戢曉峰　戈藝澄　陳方

[摘 要]分析節(jié)假日旅游流的時(shí)空分異特征有助于獲取節(jié)假日旅游流的空間行為模式，并為節(jié)假日旅游路線組織、旅游應(yīng)急管理提供重要依據(jù)。文章以云南省為案例，選擇昆明一大理一麗江一香格里拉、昆明一西雙版納、昆明一石林一彌勒一瀘西、昆明一建水一元陽4條旅游運(yùn)輸通道，從時(shí)空二元視角獲取云南省自駕車和團(tuán)隊(duì)旅游流的時(shí)空分異特征。結(jié)果顯示：（1）在7個(gè)節(jié)假日，昆明一大理一麗江一香格里拉、昆明一西雙版納兩條長線運(yùn)輸通道旅游流的集中指數(shù)分別為47.38、46.52，昆明一建水一元陽、昆明一石林一彌勒一瀘西兩條短線旅游運(yùn)輸通道的旅游流集中指數(shù)分別為42.41、38.53，均大于完全均衡分布時(shí)的集中指數(shù)37.8，表明4條旅游運(yùn)輸通道旅游流在7個(gè)節(jié)假日具有明顯的集聚特性，且長線旅游運(yùn)輸通道旅游流的時(shí)間集中度均高于短線，自駕旅游流時(shí)間的集中度高于團(tuán)隊(duì)旅游流。（2）昆明一大理一麗江一香格里拉通道的節(jié)假日旅游流規(guī)模位居首位，昆明一西雙版納旅游運(yùn)輸通道旅游流受節(jié)假日時(shí)長的影響較為顯著。（3）4條旅游運(yùn)輸通道的節(jié)假日旅游流呈現(xiàn)向城鎮(zhèn)、重要交通節(jié)點(diǎn)及旅游資源富集型通道的聚集特征;昆明一大理一麗江一香格里拉通道的自駕旅游流的基尼系數(shù)高達(dá)0.86，空間集中度最高。相比自駕游，團(tuán)隊(duì)游空間使用曲線呈多峰模式，各相鄰波峰呈明顯的遞減趨勢。利用公路交通流大數(shù)據(jù)能夠獲取節(jié)假日旅游流的時(shí)空分異特征，可為節(jié)假日旅游管理提供管理啟示。

[關(guān)鍵詞]交通流數(shù)據(jù);旅游流;旅游運(yùn)輸通道;節(jié)假日;時(shí)空特征

[中圖分類號]F59

[文獻(xiàn)標(biāo)識碼]A

[文章編號]1002-5006（2019）06-0037-11

Doi： 10.19765/j.cnki.1002-5006.2019.06.009

引 言

隨著旅游業(yè)的發(fā)展，公眾假日和旅游節(jié)慶活動等引發(fā)的短期旅游流在中國旅游業(yè)中的地位日益重要。短期旅游流受時(shí)間、空間、信息等各項(xiàng)條件的制約，與常規(guī)時(shí)段的旅游流相比具有不同的特征和影響。自2012年“十一”黃金周高速公路免費(fèi)通行政策實(shí)施以來，假日出游比例迅速上升，在促進(jìn)旅游業(yè)快速發(fā)展的同時(shí)，也暴露出由節(jié)假日旅游流帶來的旅游交通擁堵，旅游安全及旅游應(yīng)急管理等焦點(diǎn)問題。主要原因在于，節(jié)假日高強(qiáng)度的旅游流導(dǎo)致旅游交通的延誤增加和服務(wù)水平的顯著惡化，同時(shí)降低了旅游流的疏散效率并帶來巨大的安全隱患。因此，節(jié)假日旅游流也逐漸成為旅游、交通、地理學(xué)者的關(guān)注熱點(diǎn)。國外對節(jié)假日旅游流的研究早期源于對節(jié)假日旅游流的預(yù)測，如Chen等將支持向量回歸模型、自適應(yīng)遺傳算法和季節(jié)性指標(biāo)調(diào)整相結(jié)合，對節(jié)假日旅游流量進(jìn)行了預(yù)測。針對節(jié)假日旅游流的時(shí)空分布特征，Lu等指出7個(gè)節(jié)假日旅游流的分布特征和規(guī)模可能因節(jié)假日而異，并將7個(gè)節(jié)假日與景區(qū)的促銷活動時(shí)間結(jié)合，采用峰值指數(shù)和k均值聚類算法，研究了黃山風(fēng)景區(qū)8條纜車線路的客流時(shí)空分布特征，發(fā)現(xiàn)纜車旅游客流在國慶節(jié)長假的時(shí)間集中度顯著高于“五一”小長假，且在時(shí)間相同的長假中，旅游客流規(guī)模較小時(shí)的空間分布集中度高于客流規(guī)模較大時(shí)的空間分布集中度。對游客規(guī)模的研究也逐漸增多，如Park等通過構(gòu)建一種改進(jìn)的引力模型，發(fā)現(xiàn)自然資源、旅游基礎(chǔ)設(shè)施等是影響旅游流規(guī)模的主要因素。

