谢朝武 黄锐

［摘    要］在风险社会背景下，集群化旅游安全事件是旅游目的地安全管理面临的巨大挑战，但目前学界对聚合化、群落化形态的旅游安全事件集群尚缺乏基本的概念界定和测度指标。文章对集群的相关概念进行了辨析，并从本体论视角建立了旅游安全事件集群的概念框架，同时基于多学科基础建构了目的地旅游安全事件集群的测度体系。研究发现：（1）安全领域“事件集群”的产生依托主体对象集聚的二元结构效应；（2）本体论的“实体-结构-属性-功能/作用”的理论结构为认知旅游安全事件集群的概念框架提供了逻辑基础，外部形态、内部结构、时空尺度和压力强度是构成事件集群概念框架的重要结构维度；（3）密度、重心、轮廓、多样性、集中性、演化性、压力、烈度和强度等多维指标构成了事件集群的综合测度系统。该研究为科学认知旅游安全事件集群的本质内涵以及测度事件集群的内部结构特征提供了理论参考和工具支撑。

［关键词］旅游目的地；旅游安全事件集群；概念框架；测度体系；中国

［中图分类号］F59

［文献標识码］A

［文章编号］1002-5006（2023）05-0042-16

DOI： 10.19765/j.cnki.1002-5006.2022.00.024

引言

近年来，中国旅游产业呈高速发展状态。截至2019年，全国旅游人次从2010年的21.03亿人次增长到2019年的60.06亿人次，旅游业对GDP的综合贡献率约为11.05%，旅游业已成为国民经济的战略性支柱产业1。即使在新冠疫情期间，我国2020年和2021年的国内游客规模仍然达到了28.79亿2和32.46亿人次3。与此同时，伴随着中国客源市场的快速扩张和旅游地社会的急剧转型，各类可预见与不可预见的安全风险也冲击和制约着地区旅游业的发展。根据全国旅行社责任保险统保示范项目数据显示，2010—2019年全国各地区共发生8.9万起旅游安全事件，伤亡人数累计达到11.8万人，规模化的旅游安全事件已成为威胁旅游产业安全运行的重要阻力因素4。

在当前旅游产业快速成长的背景之下，全国各目的地旅游安全事件正在从单一化、散落化、小规模化的形势和形态向聚合化、群落化的形势和形态转型。旅游安全事件的集群化转型既表现在事件类型结构上的复杂化，也表现在事件爆发时间上的相对集中，同时还呈现出事件发生空间的集聚和规模涌现[1]。相比于单体旅游安全事件，旅游安全事件集群会导致伤害规模增大、安全资源匮乏、防控压力加剧，给旅游地造成多元层面的经济损失和负面影响，并使客源群体对特定的旅游地形成负面的刻板印象与认知，从而对旅游地可持续发展造成影响[2]。比如游客对云南的旅游欺诈、青藏的高原反应、疆藏的交通安全等普遍存在负面刻板认知，这成为游客旅游行为决策的重要影响因素。相较于偶然性、随机性的个体旅游安全事件，集群化安全事件的发生往往存在着一定的规律性特征，科学界定集群形态的旅游安全事件并认识其发生规律是旅游产业安全发展的重要现实诉求。

根据对现有文献的梳理可以发现，学界对旅游安全事件集群的研究呈现出一定的滞后性。从事件性质来看，既有的旅游安全事件研究多关注重大突发性的旅游安全事件，对一般性、常规性的旅游安全事件关注较少[3-12]。从事件类型结构看，学界多侧重于分析特定类型安全事件，对于目的地旅游安全事件的多元化类型结构缺乏探索[13-15]。从事件分布来看，相关研究多分析个体事件分布的非均衡性和异质性，较少有研究从集群视角关注目的地聚合状态的旅游安全事件的分布特征[16-20]。综上，现有文献尚缺乏针对集群化旅游安全事件的概念内涵界定，对于目的地普遍发生、具有复杂结构和呈现聚合分布状态的旅游安全事件尚未形成系统的研究概念和分析框架。“细微苟不慎，堤溃自蚁穴”，安全是旅游产业发展的生命线，集群化的旅游安全事件正在不断塑造着目的地安全发展的风险形势，对旅游地不断累积的安全事件需要予以高度重视，而厘清旅游安全事件集群的本质内涵是对其展开系统研究的首要前提。强化旅游安全事件集群研究对于夯实目的地旅游产业高质量发展的安全基础具有重要的理论意义和实践价值。

基于此，本研究率先从集群视角考虑规模化旅游安全事件在目的地的集聚现象，并初步提出“旅游安全事件集群”的概念框架，同时在充分借鉴生态学、经济学等学科集群概念的基础上构建旅游安全事件集群的测度指标体系。本研究旨在为目的地旅游安全事件集群研究奠定理论基础，实现对目的地旅游安全事件研究的概念拓展，并为目的地的安全发展提供有效的管理工具和决策依据。

1 目的地旅游安全事件集群研究的理论与现实背景

1.1 旅游产业发展的现实诉求

回顾中国旅游业的发展历程，旅游产业的发展与旅游安全事件的发生和演化相伴而生。改革开放之初，我国旅游业处于初步建设阶段，旅游发展多以出口创汇为主要目标，国内旅游总体规模小，旅游安全事件呈现较低规模水平。随着社会主义市场经济体制的确立和人民收入水平的提高，我国大众旅游蓬勃发展，国内旅游人数呈现爆发式增长态势。旅游产业的高速发展带来了旅游安全事件数量的剧增，热点旅游地安全事件集聚化特征明显。早在2009年，我国就提出要把旅游业培育成国民经济的战略性支柱产业，各类旅游产品业态不断丰富，旅游安全事件结构也呈现出复杂化、多样化趋势。在全域旅游和文旅融合发展背景下，旅游地深度开发致使游客活动涉及范围越来越广，旅游安全事件集聚区域进一步扩散。此外，新冠疫情的持续影响和国际外部形势的复杂化也为中国旅游发展带来诸多外部压力，旅游地安全事件的聚集风险不断上升。从发展历程来看，集群化旅游安全事件是旅游地发展到特定阶段的产物，旅游产业的成长引致旅游地安全事件规模不断扩大、结构愈加复杂，反过来，旅游安全事件的集聚变化也对旅游地产生越来越深刻的影响。面对日趋严峻的集群化旅游安全事件的发展态势，需要从根本上把握旅游安全事件集群的内涵结构和动态变化特征。

1.2 国家公共安全治理的顶层要求

安全是旅游产业高质量发展的前提和保障，国家在战略层面高度重视旅游产业发展的安全管理。早在1981年，我国出台的《国务院关于加强旅游工作的决定》就有对安全工作的规定，但旅游安全被正式提上议事日程是在大众旅游兴起之后。2013年颁布的《中华人民共和国旅游法》设立旅游安全专章，从国家立法层面对旅游目的地政府安全管理、旅游经营者安全生产和旅游者安全保障作出法律规定。2014年，习近平总书记在主持中央国家安全委员会第一次会议中首次提出“总体国家安全观”，指出安全是发展的条件，要以人民安全为宗旨，这为政府旅游安全管理工作的开展指明了方向。同年，国务院《关于促进旅游业改革发展的若干意见》重点强调，要建立突发事件应对处置机制，加强属地旅游安全保障。2015年，原国家旅游局提出实施“515战略”，将推进旅游安全作为旅游业五大发展目标之一。2016年，原国家旅游局出台《旅游安全管理办法》，从经营安全、风险提示、安全管理和违规处罚等方面对旅游者人身财产安全保障作出更加详尽的规定。在新冠疫情对旅游行业造成强烈冲击的背景下，2021年文化和旅游部颁布的《“十四五”文化和旅游发展规划》也进一步强调，要健全突发公共事件应急处置机制，将安全发展理念贯彻到旅游发展的全过程。政府对旅游安全的关注源于旅游安全事件的影响，国家旅游安全政策法规的相继出台主要基于对频发的旅游安全事件的治理需求，这同时也表明，国家已将安全建设工作列入战略工程，提升旅游地安全治理水平、补齐旅游地风险防范短板已成为地方旅游产业发展的战略任务。旅游地安全事件集聚化和复杂化发展态势给属地安全管控造成困难，我国亟须完善国家公共安全保障的顶层设计，加强对集群事件的测度、评价、监测与预警，并构建旅游地集群事件的系统性风险管控体系，这是推动我国旅游经济高质量发展、推进国家治理体系和治理能力现代化的内在需求。

