识别旅游环境容量时空分异的具体方法。

另一方面，景区环境容量呈现出明显的时空动态特征[4]，随旅游者行为、资源敏感度、空间分布、时间和管理水平、旅游目的地发展及旅游资源开发情况等诸多要素的变动而变动[15-16]。由于资源和空间等要素相对稳定，旅游者行为成为影响景区日常环境容量的主导要素，进而成为景区管理的重中之重[4]。然而，旅游者行为具有极强动态性、随机性与时空聚集性特征，难以把控，致使至今仍缺乏行之有效的景区日常环境容量管理实操方法。

在理论探讨的同时，部分学者开始尝试通过构建管理框架、引入动态管理工具的方式推动景区环境容量管理走向实践应用，出现了包括可接受改变的极限、游憩机会谱系（recreation opportunity spectrum，ROS）、游客影响管理（visitor impact management，VIM）、游客风险管理（visitor risk management，VRM）、游客体验与资源保护理论（visitor experience and resource protection，VERP）、游客活动管理规划（visitor activities management process，VAMP）、旅游最优化管理模型（tourism optimization management model，TOMM）等在内的一系列管理框架。这些管理框架很好地体现出旅游环境容量管理的动态性与适应性原则，取得了显著成效，在多个国家内申请实施[2]。然而这些管理框架，更多地偏向于宏观指导，缺乏一套细致、具体的方法，对景區日常环境容量管理而言更是如此。此外，这些管理工具的实施不仅需要专业团队进行长期大量的基础工作，而且还需要持续不断地投入大量资金，使其难以在我国绝大多数旅游景区普及[17]。但其所强调的关注旅游者行为（包括游客行为、使用水平、游憩类型、游憩时间和游憩地点等）、分区管理以及实时监测等理念为后续提出基于旅游流时空卡口的景区环境容量管理方法提供了直接借鉴。

进入21世纪以来，旅游环境容量管理研究呈现出3个趋势：一是分别针对滨海旅游目的地、国家公园、岛屿、自然保护区、古村落、 历史街区等不同类型景区建立差异化、细致化的旅游环境容量管理体系[18]，进一步拓展旅游环境容量管理的适用范围;二是尝试引用系统动力学、目的地生命周期等理论对旅游环境容量理论进行整合、重构;三是尝试将实验地理学、大数据、人工智能、计算机仿真等新技术、新方法引入旅游环境容量体系中[19-21]，为创新旅游环境容量管理方法提供技术支持。

1.2 旅游流时空卡口理论

在此背景下，王德刚等提出了基于旅游流时空卡口的景区环境容量动态管理方法[1]。所谓旅游流时空卡口，是指“受旅游主体和景区环境客体等因素的影响，制约景区环境容量瓶颈的时空区域”，通常是“旅游者集中聚集、滞留的时空区域，游客拥堵、资源破坏事件的易发区域，也是景区重点防范与管理区域”[1]。该方法认为，景区环境容量管理的直接目标就是及时识别出旅游流时空卡口并对其进行重点管理[1]。

旅游流时空卡口以强调时空双维分析的时间地理学为理论基础，以时间路径为方法论基础，通过识别出旅游环境容量的时空分异区域，进而实现分区式精细化管理，有助于提升景区管理资源的利用效率。同时，旅游流时空卡口结合了旅游流时空流动与聚集规律，提倡通过重点监测旅游者时空行为，制定相应的环境容量管理方案，改变了过去以景区物理环境或资源（如资源规模、空间结构等）为管理主体的观念。更为重要的是，由于旅游流时空卡口分布随旅游者时空行为不断变动，因此也为实现景区环境容量的动态化管理提供了可能。

1.3 适应性管理

适应性管理（adaptive management，AM），也称适应性资源管理（adaptive resources management，ARM），由生态学家Holling于20世纪70年代末提出[22]。作为一种管理动态、不确定性系统的有力工具，适应性管理能够有效克服静态管理与被动管理的局限性。

适应性管理被认为是一种在对管理方案及其管理效果进行假设以及对系统变化过程进行连续监测的基础上，不断进行实验，并根据实验结果进行动态适应与调节的管理过程[23]，具有被动适应性管理（passive adaptive management）与主动适应性管理（active adaptive management）两种模式[24]。与前者相比，后者提倡管理者提前预测管理问题，主动制定备选方案，并通过开展平行实验的方法比较各方案的效果，进而从中选出最佳的管理方案执行，否则调整管理方案重新实验。因此具有主动、预前的优势，实践效果更佳[25]。

