邵海雁,靳 诚,钟业喜,冯兴华

(1.南京师范大学地理科学学院,江苏 南京 210023) (2.江西师范大学地理与环境学院,江西 南昌 330022)

旅游流是由微观旅游个体的自由流动而呈现出来的具有一定时空特征的宏观状态[1]. 旅游流的概念有广义和狭义之分,广义上的旅游流是指存在于景点之间的游客空间流动与扩散方向;狭义上的旅游流即旅游客流,指基于统计数据的客流数量在景区内的空间分布规律与周期波动特征[2-3]. 旅游客流作为旅游流空间结构形成发展的基础,是衡量旅游区景观质量好坏与服务水平高低的一个重要指标[4],同时也是区域旅游业及其相关业态进行发展调控的重要参考[5].

目前已有大量文献对于旅游流进行探讨分析,其研究主题集中于旅游流空间结构的时空演变、旅游客流量的预测及波动特征、基于网络关注度的客流分析等方面,如王新越等基于网络游记数据分析青岛市旅游流空间结构的时空分布[6],余向洋等基于月度客流数据对黄山风景区的客流进行预测[7],陈晓艳等基于微博签到数据对南京市钟山风景区的客流周期波动进行探讨[8],方叶林等基于百度指数构建国家风景名胜区的网络关注度并分析其与客流量的错位特征及机理[9]. 旅游流的研究方法以社会网络分析[10]、灰色预测模型[11]、优势及流质指数模型[12]为主;在研究区域选取上,以云南、四川为代表的西南地区及以上海、南京为代表的长三角地区是其主要研究对象;研究尺度涵盖国家大尺度、省域中尺度、市域小尺度,并逐渐扩展至更为微观的景区尺度,其中以黄山风景区[13]、九寨沟风景区[14]、川滇泸沽湖跨界旅游区[15]等为研究热点. 尽管现有研究取得了不同程度的成果,但也存在着不足. 在研究对象选取上,市域及景区尺度下的客流特征分析较多,山岳、海滨型风景区[16-17]以及沙漠、丹霞旅游区[18-19]等是典型的研究区域,少有对单个风景名胜区客流的研究;在数据获取方面,由于以往统计工作的缺失及数据公开限制等原因,现有研究多从短时间尺度或特殊时段进行客流特征探讨[20-21],鲜有较长时间尺度的研究;在研究方法上,以往研究多采用指数测度[22-23]、滤波分析[24-25]、季节调整[26]等方法定量剖析景区客流量的季节性变化及周期波动特征,传统的统计度量指标如季节强度指数、季节变动指数、集中指数、变异系数等能够较为直观地展示局部时段的客流变化,却难以深入挖掘潜藏于客流数据之中具有结构特征的周期尺度信息. 小波分析在透视时间序列波动全貌和精细结构上存在相对优势,其从时间域-频率域二维视角提取多时间尺度的主要震荡周期及响应强弱程度,满足时空非平稳客流数据的分析要求[27-29].

客流波动特性作为旅游流量序列的重要表征,表现为日际、周内、月际、年内、年间多层次时间尺度的非稳态变化过程,是旅游业季节性和脆弱性双重作用的结果[30]. 诸多研究表明,气候、工作与休假制度、节庆活动和重大事件、旅游资源本底赋存等因素对客流波动具有重要影响[31],但相关研究仍需进一步深化补充,如景区尺度下客流变化呈现出怎样的周期特征,多元因素又是如何作用于客流波动的形成及影响差异等问题亟待解决. 因此,本文以杭州西湖风景名胜区为案例区域,基于2009—2019年的连续月度客流数据,利用小波分析方法,对主要收费景点的客流量进行周期性分析;采用相关分析及层次聚类法,探究不同景点间的客流动态关联,并进一步划分其发展模式,以期为杭州西湖风景名胜区加快旅游供给侧结构性改革及形成各景点联动高质量发展格局提供有益参考.