1.3 集群性旅游安全事件研究的理论空缺

旅游地安全事件是旅游安全研究的重要载体，旅游安全事件及其影响研究是旅游地安全研究的重要领域和热点方向。其中，旅游地重大安全事件研究是现有研究重点关注的领域，相关成果主要聚焦于旅游地恐怖主义、公共卫生、自然灾害等具有重大影响力的安全事件，如国外学者着重分析了“9·11”恐怖事件[3]、印度洋海啸[4-5]、日本福岛地震[6]、MERS病毒[7]和COVID-19疫情[8]等重大事件对旅游地的影响。国内学者集中探索了SARS病毒[9]、汶川地震[10]、九寨沟地震[11]、新疆暴恐事件[12]等重大事件对旅游地的影响。既有研究对旅游地单一偶发性的重大旅游安全事件的重点关注遮蔽了对一般性、高概率和规模化的安全事件的深入探讨。实际上，恰恰是旅游地普遍存在且最易被忽视的“灰犀牛”性安全事件最有可能对旅游者安全产生实质性的影响。聚合形态的旅游安全事件集群对旅游地造成的综合影响通常大于散落的、个体性旅游安全事件所造成的影响。旅游地安全事件是不断累积的过程，当旅游安全事件数量积聚超过一定阈限时会产生质变，从而对旅游地造成破坏性影响。相较于个体安全事件，规模化、聚合化的常规性旅游安全事件暴露了旅游地潜藏的各类风险隐患，反映了旅游地真实的基础安全状况，对旅游地整体安全评价具有重要的参考价值。目前，国外学者对集群化旅游安全事件仍缺乏应有的关注，国内学者则逐步从个体旅游安全事件研究走向规模化旅游安全事件的研究，但相关文献仍停留在对旅游地累计发生的多起安全事件的数量化统计层面[16-20]，且较多关注旅游地特定类型的旅游安全事件[13-15]。由不同类型、数量众多的旅游安全事件集聚构成的聚合形态的旅游安全事件群落显然不同于个体旅游安全事件，其对旅游地的影响效应也具有天然的差异性。但是，学界对集群化的、聚合形態的旅游安全事件的认知还较为模糊，缺乏对其内涵结构及概念化框架的探索分析，也缺乏对其影响效应的认知和分析。总体来看，既有研究尚未整理出一套完整的面向集群性、聚合形态的旅游安全事件的研究体系。

2 目的地旅游安全事件集群的相关概念与结构框架

2.1 集群概念缘起与相关领域应用辨析

根据字面意义，集群（cluster）可以简单理解为数量较多的人或物聚合在一起形成的群体状态，不同学科领域对集群具有不同的概念解析（表1）。最早应用集群这一概念的是生态学研究领域，其建构的生物集群概念用以表示一定区域或环境里各种生物种群相互有规律地结合在一起的一种结构单元[21-22]。后来这一概念被引入经济学研究领域，得到最广泛应用的是产业集群概念，它表示在某一特定领域内互相联系的、地理位置集中的企业及其支撑机构的集合[23-24]。同时，集群这一概念也被应用于计算机科学领域，计算机集群多指将相互独立的计算机软硬件连接起来构成处理复杂工作的运算系统[25-26]。在社会学研究领域中，社会集群是指集体行动的参与者为某项共同的利益目标所组成的团体或群体[27-28]。在安全学研究领域，集群这一概念内涵通常与安全事件结合的比较多，多表示特定时空范围内集中发生并造成严重伤亡后果的规模化突发安全事件，即所谓的安全事件集群，包括交通安全事件集群[29-30]、犯罪事件集群[31-32]、突发疾病集群[33-35]和自然灾害集群[36]等事件集群。

2.2 集群的二元结构效应与事件集群的产生

在不同学科领域中，集群产生的效应具有二元结构特征（表1）。生态学领域的生物集群一方面可以降低被捕食风险，提升生存概率，另一方面也会使得种群传染疾病更容易传播扩散[37]，同时，诸如白蚁群筑巢[38]、蝗虫群入侵[39]等生物集群也会对人类的生产和生活带来威胁。经济学领域的产业集群能提升区域产业分工合作效率、扩大规模经济效益，使得集聚企业获取协作竞争优势，但也会因产业拥挤加剧地区污染恶化，甚至造成路径依赖和集群锁定的发展困境[40]。计算机集群在提升整体运算能力的同时也会增加网络病毒蔓延的大规模系统故障风险[41]。社会集群会使团体利益达到最大化，但也会诱发群体性事件[42]。辩证来看，规模化的实体能通过集群达成特定目标，实现整体效率大于个体之和的作用结果。但是，过度集聚也会造成系统能量无法消解，常伴随着与其对立的内外部效应的产生。安全学领域中的“事件集群”是各类实体对象集群二元结构效应的衍生，交通线网中车流的集中既提高了运输效率，也造成交通事故的集聚，城市人口高度集中既提高了城市生产效率，也带来城市治安犯罪和公共卫生事件的集聚。在目的地旅游安全研究领域，旅游者在某一地区集聚促进了目的地旅游资源开发、基础设施配套建设和外部资金投入，带动了周边地区旅游业及相关服务产业发展。但旅游者的过度涌入也会扰乱社会秩序、挤占当地安保资源和激化目的地主客冲突，从而造成各类旅游安全事件的集聚。此外，规模化游客集聚也带来巨大的风险隐患，当旅游地受自然灾害、公共卫生等外部风险冲击时，游客伤亡损失会呈现扩大化趋势。

2.3 目的地旅游安全事件集群的基本内涵及其本质特征

现有的安全事件知识体系对大规模的旅游事件集聚缺乏基于事物本质的界定和描述，对于目的地旅游安全事件集群的基本内涵和本质特征的剖析属于本体论的研究范畴。本体论发源于古希腊哲学，是探究世界本源与本质规律的理论学说。在科学研究领域，本体论是对客观存在的一个系统的解释或说明，关心的是客观事物的抽象本质[43]，该理论通常用详细明确的词汇描述研究对象的概念、实体、属性、结构、功能/作用和关系[44-46]。研究从本体论视角出发，可将目的地旅游安全事件集群本体表示为：本体=｛概念， 实体， 属性， 结构， 功能， 關系｝，基于此建构起旅游安全事件集群的概念框架。

从本体论逻辑来看，对旅游安全事件集群的概念界定是判别旅游安全事件是否属于事件集群的依据。根据“属加种差”概念定义方法，在探究旅游安全事件集群前，首先需厘清旅游安全事件的本质内涵。一般而言，旅游安全事件是指在旅游行业内部或外部发生的，可能或已经对旅游者、旅游企业等造成伤亡影响或财产损失，或者产生严重负面社会影响，在预防、控制和处置过程中难度较大的安全突发事件。学界和业界一般沿用《中华人民共和国突发事件应对法》中的突发事件分类方式，将旅游安全事件分为自然灾害、事故灾难、公共卫生事件和社会安全事件等4大类别[47]。部分学者在此基础上又对这4大类别进行了细分或者再细分[48-50]。本质而言，旅游安全事件是一个含义广泛的概念，具体包括了旅游灾难事件、旅游危机事件、旅游突发事件和一般性旅游安全事件等不同严重程度和性质结构的安全事件[51-55]，它是旅游领域或涉及旅游领域的、具有破坏性影响的各类安全事件的总称。相比较下，目的地旅游安全事件集群是旅游地有限时空范围内所发生的一系列旅游安全事件累积所形成的事件群落，是集群状态的旅游安全事件及其结果的聚合，是旅游安全事件的重要表现形态。