如今，适应性管理已被引入自然保护区、旅游地与乡村旅游等旅游领域[26-29]，并取得良好效果，但在旅游环境容量管理领域的成果还较为少见。旅游环境容量系统同样具有高度复杂性与不确定的特性，旅游者行为尤其如此。适应性管理理念为解决旅游环境容量管理提供了一种解决思路。

旅游流时空卡口理论同样强调动态性管理，这与适应性管理理念不谋而合。然而，由于旅游流时空卡口管理方法所依靠的是过往调查数据或实时观测数据，致使景区环境容量管理的应对方式也只能是被动补救式的，无法发挥出最大的管理效用。

2 旅游流时空卡口预测与系统仿真实验

2.1 系统仿真实验

由旅游流时空卡口理论与适应性管理理论可知，若想实现主动预前式的景区环境容量适应性管理目标，首先必须能够预测不同管理方案的效果，尤其是不同管理方案下的旅游者行为及其时空分布情况。

旅游者行为及其时空分布是旅游者行为规则与景区环境相互作用的结果。传统数理预测的方法脱离了具有极强随机性、复杂性特征的景区系统环境，预测准确性大打折扣。而系统仿真实验方法是指，利用系统仿真模型来代替实际系统进行实验，以获得正确决策所需的各种信息的过程。不仅特别适用于那些过于复杂而无法直接观测、操纵甚至无法进行数学分析的任务[30]，而且能够通过变换参数值，给出不同具体管理措施的实验结果，进而协助管理实践[31-33]。将旅游流时空卡口理论与系统仿真实验方法结合起来，有助于提出一套景区日常环境容量主动适应性管理新方法。

事实上，系统仿真实验方法在景区管理领域已有较多尝试，建立了诸如郊野使用仿真模型 （wildness use simulation model，WUSM）、多主体游憩行为仿真系统（multi agent recreation behaviour simulator system，RB Sim），以及多主体户外游憩行为仿真系（multi agent simulation of outdoor recreation，MASOOR）、智能游憩主体仿真系统（intelligent recreational agent simulator，IRAS）、基于主体的游憩行为建模系统Kvintus等景区仿真系统[32， 34-35]。

2.2 案例地选择与数据收集

主题公园景区是根据一个或多个特定主题，具有休闲、观赏、娱乐、餐饮住宿、运动和购物等多种功能的人工创造游憩空间。作为都市旅游的重要载体，受到游客广泛青睐。据TEA/AECOM报告，2018年，全球十大主题公园集团的游客量为5.012亿人次，相比上一年，游客增长率为5.4%1。但随着游客到访规模的急剧上升，主题公园前期规划不合理、游览空间相对狭小等问题更容易暴露出来，引发环境容量超载等负面事件。有调查显示，主题公园游客通常在排队上耗费超过一半的游玩时间[36]，而媒体也曾报道上海迪士尼乐园分布热门项目排队长达210分钟①。

本文选择世界级主题公园——香港海洋公园景区（Hong Kong Ocean Park）为案例地。该公园集珍稀动物观赏、本土文化展示、机动游戏和大型表演于一身，曾获得“全球最佳主题公园”等多项荣誉。截至2014年，已累计接待游客超过1.3亿人次。园区内包含亚洲动物天地（Amazing Asian Animals，AAA，4.53万m2）、梦幻水都（Aqua City，AC，2.54万m2）、威威天地（Whiskers Harbour，WH，0.42万m2）、热带雨林天地（Rainforest World，RW，0.84萬m2）、海洋天地（Marine Land，ML，2.10万m2）、冰极天地（Polar Adventure，PA，0.47万m2）、急流天地（Adventure Land，AL，0.58万m2）及动感天地（Thrill Mountain，TM，0.63万m2）8个子分区。

2014年7月6—10日，研究团队在香港海洋公园进行了为期5天的旅游者时空行为调研，采用手持GPS追踪设备和日志调查问卷相配合的方式采集数据。最终共发放调查问卷1177份，回收问卷1177份，回收率100%，旅游者时空行为信息填写完整视为有效问卷，有效问卷为905份，有效率76.89%。景区面积、路径布局与长度等数据由GIS获取。