图1 杭州西湖风景名胜区主要收费景点空间分布Fig.1 Spatial distribution of main charging attractionsin Hangzhou West Lake Scenic Area

1 数据与方法

1.1 研究区域与数据来源

如图1所示,杭州西湖风景名胜区位于浙江省西北部的杭州市,景区总面积达49 km2,是国务院首批公布的国家重点风景名胜区. 2007年5月,杭州西湖风景名胜区经国家旅游局批准为国家5A级旅游景区;2011年6月,“中国杭州西湖文化景观”被列入《世界遗产名录》. 杭州西湖风景名胜区旅游资源禀赋极高,依托于优美的自然风光与丰富的人文古迹不断发展,在全国乃至全世界旅游目的地中具有较强的影响力与竞争力[32]. 作为优质典型旅游景区,杭州西湖风景名胜区实施“免费为主,收费为补”的经营模式,在此模式驱动下的收费景点游览热度不减,其客流波动表现出一定的周期性. 本文选取杭州西湖风景名胜区8个主要收费景点为研究对象,采用杭州西湖风景名胜区管理委员会提供的2009年1月至2019年12月共120个月的逐月客流数据进行研究. 主要收费景点的资源特征如表1所示.

表1 杭州西湖风景名胜区主要收费景点基本特征Table 1 The basic characteristics of main charging attractions in Hangzhou West Lake Scenic Area

1.2 研究方法

1.2.1 Morlet小波分析

小波分析是一种在时间-频率域内进行多分辨率分析的方法,被广泛应用于水文、气象等自然地理领域并扩展至粮食生产、旅游客流等人文地理领域[33]. Morlet小波分析通过平移、伸缩运算,有效反映旅游客流时间序列的宏观全貌与局部细节,展现其周期变化尺度及在时域中的分布. Morlet小波定义如下:

(1)

(2)

小波方差是小波系数模离差的平方和,可以反映变量在地理尺度下的异质性[34],其计算公式如下:

Var(a)=∑[Wj(a,b)]2.

(3)

1.2.2Pearson相关分析

本文利用Pearson相关系数进行不同景点客流量的相关性分析. Pearson相关系数可度量连续变量之间线性关联程度,其值的绝对值越大表明两者之间的相关性越强,其定义为:

(4)

式中,rxy为变量x和y的Pearson相关系数;n为观测对象的数量;xi为x的第i个观测值;yi为y的第i个观测值.

1.2.3Ward最小方差聚类

Ward最小方差聚类是一种基于最小二乘法线性模型准则的层次聚类方法,通过分析识别特征进行分类,强调研究区域样本内部的同质性与差异性[35]. 该方法组内平方和的计算基于欧式模型,首先集合中每个样本自成一类;进行类别合并时,计算类重心间方差,将离差平方和增加的幅度最小的2类首先合并,再依次将所有类别逐级合并. 具体算法如下:

(5)

则k个类的类内离差平方和S为:

(6)

2 结果分析

2.1 景点客流特征及周期波动

2.1.1 月度客流变化分析

由于旅游者闲暇时间、民俗文化活动、旅游资源异质性等社会因素以及气候等自然因素的影响,景点之间的客流变化存在一定的相似性和差异性. 如图2所示,杭州西湖风景名胜区主要收费景点的客流量差异显著,作为“三评西湖十景”之一的灵隐飞来峰以及“西湖十景”之一的三潭印月的总客流量远远大于其他景点,两者的客流量变化具有良好的互动关联特征. 在月际尺度上,灵隐飞来峰主要表现为明显的翘头式“四峰”结构,2月、4月、8月、10月是其主要峰值月份;在“烧头香”等民俗文化活动及春节假期叠加作用下,2月是灵隐飞来峰的旅游峰月;杭州西湖风景名胜区地处亚热带,冬冷夏热,3—5月、9—11月是气候适宜期,最佳旅游季节、旅游者闲暇时间、“十一”黄金周效应分别是4月、8月、10月旅游峰值期的主要驱动因素. 三潭印月客流波动呈现出“三峰”向“四峰”结构逐渐过渡态势,由于暑期效应、“五一”和“十一”黄金周效应影响,形成7—8月、5月、10月主要峰值月份. 动物园的客流量变化表现为“三峰+四峰”的组合结构,2月、4月、7月、10月是峰值月份,其客流月度变化与灵隐飞来峰、三潭印月呈现出联动发展格局;而7—8月的客流高峰则体现了动物园科普教育性与休闲游览性的融合. 植物园的客流量受自然因素、旅游审美等社会因素的影响,具有一定的规律性和明显的突变性,2014年11月份由于“菊花艺术节”的举办其客流值高达100.9万人次,表明植物季相景观活力在人为因子的驱动下得到合理释放;植物园的客流量以“双峰”结构为主,峰值集中于2—3月及11月,春、秋季正值花期,加之适宜的气候、花展活动的举办等促进了景点客流量的增加. 玉皇山的月度客流变化呈现出高头低尾式的“双峰”结构,2月、10月是峰值月份;玉皇山道教文化底蕴深厚,民俗文化驱动造就2月的客流高峰,“十一”黄金周带动其客流量的小幅增长. 岳庙的客流变化呈现出“四峰”结构. 虎跑、城隍阁的客流总量较小,在灵隐飞来峰、三潭印月、动物园的辐射带动作用下,虎跑的客流量主要为“三峰”结构;城隍阁的客流变化总体较为平稳,2月是其峰值月份,城隍阁佛教及建筑文化丰富,加之毗邻玉皇山,两个景点资源特色的异质互补推动旅游协同发展格局的形成.