在界定旅游安全事件集群概念的基础上，根据本体论描述事物本体的要素结构，再分析旅游安全事件集群的实体对象、内部结构、特征属性和功能/作用，并探究各概念要素之间的关系，由此形成对旅游安全事件集群本体概念框架的完整认识（图1）。在实体对象方面，旅游安全事件集群在空间上是规模化事件集聚的地理实体，最外显的表现是目的地旅游安全事件集群高度集聚的空间分布形态。在内部结构方面，事件集群是众多个体事件累积形成的事件组合体，其多样化的事件类型和要素关联特征体现了其复杂的内部结构。在属性特征方面，时空属性是旅游安全事件集群固有的属性特征，时间尺度和空间尺度上的集聚状态是旅游安全事件集群形成的重要表征。此外，聚合形态的安全事件往往具有突出的负向功能，规模化的人员伤亡和财产损失会对目的地的旅游安全施加不利影响，压力强度反映了事件集群后果严重性程度。从各概念要素之间关系来看，目的地安全事件集群内部4个要素构成相互关联、相互作用的整体，时空尺度是各要素形成的背景条件，内部结构和外部形态具有相互塑造的作用，集群压力强度对旅游目的地的破坏性影响受集群外部形态、内部结构和时空尺度等因素条件的综合作用。

2.3.1    旅游安全事件集群的外部形态

旅游安全事件集群的外部形态是旅游安全事件空间集聚的重要体现。相较于个体的、散落的旅游安全事件，集群化旅游安全事件是由一系列旅游安全事件组合形成，规模化、聚合化的分布形态是旅游安全事件集群的基本特征。从地理空间单元事件分布状态来看，集群区域的单位空间旅游安全事件分布密度要显著高于旅游目的地平均旅游安全事件的空间密度水平，与随机性或均匀的旅游安全事件分布状态相比（图2a和图2b），旅游安全事件集群的空间距离间隔是相对紧凑的，事件点处于非均衡的集聚分布状态。受旅游流流动轨迹的影响，旅游安全事件集群往往呈现不同的分布形态模式，且旅游安全事件的密度重心往往决定分布形态和模式。如图2c～图2e所示，常见的区域旅游安全事件集群的分布形态包括：单个密度重心的环状散射式分布模式（分布于单体旅游资源和中心城区）、密度重心延展分布的轴线式分布模式（分布于交通道路和景区线路）和多个密度重心分散聚积的斑块状分布模式（分布于多个核心旅游资源聚集区）。此外，基于地理学和图形学的外部形态表征构造原理，规模化事件的外形轮廓也是考察事件集群在目的地的散落面积、空间边际结构以及外部延展性的关键要素。

2.3.2    旅游安全事件集群的内部结构

旅游安全事件集群的内部结构是考察事件集群内部复杂程度的重要依据，聚合形态的旅游安全事件集群更易呈现多样化的分布结构。根据熵增理论，系统熵值越大，则系统内部的混乱和失序程度就越高[56-57]，旅游地安全事件的集聚是系统熵增的过程，热点地区旅游流的集聚带来区域物质流、能量流和信息流的急速聚合膨胀，这使得目的地旅游安全风险环境中的不稳定和不可控因素增强，集群事件内部混沌化、无序化结构程度不断提高，最直接的体现是旅游地复杂化的事件类型分类（图3）。一般而言，旅游目的地包含自然灾害、事故灾难、公共卫生、社会安全和业务安全事件等多种事件类型，规模化的事件集群通常涉及主类、亚类和小类等多层次事件分类结构；同时，旅游业是涉及餐饮、住宿、交通、游览、购物和娱乐等多个环节的综合性行业，旅游活动中各要素环节潜藏各类风险隐患，相较于单一散落的旅游安全事件，集群化旅游安全事件涉及的旅游要素环境更多，类型的差异化程度更高；此外，集群事件中的事件类型的数量比重具有非均等化特征，具有高风险性的频发事件类型在旅游安全事件集群中占据突出位置，把握各事件类型的数量比重是探明事件集群类型结构的重点。

2.3.3    旅游安全事件集群的时空尺度

时空尺度是旅游安全事件集群的最基本属性，聚合形态旅游安全事件的形成是特定时空背景下一系列个体事件叠加的产物。在空间尺度方面，聚合形态的旅游安全事件在空间位置上具有较高邻近性，且宏观地区尺度、中观城市尺度和微观场所尺度的旅游安全事件集群具有不同的集聚结构特征，同时，根据事故致因理论和系统安全理论，旅游地安全事件的形成是旅游地多源风险因素耦合作用形成[58-59]，不同空间范围内的社会安全风险、经济安全风险、环境安全风险具有差异化特征，不同风险条件的组合导致了旅游地安全事件集群类型、伤亡结果等在空间分布上的差异[51]。在空间演化方面，旅游安全事件集群的增强或减弱会导致集群区域的扩散或收缩，且空间集聚的重心也会发生位移，呈现动态轨迹变化特征。在时间尺度方面，旅游安全事件集群的形成是共时性和历时性的统一，旅游安全事件集群既包括共时状态下旅游安全事件的空间集聚，也包括历时状态下旅游安全事件的时序演变（图4）。旅游目的地并非封闭系统，旅游产业的发展阶段演变会导致安全事件集群始终处于动态变化中，旅游地安全事件经历发生、发展、衰退等循环往复的过程[60]，旅游安全事件集群在不同阶段和周期内呈现出不同数量规模和压力强度水平。

2.3.4   旅游安全事件集群的压力强度

事件后果是旅游安全事件集群的核心概念范畴，聚合形态的旅游安全事件集群不仅会引发大规模人员伤亡和人员财损，也会对旅游地安全环境和品牌形象造成破坏。相较于单一事件后果，集群化旅游安全事件的危害系数更高、事件后果严重性更强。根据能量意外释放理论，能量的聚集和过载会导致危害压力的极大释放[61-62]，当目的地旅游安全事件集群引发的负面能量不断积攒并超过可控阈值，会诱发一系列严重的负面后果。旅游安全事件集群的压力强度是考察事件集群影響后果的重要概念属性，集群化事件的压力强度是特定时间、空间压力条件下，事件规模（人员伤亡、失踪、财损、滞留水平）和事件烈度耦合作用的产物（图5）。旅游目的地的事件集群所产生的压力强度并非均匀分布的，不同空间场域下事件集群的压力强度峰值水平具有差异性，观察事件集群的压力强度差异对于分析集群事件对目的地的异质化冲击作用、识别高风险旅游空间场所具有重要意义。

3 目的地旅游安全事件集群的测度体系建构

3.1 目的地旅游安全事件集群测度体系的建构逻辑

目的地旅游安全事件集群的测度指标体系是量化事件集群的依据，研究遵循科学性、系统性和层次性的指标建构原则，对目的地旅游安全事件集群的测度体系进行建构。从指标生成的理论依据来说，研究参考了本体论对研究对象本质内涵的表述逻辑，从“地理实体-结构-属性-功能/作用”范畴确立了目的地旅游安全事件集群测度体系中的形而上的概念结构（图6）。