3 系统仿真实验结果分析

3.1 系统仿真模型构建

Lawson等借助系统仿真实验方法对Arches National Park的旅游社会承载力的研究[21]，以及黎巎、胡明明等、戈鹏等、邱厌庆等预测游客时空分布状态的研究为本文提供了方法借鉴[31， 37-39]。

参考这些研究，本文将景区物理环境简化为出入口、停留点、路径3部分，将旅游者时空行为规则分为游客到达、游客移动路径决策、游客景点间移动时间、游客景点内停留时间以及游览排队等基本规则。然后，选择WITNESS为仿真平台，建立香港海洋公园景区系统仿真模型。随后对调查数据进行处理并拟合参数。具体地，游客到达景区过程符合速率为λ（tj）的复合非平稳泊松分布，采用划分区间（15分钟）并求区间内平均数的方法进行参数估计（表1）。游客景点间移动路径决策是一个马尔科夫决策过程[31，40]，即游客基于马尔科夫转移概率矩阵进行移动路径决策，转移概率矩阵M（t）根据观测数据统计得来（表2），在WITNESS中采用percent语法设定。游客景点间移动时间参数则以均值代替（表2）。游客景点内停留时间亦即该景点为游客提供服务的时间，不同景点上游客停留时间分布类型与参数如表3所示。

根据香港海洋公园实际营业时间，设置系统仿真运行时长为9：00～19：00，运行时间间隔1分钟。运行后，输出旅游者时空行为仿真数据。对比仿真数据与调查数据发现，所建系统仿真模型能够较好地模拟旅游者时空运动特征。

3.2 旅游流时空卡口识别新方法

旅游环境容量测评是实现旅游环境容量精确管理的重要决策依据。学界提出了各种量化指标，如最大游人数量、游人密度上限、旅游活动强度、最大使用水平、旅游者满意度指标等[41-43]。随后，旅游环境容量的测评指标开始由单一指标向综合旅游者、地方居民、经营者等多主体需求，涵盖生态、经济、社会、文化等多元指标转变。但由于过于繁多的指标体系与过于复杂的计量方式，以及指标选取中存在的主观性和差异性，使其难以在管理实践，尤其是在景区日常管理实践中推广。

景区环境可以视为时空资源体，旅游者游览活动即对景区时空资源的占用。当旅游者过度占用景区时空资源时，则会导致旅游流时空卡口形成，进而成为旅游环境容量超载事件发生的（潜在）区域。王德刚等提出可以选择旅游者停留人数与停留时间两个指标识别旅游流时空卡口[1]。但采用的是分别统计两个指标、然后主观判定的方式，难免有失精确。本文在此基础上，构建旅游流时空密度指数（spatio-temporal density index of tourist flows）作为识别旅游流时空卡口的新方法。该指数能够同时考虑旅游者停留人数以及停留时间两个方面，综合反映出一定时空区域内旅游者对景区时空资源的占用情况。计算公式为

[IST=i=0ntiAST]

其中，I为旅游流时空密度指数，S为子分区空间面积，T为时间子区间长度，n为子时空区域内旅游者停留人数，ti为第i个旅游者的停留时间，AST为子时空区域内旅游环境容量参数，是空间面积、资源密度与耐受度、空间布局、旅游活动类型与强度等要素的函数。由于本文关注景区日常环境容量管理，假定各子时空体内旅游环境容量为均质的，因此在后续分析中将AST简化为S×T。

3.3 日均游客规模下旅游流时空卡口分布

根据香港海洋公园2015—2016年度业绩报告，其年度接待旅游者600万人次，日均接待游客1.64万人次。修改仿真模型中游客到达速率参数（放大调查数据的15倍），使样本游客总量为1.35万人次，借此识别日均游客规模下香港海洋公园的旅游流时空卡口分布。

在旅游流时空密度指数的阈值方面，综合考量景区类型、空间范围、线路数量、旅游者游览速度、管理资源等因素后，选择0.8作为指数临界值。该值与《景区最大承载量核定导则》中主题公园型景区空间密度建议值（0.5人/m2～1人/m2）相一致。而且，当指数为0.8时，景区内旅游流时空卡口占全部时空区域的21%，能够较好地实现景区管理资源在重点管理区域与非重点管理区域之间的均衡分配。