目前國內(nèi)學(xué)者關(guān)于節(jié)假日旅游流的研究，主要集中于兩個(gè)研究時(shí)段：一是集中于“十一”黃金周。如李志飛和夏磊以中國29個(gè)省市2008-2012年“十一”黃金周為例，通過時(shí)間序列分析、游客密度指數(shù)、Zipf結(jié)構(gòu)分析法，分析得出旅游流穩(wěn)步增長，空間上呈交叉梯形格局的時(shí)空分布特征。盧松等以世界文化遺產(chǎn)西遞、宏村為例，分析了古村落旅游客流時(shí)間分布特征，發(fā)現(xiàn)黃金周客流呈“井噴”式分布。張子競等以陜西關(guān)中地區(qū)為例，通過“黃金周”客流周內(nèi)波動指數(shù)、周內(nèi)分布偏度指數(shù)等得出與文獻(xiàn)一致的結(jié)論。戢曉峰等針對黃金周過飽和旅游流，提出了基于突變理論的過飽和旅游流應(yīng)急疏散效率評價(jià)方法。此外，姚小云以世界遺產(chǎn)地武陵源為例，對黃金周的客流發(fā)展趨勢與對策進(jìn)行了探討，指出未來黃金周旅游客流整體呈波動增長、自駕車旅游流將持續(xù)增長的發(fā)展特點(diǎn)和趨勢，并從現(xiàn)行休閑制度、黃金周旅游管理、交通發(fā)展等方面分析了黃金周客流發(fā)展的影響因素。二是對于7個(gè)節(jié)假日的整體研究。如李偉等以武漢市為例，主要采用地理集中指數(shù)、基尼系數(shù)等指標(biāo)，比較分析了7個(gè)法定節(jié)假日觀光游覽、探親訪友、商務(wù)會議、購物美食4種不同旅游目的的旅游流時(shí)空分異特征。戢曉峰等以云南省為例，運(yùn)用游客集中度系數(shù)、洛倫茲曲線等揭示了云南省節(jié)假日旅游流的時(shí)間分布在省域和市域尺度均呈相對均衡格局，空間分布呈“多核心、邊界帶狀”空間格局，進(jìn)一步指出旅游資源稟賦是節(jié)假日旅游流空間格局形成的主要因素。綜合來看，目前節(jié)假日旅游流的研究取得了一些初步成果，但仍處于起步階段。大部分學(xué)者主要從景區(qū)景點(diǎn)、旅游相關(guān)部門獲取面板數(shù)據(jù)，或者結(jié)合問卷調(diào)查等方法獲得研究數(shù)據(jù)，研究內(nèi)容大多集中于節(jié)假日旅游流的時(shí)空特征，但將大數(shù)據(jù)運(yùn)用到節(jié)假日旅游流時(shí)空分布特征，從自駕游、團(tuán)隊(duì)游等不同類型旅游群體的視角獲取旅游流空間行為模式，并揭示節(jié)假日旅游流擁堵現(xiàn)象的研究尚顯不足。

隨著旅游流的研究已進(jìn)入“白熱化”階段，逐漸有學(xué)者指出，數(shù)據(jù)的獲取成為旅游流研究的制約之一。當(dāng)前旅游流數(shù)據(jù)的獲取方法逐漸由傳統(tǒng)的問卷調(diào)查法、深度訪談法、二手面板數(shù)據(jù)法等過渡到大數(shù)據(jù)時(shí)代下的旅游日記、數(shù)字足跡等方法，目前已有部分學(xué)者將大數(shù)據(jù)運(yùn)用到旅游流的研究中來。如王錄倉等利用新浪微博LBS簽到數(shù)據(jù)和核密度估計(jì)分析方法，從時(shí)空維度對蘭州市旅游流特征進(jìn)行了研究。閆閃閃等基于類似的數(shù)據(jù)和方法，分析了洛陽市旅游流的年度時(shí)空分布特征，發(fā)現(xiàn)洛陽市旅游客流量在洛陽牡丹文化節(jié)、“十一”黃金周兩個(gè)節(jié)日高度聚集。羅秋菊和梁思賢基于數(shù)字足跡，獲取了云南省自駕車客流的時(shí)空分布特征，發(fā)現(xiàn)云南省自駕客流多集中于黃金周及寒暑假，整體的自駕客流網(wǎng)絡(luò)密度較低。旅游數(shù)字足跡與傳統(tǒng)的問卷調(diào)查等方法相比，在具有代表性、時(shí)效性、簡單性等優(yōu)勢的同時(shí)，面臨研究樣本受限，旅游者類型不全，加之游客對于空間識別較弱，在游記記錄時(shí)可能存在誤差等問題。公路交通流數(shù)據(jù)作為大數(shù)據(jù)類型之一，建立在對不同路段流量不間斷、實(shí)時(shí)、連續(xù)的監(jiān)測和記錄的基礎(chǔ)之上，具有時(shí)效性和準(zhǔn)確性，能夠真實(shí)并且直觀地反映流量的時(shí)空特征。但目前尚未見有文獻(xiàn)報(bào)道將公路交通流大數(shù)據(jù)用于旅游流研究，相比GPS數(shù)據(jù)，通過公路交通流提取的旅游流數(shù)據(jù)可以將旅游流的本質(zhì)——“流動性”特征生動體現(xiàn)出來，并可識別自駕旅游流和團(tuán)隊(duì)旅游流的空間行為模式。