目的地旅游安全事件集群测度的逻辑过程包含3步。第一，基础数据建库。事件集群的基础要素数据是测度集群结构的数据信息来源，主要包括事件数量、类型、时点、地点、分布面积、伤亡人次、财损规模和严重等级等基础要素单元。第二，外部形态测度。通过事件集群外部的地理实体形态来表达集群最本质的现实有形存在，密度、重心、轮廓和覆盖度等指标是对其外部形态的具体测量。第三，内部结构测度。从整体上看，旅游安全事件集群是由多样化个体事件类型构成的有机整体，通过对事件集群内部结构的测度可以反映目的地旅游风险要素的复杂程度和地域差异。多样性、均匀性、优势性和类型集聚性等指标用以对集群内部异质化、复杂化的事件类型结构特征的测度。第四，时空尺度测度。事件集群是特定时空范围内旅游安全事件的高度凝聚，脱离时空条件对旅游事件集群进行测度是毫无意义的。不同尺度下的事件集群测度具有不可比性，通过年际集中、季节强度、周内偏度、空间基尼系数和地理集中度等指标实现对事件集群静态集聚水平的测量。通过动态集聚、动态扩散等指数实现对事件集群动态演化过程与趋势的测量。第五，压力强度测度。事件集群负面功能和作用主要表现为事件集群造成的危害损失，可通过规模压力水平、等级烈度水平和压力强度水平对聚合化的事件后果严重性进行测量。

3.2 目的地旅游安全事件集群外部形态测度

从地理空间标识来看，旅游安全事件集群的外部空间形态是连接规模化旅游安全事件最外部边缘事件位置点所构成的面状区域，研究应先定位和测量这一面状区域，以此确定旅游安全事件集群的基本形态。在此基础上对集群面状区域的密度、重心、轮廓和覆盖度进一步进行测度（表2），以全方位解构事件集群的空间分布形态。首先，目的地旅游安全事件集群的空间密度测度是判定旅游安全事件是否形成集群的前提条件。在某一特定空间区域内的旅游安全事件根据其空间分布密度一般呈现3类空间分布格局：均匀分布（uniform）、随机分布（random）和集群分布（cluster）。可结合种群分布理论和最近邻测度指数（nearest neighbor index，NNI）对目的地旅游安全事件的空间分布密度（incident cluster density，ICD）进行测度，通过计算单个事件点与其最近事件点之间的观测平均距离和随机模式下的预期平均距离之比，来比较与随机分布的偏离程度[63]，再通过测算各事件点坐标间的值来估计其在空间范围内的聚集情况，当且仅当事件为非均匀和非随机分布时满足集群分布条件。基于该指标能有效对目的地是否形成事件集群进行判定，同时，对事件空间容量超额的目的地进行预警。其次，目的地旅游安全事件集群的密度重心是识别集群核心区域的重要依据，定位旅游安全事件在研究区域内的重心位置对定位和判断区域事件集群的整体空间形态特征具有重要的参照意义，通过对比不同年份的目的地旅游安全事件集群的重心分布情况有助于监测目的地旅游安全事件集群的空间演化特征，并制定重点安全保障资源投送方案。目的地旅游安全事件集聚的外部空间轮廓是旅游安全事件整体空间分布形态的直观展示，引入Boyce-Clark形状指数（Boyce and Clark shape index）[64-65]对旅游安全事件集群外部的轮廓形状进行测度，掌握旅游安全事件集群空间形态分布的规则性和紧凑度，有助于旅游安全事件空间治理的开展。最后，利用覆盖度指数对旅游安全事件在目的地的散落面积和覆盖广度进行测度，以此可对事件集群在目的地的扩散水平进行监测。

3.3 目的地旅游安全事件集群内部结构测度

目的地旅游安全事件集群内部结构的多样程度是判断集群事件类型分布复杂性和无序性的重要参考标准。比较而言，异质化水平较低的安全事件集群更易进行安全管控。基于生态学领域的物种多样性理论，引入Shannon-Wiener物种多样性指数（diversity）对旅游安全事件集群内部类型结构的紊乱性和不确定性初步评价。同时，进一步借鉴Pielou生物种群均匀度指数（evenness）对旅游安全事件集群类型分布的均衡状况进行评估，判断集群事件类型结构的稳定性。面对旅游事件集群类型分布不均衡的区域，参考Simpson生物种群优势度指数（dominance）对旅游安全事件集群中事件类型的偏离程度进行测度[66-68]，以此推断目的地是否存在极端化安全事件类型的大规模集聚。此外，在前文对目的地旅游安全事件集群内部结构整体测度的基础上，研究进一步引入产业经济学中的区位熵理论指数[69]判断各事件主类、亚类和小类等不同层次结构的事件类型在各区域集聚程度特征，并识别目的地旅游安全事件集群中的主导事件类型，据此合理分配事件集群安全管控资源（表3）。

3.4 目的地旅游安全事件集群时空尺度测度

时空集聚是目的地旅游安全事件集群形成的基础和前提。一方面，对目的地特定区域、特定时段内事件集聚水平的共时性时空尺度进行测度，对于把握目的地旅游安全事件集群的静态特征具有重要意义。从时间尺度来看，旅游安全事件集群的静态时间可分为年际尺度、月度尺度和周内尺度等多维尺度视角，分别基于年际集中指数、季节强度指数和周内偏度指数对特定时段内的目的地旅游安全事件集群的集中程度水平进行测度。从空间尺度来看，目的地旅游安全事件集群可分为宏观区域尺度、中观地域尺度和微观场域尺度等多维尺度视角，分别参考空间基尼系数、洛伦兹非平衡指数、地理集中指数对多维空间尺度下的目的地旅游安全事件集聚强度水平进行测度。另一方面，目的地旅游安全事件集群始终处于动态性的历时变化中，目的地旅游安全风险的恶化会导致旅游安全事件集群空间集聚的进一步增强，同时目的地旅游流的集聚和旅游产业的发展也会导致旅游安全事件集群范围的进一步扩大。厘清旅游安全事件属于集聚状态或扩散状态对于集群事件安全管控具有重要意义，研究借鉴产业动态集聚指数对旅游安全事件集群的动态集聚水平进行测度[70]，同时借鉴城市蔓延指数（sprawl index）对旅游安全事件集群的动态扩散水平进行测度[71]（表4）。

3.5 目的地旅游安全事件集群压力强度测度

目的地旅游安全事件集群往往造成人员死亡、人员受伤、人员失踪和财产损失等多重负面结果，为反映集群化旅游安全事件所造成的后果的严重性程度，引入压力强度指数对事件集群的危害后果进行测度。首先，基于旅游安全事件集群所造成的人员伤亡和财损数量，采用线性加权求和方法对目的地旅游安全事件集群的规模压力水平进行测度。其次，目的地旅游安全事件集群中的各事件等级具有差异化特征，集群事件中导致严重后果的事件对目的地产生的负面影响往往更大，事件烈度水平更高。因此，对目的地旅游安全事件集群压力水平的测度需综合权衡各事件的等级水平。根据《旅游安全管理办法》的事件等级标准可分为1～4级，其中，一般事件为1，特别重大事件为4，等级越大事件烈度水平越大，位序排序越高。研究可结合各事件的伤亡严重性等级水平及其位序排名对集群的烈度水平进行测度。最后，目的地旅游安全事件集群的压力测度不仅需要考虑事件的规模化和等级化作用水平，也需要衡量在单位时空因素和旅游人次条件下，规模化旅游安全事件集聚后产生的压力强度水平。可借鉴生态承载压力和物理学压强概念（P压强=F压力/S受力面积）[72]，对单位时空、人次条件下目的地旅游安全事件集群的压力强度进行测度（表5）。

4 研究结论与展望

4.1 研究结论

研究阐述了目的地旅游安全事件集群的概念框架并建构其测度体系，为科学把握目的地旅游安全事件集群的本质内涵提供了理论基础，同时，也为系统量化测度旅游安全事件集群的概念结构提供了方法论支撑，对于响应国家治理体系和治理能力现代化、推动旅游目的地安全管控优化升级具有实践指导作用。