为便于分析，以30分钟为时间区间，将香港海洋公园划分为18×8个子时空区域。图1展示了日均游客规模下香港海洋公园景区旅游流时空卡口分布情况。

可以看出，香港海洋公园景区内的旅游流时空卡口在空间上主要集中在冰极天地、梦幻水都以及威威天地。而海洋天地、急流天地、热带雨林以及动感天地4个景点的旅游流时空卡口相对较少，亚洲动物天地则未出现旅游流时空卡口。从时间上看，旅游流时空卡口大多集中在中午12：00以后。

3.4 基于游客规模差异的系统仿真实验

游客规模是影响景区环境容量的关键要素，短时期内游客规模的急剧增加是景区各种负面事件的直接导火索。而限定游客到访规模也是当前景区环境容量管理最为普遍的应对方式。但游客规模增加一定会导致景区环境容量破坏吗？不同游客规模下，哪些时空区域会面临更多的环境容量压力？单纯限定游客总量是否是最优的环境容量管理方式？基于以上问题，修改仿真模型中游客到达速率参数（分别放大调查数据的5、10、15、30、60倍），使日游客总量分别达到0.45万、0.92万、1.35万、2.70万、5.41万，进而比较旅游流时空卡口的分布差异。

图2显示了梦幻水都景点不同游客规模下旅游流时空卡口的分布差异。进一步分析发现，无论游客规模如何变化，梦幻水都景点从开放到11：30之间的1.5小时内，都未形成旅游流时空卡口，这可能是因为游客还未全部进入景区所致。当游客规模低于香港海洋公园日平均游客接待量1.64万时，旅游流时空卡口大多出现在11：30～12：30、14：00～14：30与16：30～19：00三个时段，但当游客规模超过日平均游客接待量时，旅游流时空卡口则分別出现在12：00～13：30、14：30～16：00与17：30～18：30三个时段，且数量相对略有增加。值得一提的是，在部分时段（如16：00～19：00之间），当游客规模增加时，一些旅游流时空卡口反而消失，这说明旅游流时空卡口的出现与景区游客总量之间并不存在直接的对应关系，也反映出限制游客规模并非最优的景区环境容量管理方式。

4 结论与讨论

景区环境容量管理一直以来都是旅游研究的核心问题之一。但以往的旅游环境容量管理大多是静态的、被动的反应模式，越来越难以应对大众旅游时代，旅游环境容量系统日趋动态性、不确定性、复杂性的特征，亟须寻求新的管理模式。

适应性管理认为适应性是对一种未来状态的响应和适应能力，管理过程就是管理实验的过程。这种理念能够对不可预测的变化做出因地制宜的、适时的反应，是一种有效应对复杂系统变化的科学管理方法，为旅游环境容量管理提供了新理念。但适应性管理理论所能提供的只是一般性的、宽泛的管理框架或管理流程，如适应性管理循环（the adaptive management cycle），难以对景区环境容量管理这一特殊实践提供具体的、适切的指导意见。

旅游流时空卡口理论契合了适应性管理的理念，但提出至今也未能形成一套完整科学的、在实践中切实有效的管理框架与操作方法。而且由于其所使用的分析数据存在滞后性，使其应对方式也只能是被动应对的补救模式，无法满足当前景区环境容量对主动预前式的适应性管理需求。系统仿真实验方法能够通过在系统仿真模型上进行实验，达到预测不同情境下旅游者的集聚与群体反应，将两者结合起来，存在实现旅游环境容量主动适应性管理目标的可能。

本文在适应性管理理论的指导下，将系统仿真实验方法与旅游流时空卡口理论结合起来，总结出一套景区日常环境容量主动适应性管理方法（图3），推动旅游流时空卡口与旅游环境容量由理论构想向景区日常管理实践、由被动补救式管理方式向主动预前式管理方式的转变。

具体而言，该方法首先要求管理者实时监测景区环境容量指标，尤其是旅游者时空行为轨迹。监测的结果不仅可以反映景区环境容量的动态变化，后续还可以用于与实验结果比较，验证管理方案的有效性。

其次，计算旅游流时空密度指數以识别（已形成的或潜在的）旅游流时空卡口。旅游流时空卡口强调，通过识别旅游者聚集的时空区域实现景区环境容量动态管理。本文综合旅游者停留人数与停留时间两个指标进行计算，构建起旅游流时空密度指数。该指数更为简洁实用，避免了以往旅游环境容量测量指标及其计算方式因过度强调各因素间异质性以及过度追求判别标准的全面性，而在景区日常环境容量管理中陷入“精确而不实用”的尴尬境地，也是对原有旅游流时空卡口识别方法不足的修正。但在指数阈值的选取上，还需要借助主观经验判断获得，如何构建统一的、适用于其他景区的阈值参照还需要从长期的管理实践中总结。

