APP下载

中国游客赴东盟地区旅游安全风险:特征、成因及治理路径

2022-06-22黄锐谢朝武赖菲菲

广西社会科学 2022年5期
关键词:聚类旅游

黄锐,谢朝武,2,赖菲菲

(1.华侨大学 旅游学院,福建 泉州 362021;2.中国旅游研究院 旅游安全研究基地,福建 泉州 362021)

东盟与中国陆海相连、人文相亲,旅游业长期以来是双方展开跨境合作的重要纽带。伴随着“一带一路”倡议的推进和《区域全面经济伙伴关系协定》(RCEP)的签署生效,中国与东盟旅游合作进一步深化[1],双边旅游规模不断扩大,中国已成为东盟第一大客源国[2]。但是,当前东盟旅游业发展仍面临安全层面的制约,发生在东盟地域内涉及中国游客的风险事件数量不断攀升,根据“旅行社责任保险统保示范项目”中的境外出险数据显示,2013—2019年中国游客赴东盟地区旅游共发生6789起安全事故,旅游风险呈现出复杂化、扩散化态势,这不仅威胁到中国游客的生命财产安全,也阻碍了中国与东盟旅游交流合作。虽然新冠肺炎疫情的暴发抑制了双边旅游活动,但疫情后东盟出境旅游的恢复仍面临着各类风险压力的影响。旅游安全是旅游业发展的生命线,提升旅游风险治理水平是东盟旅游产业发展的重要战略任务[3],面向东盟旅游风险展开系统研究具有重大现实意义。本研究以中国游客赴东盟地区“旅行社责任保险”全样本案例为基础,采用统计量化研究方法对不同时空情境下的东盟旅游安全风险类型、危害程度等特征进行分类探索,在此基础上对风险成因进行系统分析,并提出针对性的风险治理路径方案,以期为拓展中国—东盟安全合作领域、促进东盟出境旅游产业安全发展提供理论和实践参考。

一、文献综述

东盟地区安全研究一直是学界关注的焦点,早期国内学者多从军事[4]、外交防务[5]、国际政治关系[6]等领域关注东盟地区传统安全风险,在非传统安全领域的研究多集中于境外投资金融风险[7]、公共卫生防治[8]、反恐禁毒[9]、网络信息安全[10]等方面,针对旅游安全风险的研究则存在空缺。2013年习近平出访东盟提出建设中国—东盟命运共同体[11],此后关于东盟旅游风险及其治理的研究成果逐渐增多。高伟雯等对东南亚65起海岛旅游安全事件的时空分布进行统计分析研究[12];马超基于亚洲新安全观视角剖析中国—东盟旅游安全合作动力、挑战和路径[13];卢文刚利用游客风险提示数据对东盟安全风险进行评估[14];黄锐等提出HEVP东盟旅游风险因子的分析框架,并揭示其对东盟旅游安全事故影响的复杂组态关系[15]。国外学者对东盟个体国家的旅游风险研究则展现出一定的丰富性,Rittichainuwat从游客安全感知视角对泰国恐怖主义和病毒疫情风险进行分析[16],提出要加强旅游安防设施部署;Anuar对马来西亚的城市犯罪安全风险进行深度剖析[17];Wijaya等分析印度尼西亚的自然灾害风险,并提出促进沿海旅游可持续发展措施[18]。总体来看,国内学者多采用定性描述方式分析东盟旅游风险特征,针对不同区域旅游风险的异质性分析不足,在揭示风险内在成因机制时缺乏规模性案例支撑,且提出的风险治理对策具有宏观普适性,立足东盟旅游特定情境下的游客风险治理方案亟待拓展;而国外学者主要局限于单一国家风险类型,难以从地区整体视角把握东盟风险治理议题。