（1）通过概念溯源和特征归纳发现，集群概念在生态学、经济学、计算机科学和社会学等领域应用广泛，共同表现为数量较多的实体对象聚合起来形成的一种群体状态。同时，不同学科领域下的研究对象的“集群”通常伴随着二元结构效应，在旅游安全学研究领域，旅游者的集聚既会带动地方旅游产业的发展，也会造成规模化旅游安全事件的集聚。

（2）基于本体论的理论视角，研究揭示了“实体-结构-属性-功能/作用”的理论结构框架，为认知和建构“旅游安全事件集群”的概念框架提供了良好的逻辑基础。为此，研究从外部形态、内部结构、时空尺度和压力强度4个概念维度系统探明目的地旅游安全事件集群的本质内涵。其中，通过地理实体的分布状态、分布模式和外形轮廓表达事件集群的外部形态，通过事件类型的分类结构、异质程度和类型比重表达事件集群的内部结构，通过事件集聚的静态时空分布和动态时空演化特征来衡量事件集群的时空尺度，通过事件集聚的规模压力、烈度压力和时空压力来衡量事件集群的负向功能作用。

（3）研究以地理学空间密度统计为测度技术基础，借鉴和融合了生物种群多样性测度指标、产业集群空间测度指标和城市群空间测度指标等多学科指标测量系统，对目的地旅游安全事件集群的测度指标体系进行了技术化建构。量化表达的指标体系具有多层级、多尺度、多类型和嵌套性的结构特征。通过对旅游安全事件集群密度、重心、轮廓、类型结构、集中性、演化性、压力、烈度、强度等多属性维度的全面测量，为科学量化旅游安全事件集群的概念指标提供了系统化的操作指南。

4.2 研究展望

（1）中国旅游业在发展壮大过程中也伴随着旅游安全事件的集聚和扩张，聚合化、群落化形态的旅游安全事件集群已成为阻碍目的地旅游产业高质量发展的重要阻力因素。关注和分析旅游安全事件集群对于目的地旅游产业的安全发展和治理水平的提升具有重要意义，旅游安全事件集群概念框架的提出对于新时代背景下系统解构和科学认知目的地规模化旅游安全事件提供了重要的理论基础。研究主要从本体论视角探讨了“旅游安全事件集群是什么”的科学问题，并基于“概念内涵-分析框架-指标测度”的研究脉络对事件集群的概念界定、属性特征建立和指标开发等内容展开初步探索。从集群视角思考旅游安全事件是目的地旅游安全研究中的全新领域，而对旅游安全事件集群规律的认识不可能一蹴而就，关于“旅游安全事件集群为什么产生”“旅游安全事件集群怎么样管控”等系列问题是仍需在后续研究中补充和完善。

（2）关于集群的测度已经在地理学、生态学、经济学等不同学科领域形成了丰富的研究成果，研究在此基础上建构了旅游安全事件集群的指标测度体系。总体而言，研究已初步建立了一套可完整测度旅游安全事件集群结构的研究框架系统，但相关概念特征属性及子维度指标仍需进一步丰富和扩展，同时指标测度的异質性和动态性仍需完善，针对游客主体和要素环节的指标分类测度仍需强化。此外，本研究仅提供了理论性指标模型构想，对于各指标的适用性、敏感性和可靠性仍需要实证主义检验，未来研究需进一步应用本文构建的指标体系对不同时空尺度的旅游地展开案例性分析，基于实际测度数据不断调整和优化指标构造形式、修正事件集群测度指标中的密度阈值和估计参数，以提升指标测度的精确性。

（3）规模化旅游安全事件的集聚对旅游地造成了深刻的影响，研究主要聚焦于旅游安全事件集群的自身结构的剖析和内部压力的测度，而对旅游安全事件集群对旅游地的外部性影响缺乏探讨。后期研究将继续探索旅游安全事件集群对旅游地发展的阻力效应，厘清旅游安全事件集群各指标维度与目的地旅游流的耦合协调关系，加强对旅游安全事件集群作用过程和影响结果的验证，并探讨不同时空尺度下旅游安全事件集群对目的地旅游产业要素扰动程度。

参考文献（References）

[1] 郑向敏， 谢朝武. 旅游安全蓝皮书： 中国旅游安全报告（2021）[M]. 北京： 社会科学文献出版社， 2021： 103-138. [ZHENG Xiangming， XIE Chaowu. Blue Book of Tourism Safety： Annual Report on Chinas Tourism Safety and Securiety Study（2021）[M]. Beijing： Social Sciences Academic Press， 2021： 103-138.]

[2] 谢朝武， 张俊. 时空因素与我国旅游突发事件的关联影响——基于最优尺度分析[J]. 经济管理， 2014， 36（3）： 126-134. [XIE Chaowu， ZHANG Jun. Research on correlation effect between the temporal-spatial factors and tourism emergencies in China based on the optimal scaling analysis[J]. Economic Management， 2014， 36（3）： 126-134.]

[3] PAYNE J E， GIL-ALANA L A. Data measurement and the change in persistence of tourist arrivals to the United States in the aftermath of the September 11th terrorist attacks[J]. Tourism Economics， 2018， 24（1）： 41-50.

[4] RITTICHAINUWAT B N. Tourists and tourism suppliersperceptions toward crisis management on tsunami[J]. Tourism Management， 2013， 34（2）： 112-121.

[5] CARLSEN J C， HUGHES M. Tourism market recovery in the Maldives after the 2004 Indian ocean tsunami[J]. Journal of Travel & Tourism Marketing， 2008， 23（2-4）： 139-149.

[6] LIN Y， KELEMEN M， TRESIDDER R. Post-disaster tourism： Building resilience through community-led approaches in the aftermath of the 2011 disasters in Japan[J]. Journal of Sustainable Tourism， 2018， 26（1）： 1-18.

[7] SHI W， Li K X. Impact of unexpected events on inbound tourism demand modeling： Evidence of Middle East Respiratory Syndrome outbreak in South Korea[J]. Asia Pacific Journal of Tourism Research， 2017， 22（3）： 344-356.

[8] DUBE K， NHAMO G， CHIKODZI D. COVID-19 cripples global restaurant and hospitality industry[J]. Current Issues in Tourism， 2020， 24（11）： 1487-1490.

[9] 薛剛， 孙根年. 2003年SARS对国内旅游影响的后评价——基于本底趋势线的31个省、市、自治区客流量损失的估算[J]. 经济地理， 2008， 28（6）： 1059-1063. [XUE Gang， SUN Gennian. Post evaluation of SARS in 2003 to domestic tourism in China——Loss estimation in 31 provinces based on background trend line [J]. Economic Geography， 2008， 28（6）： 1059-1063.]

[10] 马丽君， 孙根年， 王宏丹， 等. 汶川地震对四川及周边省区旅游业的影响[J]. 中国人口·资源与环境， 2010， 20（3）： 168-174. [MA Lijun， SUN Gennian， WANG Hongdan， et al. Impact of Wenchuan earthquake to tourism of Sichuan and its neighboring provinces based on natural trend curve[J]. China Population， Resources and Environment， 2010， 20（3）： 168-174.]

[11] 阮文奇， 李勇泉. 自然灾害型危机事件对客源地旅游需求的影响及空间差异——九寨沟地震后的时空异质性分析[J]. 经济地理， 2018， 38（8）： 214-223. [RUAN Wenqi， LI Yongquan. The impact and spatial difference of natural disaster crisis on tourist demand[J]. Economic Geography， 2018， 38（8）： 214-223.]

[12] 成观雄， 喻晓玲. 突发事件对边疆地区入境旅游的影响——以新疆“7·5”事件为例[J]. 经济地理， 2015， 35（5）： 204-208. [CHENG Guanxiong， YU Xiaoling. Impact of immigration tourism on the border areas emergencies—Xinjiang “7·5” incident as an example [J]. Economic Geography， 2015， 35（5）： 204-208.]