再次，景区系统仿真模型构建是该方法的重点步骤，决定着整个适应性管理的成败。本文所做的是一个探索性研究，单独选取了香港海洋公园作为案例地。在将本框架应用到其他类型景区的旅游环境容量管理实践中时，应充分考虑不同景区的特殊性，如景区空间结构等差异，重新构建景区环境仿真模型。此外，本文采用马尔科夫决策模型对旅游者时空运动进行建模。该方法不仅实用方便，且有效性已获得多位学者验证。但该模型对旅游者行为规则做了较多简化。未来可借助其他旅游者行为决策模型[44]进行建模，增加景区管理政策、游客排队规则等要素，也可以与神经网络、机器学习等最新技术相结合，以进一步提高仿真模型的精度。

最后，进行系统仿真实验，对比管理方案效果。当管理者识别出（潜在的）旅游流时空卡口分布后，可结合个人经验，分析原因，制定预防旅游流时空卡口出现（或阻止进一步恶化）的多个管理方案，并进行系统仿真实验。通过比较实验结果，选取最为适切的管理方案执行，并持续监测实施效果。将系统仿真实验方法这一特定实验技术纳入景区环境容量管理框架中，为管理者提供一种低成本、富有弹性的预测工具，也突破了真实管理实验的局限性。

包括旅游流时空卡口在内的VIM、VRM等景区环境容量管理工具都属于被动式的应对管理方式，也就是说，在这些管理工具中，只能依赖旅游环境的监测结果制定管理决策。而本文所提出的景区环境容量管理方法则是一种更为主动的适应性管理方法，通过仿真实验方法，预测未来一段时间内旅游者的时空轨迹，避免旅游环境容量的超载。该方法在与智慧景区结合方面拥有广泛的应用前景。通常来讲，智慧景区系统由旅游者动态监测系统、数据统计系统以及中心调控系统等多模块组成，但缺少预判系统以及提前制定景区环境容量应对方案的功能。将该方法嵌入智慧景区系统平台中，将进一步为景区环境容量管理提供决策助力。与此同时，该方法在目的地（如旅游名城、乡村旅游区等）管理上也具有应用潜力。但相对于小空间尺度、相对独立、单行动主体的景区而言，这些目的地需要具备较高水平的信息共享与集成机制，以及统一高效、快速联动的决策与行动机制与之相配合，才能发挥出该方法的最大管理效力。

本文还研究了不同游客规模下景区内旅游流时空卡口分布的差异，验证了单纯限制游客总量的方法对主题公园型景区而言同样不是最优的管理方案。但游客规模如何影响景区内部旅游流时空卡口的分布还需要进一步研究。此外，受条件限制，本文所使用的数据距今较早，且为人工调查数据，其时效性与精确性都有待提高，未来借助智慧景区采集实时数据进行分析将是更优的选择。

参考文献（References）

[1] 王德刚， 赵建峰， 黄潇婷. 山岳型遗产地环境容量动态管理研究[J]. 中国人口·资源与环境， 2015 （10）： 157-163. [WANG Degang， ZHAO Jianfeng， HUANG Xiaoting. Dynamic management of carrying capacity in mountain heritage[J]. China Population， Resources and Environment， 2015 （10）： 157-163.]

[2] 张骁鸣. 旅游环境容量研究： 从理论框架到管理工具[J]. 资源科学， 2004， 26（4）： 78-88. [ZHANG Xiaoming. From theoretical framework to practical application： Progress in tourism environmental capacity research[J]. Resources Science， 2004， 26（4）： 78-88.]

[3] BRUSH S B. The concept of carrying capacity for systems of shifting cultivation[J]. American Anthropologist， 1975， 77（4）： 799-811.

[4] 李琛， 成升魁， 陈远生. 25年来中国旅游容量研究的回顾与反思[J]. 地理研究， 2009 （1）： 235-245. [LI Chen， CHENG Shengkui， CHEN Yuansheng. A review of the study of Chinas tourism carrying capacity in the past two decades[J]. Geographical Research， 2009 （1）： 235-245.]