二、数据来源与研究方法

(一)数据来源

本研究数据来源于原国家旅游局“旅行社责任保险统保示范项目”中的境外出险案例,旅行社责任保险属于国家强制要求旅行社投保的险种[19],该保险项目对我国游客出境旅游安全风险事件具有较为全面翔实的记录,是研究中国游客赴东盟地区旅游安全风险的重要一手资料。从中遴选出2013—2019年东盟10国出境旅游全样本出险案例共6789起,采用三角检定法对所有案例资料进行信息解构和维度分类,将分解完成的变量进行数值编码,构建中国游客赴东盟地区旅游安全风险案例信息库,并将制成的Excel样本信息表导入SPSS等软件平台进行相关操作分析。

(二)研究方法

1. K-Means聚类算法。K-Means算法是Mac Queen于1967年提出的处理大样本数据的经典聚类算法,其核心思想是从给定的n个样本点{a1,a2,…,an}中找出K个聚类中心{b1,b2,…,bK},使得每个样本点与它最近的聚类中心的距离平方和最小(记为Yn)[20-21],当Yn值趋于收敛时则终止迭代算法,将每个样本ai分配到离它最近的聚类中心bj所标明的类中去。本研究用其探索东盟旅游安全风险事件类型的频次分布特征,其中Yn公式如下:

式中:n为事故类型数,ai为第i个事故类型频数,bj为第j个事故类型聚类中心点[22]。

2. 列联表卡方检验。列联表卡方检验是检验离散变量中名义变量和有序变量间相关关系的一种方法,它以卡方(x2)分布作为基础进行非参数检验,若卡方值具有统计显著性,再结合残差分析来检验各单元格的显著因素的分布状况[23],调整后残差(Adjusted Residual,AR)的绝对值大于1.96时,表明该因素是造成显著差异的主要因素[24]。本研究利用列联表卡方来检验东盟旅游安全风险事件与时空因素的关联性特征。其中,x2值的计算公式为[25]:

式中:f0为风险事故的观察次数,fe为风险事故的期望次数。

3. 熵值法。在信息论中,熵是系统无序程度的度量。熵值法根据各指标熵值的大小确定其变异程度大小,通过各指标所提供的信息量来判断指标权重[26]。一般认为信息熵越小,该指标提供的信息量越大,其权重也越大;反之,该指标的权重越小[27]。本研究利用熵值法计算东盟旅游安全风险危害程度等级,能有效避免赋权主观性以及多指标变量间信息的重叠,具体步骤如下:

式中:Xij为第i个国家第j项风险等级评价指标数值,n为评价国家数,k为指标数。

三、中国游客赴东盟地区旅游安全风险结构特征

(一)东盟旅游安全风险类型特征

本研究对2013—2019年期间的6789起中国游客赴东盟地区旅游的旅行社责任保险出险案例进行信息解构,确定每起保险案例所属的风险类型,通过参考《中华人民共和国突发事件应对法》《旅游安全管理办法》等法规文件以及谢朝武等学者对出境旅游安全风险类型的划分标准[28-29],将中国游客赴东盟地区旅游保险数据中的案例事件划分为5个风险事件大类,在风险事件大类下进一步梳理出35个风险事件亚类,106个风险事件小类,对已分类的风险事件类型进行描述性统计,并采用K-Means方法对风险事件亚类变量进行聚类分析。统计结果如图1所示,旅游事故灾难风险事件占比最高,为49.9%;其次为涉旅公共卫生风险事件和涉旅业务安全风险事件,分别占比17.4%和17.1%;再次为自然灾害风险事件,占比9.4%;涉旅社会安全风险事件占比最低,为6.2%。