[13] 赖菲菲， 谢朝武， 黄锐. 全国旅游交通事故严重程度及引致因素分析[J/OL]. 世界地理研究， 2021： 1-12. http：//kns.cnki.net/kcms/detail/31.1626.P.20210726.1125.002.html. [LAI Feifei， XIE Chaowu， HUANG Rui. Analysis on the severity and causing factors of tourism traffic accidents in China[J/OL]. World Regional Studies， 2021： 1-12. http：//kns.cnki.net/kcms/detail/31.1626.P.20210726. 1125.002.html.]

[14] 谢朝武， 章坤. 中国内河游轮旅游安全事件的时空格局及结构特征[J]. 华侨大学学报（哲学社会科学版）， 2020（4）： 63-71. [XIE Chaowu， ZHANG Kun. On the time-space patterns and structural characteristics of cruise tourism safety accidents in China[J]. Journal of Huaqiao University （Philosophy and Social Sciences Edition）， 2020（4）： 63-71.]

[15] 邹永广， 林炜铃， 郑向敏. “驴友”旅游安全事故成因机理研究——基于扎根理论范式的质性分析[J]. 旅游科学， 2014， 28（3）： 76-86. [ZOU Yongguang， LIN Weiling， ZHENG Xiangmin. A study on the formation mechanism of backpackers tourism incidents： A qualitative analysis based on grounded theory paradigm [J]. Tourism Science， 2014， 28（3）： 76-86.]

[16] 謝朝武， 张俊. 我国旅游突发事件伤亡规模空间特征及其影响因素[J]. 旅游学刊， 2015， 30（1）： 83-91. [XIE Chaowu， ZHANG Jun. Spatial characteristics and influential factors of tourism emergencies in China using casualty scales as an indicator [J]. Tourism Tribune， 2015， 30（1）： 83-91.]

[17] 黄锐， 谢朝武. 中国出境旅游安全事故时空分布格局及形成机制[J]. 人文地理， 2019， 34（6）： 120-128. [HUANG Rui， XIE Chaowu. Temporal and spatial distribution patterns and formation mechanism of Chinese outbound tourists safety accidents[J]. Human Geography， 2019， 34（6）： 120-128.]

[18] 黄锐， 谢朝武. 中国赴东盟地区旅游安全事故风险因子的组态影响探测——基于HEVP框架的模糊集定性比较分析[J]. 经济地理， 2021， 41（7）： 202-212. [HUANG Rui， XIE Chaowu. The detection of the configuration impact of the risk factor on the Chinese tourists safety accidents in ASEAN： A qualitative comparative analysis of fuzzy sets based on HEVP framework[J]. Economic Geography， 2021， 41（7）： 202-212.]

[19] 李月调， 谢朝武. 赴泰中国游客安全事故时空分布研究[J]. 中国安全科学学报， 2016， 26（6）： 169-174. [LI Yuetiao， XIE Chaowu. Research on temporal and spatial distribution of travel accidents for Chinese tourists in Thailand[J]. China Safety Science Journal， 2016， 26（6）： 169-174.]

[20] 鄒雅真， 谢朝武. 大陆游客赴台旅游安全事件结果特征及其引致因素研究[J]. 旅游学刊， 2016， 31（8）： 81-89. [ZOU Yazhen， XIE Chaowu. Research on result characteristics and triggering factors of safety-related events of mainland residents travels to Taiwan[J]. Tourism Tribune， 2016， 31（8）： 81-89.]

[21] HERNANDEZ-GARCIA E， LOPEZ C， PIGOLOTTI S， et al. Species competition： Coexistence， exclusion and clustering[J]. Philosophical Transactions of the Royal Society A： Mathematical， Physical and Engineering Sciences， 2009， 367（1901）： 3183-3195.

[22] BARNES D， ARNOLD R J. Ecology of subtropical hermit crabs in S.W. Madagascar： Cluster structure and function[J]. Marine Biology， 2001， 139（3）： 463-474.

[23] PORTER M E. Clusters and the new economics of competition[J]. Harvard Business Review， 1998， 76（6）： 77-99.

[24] 陈剑锋， 唐振鹏. 国外产业集群研究综述[J]. 外国经济与管理， 2002（8）： 22-27. [CHEN Jianfeng， TANG Zhenpeng. A review of foreign industrial clusters research[J]. Foreign Economies & Management， 2002（8）： 22-27.]

[25] 罗乐， 刘轶， 钱德沛. 内存计算技术研究综述[J]. 软件学报， 2016， 27（8）： 2147-2167. [LUO Le， LIU Yi， QIAN Depei. Survey on in-memory computing technology[J]. Coden Ruxuew， 2016， 27（8）： 2147-2167.]

[26] 卢光军， 张莉， 陆佩忠. 基于集群计算的通信接收系统关键技术[J]. 计算机工程， 2010， 36（9）： 240-242. [LU Guangjun， ZHANG Li， LU Peizhong. Key technologies of communication receiver system based on cluster computing[J]. Computer Engineering， 2010， 36（9）： 240-242.]

[27] 陈浩， 薛婷， 乐国安. 集群行为诸相关概念分类新框架[J]. 广西民族大学学报（哲学社会科学版）， 2010， 32（6）： 56-60; 132. [CHEN Hao， XUE Ting， LE Guoan. A new framework for classification of related concepts of cluster behavior[J]. Journal of Guangxi University for Nationalities （Philosophy and Social Sciences Edition）， 2010， 32（6）： 56-60; 132.]

[28] 戴维. 波普诺. 社会学[M]. 北京： 中国人民大学出版社， 1999： 15-66. [POPENOE D P. Sociology[M]. Beijing： China Renmin University Press， 1999： 15-66.]

[29] ECKLEY D C， CURTIN K M. Evaluating the spatiotemporal clustering of traffic incidents[J]. Computers Environment & Urban Systems， 2013， 37： 70-81.

[30] PRASANNAKUMAR V， VIJITH H， CHARUTHA R， et al. Spatio-temporal clustering of road accidents： GIS based analysis and assessment[J]. Procedia-Social and Behavioral Sciences， 2011， 21（2）： 317-325.

[31] JOHNSON L T， TAYLOR R B， GROFF E R. Metropolitan local crime clusters： Structural concentration effects and the systemic model[J]. Journal of Criminal Justice， 2015， 43（3）： 186-194.

[32] ANDRESEN M A. Estimating the probability of local crime clusters： The impact of immediate spatial neighbors[J]. Journal of Criminal Justice， 2011， 39（5）： 394-404.

[33] KLEINMAN K. A generalized linear mixed models approach for detecting incident clusters of disease in small areas， with an application to biological terrorism[J]. American Journal of Epidemiology， 2004， 159（3）： 217-224.

[34] MAJLUND K T， KJAER E A， GUNNAR G， et al. Geographical clustering of incident acute myocardial infarction in Denmark： A spatial analysis approach[J]. Spatial and Spatio-temporal Epidemiology， 2016， 19： 46-59.

[35] HAMBLION E， BURKITT A， LALOR M， et al. Public health outcome of tuberculosis cluster investigations， England 2010-2013[J]. Journal of Infection， 2019， 78： 269-274.

[36] SHI P， LU L， WANG M， et al. Disaster system： Disaster cluster， disaster chain and disaster compound[J]. Journal of Natural Disasters， 2014， 23（6）： 1-12.

[37] 赵玉泽， 曹婉露， 余进， 等. 基于红外相机技术的白冠长尾雉集群行为研究[J]. 生态学报， 2016， 36（9）： 2513-2520. [ZHAO Yuze， CAO Wanlu， YU Jin， et al. Flocking behavior analysis of reevess pheasant （Syrmaticus reevesii） using infrared cameras[J]. Acta Ecologica Sinica， 2016， 36（9）： 2513-2520.