為此，本文基于公路交通流大數(shù)據(jù)，選取當(dāng)前云南省較為典型的4條旅游運(yùn)輸通道為案例，獲取公路旅游運(yùn)輸通道節(jié)假日旅游流的時(shí)空分異特征，對利用公路交通流數(shù)據(jù)研究旅游流的時(shí)空特征進(jìn)行有益嘗試，同時(shí)為節(jié)假日旅游流管理、旅游運(yùn)輸通道設(shè)計(jì)提供參考。

1 研究區(qū)域與研究方法

1.1 研究區(qū)域概況

云南省地處我國西南邊陲，地理環(huán)境特殊且經(jīng)濟(jì)欠發(fā)達(dá)。截至2017年年底，云南省擁有A級景區(qū)230處，其中，4A級及以上景區(qū)77處，昆明、大理、麗江、西雙版納4個(gè)城市擁有4A級及以上景區(qū)個(gè)數(shù)占全省景區(qū)比例接近50%。目前，云南省高鐵覆蓋率較低，由于交通條件的限制，尚未形成串聯(lián)景區(qū)景點(diǎn)的旅游閉合環(huán)線，更多地體現(xiàn)為“單一道徑”形式。云南省大部分旅游流以昆明為重要的旅游交通中轉(zhuǎn)站，再到達(dá)其他旅游目的地，節(jié)假日旅游依然維持以公路為主要的旅游交通方式，云南省因此成為我國典型的公路旅游流研究案例區(qū)域。

1.2 數(shù)據(jù)來源

本文的公路交通流數(shù)據(jù)來源于云南省交通流量數(shù)據(jù)監(jiān)測平臺。已有實(shí)證研究表明，云南省的國

內(nèi)旅游流空間上主要聚集于以昆明為中心的滇中城市群、昆明一大理一麗江一迪慶和昆明一西雙版納旅游發(fā)展軸，且旅游運(yùn)輸通道的服務(wù)水平是影響旅游流量的關(guān)鍵因素。因此，本文重點(diǎn)分析以昆明為起點(diǎn)的旅游運(yùn)輸通道，依據(jù)旅行社官方網(wǎng)站推出的云南省節(jié)假日自駕游和團(tuán)隊(duì)游旅行線路，選取昆明一大理一麗江一香格里拉、昆明一西雙版納兩條著名的旅游運(yùn)輸通道，將其定義為長線旅游運(yùn)輸通道;以及昆明周邊的昆明一石林一彌勒一瀘西、昆明一建水一元陽兩條相對較短的旅游運(yùn)輸通道，將其定義為短線旅游運(yùn)輸通道（圖1）;此外，將昆明一西雙版納定義為直達(dá)型旅游運(yùn)輸通道。

本文選取2017年云南省4條旅游運(yùn)輸通道的主要城鎮(zhèn)及交通節(jié)點(diǎn)監(jiān)測的交通流量數(shù)據(jù)，共選取觀測站點(diǎn)31個(gè)，數(shù)據(jù)采集時(shí)間分別為2017年元旦、春節(jié)、清明節(jié)、“五一”節(jié)、端午節(jié)、中秋節(jié)、國慶節(jié)7個(gè)法定節(jié)假日，共29天;所提取的數(shù)據(jù)包括各條旅游運(yùn)輸通道中各種旅游客運(yùn)車型在1天、1小時(shí)、5分鐘的流量統(tǒng)計(jì)數(shù)據(jù)。其中，以天為單位提取的數(shù)據(jù)共1798條，自駕車和大客車均899條;以小時(shí)為單位的數(shù)據(jù)共43 152條，自駕車和大客車均21 576條;以5分鐘為單位的數(shù)據(jù)共517 824條，自駕車和大客車均258 912條。進(jìn)一步利用數(shù)據(jù)分析軟件對交通流數(shù)據(jù)進(jìn)行分析處理，得到本文所需的基礎(chǔ)數(shù)據(jù)。

1.3 研究方法

時(shí)間特征研究首先采取時(shí)間層次分析法，對旅游運(yùn)輸通道的節(jié)假日旅游流區(qū)分各個(gè)時(shí)段進(jìn)行分析。其次，利用集中指數(shù)G有效衡量旅游流在時(shí)間分布上的整體集中程度;最后，采用對比分析法，分析不同節(jié)假日時(shí)段各旅游運(yùn)輸通道的旅游流規(guī)模比重。

集中指數(shù)G計(jì)算公式為：

式（1）中：G為旅游流在研究時(shí)段上的集中指數(shù);x1為第i個(gè)出游時(shí)段的旅游流規(guī)模;T為案例出游時(shí)段旅游流總規(guī)模;n為案例時(shí)段總數(shù)。如果旅游流在7個(gè)節(jié)假日時(shí)間段內(nèi)完全均衡分布，則

空間特征研究首先采用基尼系數(shù)度量不同旅游運(yùn)輸通道的節(jié)假日旅游流在空間上的分布狀況;再借助ArcGIS實(shí)現(xiàn)旅游路線、觀測站點(diǎn)及各節(jié)假日站點(diǎn)流量的可視化表達(dá);最后，運(yùn)用空間使用曲線進(jìn)一步分析云南省4條旅游運(yùn)輸通道上旅游流的空間距離衰減特征。