图1 2013—2019年中国游客赴东盟地区旅游安全风险事件类型聚类表

通过K-Means聚类模块,经10次迭代后将35个风险事件亚类聚类为4个频次,得到收敛后的各风险事件类型聚类结果。总体来看,中国游客赴东盟地区旅游安全风险呈现复杂性和多样性特征。第一,在旅游事故灾难风险中,意外摔倒和坠落风险事件被聚类为高频次风险事件亚类,主要为发生在客房、餐厅、景区等各类旅游场所的意外性摔伤风险。在中高频次风险事件中,交通事故主要包括旅游大巴翻车、快艇碰撞和游船倾覆等风险事件,涉水事故主要包括游泳溺亡、浮潜伤亡、冲浪和漂流伤亡等风险事件。在中低频次风险事件中,设施设备事故包括各类娱乐、交通设施设备故障或损坏导致游客伤亡事件;动物袭击事故包括大象、猴子等陆地动物和水母、海胆等海洋生物袭击风险事件。踩踏、火灾爆炸等其他风险事件被聚类为低频次风险事件亚类。第二,在旅游业务安全风险中,因东盟航空公司运营原因导致的航班延误和取消为中高频次风险事件亚类,游客入境证件及票务审核发生问题以及酒店、旅行社等部门服务过失被聚类为中低频次风险事件。其他合同纠纷、物品遗失等事件为低频次风险事件亚类。第三,在涉旅自然灾害风险中,除台风、火山爆发等被聚类为中低频次风险事件亚类外,其余均被聚类为低频次风险事件。第四,在涉旅公共卫生风险中,食物中毒和突发疾病(水土不服、猝死、过敏、中暑等)被聚类为中高频次风险事件亚类,原有疾病发作(肠胃炎、心脏病、高血压等)被聚类为中低频次风险事件。流行性病毒疫情(登革热、寨卡、疟疾等)聚类为低频次风险事件。第五,在涉旅社会安全风险中,盗窃及抢劫被聚类为中低频次风险亚类,欺诈、恐怖主义、集会游行等被聚类为低频次风险事件亚类。

(二)东盟旅游安全风险空间分布特征

本研究采用列联表卡方检验法对旅游安全风险事件大类在东盟各国的分布情况进行分析,结果如表1所示:Pearson卡方值为648.1(p=0.00),对称度量Cramer's V值为0.195(p=0.00),表明安全风险因素与地区分布的相关性在p<0.05的水平上达到显著程度。即东盟各国旅游安全风险分布具有显著差异性和地域分散性。根据调节残差分析结果(AR的绝对值大于1.96时,表示有显著差异),得出以下结论。

表1 中国游客赴东盟地区旅游安全风险事件地区分布

1. 从整体分布来看,泰国旅游安全风险事件的分布比例最高,达到59.4%。其他国家依次为印度尼西亚(13.7%)、越南(9.0%)、马来西亚(7.3%)、柬埔寨(4.1%)、新加坡(3.2%)、菲律宾(2.4%)、老挝(0.5%)、缅甸(0.3%)和文莱(0.1%)。由此可见,出境旅游安全风险事件在东盟国家分布极不均衡,这与各国接待的中国游客人次、旅游安全保障水平等因素有一定关联性,同时也在一定程度上反映了各国旅游安全风险状况。

2. 从各风险事件大类地区分布来看,事故灾难风险事件在泰国(AR=6.2)、越南(AR=4.0)高于期望水平。结合具体案例,由于泰国普吉岛等热门旅游目的地多为滨海型景区,各类涉水事故、海上船艇交通事故、海洋动物袭击事故高发。越南公共交通秩序较为混乱,各类摩的、旅游大巴碰撞等交通事故高发。菲律宾(AR=-4.1)和印度尼西亚(AR=-7.1)多观赏类景观,参与性、互动性高风险项目较少,游客事故灾难发生率低,新加坡(AR=-4.7)城市安保基础设施建设完善,事故灾难风险较低。

3. 业务安全风险事件在新加坡(AR=10.5)远高于期望水平,由于新加坡为东盟交通枢纽城市,游客转机较多且航空公司业务繁忙,航班延误和取消等事故高发。此外,新加坡对游客证件要求较为严格,签证及票务准入门槛较高。相比之下,老挝(AR=-2.1)和越南(AR=-4.0)离客源国中国近,游客旅游行程较短且活动范围较小,旅行社对线路把控能力较强,旅游过程中的业务安全风险相对较低。