[38] GRASS? P P. La reconstruction du nid et les coordinations interindiciduelles chez bellicositermes natalensis et Cubitermes sp.la théorie de la Stigmergie： Essai dInterprétation du comportement des Termites Constructeurs[J]. Insectes Sociaux， 1959， 6（1）： 41-80.

[39] WANG L， ZHUO W， PEI Z， et al. Using long-term earth observation data to reveal the factors contributing to the early 2020 desert locust upsurge and the resulting vegetation loss[J]. Remote Sensing， 2021， 13（4）： 680-699.

[40] 沈能， 赵增耀， 周晶晶. 生产要素拥挤与最优集聚度识别——行业异质性的视角[J]. 中国工业经济， 2014（5）： 83-95. [SHEN Neng， ZHAO Zengyao， ZHOU Jingjing. Congestion of production facors and optimal agglomeration recognition—Based on the perspective of industry heterogeneity[J]. China Industrial Economy， 2014（5）： 83-95.]

[41] 屈蕾蕾， 肖若瑾， 石文昌， 等. 涌現视角下的网络空间安全挑战[J]. 计算机研究与发展， 2020， 57（4）： 803-823. [QU Leilei， XIAO Ruojin， SHI Wenchang， et al. Cybersecurity challenges from the perspective of emergence[J]. Journal of Computer Research and Development， 2020， 57（4）： 803-823.]

[42] 汤志伟， 杜斐. 网络集群行为的演变规律研究[J]. 情报杂志， 2014， 33（10）： 7-13. [TANG Zhiwei， DU Fei. A study on evolution of network clustering behavior[J]. Journal of Intelligence， 2014， 33（10）： 7-13.]

[43] 刘凯， 汤茂林， 刘荣增， 等. 地理学本体论： 内涵、性质与理论价值[J]. 地理学报， 2017， 72（4）： 577-588. [LIU Kai， TANG Maoling， LIU Rongzeng， et al. On the connotation， nature and theoretical value of ontology of geography[J]. Acta Geographica Sinica， 2017， 72（4）： 577-588.]

[44] SMITH B. Ontology： Blackwell Guide to the Philosophy of Computing and Information[M]. Oxford： Blackwell， 2003： 155-166.

[45] 念沛豪， 蔡玉梅， 張文新， 等. 面向综合区划的国土空间地理实体分类与功能识别[J]. 经济地理， 2014， 34（12）： 7-14. [NIAN Peihao， CAI Yumei， ZHANG Wenxin， et al. Geographic entity division and functions identification oriented comprehensive regionalization[J]. Economic Geography， 2014， 34（12）： 7-14.]

[46] 孙敏， 陈秀万， 张飞舟. 地理信息本体论[J]. 地理与地理信息科学， 2004（3）： 6-11; 39. [SUN Ming， CHEN Xiuwan， ZHANG Feizhou. Geo-ontology[J]. Geography and Geo-Information Science， 2004（3）： 6-11; 39.]

[47] 谢朝武. 旅游应急管理[M]. 北京： 中国旅游出版社， 2013： 76-120. [XIE Chaowu. Tourism Emergency Management[M]. Beijing： China Travel & Tourism Press， 2013： 76-120.]

[48] MAIR J， RITCHIE B W， WALTERS G. Towards a research agenda for post-disaster and post-crisis recovery strategies for tourist destinations： A narrative review[J]. Current Issues in Tourism， 2014， 19（1）： 1-26.

[49] 谢朝武， 黄锐， 陈岩英. “一带一路”倡议下中国出境游客的安全保障——需求、困境与体系建构研究[J]. 旅游学刊， 2019， 34（3）： 41-56. [XIE Chaowu， HUANG Rui， CHEN Yanying. Safety guarantees for outbound Chinese tourists under “the Belt and Road” initiative： Demands， dilemmas， and system construction[J]. Tourism Tribune， 2019， 34（3）： 41-56.]

[50] MANSFELD Y， PIZAM A. Tourism and safety issues[J]. Tourism， Security & Safety： From Theory to Practice， 2006： 139-141.

[51] 李宜聪， 张捷， 刘泽华， 等. 自然灾害型危机事件后国内旅游客源市场恢复研究——以九寨沟景区为例[J]. 旅游学刊， 2016， 31（6）： 104-112. [LI Yicong， ZHANG Jie， LIU Zehua， et al. Resilience of domestic tourist market after crisis： A case study of Jiuzhai Valley[J]. Tourism Tribune， 2016， 31（6）： 104-112.]

[52] 黄倩， 谢朝武， 黄锐. 我国省域旅游地脆弱性对旅游突发事件严重性的门槛效应[J]. 经济管理， 2020， 42（7）： 158-175. [HUANG Qian， XIE Chaowu， HUANG Rui. Threshold effect of provincial destination vulnerability on the severity of tourism emergencies in China[J]. Economic Management， 2020， 42（7）： 158-175.]

[53] 何月美， 邹永广. 旅游突发事件公共治理网络结构特征研究[J]. 旅游学刊， 2019， 34（4）： 51-65. [HE Yuemei， ZOU Yongguang. Characteristics of public governance network for tourism emergencies[J]. Tourism Tribune， 2019， 34（4）： 51-65.]

[54] 付业勤， 郑向敏， 郑文标， 等. 旅游危机事件网络舆情的监测预警指标体系研究[J]. 情报杂志， 2014， 33（8）： 184-189.[FU Yeqin， ZHENG Xiangmin， ZHENG Wenbiao， et al. Research on the monitoring and early-warning index systems of tourism crisis events network public opinions[J]. Journal of Intelligence， 2014， 33（8）： 184-189.]

[55] 孙根年， 舒镜镜， 马丽君， 等. 五大危机事件对美国出入境旅游的影响——基于本底线模型的高分辨率分析[J]. 地理科学进展， 2010， 29（8）： 987-996.[SUN Gennian， SHU Jingjing， MA Lijun， et al. Influences of five crises on US inbound and outbound tourism： Analysis based on the tourism background trend line in high time resolution[J]. Progress in Geography， 2010， 29（8）： 987-996.]

[56] 李博. 基于熵理论的社会风险构成与风险控制[J]. 统计与决策， 2019， 35（2）： 66-69. [LI Bo. Social risk composition and risk control based on entropy theory[J]. Statistics & Decision-making， 2019， 35（2）： 66-69.]

[57] 齐善鸿， 乐国林， 刘金岩， 等. 基于熵与自组织理论的突发事件分析模型[J]. 科技管理研究， 2006（10）： 238-241. [QI Shanhong， LE Guolin， LIU Jinyan， et al. Analysis model of emergencies based on entropy and self-organization theory[J]. Science and Technology Management Research， 2006（10）： 238-241.]

[58] 程云， 殷杰. 中国旅游安全事件分布与引致因素[J]. 经济地理， 2020， 40（11）： 215-224. [CHENG Yun， YIN Jie. Distribution and formative factors of tourism safety incidents in China[J]. Economic Geography， 2020， 40（11）： 215-224.]

[59] 谢朝武， 申世飞. 旅游地环境风险对中国旅游突发事件的影响及其区域分布研究[J]. 地理科学进展， 2013， 32（3）： 455-464. [XIE Chaowu， SHEN Shifei. Influences of environmental risks of tourist destinations on tourism emergency events in China and their regional distributions[J]. Progress in Geography， 2013， 32（3）： 455-464.]

[60] 陈伟珂， 花翠. 基于突发事件生命周期视角的应急物流虚拟联合体的运行模型研究[J]. 灾害学， 2015， 30（2）： 152-157. [CHEN Weike， HUA Cui. Research on operation models of emergency logistics virtual union based on emergency lifecycle[J]. Journal of Catastrophology， 2015， 30（2）： 152-157.

[61] 陳宝智. 危险源辨识、控制及评价[M]. 成都： 四川科学技术出版社， 1996： 1-36. [CHEN Baozhi. Hazard Identification， Control and Evaluation[M]. Chengdu： Sichuan Science and Technology Press， 1996： 1-36.]