[5] 翁钢民， 杨秀平. 国内外旅游环境容量研究评述[J]. 燕山大学学报（哲学社会科学版）， 2005 （3）： 39-43. [WENG Gangmin， YANG Xiuping. A critical survey on the capacity of tourist environment home and abroad[J]. Journal of Yanshan University（Philosophy and Social Science Edition）， 2005 （3）： 39-43.]

[6] WALL G. Cycles and capacity： A contradiction in terms？[J]. Annals of Tourism Research， 1983， 10（2）： 268-270.

[7] TANKEY G H， MCCOOL S F. Carrying capacity in recreational settings： Evolution， appraisal and application[J]. Leisure Sciences， 1984， 6（4）： 453-473.

[8] 楊锐. 从游客环境容量到LAC理论——环境容量概念的新发展[J]. 旅游学刊， 2003， 18（5）： 62-65. [YANG Rui. From recreation carrying capacity to LAC theory： On the new development of environmental capacity concept[J]. Tourism Tribune， 2003， 18（5）： 62-65.]

[9] DE RUYCK M C， SOARES A G， MCLACHLAN A. Social carrying capacity as a management tool for sandy beaches[J]. Journal of Coastal Research， 1997， 13（3）： 822-830.

[10] WAGAR J A. Recreational carrying capacity reconsidered[J]. Journal of Forestry， 1974， 72（5）： 274-278.

[11] 孙晋坤， 章锦河， 李曼， 等. 近十年国内外旅游环境承载力研究进展与启示[J]. 地理与地理信息科学， 2014， 30（2）： 86-91. [SUN Jinkun， ZHANG Jinhe， LI Man， et al. Progress and enlightenment of research on tourism environment carrying capacity in the past decade[J]. Geography and Geo-Information Science， 2014， 30（2）： 86-91.]

[12] 胡炳清. 旅游环境容量计算方法[J]. 环境科学研究， 1995 （3）： 20-24. [HU Bingqing. Calculation of tourist environment capacity[J]. Research of Environmental Sciences， 1995 （3）： 20-24.]

[13] 刘少湃， 吴国清. 旅游环境容量的动态分析——生命周期理论与木桶原理的应用[J]. 社会科学家， 2004 （2）： 102-104. [LIU Shaobai， WU Guoqing. Dynamic analysis of tourism environmental capacity： Application of life cycle theory and wooden barrel principle[J]. Social Scientist， 2004 （2）： 102-104.]

[14] 黄羊山. 对旅游空间容量计算方法的数学思考[J]. 旅游学刊， 2010， 25（8）： 77-80. [HUANG Yangshan. Thought about the calculation method of tourism space carrying capacity[J]. Tourism Tribune， 2010， 25（8）： 77-80.]

[15] 寇文波， 李德云， 秦愿， 等. 国内旅游容量研究述评[J]. 首都师范大学学报（自然科学版）， 2017， 38（5）： 56-61. [KOU Wenbo， LI Deyun， QIN Yuan， et al. Overview of the domestic research on tourism carrying capacity[J]. Journal of Capital Normal University（Natural Science Edition）， 2017， 38（5）： 56-61.]

[16] ARROW K， BOLIN B， COSTANZA R， et al. Economic growth， carrying capacity and the environment[J]. Envirnment and Development Economic， 1996， 1（1）： 104-110.

[17] 石磊， 李陇堂， 张冠乐， 等. 国内外旅游环境容量研究综述与启示[J]. 河北旅游职业学院学报， 2017， 22（2）： 1-6. [SHI Lei， LI Longtang， ZHANG Guanle， et al. A research overview on the tourism environmental capacity both at home & abroad and the enlightenment[J]. Journal of Hebei Tourism Vocational College， 2017， 22（2）： 1-6.]

[18] 杨秀平， 翁钢民. 旅游环境承载力研究综述[J]. 旅游学刊， 2019， 34（4）： 96-105. [YANG Xiuping， WENG Gangmin. A review of studies on tourism environment carrying capacity[J]. Tourism Tribune， 2019， 34（4）： 96-105.]

[19] 林珲， 黄凤茹， 闾国年. 虚拟地理环境研究的兴起与实验地理学新方向[J]. 地理学报， 2009， 64（1）： 7-20. [LIN Hui， HUANG Fengru， LYU Guonian. Development of virtual geographic environments and the new initiative in experimental geography[J]. Acta Geographica Sinica， 2009， 64（1）： 7-20.]