4. 自然灾害风险事件在印度尼西亚(AR=19)发生率要显著高于期望水平,由于印度尼西亚地处印度洋和太平洋板块交界地带,巴厘岛、龙目岛等旅游地的火山、地震和海啸灾害频发,自然灾害影响范围广、危害性强,常导致景区关闭、航空迫降、大规模游客伤亡和滞留等衍生性风险事件发生。菲律宾(AR=3.6)由于地处太平洋西北地区,当地台风等气象灾害常导致飞机或邮轮班次停运、交通堵塞、游客行程线路更改等风险事件发生。柬埔寨(AR=-2.2)和泰国(AR=-10.1)自然灾害风险低于其他风险。

5. 公共卫生风险事件在泰国(AR=4.3)远高于期望水平,由于泰国常年气候湿热,加之旅游城市人口密集,蚊虫较多,游客出现食物中毒或感染流行性病毒风险事件较多,部分游客因不适应当地气候环境,还会出现水土不服、中暑等突发疾病。新加坡(AR=-2.8)和马来西亚(AR=-3.1)公共卫生事件低于期望水平,两国在东盟国家中经济发展水平相对较高,医疗服务水平处于领先水平,游客出游健康风险较低。

6. 社会安全风险事件在马来西亚(AR=7.2)远高于期望水平,马来西亚社会治安较差,摩托车抢劫事故高发。缅甸(AR=2.7)政治局势不稳,武装军事冲突事件高发。越南(AR=2.3)部分地区对游客的抢劫和盗窃案件也较多。菲律宾(AR=4.5)和中国由于受复杂地缘政治和外交事件的影响,常引发游客行程取消等事故。泰国(AR=-5.3)社会安全风险较低。新加坡(AR=-2.1)法律制度健全且公共秩序良好,犯罪事故率较低。

(三)东盟旅游安全风险时间分布特征

在中国游客赴东盟地区旅游安全风险事件的季度分布方面,卡方检验结果显示(见表2):Pearson卡方值为56.186(p=0.00),对称度量Cramer's V值为0.066(p=0.00),说明中国游客赴东盟地区旅游安全风险事件在不同季度呈现出差异化的分布特征。

表2 中国游客赴东盟地区旅游安全风险事件季度分布

1. 总体来看,第三季度(7—9月)占比达28.40%,其次为第一季度(1—3月)占比25.80%,第二季度(4—6月)、第四季度(10—12月)分别占比24.10%和21.70%,由于第一季度、第三季度有寒暑假,是中国游客赴东盟地区旅游高峰期,因而旅游安全风险事件总数相对较高。

2. 第一季度业务安全风险事件(AR=4.2)高于预期水平,春节期间国际返程航班密集、客流量大,航班延误和取消风险较高。同时假期赴东盟地区旅游以家庭为单位居多,老人、孩子走失和旅行社服务过失风险较高。公共卫生风险事件(AR=-3.3)低于预期水平,由于第一季度东南亚地区多数国家为凉季,天气较为凉爽,游客出游环境舒适,突发疾病等风险较低。

3. 第二季度事故灾难风险事件(AR=2.2)高于预期水平,游客赴东盟地区旅游交通安全事故、涉水事故和动物袭击风险较高。此外,自然灾害风险事件(AR=-3.7)低于预期水平,由于第二季度东南亚地区发生的气象灾害和地质灾害较少,游客遭遇自然灾害风险相对较低。

4. 第三季度公共卫生风险事件(AR=2.9)和自然灾害风险事件(AR=2.9)均高于预期水平,由于该季度东南亚地区大部分国家处于雨季,潮湿闷热的气候环境不仅会使食物变质,导致游客食物中毒事故高发,也会引发游客关节炎、肠胃炎或心脑血管等原有疾病发作。同时,第三季度也是东南亚地区流行病高发季节,游客患疟疾、登革热、寨卡等传染性病毒风险较高。在自然灾害风险方面,第三季度东盟滨海旅游地受台风登陆影响严重,且遭遇暴雨雷电或灾害性海浪风险较高。