图2 杭州西湖风景名胜区主要收费景点月度客流量(2009—2019)Fig.2 Tourist arrivals of main charging attractions in Hangzhou West Lake Scenic Area(2009-2019)

2.1.2 客流周期波动特征

图3 杭州西湖风景名胜区主要收费景点小波实部图和小波方差图Fig.3 Morlet wavelet real part diagram and variance diagram of main charging attractionsin Hangzhou West Lake Scenic Area

小波实部能够反映长时间序列下客流量的多时间尺度特征,其正负值的变动体现了景点客流量在不同时间尺度的周期变化及其在时间域中的分布状况;小波方差则能呈现序列变化的干扰强度及主周期. 客流波动性是旅游业的重要特征,杭州西湖风景名胜区各主要收费景点的波动周期具有显著差异,如图3所示. 灵隐飞来峰的客流量呈周期交替震荡变化,其波动周期具有多时间尺度特征且不同时间尺度周期之间相互嵌套,7—9月尺度、16—19月尺度、26—30月尺度是较明显的周期变化时间尺度,7—9月尺度、16—19月尺度具有较好的全域性,26—30月尺度的周期变化在2009—2010年和2016—2019年之间较为显著;灵隐飞来峰的小波方差在8月尺度、17月尺度存在两个明显峰值,表明8月尺度和17月尺度左右客流周期震荡强烈. 岳庙的客流量变化过程中存在8月尺度、16—19月尺度、28—32月尺度3个变化周期,16—19月尺度上存在的振荡次数最多,出现了11次正负相交替;17月尺度是明显的小波方差峰值,表明岳庙客流量的主周期为17月尺度. 虎跑的中心尺度为8月尺度、16—18月尺度、28—30月尺度,且16—18月尺度具有较好的全域性;17月尺度是其主周期,表明虎跑的客流周期与岳庙具有较高相似性,两个景点的客流量具有良好的动态关联特征. 三潭印月中心尺度为16—18月尺度,在该尺度上其客流量经历了11次峰谷交替变化过程;小波方差图存在1个明显峰值,客流量的主周期为17月尺度. 植物园有较明显的周期变化特征的是8月尺度、16—19月尺度,且两个时间尺度的全域性均较好;17月尺度是其第1主周期,8月尺度是第2主周期. 动物园客流量演变的中心尺度为16—18月尺度和58—60月尺度;小波方差图存在2个明显峰值,其中17月尺度是客流量的主周期,59月尺度为次周期. 玉皇山有明显周期变化的为16—19月尺度,在该尺度上客流量出现22次震荡. 城隍阁不同时间尺度的客流周期相互嵌套特征显著,中心尺度为8月尺度、16—19月尺度和57—60月尺度;小波方差存在3个明显峰值,17月尺度、8月尺度、59月尺度分别对应其第1主周期、第2主周期和第3主周期.