[20] LI J， XU L， TANG L， et al. Big data in tourism research： A literature review[J]. Tourism Management， 2018， 68： 301-323.

[21] LAWSON S R， MANNING R E， VALLIERE W A， et al. Proactive monitoring and adaptive management of social carrying capacity in Arches National Park： An application of computer simulation modeling[J]. Journal of Environmental Management， 2013， 68（3）： 305-313.

[22] HOLLING C S. Adaptive environmental assessment and management[J]. Fire Safety Journal， 1978， 42（1）： 11-24.

[23] LEE K. Appraising adaptive management[J]. Conservation Ecology， 1999， 3（2）： 3-16.

[24] FOX W W. Adaptive management of renewable resources[J]. Bulletin of Marine Science， 1987， 41（3）： 466-484.

[25] WILLIAMS B K. Passive and active adaptive management： Approaches and an example[J]. Journal of Environmental Management， 2011， 92（5）： 1371-1378.

[26] PLUMMER R， FENNELL D A. Managing protected areas for sustainable tourism： Prospects for adaptive co-management[J]. Journal of Sustainable Tourism， 2009， 17（2）： 149-168.

[27] 楊春宇. 旅游地适应性管理模式： 一个演化博弈的视角[J]. 经济管理， 2009 （8）： 144-151. [YANG Chunyu. Adaptive management model of tourist destination： An evolutionary game perspective[J]. Economic management， 2009 （8）： 144-151.]

[28] LARSON L R， POUDYAL N C. Developing sustainable tourism through adaptive resource management： A case study of Machu Picchu， Peru[J]. Journal of Sustainable Tourism， 2012， 20（7）： 917-938.

[29] 高林安.基于旅游地生命周期理论的陕西省乡村旅游适应性管理研究[D]. 长春： 东北师范大学， 2014. [GAO Lin an. A Study on Adaptive Management of Rural Tourism in Shaanxi Province Based on Tourist Destination Life-circle Theory[D]. Changchun： Norcheast Normal University， 2014.]

[30] LAW A M， KELTON W D. Simulation Modeling and Analysis （the 5th Edition）[M]. New York： McGraw-Hill Education， 2009： 1-6.

[31] 黎巎. 基于Agent的景区游客行为仿真建模与应用——以颐和园为例[J]. 旅游学刊， 2014， 29（11）： 62-72. [LI Nao. Agent-based simulation modeling of visitor behaviors at tourism attractions： The case of the Summer Palace， Beijing[J]. Tourism Tribune， 2014， 29（11）： 62-72.]

[32] 黎巎， 杜栓柱. 景区游憩行为计算机仿真系统研究综述[J]. 旅游学刊， 2011， 26（7）： 85-94. [LI Nao， DU Shuanzhu. Study on the computer simulation system for recreational behaviors in scenic spots[J]. Tourism Tribune， 2011， 26（7）： 85-94.]

[33] 黎巎. 景区游客游憩行为计算机仿真模型[J]. 旅游科学， 2013， 27（5）： 42-51. [LI Nao. A computer simulation model for visitors recreational behaviors at tourism attractions： A case study of the Summer Palace[J]. Tourism Science， 2013， 27（5）： 42-51.]

[34] POTTER F I， MANNING R E. Application of the wilderness travel simulation model to the Appalachian Trail in Vermont[J]. Environmental Management， 1984， 8（6）： 543-550.

[35] SHECHTER M， LUCAS R C. Simulation of Recreational Use for Park and Wilderness Management[M]. Baltimore： John Hopkins University Press， 1979： 34-61.

[36] ZHANG Y， LI X， SU Q， et al. Exploring a theme parks tourism carrying capacity： A demand-side analysis[J]. Tourism Management， 2017， 59： 564-578.

[37] 胡明明， 趙容， 戈鹏， 等. 基于管理熵的景区游客时空分布优化仿真研究[J]. 旅游科学， 2018， 32（2）： 28-41. [HU Mingming， ZHAO Rong， GE Peng， et al. A simulation study of the temporal and spatial distribution in scenic area based on the management entropy[J]. Tourism Science， 2018， 32（2）： 28-41.]

[38] 戈鹏， 郑伟民， 肖雄辉， 等. 基于九寨沟区域时空负荷均衡的仿真研究[J]. 管理工程学报， 2013， 27（2）： 99-106. [GE Peng， ZHENG Weimin， XIAO Xionghui， et al. A simulation study based on the regional space-time load balancing of Jiuzhaigou[J]. Journal of Industrial Engineering and Engineering Management， 2013， 27（2）： 99-106.]