5. 第四季度自然灾害风险事件(AR=2.4)高于预期水平,在统计期内火山爆发、地震等自然灾害多发生在第四季度。业务安全风险事件(AR=-2.2)低于预期水平,该季度属于中国赴东南亚地区旅游淡季,东盟各国目的地旅行社、酒店、景区和交通等部门接待压力较小,因而业务安全风险相对较低。

(四)东盟旅游安全风险危害程度特征

参考中国《旅游安全管理办法》中对旅游突发事件的等级划分标准,将东盟旅游地所有类型的风险事件结果归为人员滞留、人员受伤、人员死亡、人员失踪和财产损失5大类。从统计的全样本保险数据来看,2013—2019年东盟各国旅游风险事件伤亡人数共9909人,失踪98人,滞留人员达到3893人,财损人员达到4766人。其中,群死群伤性旅游安全事件频发,风险事件性质、破坏程度和可控性都向负面方向发展,特大和重大类型的旅游突发安全事件不断上升。例如,2015年泰国四面佛恐怖爆炸袭击造成30多名中国游客伤亡,2016年越南大巴翻车导致18名中国游客伤亡,2017年7月泰国普吉岛强风暴天气导致游船倾覆47名中国游客遇难,2018年8月印度尼西亚龙目岛地震导致200名游客被困,等等。这些事件均造成了较为恶劣的影响,地区旅游安全威胁愈加突出,风险等级不断提升。

本研究采用熵值法对东盟旅游安全风险事件结果指标进行统计,以此判断各国风险危害程度特征。因中国游客赴东盟各国旅游的人次差距较大,为排除旅游人次对风险危害程度分析的干扰,各国原始数据中的结果变量均采用(事件结果/事件总数)比值测算事故平均伤亡率、失踪率和财损率,在对各指标进行标准化处理后分别计算信息熵和权重值,如表3所示。此外,本文采用K-Means聚类法对熵值法最终测算的各区域旅游综合风险水平分值进行聚类,最终按高风险、中高风险、中等风险、中低风险和低风险五个危害程度等级水平对东盟国家进行分类。其中,泰国(0.91)和印度尼西亚(0.89)是风险危害等级最高的区域,泰国旅游安全风险事件伤亡率远高于东盟平均水平,印度尼西亚的人员滞留率最高。缅甸(0.79)和越南(0.77)属中高风险危害等级区,伤亡率和财损率均达到较高水平。中等风险危害程度区域为菲律宾(0.69)和老挝(0.65)。中低风险危害程度的区域为柬埔寨(0.53)和马来西亚(0.49)。低风险危害等级的区域为新加坡(0.21)和文莱(0.19),各类风险事件危害程度最小。

表3 东盟旅游安全风险事件结果指标权重测度

四、中国游客赴东盟地区旅游安全风险成因

(一)中国游客基数高速增长加剧风险压力

“一带一路”倡议的提出为东盟创造了广阔的中国旅游市场,如图2所示,中国游客赴东盟地区旅游人次从2011年731.6万人次上涨到2019年3228.2万人次,中国游客占东盟游客比重从9.01%上涨到22.50%,自2013年后中国成为泰国、越南、印度尼西亚等多个国家的第一大客源国[30],急剧增长的旅游人次给东盟各国的安全保障工作带来压力,部分国家对于短时间中国流入的规模性旅游人口缺乏应对经验,导致旅游环境容量超载、中国游客人口比例失调、主客矛盾紧张,各地针对中国游客的结构性和指向性安全风险趋增,当中国出游人次达到季度高峰时,东盟各国旅游安全风险事件集聚态势也愈加严峻,风险隐患进一步加大。此外,虽然受新冠肺炎疫情的影响,中国旅游人次迅速下降至400.4万人次,且受中国“外防输入”防疫政策限制,中国游客占东盟游客比重也跌至15.32%,但疫情被有效控制后因中国游客数量反弹和“报复性”增长,给东盟带来的旅游集聚性风险压力仍需重视。