基尼系數(shù)的計(jì)算公式為：

式（2）中：p1為第j個(gè)旅游運(yùn)輸通道的旅游流規(guī)模占所有案例旅游運(yùn)輸通道旅游流總規(guī)模的比重;Ⅳ為旅游運(yùn)輸通道數(shù)量;C為分布均衡度。Gini的值介于0和1之間，值越大表明集中程度越高，空間上分布越不均衡。

2 時(shí)間特征分析

2.1 整體一局部變化分析

旅游流在7個(gè)節(jié)假日呈現(xiàn)顯著的時(shí)間分異，受法定節(jié)假日時(shí)長的影響，4條旅游運(yùn)輸通道旅游流主要集中于春節(jié)和“十一”兩個(gè)黃金周，且“十一”黃金周的旅游流量遠(yuǎn)超過春節(jié)。在其余5個(gè)小長假中，旅游流較集中于“五一”和清明節(jié)，端午、元旦、中秋節(jié)次之。

（1）旅游流的日變化特征分析

選取旅游目的地城市具有直達(dá)特征的昆明一西雙版納通道，進(jìn)一步分析“十一”黃金周的旅游流日變化特征。如圖2所示，昆明一西雙版納通道在黃金周期間的旅游流呈平V型變化，主要由于西雙版納距離昆明約540 km，出行耗時(shí)較長，游客集中于長假第1、第2天出游，并于長假第5、第6天返程，故第4天作為長假時(shí)間中點(diǎn)，也是昆明一西雙版納通道的旅游流V端點(diǎn)。

（2）旅游流的小時(shí)變化特征分析

本文選擇出行集聚特征較顯著的長假第1天，進(jìn)一步分析昆明一西雙版納旅游運(yùn)輸通道黃金周旅游流的小時(shí)特征（圖3），發(fā)現(xiàn)長假第一天旅游流時(shí)間分布呈10時(shí)-11時(shí)、14時(shí)-15時(shí)的兩大高峰及18時(shí)-19時(shí)的一小高峰結(jié)構(gòu)。整個(gè)日變化過程大致可分為3個(gè)階段：第一階段，遵循正常的作息時(shí)間規(guī)律，流量從早晨5時(shí)開始到10時(shí)呈現(xiàn)一個(gè)明顯的遞增態(tài)勢，并于10時(shí)達(dá)到流量最高峰;第二階段，由W型和鏡像J型共同組成，由于游客在不同時(shí)間點(diǎn)的午休，流量在10時(shí)-15時(shí)呈現(xiàn)一個(gè)W型變化特征，流量從最高峰變至次高峰，再從15時(shí)-18時(shí)，流量變化呈鏡像J型;第三階段，18時(shí)-24時(shí)，旅游流量呈遞減態(tài)勢。

（3）旅游流5分鐘變化特征分析

選擇小時(shí)變化速率較大且接近高峰時(shí)段的9時(shí)-10時(shí)，以5分鐘為單位，進(jìn)一步分析昆明一西雙版納通道旅游流的5分鐘變化特征（圖4）。發(fā)現(xiàn)9時(shí)-10時(shí)，旅游流呈“粗瓶”形狀。9：00-9： 40，旅游流近似呈2/3圓狀，流量變化較小，于9：45達(dá)到流量高峰，之后小幅變化但依然保持較大的旅游流量，以致出現(xiàn)10時(shí)-11時(shí)的小時(shí)高峰現(xiàn)象。小時(shí)流量的進(jìn)一步變化導(dǎo)致日變化特征的形成，3個(gè)時(shí)間面層層嵌套，相互關(guān)聯(lián)。

2.2 時(shí)間集中度

4條旅游運(yùn)輸通道的旅游流在7個(gè)節(jié)假日具有集聚特征。其中，昆明一石林一彌勒一瀘西和昆明一建水一元陽兩條短線通道的集中指數(shù)分別為38.53、42.41，昆明一大理一麗江一香格里拉和昆明一西雙版納兩條通道的集中指數(shù)分別為47.38、46.52，均高于37.80，昆明一石林一彌勒通道的集中指數(shù)較為接近37.80，表明該通道旅游流在7個(gè)節(jié)假日的集中性不明顯，分布相對均衡。節(jié)假日旅游流的時(shí)間集中度由高到低依次為昆明一大理一麗江一香格里拉>昆明一西雙版納>昆明一建水一元陽>昆明一石林一彌勒。整體而言，長線通道的節(jié)假日旅游流時(shí)間集中度明顯高于短線通道。將各通道的數(shù)據(jù)分別按自駕游和團(tuán)隊(duì)游進(jìn)行分析處理，如表1所示，發(fā)現(xiàn)4條通道的自駕旅游流在時(shí)間上的集中度均高于團(tuán)隊(duì)旅游流。