[39] 邱厌庆， 戈鹏， 刘柱胜， 等. 基于复杂系统控制的景区游客时空分流导航管理研究[J]. 软科学， 2011 （9）： 54-57. [QIU Yanqing， GE Peng， LIU Zhusheng， et al. Research on diversion navigation management of time and space based on the control of complex system[J]. Soft Science， 2011 （9）： 54-57.]

[40] XIA J C， ZEEPHONGSEKUL P， ARROWSMITH C. Modelling spatio-temporal movement of tourists using finite Markov chains[J]. Mathematics and Computers in Simulation， 2009， 79（5）： 1544-1553.

[41] MATHIESON A， Wall G. Tourism： Economic， physical and social impacts[J]. Geographical Review， 1983， 73（4）： 466-467.

[42] 赵红红. 苏州旅游环境容量问题初探[J]. 城市规划， 1983 （3）： 46-53. [ZHAO Honghong. Exploring the tourism environmental capacity in Suzhou[J]. City Planning Review， 1983 （3）： 46-53.]

[43] CUI Fengjun， LIU Jiaming， LI Qiaoling. Study of the theory and application of tourism bearing capacity index[J]. Tourism Tribune， 1998， 13 （3）： 41-44. [崔凤军， 刘家明， 李巧玲. 旅游承载力指数及其应用研究[J]. 旅游学刊， 1998， 13 （3）： 41-44.]

[44] ZHENG W， HUANG X， LI Y. Understanding the tourist mobility using GPS： Where is the next place？[J]. Tourism Management， 2017， 59： 267-280.

Integrating Spatio-temporal Bayonet of Tourist Flows by Using System Simulation Experiment： An Active Adaptive Management Method for Daily Tourism Environment Carrying Capacity

ZHANG Ying， ZHAO Jianfeng

（ School of Management， Minzu University of China， Beijing 100081， China）

Abstract： Managing the daily tourism environment carrying capacity is one of the most significant issues in tourism research. Bottlenecks can be created in areas which tourists visit in large numbers over short time periods. These areas have a greater potential risk of accidents if tourist flows are poorly managed. Furthermore， they will change with the spatio-temporal trajectory of tourist flows， and should be a management focus. This type of bottleneck is defined as a spatio-temporal bayonet of tourist flows.

The spatio-temporal bayonet of tourist flows concept provides a new theoretical direction for the dynamic management of tourism environment carrying capacity that compensates for the shortcomings of static management approaches. However， it is not able to meet the demands of active and adaptive management to create a scientific， complete， practical， and effective management framework and process without being integrated into a predictive simulation system.

Adaptive management theory is based on the concept that managers first proceed on the basis of a set of pre-determined expectations about the outcomes of a management plan， and continuously monitor changes in the system. Then， depending on the results， the management plan is revised， re-implemented， and monitored again. The process is cyclical until the desired outcome is achieved. Adaptive management is a powerful management tool for dealing with system uncertainty and it can effectively overcome the limitations of static and passive management methods.

Based on adaptive management theory， this paper attempts to integrate the spatio-temporal bayonet of tourist flows with a system simulation model， to develop an active adaptive management method for controlling the daily tourism environment carrying capacity. This paper first reviewed the spatio-temporal bayonet of tourist flows approach and proposed a new index to identify the distribution of the spatio-temporal bayonet of tourist flows， which takes both tourist numbers and visiting time into consideration. Second， we took Hong Kong Ocean Park as a case study and built a system simulation model using WITNESS software. Third， we used the system simulation experiment to predict the distribution of the spatio-temporal bayonet of tourist flows with different scales of tourist numbers. We verified that just limiting the total number of visitors was not the optimal management solution. Finally， this research describes in detail the process of active adaptive management approaches to control tourism environment carrying capacity using the spatio-temporal bayonet of tourist flows.

This research further improves the theory of the spatio-temporal bayonet of tourist flows to manage the tourism environment carrying capacity. It endeavors to develop the theory from a concept into daily management practice， and to transit the management style from passive and remedial methods to proactive and adaptive management.

Keywords： spatio-temporal bayonet of tourist flows; tourism environment carrying capacity; system simulation experiment; adaptive management; tourist behavior

[責任编辑：宋志伟;责任校对：周小芳]