黄山风景区客流波动多时间尺度特征分析.docVIP

黄山风景区客流波动多时间尺度特征分析 　　摘要：基于黄山风景区1987年1月至2010年12月的月度客流数据，运用TRAMO/SEATS方法和小波分析方法分析了黄山风景区客流的季节性变化和多时间尺度特征，结果表明：黄山风景区客流季节性变化显著，不仅存在月度波动性，而且季节性波动呈现年度变化性，客流淡季过长，淡季与平季、旺季落差过大是黄山风景区面临的经营难题；具有6个月、12个月、29个月和60个月不同时间尺度的周期变化，其中12个月的周期振荡最为明显，具有全域性；另外，6个月和12个月的时间特征尺度体现了黄山风景区客流由于季节性因素形成的年内季节性变化和年间的周期性变化，而29个月和60个月的时间特征尺度初步判断为由我国旅游业波动周期、景区外围区域经济周期和危机事件冲击影响共同作用所形成。最后，本文提出了一些对应性策略。 　　关键词：客流波动； 多时间尺度； 黄山风景区 　　景区旅游客流在气候、社会因素、景区知名度、外部交通、景区管理和偶发因素（骆培聪，张明锋，2010；陆林，1994；黄震方，等，2007；黄震方，等，2011；陆林，鲍捷，2010）等景区系统内外部要素共同作用下，在时间特征上呈现出强烈的波动性。峰谷交错的客流波动形态一直是困扰景区管理者的经营难题，因此通过景区长时段客流数据的监测，分析其成长波动特征和规律，预测其规模和波动范围，对于景区制定平衡供需策略具有重要的指导作用。目前国内外关于旅游客流时间特征方面的研究主要集中于大中尺度旅游地的客流预测（Shen，et al.，2011；Coshall，2009；Chan，et al.，2010；张郴，张捷，2011；陶伟，倪明，2010）、时空分布特征、动态模式及影响因素（刘泽华，等，2010a；涂建军，2004；牛亚菲，等，2005；卢松，等，2004；刘泽华，等，2010b）和局部时间段的客流变化（日、周、月、年及季节性变化）（骆培聪，张明锋，2010；陆林，1994；张捷，等，1999；余向洋，等，2013；汪德根，等，2004；陆林，等，2002）等方面；已有部分文献根据我国入境、国内旅游客流和旅游收入的年度数据进行了多周期分析（马丽君，等，2009；陈友龙，等，2005），其中颜磊等（2009）和袁林旺等（2009）利用月度数据分别对九寨沟和盐城麋鹿生态旅游区客流波动进行了多时间尺度分析。总体来看，（1）由于长时段月度数据获取难度大，所以使用景区客流长时段监测的月度数据进行系统性多时间尺度（包括季节性和年际波动）特征研究的成果相对较少；（2）在季节性波动特征分析上，描述性统计方法（主要指标为平均值、变异系数、极差、客流集中指数、基尼系数等）在透视季节性的年内变化方面直观清晰，但缺少季节性的年际变化分析功能；（3）年际波动研究方面，主要利用月度、季度或年度数据，采用时间序列方法、模型拟合方法、波形分析方法、谱分析方法以及多方法综合探讨旅游客流的周期性和阶段性特征（余向洋，等，2012），相比较，小波分析方法在分析时间序列波动全貌和细节上存在相对优势（潘雅婧，等，2012）。本文在上述研究基础上，利用黄山风景区1987～2010年共24年的客流月度数据，采用TRAMO/SEATS季节调整方法和小波方法，分析黄山风景区客流波动的季节性及其动态变化和多时间尺度特征，以期对景区的运营管理决策提供理论指导。 　　1研究区域概况及数据来源黄山风景区是享誉海内外的世界级风景名胜区，位于黄山市境内的黟县、休宁县、歙县以及黄山区、徽州区之间，山体南北长40 km，东西宽30 km，总面积约1 200 km2，核心景区面积160.6 km2。据黄山管委会统计，自 1979 年对外开放以来，客流量增长迅速，1979～2010 年，共接待国内外游客3 217.15 万人，累计旅游收入114.89 亿元，2010 年接待游客 251.83 万人，旅游收入 14.45亿元。由于1987年以前的月度原始数据缺乏，因此，本文采用1987年1月～2010年12月的客流月度数据，数据由黄山管委会和黄山市旅游委员会共同提供，经笔者整理而成（见图1）。 　　2研究方法 　　2.1TRAMO/SEATS方法目前最先进的季节调整方法为TRAMO/SEATS方法与X12ARIMA方法，对于时间序列长度达12年的数据进行季节调整时，SEATS程序比X12具有更好的拟合效果（范维，等，2006），由于本文数据长度为24年，故采用TRAMO/SEATS分析季节性因素及其波动。TRAMO（Time series Regression with ARIMA noise，Missing observation，and Outliers）为具有ARIMA噪声、缺失值和异常值的时间序列回归法，而SEAT