[62] 黄浪， 吴超， 杨冕， 等. 基于能量流系统的事故致因与预防模型构建[J]. 中国安全生产科学技术， 2016， 12（7）： 55-59. [HUANG Lang， WU Chao， YANG Mian， et al. Modeling of accident causing and prevention based on energy flow system[J]. Journal of Safety Science and Technology， 2016， 12（7）： 55-59.]

[63] 潘竟虎， 李俊峰. 中国A级旅游景点空间结构的计量地理分析[J]. 经济地理， 2013， 33（9）： 154-160. [PAN Jinghu， LI Junfeng. Analysis on spatial structure of A-grade scenic spots in China based on quantitative geography model[J]. Economic Geography， 2013， 33（9）： 154-160.]

[64] 王新生， 刘纪远， 庄大方， 等. 中国城市形状的时空变化[J]. 资源科学， 2005（3）： 20-25. [WANG Xinsheng， LIU Jiyuan， ZHUANG Dafang， et al. Spatial-temporal changes of the shapes of Chinese cities[J]. Resources Science， 2005（3）： 20-25.]

[65] 潘竟虎， 韩文超. 近20a中国省会及以上城市空间形态演变[J]. 自然资源学报， 2013， 28（3）： 470-480. [PAN Jinghu， HAN Wenchao. Spatial-temporal changes of urban morphology of provincial capital cities or above in China[J]. Journal of Natural Resources， 2013， 28（3）： 470-480.]

[66] 杨光蓉， 豆鹏鹏， 马瑜， 等. 金佛山亚热带常绿阔叶林地表土壤动物群落特征及其影响因素[J]. 生态学报， 2020， 40（21）： 7602-7610. [YANG Guangrong， DOU Pengpeng， MA Yu， et al. Characteristics and influencing factors of surface soil fauna community in a subtropical evergreen broad-leaved forest in Jinfo Mountain[J]. Acta Ecologica Sinica， 2020， 40（21）： 7602-7610.]

[67] 陈佳琪， 赵坤， 曹玥， 等. 鄱阳湖浮游动物群落结构及其与环境因子的关系[J]. 生态学报， 2020， 40（18）： 6644-6658. [CHEN Jiaqi， ZHAO Kun， CAO Yue， et al. Zooplankton community structure and its relationship with environmental factors in Poyang Lake[J]. Acta Ecologica Sinica， 2020， 40（18）： 6644-6658.]

[68] 方精云， 王襄平， 沈泽昊， 等. 植物群落清查的主要内容、方法和技术规范[J]. 生物多样性， 2009， 17（6）： 533-548. [FANG Jingyun， WANG Xiangping， SHEN Zehao， et al. Main contents， methods and technical specifications of plant community inventory[J]. Biodiversity， 2009， 17（6）： 533-548.]

[69] 范树平， 项思可， 张红梅， 等. 中部地区产业结构与用地效益的空间分异及耦合——基于皖江城市带46个评价单元的面板数据实证分析[J]. 经济地理， 2013， 33（9）： 135-141. [FAN Shuping， XIANG Sike， ZHANG Hongmei， et al. Spatial variation and coupling research of the industrial structure and land use efficiency for central region—An empirical analysis of panel data for 46 evaluation units based on Wanjiang City Belt[J]. Economic Geography， 2013， 33（9）： 135-141.]

[70] 肖博华， 李忠斌. 我国文化产业区域集聚度测算及影响因素研究[J]. 统计与决策， 2014（18）： 94-97. [XIAO Bohua， LI Zhongbin. Study on the measurement and Influencing Factors of regional agglomeration degree of cultural Industry in China[J]. Statistics & Decision-making， 2014（18）： 94-97.]

[71] 张景奇， 娄成武， 修春亮. 地方政府竞争的空间形态——基于长三角城市群蔓延的实证分析[J]. 中国软科学， 2020（5）： 85-93. [ZHANG Jingqi， LOU Chengwu， XIU Chunliang. The spatial form of local government competition： An empirical analysis based on the sprawl of urban agglomeration in the Yangtze River Delta[J]. China Soft Science， 2020（5）： 85-93.]

[72] 史丹， 王俊杰. 基于生态足迹的中国生态压力与生态效率测度与评价[J]. 中国工业经济， 2016（5）： 5-21. [SHI Dan， WANG Junjie. Measurement and evaluation of Chinas ecological pressure and ecological efficiency based on ecological footprint[J]. China Industrial Economy， 2016（5）： 5-21.]

［基金项目］本研究受国家自然科学基金项目“中国出境旅游安全事件集群的时空分异、驱动机制及对旅游流的扰动效应研究”（41971182）资助。[This study was supported by a grant from the National Natural Science Foundation of China （to XIE Chaowu） （No. 41971182）.]

［作者简介］谢朝武（1975—），男，湖南武冈人，博士，教授，研究方向为旅游安全、旅游服务和智慧旅游，E-mail：xiecwu@126.com；黄锐（1993—），男，安徽桐城人，博士研究生，研究方向为旅游安全，E-mail：382216421@qq.com，通讯作者。

Abstract： The development and growth of Chinas tourism industry has been accompanied by the clustering and expansion of tourism safety incidents. Clusters of tourism safety incidents have become a significant obstacle to the quality development of tourism destinations. Focusing on clusters of tourism safety incidents is necessary for the safe development and governance of tourism destinations. However， at present， there is an academic lack of basic concept definitions and measurement indicators for clustering tourism safety incidents. The present study distinguishes the concepts related to clusters; it establishes a conceptual framework for clustering tourism safety incidents from an ontological perspective; it constructs a measurement system for clustering destination tourism safety incidents using a multidisciplinary basis. This study made the following findings. First， through concept tracing， we found that the concept of clusters is widely applied in ecology， economics， computer science， sociology， and other fields; clusters are commonly manifested as a group state comprising a large number of entities. At the same time， clusters of research objects in different disciplines are usually accompanied by the dual structure effect. In tourism safety research， the clustering of tourists will both drive development of the local tourism industry and cause the clustering of large-scale tourism safety incidents. Second， the ontological structure of “entity-structure-attribute-function” provides the logical basis for a conceptual framework for clustering cognitive tourism safety incidents. External spatial form， internal structure， spatiotemporal scale， and pressure intensity are important structural dimensions of the conceptual framework for incident clusters. Specifically， the external morphology of incident clusters is assessed through the distribution state， distribution pattern， and shape profile of geographic entities; the internal structure of incident clusters is measured through the taxonomic structure， degree of heterogeneity， and type weight of incident types; the spatiotemporal scale of incident clusters is evaluated through their static spatiotemporal distribution and dynamic spatiotemporal evolution characteristics; and the negative functional effects of incident clusters are measured through their scale pressure， intensity pressure， and spatiotemporal pressure. Third， this study applies geographic spatial density statistics as the basis for measurement techniques. We draw on multidisciplinary indicator measurement systems （such as biodiversity measurement indicators， industrial cluster spatial measurement indicators， and urban cluster spatial measurement indicators） to construct a measurement indicator system for clustering destination tourism safety incidents. Employing multidimensional indicators （such as density， center of gravity， contour， diversity， concentration， evolution， pressure， and intensity） creates a comprehensive measurement system for incident clusters. Our indicator system has a multilevel， multi-scale， multi-type， nested structure. This study provides a theoretical reference and tool support for determining the essence of clusters of tourism safety incidents and evaluating the internal structural characteristics of incident clusters. To improve the accuracy of the indicator measurement， future research should apply the indicator system we developed to conduct case studies of different tourist destinations， continuously adjust and optimize the indicator， amend density thresholds， and determine the parameters of incident clusters using measured data.

Keywords： tourist destination; tourism safety incidents cluster; conceptual framework; measurement system; China

[責任编辑：刘    鲁；责任校对：宋志伟]