2.3 規(guī)模比重對比分析

為進(jìn)一步分析各個(gè)節(jié)假日不同旅游運(yùn)輸通道旅游流的高峰情況，統(tǒng)計(jì)分析了不同節(jié)假日各通道的旅游流規(guī)模比重，如圖5和圖6所示。7個(gè)節(jié)假日中，昆明一大理一麗江一香格里拉通道的旅游流規(guī)模比重最大，呈明顯的外圈層分布。在5個(gè)小長假中，昆明一西雙版納通道的自駕旅游流和團(tuán)隊(duì)旅游流都低于昆明一大理一麗江一香格里拉通道?！笆弧焙痛汗?jié)兩個(gè)黃金周，由于能夠較好地滿足旅游時(shí)間需求，兩條長線通道的旅游流頗為接近。而在5個(gè)小長假，

昆明一西雙版納通道的自駕旅游流與兩條短線運(yùn)輸通道較為接近。團(tuán)隊(duì)旅游流則在4條通道呈現(xiàn)明顯的圈層分布，由外及內(nèi)依次為昆明一大理一麗江一香格里拉、昆明一西雙版納、昆明一石林一彌勒一瀘西、昆明一建水一元陽。中秋節(jié)，昆明一西雙版納與昆明一大理一麗江一香格里拉通道的團(tuán)隊(duì)旅游流差值較大。

3 空間特征分析

3.1 空間分布特征圖

利用ArcGIS 10.5繪制云南省主要旅游運(yùn)輸通道，并表征本文所選擇的4條旅游運(yùn)輸通道的節(jié)假日旅游流空間分布特征，如圖7所示，4條旅游運(yùn)輸通道旅游流在7個(gè)節(jié)假日呈現(xiàn)“一核、四軸、多散點(diǎn)”的空間分布特征。以昆明市為一核心的旅游流高度聚集，并沿著各條呈放射狀的旅游運(yùn)輸通道呈現(xiàn)“多散點(diǎn)、小型化、小聚集”的空間分布特征。以上旅游流的集聚空間分布特征表明，4條旅游運(yùn)輸通道的旅游流空間分布呈現(xiàn)出向城鎮(zhèn)、重要高速公路節(jié)點(diǎn)、旅游資源富集區(qū)域的集聚特征。

（1）依附城鎮(zhèn)集聚特征明顯

節(jié)假日旅游流呈現(xiàn)向旅游運(yùn)輸通道附近的城鎮(zhèn)及周邊集聚的特征。主要聚集于昆明周邊的安寧、宜良、石林、大理市周邊的下關(guān)、鳳儀、上關(guān)及昆明一西雙版納通道的玉溪、墨江。這些城鎮(zhèn)作為旅游運(yùn)輸通道上重要的節(jié)點(diǎn)、中轉(zhuǎn)站，也同樣是旅游目的地。游客在旅游運(yùn)輸通道上依附這些城鎮(zhèn)提供的住宿、餐飲、旅游交通、休憩、娛樂等旅游服務(wù)功能，間接或直接完成整個(gè)旅游活動，這些城鎮(zhèn)因此成為旅游流的主要聚集區(qū)。

（2）旅游運(yùn)輸通道重要交通節(jié)點(diǎn)的集聚特征顯著

旅游流在7個(gè)節(jié)假日均傾向于向主要高速路段、節(jié)點(diǎn)及其周邊聚集。主要集中分布于安楚高速、楚大高速、大麗高速、玉元高速、昆磨高速等高速公路段，尤其在安楚恐龍谷、錢糧橋、楚大下莊、楚大鳳儀、麗江關(guān)坡、研和等重要交通節(jié)點(diǎn)的集聚較為明顯。公路運(yùn)輸是云南省主要的旅游交通方式，尤其是近年來云南省高速公路的不斷延伸，“尺縮鐘慢”效應(yīng)不斷顯著，使得云南省節(jié)假日旅游流依托高速公路在旅游運(yùn)輸通道上的集聚特征越發(fā)明顯。

（3）旅游資源富集型通道的集聚特征顯著

節(jié)假日旅游流與旅游資源豐富度較高的旅游運(yùn)輸通道吻合度較高。旅游流大多聚集于昆明一大理一

麗江一香格里拉通道上的大理南詔風(fēng)情島、雞足山、大理古城、洱海公園、玉龍雪山、拉市海風(fēng)景區(qū)、麗江古城、梅里雪山、普達(dá)措國家公園等4A級或5A級景區(qū)，其次聚集于昆明一西雙版納的傣族園、原始森林公園、野象谷景區(qū)等景區(qū)。昆明一石林一彌勒一瀘西通道主要以石林5A級風(fēng)景名勝區(qū)、瀘西阿廬古洞4A級景區(qū)等對節(jié)假日旅游流具有較大吸引力，昆明一建水一元陽則主要以建水燕子洞、元陽哈尼梯田等景區(qū)引領(lǐng)節(jié)假日旅游流規(guī)模。4條旅游運(yùn)輸通道的旅游資源豐富度從高到低依次為：昆明一大理一麗江一香格里拉、昆明一西雙版納、昆明一石林一彌勒一瀘西、昆明一建水一元陽，與圖7中旅游流在4條通道的空間分布一致;昆明一大理一麗江一香格里拉、昆明一西雙版納的旅游流集聚特征較為顯著，相比之下，昆明一石林一彌勒一瀘西、昆明一建水一元陽的集聚特征稍弱。