(二)中国游客主体类型急剧分化带来风险隐患

随着中国与东盟旅游交流合作的不断深化以及政策扶持力度的不断加大,赴东盟地区旅游签证和航线交通日益便捷化,各类背包游、度假游、深度游产品线路得到开发,传统的团队观光游客主体类型发生转变,大量游客通过OTA在线平台购买旅行社包价机票和保险,到达目的地后进行自组织游览,游客在东盟各国活动范围不断扩大、停留时间更长,参加的旅游体验活动更加多样化,这在一定程度上促进了旅游者与目的地之间的接触,也使得游客在东盟地区旅游安全风险更加分散化和复杂化。此外,自由行游客在行前咨询、行中保障、纠纷投诉等方面缺乏企业组织化资源保障,对各类不确定性风险因素可控性差,部分游客为首次出境人群,缺乏自我保护经验和能力,面对旅游地陌生的风险环境完全依赖公共安全保障资源支持,导致各类事故灾难和业务安全风险事件高发。

(三)东盟复杂的外部环境加大旅游业内部安全风险

旅游业是综合性较强的行业,受外部环境因素影响较大,“中国—东盟”海上丝绸之路旅游圈的安全有序发展受到东盟旅游业外部环境因素的挑战。从自然环境因素来看,东盟地区每年因自然灾害导致的伤亡人数和经济损失居全球首位[31-32],由于东盟大部分旅游地处于沿海或板块交界地带,受印度洋季风、西北太平洋台风和太平洋—喜马拉雅地震带影响,近年来各类气象灾害、海洋灾害和地质灾害频发。从社会环境因素来看,东盟国家内部的政治制度、民俗风情、宗教信仰均存在较大差别,多元文化环境导致各国社会安全风险存在较大差异。同时,东盟内部人员往来和经济交流密切,传染疾病传播风险较高。从国际环境因素来看,东盟近年来受贸易保护主义、地缘政治博弈和恐怖主义影响,局部地区动荡不安。此外,东盟外部风险因素还存在季节性和周期性时序变化,使得东盟旅游业内部风险类型及时空分布更加错综复杂。

(四)东盟旅游属地安全保障和跨境合作不足

出境游客安全保障普遍带有“属地管辖”色彩,中国游客在东盟地区旅游的非惯常环境下,依赖于各国属地旅游安全保障资源的适时提供。东盟内部经济发展水平“参差不齐”,除新加坡、文莱等国家外,大部分发展中国家公共安全基础设施建设薄弱,缺乏系统性的境外游客安全管理法规、监管体制和应急处理机制,伴随着“一带一路”倡议的大力推行和中国人均消费水平的提升,大规模中国游客涌入部分国家势必引发安全保障资源供给和需求的不对称,一定程度上促使各国在旅游安全风险事件分布上的差异。此外,中国与东盟在旅游安全风险事件治理中受主权与内政等因素干涉,跨境旅游安全合作机制阻梗,双边旅游安全信息监测、风险预警和医疗救援等安全保障资源的协调整合能力不强,进一步降低了中国与东盟旅游安全合作治理水平。

五、中国游客赴东盟地区旅游安全风险治理路径

结合对东盟旅游安全风险类型特征、时空分布特征、危害程度特征以及成因的分析,本文提出东盟旅游安全风险的系统化治理路径,如图3所示。

图3 东盟旅游安全风险系统化治理路径

(一)健全长效化游客安全风险防控体系

游客是旅游安全风险的承担主体,旅游安全的本质是人的安全,东盟旅游产业的安全、健康和可持续发展依赖于系统化、长效化的风险防控体系来保障游客安全。在安全风险预防层面,应建立东盟旅游客流高峰识别系统和旅游地预警系统,加强旅游高风险事件的动态监测,掌握游客出游安全行为结构特征,提高东盟旅游风险预警能力,不断丰富旅游风险提示信息的发布渠道,并加强游客出境旅游安全宣传教育。在安全风险管控层面,应设立东盟游客风险事件应急处置机构,制定旅游突发事件处置预案,对潜在游客风险进行干预和引导。当风险事件爆发时,各部门要迅速响应,及时采取紧急搜救、紧急撤离、安全隔离、医疗救治、安全善后等境外援助措施,防止风险进一步扩大,逐步形成制度化、常态化的东盟旅游安全风险管控体系。