景区客流多时间尺度特征分析对于景区的供需调整、规划发展等具有重要意义. 就杭州西湖风景名胜区主要收费景点的月度客流总量来看,其演变过程中存在4—5月尺度、8月尺度、16—19月尺度、57—61月尺度4类尺度的变化周期,且小时间尺度的周期变化共同构成大时间尺度的周期变化. 究其原因,4—5月尺度的周期反映了景点客流量受自然因素影响的季相变动,亚热带季风气候所形成的春、秋两个旅游适宜期体现其自然季节性;8月尺度的周期变化最为明显,反映了客流量受体制因素影响的季相变动,春节假期、学生寒假、传统民俗文化活动多重社会因素作用下的2月峰期和“十一”黄金周释放的旅游活力造就的10月峰值是其主要体现;16—19月尺度的周期则是气候等自然因素和休假制度、节庆活动等社会因素综合作用下存在于年间的周期性变化,具体而言,不同影响因素之间相互博弈,作用强度差异塑造了年间周期,如3—4月的最佳旅游季节经过一年稳态发展与第二年暑假期间高客流量形成闭环,月度客流的此消彼长则会产生存在于年间的周期性变化. 57—61月尺度的周期则可能受外围区域经济周期、重大事件等的影响,由图3可知,57—61月尺度经历了4个负相位和3个正相位,4个负相位为2009年1月—2010年4月、2012年6月—2014年4月、2015年6月—2017年4月和2019年4月延续至今4个时期,从时间尺度上分别对应2008年金融危机的余波期、马航失联和昆明火车站暴力恐怖袭击、东方之星旅游客船倾覆、新冠肺炎疫情爆发等重大危机事件;3个正相位为2010年6月—2011年12月、2014年6月—2015年6月、2017年8月—2018年10月3个时期,分别受上海世博会地域邻近效应、亚投行经济拉动效应,杭州G20峰会后发效应的影响;同时,57—61月尺度的客流周期与5—6年尺度的中国区域经济周期长度相符[36],体现了存在于年际尺度的周期变化. 由上述分析可知,气候、传统节日与行业假期、重大事件和节庆活动、资源特色赋存等是导致景区客流波动的重要因素;具体而言,不同景点周期变化的影响因素存在异同:各主要收费景点均存在16—19月尺度的周期,表明体制性因素的影响程度大于自然因素;灵隐飞来峰、岳庙、城隍阁的人文底蕴浓厚,其周期波动表现更为复杂,小尺度的变化嵌套在较大尺度下,而植物园、三潭印月、灵隐飞来峰等自然半自然属性的景点在年内受制于景观季相、气候舒适度等自然因素,体现不同尺度客流波动的时间分异.

图4 杭州西湖风景名胜区主要收费景点相关系数矩阵及聚类图Fig.4 Correlation coefficient matrix diagram and cluster diagram ofmain charging attractions in Hangzhou West Lake Scenic Area

2.2 景点客流相关分析及类型划分

各个景点由于地域邻近、旅游资源异质互补等因素的影响会趋向形成协同发展格局,而客流量的变动在一定程度上可以反映景点间的互动关联. 由图4可知,动物园与三潭印月的客流量具有极强的正相关性;虎跑与岳庙、三潭印月与岳庙、三潭印月与虎跑、三潭印月与灵隐飞来峰、动物园与灵隐飞来峰具有强正相关性;灵隐飞来峰与岳庙、动物园与岳庙、玉皇山与灵隐飞来峰、城隍阁与灵隐飞来峰、城隍阁与玉皇山具有中等程度的正相关性;灵隐飞来峰与虎跑、动物园与虎跑、玉皇山与植物园、城隍阁与虎跑、城隍阁与三潭印月、城隍阁与动物园具有弱正相关性;植物园与岳庙、植物园与虎跑、植物园与灵隐飞来峰、城隍阁与岳庙、城隍阁与植物园具有极弱正相关性. 此外,植物园与三潭印月、植物园与动物园、玉皇山与动物园具有极弱的负相关性;玉皇山与岳庙、玉皇山与虎跑、玉皇山与三潭印月具有弱负相关性. 可知,作为热门景点的灵隐飞来峰、三潭印月、动物园与其他景点之间具有良好的动态关联特征;玉皇山、城隍阁等客流量较少的景点与其他景点的关联度不高;植物园的客流独立性最强,与其他景点的相关性极弱.