3.2 空間集中度

節(jié)假日旅游流在4條旅游運(yùn)輸通道的空間集中度較高，均衡度較低。4條通道整體基尼系數(shù)為0.88，進(jìn)一步分別計(jì)算4條通道自駕和團(tuán)隊(duì)旅游流的空間基尼系數(shù)和均衡度，如表2所示。顯然，可知自駕旅游流在昆明一石林一彌勒一瀘西通道的基尼系數(shù)僅為0.67，旅游流空間分布相對均衡;昆明一大理一麗江—香格里拉通道的基尼系數(shù)高達(dá)0.86，旅游

流空間分布較為集中，其余兩條通道居中，表現(xiàn)出旅游流在通道的集中分布特征。

3.3 空間使用曲線

目前，較多學(xué)者采用空間使用曲線描述旅游流隨旅行距離增加而逐漸衰減的現(xiàn)象，較為常見的旅游流空間使用曲線有基本型曲線、U型曲線、Maxwell-Boltzman型曲線3種類型。旅游流空間使用曲線會隨著旅游地等級、旅游地所處的區(qū)位及旅游地空間結(jié)構(gòu)的差異而不同。近年來，由于“十一”長假安排、高速公路收費(fèi)優(yōu)惠政策以及旅游者對在短時(shí)間內(nèi)能夠游覽多個(gè)旅游目的地的需求，大多旅游者傾向于優(yōu)先選擇沿線旅游資源豐富、且不間斷分布的旅游運(yùn)輸通道，而昆明一大理一麗江一香格里拉通道正好能夠滿足這樣的要求。因此，本文以昆明一大理一麗江一香格里拉通道為例，分析“十一”黃金周自駕游和團(tuán)隊(duì)游的旅游流空間距離衰減特征。利用“百度電子地圖測距工具”計(jì)算自駕游和團(tuán)隊(duì)游客從昆明市中心出發(fā)到各個(gè)旅游目的地附近途經(jīng)站點(diǎn)的公路距離，繪制出自駕游和團(tuán)隊(duì)游空間使用曲線（圖8），兩曲線均較多由U型和倒U型曲線共同組合而成。

由圖8可知，自駕游曲線在距離昆明大約15 km處出現(xiàn)了第一次高峰，也是最高峰。此處位于昆明市西山區(qū)城郊結(jié)合處，作為昆明西向交通的重要節(jié)點(diǎn)，因周邊多個(gè)生態(tài)游樂園和生態(tài)公園的較強(qiáng)吸引力，使得自駕旅游流量快速增加。在遠(yuǎn)離昆明進(jìn)入楚雄后，自駕旅游流呈明顯衰減之勢，出現(xiàn)第一次波谷。而后，自駕旅游流伴隨沿途祿豐恐龍谷、彝人古鎮(zhèn)等景點(diǎn)的吸引力呈上升趨勢，但增長趨勢不明顯。在250-320 km范圍內(nèi)出現(xiàn)第二次波峰，這主要因?yàn)榇朔秶挥诖罄碇?，而大理州旅游資源稟賦較高，A級以上景區(qū)規(guī)模僅次于昆明市。第三次波峰位于距離昆明市500 km附近，該處臨近麗江市古城區(qū)，是云南省自駕游線路的核心節(jié)點(diǎn)，麗江古城、束河古鎮(zhèn)、拉市海、玉龍雪山等高知名度景點(diǎn)的集中分布使其自駕旅游流集聚上升，但與旅游資源稟賦相當(dāng)?shù)拇罄碇菹啾龋捎诮煌ㄏ鄬Ρ憬莸睦ッ饕淮罄硪或v沖一瑞麗等通道對旅游流部分分流，進(jìn)而對麗江旅游流形成沖擊，致使其旅游流曲線峰值較大理有所下降。第四次峰值出現(xiàn)于昆明一大理一麗江一香格里拉通道的終點(diǎn)旅游目的地，旅游流進(jìn)一步下降。

與自駕游相比，團(tuán)隊(duì)游的旅游目的地更為明確，路線更為規(guī)律，因而其所呈現(xiàn)的空間使用曲線波動較為規(guī)律;隨著旅行距離的增加，各個(gè)波峰呈明顯的遞減趨勢，但相鄰波峰間的差距相對縮小?？傮w上看，自駕和團(tuán)隊(duì)旅游流多集聚于以昆明周邊景點(diǎn)及以大理、麗江、香格里拉3個(gè)旅游城市為核心的范圍。

4 結(jié)論與討論

4.1 結(jié)論

本文選取云南省旅游流較為集中的4條旅游運(yùn)

輸通道為案例，提取2017年節(jié)假日自駕游和團(tuán)隊(duì)游的公路交通流量數(shù)據(jù)，從時(shí)空二元視角對比分析了自駕游和團(tuán)隊(duì)游的旅游流時(shí)空分異特征，得出以下結(jié)論：

（1）7個(gè)節(jié)假日中，4條旅游運(yùn)輸通道的國慶節(jié)旅游流占比最大，聚集特征更加顯著。對昆明一西雙版納通道“十一”黃金周的旅游流進(jìn)行時(shí)間層次分析，發(fā)現(xiàn)“十一”黃金周旅游流的變化通常由短時(shí)集聚變化引起，逐漸累加形成小時(shí)旅游流高峰，進(jìn)而呈現(xiàn)旅游流擁堵狀態(tài)。