(二)形成多元主体共同参与的治理格局

东盟旅游安全风险治理是一项系统性工程,需积极调配各方力量,形成全方位、多层次安全治理格局。政府应发挥主导力量,文化和旅游部、外交部、驻外使领馆等部门需协调配合,在东盟旅游市场安全监管、顶层制度设计、风险信息提示、领事协助等方面为游客提供公共安全保障资源。旅游企业需加强对东盟出境旅游业务的过程管理和要素环节控制,注重排查产品和线路风险隐患,加强对从业人员的安全培训,严格遵守国家防疫政策开展业务。同时,充分利用各行业协会、公益组织和华人社区联合会等非政府组织,为东盟游客提供安全救援、境外信息咨询、地方法律援助等公益性安全保障资源。此外,游客自身要规范个人安全行为,掌握自救和互救技能,尤其是自由行游客要提高出境旅游安全风险辨别和应对能力,主动避免前往高风险地区。

(三)构建地区性旅游风险专项治理机制

东盟旅游安全风险结构复杂,涉及地域广阔,针对东盟地区旅游安全风险治理具有跨境性、异地性和管控分散性等特征,需要根据不同地区的风险特征及其引致因素采取专项性治理措施。首先,要对东盟旅游地外部环境进行全面翔实的风险评估,引入风险分级制度,针对风险等级较高的旅游地重点部署安全保障资源。其次,采取“因时制宜”“因地制宜”的治理模式,根据不同地区的风险类型、事件密度、爆发时段和周期,分时分区投送配套安全保障资源。再次,鉴于部分国家属地安全管理较薄弱,要增强领事保护能力,利用大数据技术手段对高风险区域采取智能化监控,开辟境外安全保障服务专线,根据地区风险类型提供定制化旅游保险服务。最后,完善旅游安全信息反馈系统,建立风险事件信息档案库,对各区风险事件类型、性质、规模、危害程度进行归纳总结,为地区性安全风险的分类治理提供决策依据。

(四)构建中国—东盟旅游命运共同体

“一带一路”倡议和全球抗疫背景下,中国—东盟旅游安全合作更需要树立命运共同体意识,构建旅游命运共同体。在观念建构方面,双方应秉持开放包容、互利共赢的基本理念,以“共商、共建、共享”为原则凝聚旅游安全合作共识。在合作平台方面,要充分利用中国—东盟(10+1)领导人会议、东盟旅游部长会议等平台磋商安全合作的方针政策,积极推动东盟旅游风险治理融入东盟秘书处(ASEAN)、大湄公河次区域经济合作组织(GMS)等机构的工作议题中,并依托世界旅游组织、国际SOS救援中心和世界卫生组织等国际组织为安全合作提供外部支持。在合作领域方面,双方要在信息共享、部门协调、联合决策、救援互助、应急响应和智库建设等方面深化合作,设立中国—东盟旅游安全办事处协调各方受益分配机制,并打造安全保障支点城市,形成全方位、立体式的风险治理协作网络。

猜你喜欢

聚类旅游
我们一起“云旅游”
基于K-means聚类的车-地无线通信场强研究
小A去旅游
基于高斯混合聚类的阵列干涉SAR三维成像
旅游
基于Spark平台的K-means聚类算法改进及并行化实现
基于加权模糊聚类的不平衡数据分类方法
基于改进的遗传算法的模糊聚类算法
基于特征选择聚类方法的稀疏TSK模糊系统
出国旅游的42个表达