景点感知度、景点资源特色、景点间距离等影响着一个区域内景点客流量的大小及景点间的关联程度. 通过Ward最小方差聚类对杭州西湖风景名胜区主要收费景点进行层次聚类分析,将其划分为4种类型. 第一类为知名度主导型发展模式,包括灵隐飞来峰、三潭印月和动物园,凭借自身在外的美誉度及景点设施建设的较高完善度等优势,3个景点的客流量一直保持较高状态且呈现出不断增长态势;灵隐飞来峰、三潭印月和动物园的客流量变化具有良好的动态关联特征,客流波动周期具有多时间尺度且不同时间尺度均具有较好的全域性,2月、4月、7—8月、10月是客流量峰值月份,表明在景区知名度导向下,季节适宜性、旅游者的闲暇时间、社会民俗等因素共同促进景点客流量的增长. 第二类为热门景点辐射型发展模式,包括岳庙与虎跑,由于资源特色不明显及游客感知度的不足,岳庙与虎跑的客流量较小,岳庙的发展主要得益于三潭印月、灵隐飞来峰两个景点的辐射带动作用,虎跑的发展则主要依赖于动物园的带动,因此,岳庙和虎跑的客流量峰值月份及周期波动特征与三潭印月、灵隐飞来峰、动物园具有较高的相似性. 第三类为特色文化驱动型发展模式,包括玉皇山和城隍阁,玉皇山是著名的道教圣地,城隍阁建筑、佛教文化丰富,2月香客的增加使其成为主要峰值月份,“十一”黄金周的影响使得10月成为次峰值月份;城隍阁、玉皇山地域上的邻近优势及文化特色的互补性促进景点间协同发展水平的提升. 第四类为“飞地式”发展模式,杭州植物园的客流波动由于社会活动等因素的影响从而具有一定的突变性,加之地理区位的劣势也在一定程度上影响着植物园与其他景点之间的联系.

3 结论

本文基于2009—2019年杭州西湖风景名胜区主要收费景点的月度客流数据,运用Morlet小波分析、Pearson相关分析及Ward最小方差聚类法探讨景点客流量的周期波动特征、景点客流量的相关性,并在此基础上对景点的发展模式进行归类. 主要研究结论如下:

(1)杭州西湖风景名胜区主要收费景点的客流量差异显著且季节变化明显,景点客流时间分布特性与旅游者闲暇时间、黄金周效应、民俗文化活动、景点辐射效应等社会因素及气候等自然因素有关.

(2)杭州西湖风景名胜区存在4—5月的自然季节性周期和8月的体制季节性周期;16—19月则是自然、社会双重因素塑造的年间周期;外围区域经济周期、重大事件的影响形成57—61月的尺度周期.

(3)从相关性分析来看,灵隐飞来峰、三潭印月、动物园的客流量与其他景点具有良好的动态关联特征;玉皇山、城隍阁等客流量较少的景点与其他景点的关联度不高;植物园的客流独立性最强,与其他景点的相关性极弱.

(4)综合考虑景点感知度、景点资源特色类型以及景点客流周期波动特征等的影响,划分杭州西湖风景名胜区主要收费景点的发展模式,共4种类型. 其中,知名度主导型发展模式包括灵隐飞来峰、三潭印月和动物园;热门景点辐射型发展模式为岳庙与虎跑;特色文化驱动型发展模式包括玉皇山和城隍阁;“飞地式”发展模式存在于植物园.

本文以杭州西湖风景名胜区主要收费景点的客流量时态数据对其客流周期波动特征、各景点客流的动态相关性进行分析,并在此基础上划分景点发展模式,对于景区的管理开发、规划发展等具有借鉴意义,但仍存在一定不足:基于统计数据的客流周期分析只能反映其变化的多时间尺度及在时域中的分布,景点客流量演变的空间特征探讨不足;客流变化与诸多因素相关,对于景点客流波动、各景点客流量的相关性及景点发展模式划分的原因挖掘尚待深化. 上述问题的解决有待数据的更新和方法的改进,是未来进一步研究的方向.