（2）從時(shí)間集中度看，一方面，節(jié)假日長線旅游運(yùn)輸通道旅游流的時(shí)間集中度均高于短線旅游運(yùn)輸通道。主要由于短線通道在7個(gè)節(jié)假日都成為游客選擇景點(diǎn)的必經(jīng)通道，而長線直達(dá)式通道的旅游流則主要集中于兩個(gè)黃金周。特別在“五一”等小長假，游客傾向于選擇短線通道。另一方面，4條旅游運(yùn)輸通道自駕旅游流的時(shí)間集中度較高，且均高于團(tuán)隊(duì)旅游流，由于自駕車旅游流規(guī)模較大，該現(xiàn)象也是引起節(jié)假日旅游流擁堵的主要原因之一。

（3）昆明一大理一麗江一香格里拉通道的節(jié)假日旅游流規(guī)模位居首位。對于兩條長線通道而言，昆明一大理一麗江一香格里拉通道主要由于沿線旅游資源成“點(diǎn)一軸”式不間斷分布，與旅游資源呈“端點(diǎn)”式分布的昆明一西雙版納通道相比略顯優(yōu)勢。在中秋節(jié)，由于“十一”黃金周的“虹吸效應(yīng)”，昆明一西雙版納通道團(tuán)隊(duì)的旅游流規(guī)模比重較端午節(jié)明顯下降，說明直達(dá)型的長線通道旅游流受假日時(shí)間安排的影響較大，該現(xiàn)象目前尚未引起管理部門及旅游企業(yè)的足夠重視。5個(gè)小長假，昆明一石林一彌勒一瀘西、昆明一建水一元陽兩條短線通道的自駕旅游流與昆明一西雙版納通道基本一致，主要由于自駕游客傾向于選擇與昆明距離較近的通道。

（4）4條通道的旅游流在7個(gè)節(jié)假日呈現(xiàn)“一核、四軸、多散點(diǎn)”的空間分布特征，且呈現(xiàn)向城鎮(zhèn)、重要高速公路節(jié)點(diǎn)、旅游資源富集區(qū)域的集聚特征，空間集中度較高，均衡度較低。其中，在昆明一大理一麗江一香格里拉通道的基尼系數(shù)高達(dá)0.86，空間集中度達(dá)到最高，在昆明一石林一彌勒一瀘西通道的基尼系數(shù)為0.67，旅游流空間分布相對均衡。這主要由于昆明一大理一麗江一香格里拉通道的距離較長，旅游流主要聚集于沿線城市的各個(gè)景點(diǎn)，也進(jìn)一步反映了旅游流高度聚集的昆明一大理一麗江一香格里拉通道應(yīng)成為節(jié)假日旅游流管理的重點(diǎn)關(guān)注對象;昆明一石林一彌勒一瀘西通道距離較短，沿線旅游資源稟賦較高且分布較為均衡，游客可在短時(shí)內(nèi)游覽多個(gè)景點(diǎn)。

（5）公路交通流大數(shù)據(jù)可直觀揭示旅游流隨旅行距離增加而逐漸衰減的現(xiàn)象?！笆弧秉S金周，昆明一大理一麗江一香格里拉通道的自駕游空間使用曲線的距離衰減規(guī)律不明顯，團(tuán)隊(duì)游空間使用曲線的衰減較為規(guī)律，呈現(xiàn)多峰模式，且各個(gè)相鄰波峰分別在楚雄、大理、麗江、香格里拉等節(jié)點(diǎn)呈遞減態(tài)勢，終點(diǎn)香格里拉的旅游流占比在3%以下。這主要是由于昆明一大理一麗江一香格里拉通道的路程較長，且在沿線的大理、麗江兩個(gè)旅游城市已吸引了大部分的旅游流，致使最終到達(dá)香格里拉的旅游流進(jìn)一步減少。

4.2 管理啟示

本研究可為區(qū)域旅游交通組織、景區(qū)應(yīng)急管理提供理論依據(jù)。研究結(jié)果表明，云南省節(jié)假日旅游流在4條通道上的時(shí)空分異特征顯著，自駕旅游流在時(shí)間分布上呈現(xiàn)較高的集中度，由此可能導(dǎo)致節(jié)假日旅游交通擁堵、旅游路線客流集聚。同時(shí)，研究結(jié)果還表明，4條通道的旅游流空間分布呈現(xiàn)出向城鎮(zhèn)、重要高速公路節(jié)點(diǎn)、旅游資源富集區(qū)域的集聚特征，這說明旅游運(yùn)輸通道對旅游流的集散具有重要引導(dǎo)作用。因此，本文提出以下幾點(diǎn)管理啟示與建議：

（1）交通管理部門應(yīng)當(dāng)充分掌握并預(yù)測節(jié)假日游客的出行規(guī)律，以此為基礎(chǔ)編制旅游交通應(yīng)急疏散預(yù)案，并提前發(fā)布旅游客流預(yù)警信息和誘導(dǎo)信息。

（2）交通與旅游部門應(yīng)實(shí)現(xiàn)信息共享。通過在旅游運(yùn)輸通道沿線建設(shè)旅游服務(wù)區(qū)等設(shè)施誘導(dǎo)部分旅游流，景區(qū)、景點(diǎn)應(yīng)實(shí)時(shí)掌握通道旅游流擁堵狀況，提前制定應(yīng)急管理措施、完善景區(qū)疏散體系，在提升游客體驗(yàn)感的同時(shí)，保障游客安全。

（3）交通管理部門應(yīng)加強(qiáng)旅游運(yùn)輸通道的規(guī)劃建設(shè)和管理，提升旅游運(yùn)輸通道的服務(wù)水平，為沿線旅游城市、景區(qū)之間的合作提供設(shè)施基礎(chǔ)。

4.3 研究展望

本文嘗試用公路交通流大數(shù)據(jù)揭示節(jié)假日自駕和團(tuán)隊(duì)旅游流的時(shí)空分布特征，但本文僅選擇了旅游流較多的4條公路旅游運(yùn)輸通道進(jìn)行時(shí)空二元視角分析，未將利用其他交通方式的旅游群體考慮在內(nèi)，今后研究會對更多的旅游運(yùn)輸通道與交通方式進(jìn)行分析。此外，本文建立的公路交通流大數(shù)據(jù)

分析方法除了能夠在分析旅游流時(shí)空特征上發(fā)揮實(shí)質(zhì)性作用，還可用于節(jié)假日旅游流預(yù)測。

Spatial and Temporal Differentiation Characteristics of Holiday Tourism Flow

based on Highway Traffic Flow Big Data： A Case Study of 7

Holidays in 2017 in Yunnan Province

JI Xiaofeng1，2， GE Yicheng1，2， CHEN Fang2

（1.School of Traffic Engineering， Kunming University of Science and Technology， Kunming 650504， China;

2.Yunnan Integrated Transportation Development and Regional Logistics Management Think Tank， Kunming 650504， China）

Abstract： Highway traffic flow data is one type of big data. Compared to GPS data， the tourism flowdata extracted from highway traffic flow can vividly reflect the essence of tourism flow- "mobility"characteristics， and can identify the spatial behavior patterns of self-driving tourism and group tourismflow. Yunnan province as an example， a typical case study area of highway tourism flow in China， andbased on the trafficc flow data analysis platform of Yunnan province， this paper further selects four typicaltourist transport corridors in Yunnan province， namely Kunming-Dali-Lijiang-Shangri-Ia， Kunming-Xishuangbanna， Kunming- Shilin- Mile- Luxi， Kunming- Jianshui- Yuanyang， as specific cases， andtakes Kunming-Dali- Lijiang as a case study. Shangri- La and Kunming- Xishuangbanna tourist transport

corridors are defined as long-distance tourist transport corridors， and Kunming-Shilin-Mile-Luxi andKunming- Jianshui- Yuanyang tourist transport corridors are defrned as short- term tourist transportcorridors. The road traffic flow data of self-driving and group travel during the holidays in 2017 wereextracted， and the spatial and temporal characteristics of self- driving and group travel during theholidays were obtained from the perspective of space-time duality.

The results show that： （1） During the seven holidays， the concentration index of tourism flow inKunming- Dali- Lijiang- Shangri- La and Kunming- Xishuangbanna long- distance transport corridorsis 47.38 and 46.52 respectively， while that in Kunming- Jianshui- Yuanyang and Kunming- Shilin-Mile-Luxi short-distance transport corridors is 42.41 and 38.53 respectively， which are all higher thanthat in the case of complete equilibrium distribution. The results show that the four tourist transportcorridors have significant agglomeration characteristics in seven holidays， and the time concentration ofthe long- term tourist transport corridors is higher than that of the short- term ones， and the timeconcentration of the self-driving tourist flow is higher than that of the team tourist flow. （2） Kunming-Dali- Lijiang- Shangri- La Passage has the largest holiday tourist flow scale. and Kunming-Xishuangbanna tourist transport channel has a significant impact on the holiday duration. （3） Theholiday tourism flow of the four tourist transport corridors presents the spatial distributioncharacteristics of "scattered points， miniaturization and small agglomeration". Among them， theagglomeration characteristics to cities， important traffic nodes and tourist resource-enriched corridorsare particularly significant; the Gini coefficient of the self- driving tourism flow of Kunming- Dali-Lijiang- Shangri- La corridor is as high as 0.86， with the highest spatial concentration. Compared withself-driving tour， the use curve of team tour space shows a multi-peak pattern， and the adjacent peaksshow a significant decreasing trend.

The results show that the spatial and temporal characteristics of holiday tourism flow in YunnanProvince are significant， and the self- driving tourism flow shows a high concentration in timedistribution， which may lead to holiday tourism traffic congestion and tourist routes passenger flowconcentration. In addition， the spatial distribution of tourism flow of the four tourism transportcorridors shows the characteristics of agglomeration to cities， important highway nodes and tourismresource-rich areas， which shows that tourism transport corridors play an important guiding role in thedistribution of tourism flow. Therefore， this study can provide theoretical basis for regional tourismtraffic organization and emergency management of scenic spots.

Keywords： traffic flow data; tourist flows; tourist transportation corridor; holidays; spatiotemporalcharacteristics