叢海龍，鄭 茜，盧素蘭

（福建農(nóng)林大學(xué)鄉(xiāng)村振興學(xué)院，福建 福州 350002）

隨著經(jīng)濟(jì)的不斷發(fā)展和生活質(zhì)量的不斷提高，人們在工作之余開始將外出旅游作為自己的休閑手段。據(jù)福建省統(tǒng)計(jì)數(shù)據(jù)，全省旅游收入和旅游人數(shù)在2020年之前逐年增加，呈現(xiàn)了積極增長的趨勢。但是伴隨著2020年新冠疫情的爆發(fā)，福建省旅游業(yè)的發(fā)展受到了沉重打擊。疫情管控后，旅游業(yè)進(jìn)入恢復(fù)期，國家文化和旅游部辦公廳于2020年7月發(fā)布了《關(guān)于推進(jìn)旅游企業(yè)擴(kuò)大復(fù)工復(fù)業(yè)有關(guān)事項(xiàng)的通知》，逐步開放全省旅行社有序恢復(fù)經(jīng)營活動(dòng)；2021年福建省政府出臺(tái)了《福建省人民政府關(guān)于促進(jìn)旅游業(yè)高質(zhì)量發(fā)展的意見》（閩政〔2021〕8號）政策，幫助福建省旅游經(jīng)濟(jì)平穩(wěn)恢復(fù)。但是，由于新冠疫情的反復(fù)出現(xiàn)及各地不同的管控措施，人們對于外出旅游產(chǎn)生了消極態(tài)度，旅游業(yè)未來發(fā)展前途迷茫，所以通過預(yù)測分析新冠疫情對福建省旅游業(yè)的影響，對后續(xù)旅游業(yè)發(fā)展具有參考價(jià)值。

目前，與新冠疫情和旅游業(yè)相關(guān)的研究主要以定性研究為主。如姚瑤[1]針對農(nóng)村旅游市場做出了研究，認(rèn)為新冠疫情促進(jìn)了人們對農(nóng)村市場旅游智慧化的需求，但沒有足夠條件實(shí)現(xiàn)；嚴(yán)偉等[2]通過中小旅游企業(yè)當(dāng)前遇到的困難，提出相應(yīng)對策建議；楊勇[3]對于常態(tài)化疫情防控下的旅游經(jīng)濟(jì)研究的問題與機(jī)遇進(jìn)行分析。此外，還有許多學(xué)者對于疫情下旅游業(yè)發(fā)展問題提出相應(yīng)對策，但定性研究缺乏數(shù)據(jù)分析，無法客觀體現(xiàn)新冠疫情對旅游業(yè)的影響程度，因此本文選擇通過分析數(shù)據(jù)誤差的方式對福建省旅游業(yè)進(jìn)行預(yù)測。目前旅游業(yè)數(shù)據(jù)預(yù)測上的研究方法已較為成熟。如張洪采等[4]取指數(shù)平滑法對長三角地區(qū)的國內(nèi)旅游發(fā)展?jié)摿M(jìn)行了預(yù)測；王佳慧[5]通過構(gòu)建灰色預(yù)測模型對山西省旅游服務(wù)貿(mào)易發(fā)展進(jìn)行預(yù)測；孫穎[6]構(gòu)建季節(jié)性ARIMA模型對于中國入境旅游人數(shù)進(jìn)行了預(yù)測。然而，以上方法基本都屬于使用單一模型或者預(yù)測方法對于同一預(yù)測目標(biāo)進(jìn)行預(yù)測，雖然每個(gè)預(yù)測模型都有相應(yīng)提高預(yù)測精度的方法，但由于每個(gè)模型都難免會(huì)出現(xiàn)信息缺失的問題，從而排斥其他的模型，存在降低預(yù)測精度的可能。因此，許多學(xué)者采取組合模型的方式來進(jìn)行數(shù)據(jù)預(yù)測。姜姍等[7]使用PSO算法優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)模型，從而構(gòu)建PSO-BP模型對安徽省旅游收入進(jìn)行預(yù)測，并提出PSO優(yōu)化后的BP模型精度比單一的BP模型更高；江雨兮[8]建立ARIMASVR模型對福建省入境旅客進(jìn)行預(yù)測，其用ARIMA和SVR不同的優(yōu)點(diǎn)進(jìn)行互補(bǔ)從而提高了預(yù)測數(shù)據(jù)的準(zhǔn)確性。此外，在進(jìn)行組合模型使用的同時(shí)需要關(guān)注模型之間權(quán)重分配問題，因?yàn)椴煌哪Ｐ蛢?yōu)缺點(diǎn)不同，在不同的數(shù)據(jù)環(huán)境有著不同的精確度，所以在不同時(shí)期模型的組合需要分配不同的權(quán)重。楊霞等[9]通過加權(quán)算法確定組合預(yù)測模型的權(quán)值，提高預(yù)測結(jié)果準(zhǔn)確性；馮增喜等[10]建立了一種殘差修正的組合預(yù)測方法，通過這種方法證明了動(dòng)態(tài)組合殘差修正的預(yù)測方法要比多個(gè)單一的預(yù)測方法的組合更能改善預(yù)測效果。根據(jù)上述學(xué)者研究經(jīng)驗(yàn)可以得出動(dòng)態(tài)組合模型具有精度更高，信息更全，且能夠根據(jù)時(shí)期動(dòng)態(tài)變化的優(yōu)點(diǎn)，因此本文通過建立動(dòng)態(tài)組合模型對福建省旅游業(yè)進(jìn)行預(yù)測。

1 研究方法與數(shù)據(jù)來源

1.1 數(shù)據(jù)來源及分析工具選取

本文入境游客人數(shù)數(shù)據(jù)選用1979-2020年《福建省統(tǒng)計(jì)年鑒》中接待入境游客人數(shù)的數(shù)據(jù)，以及《2021年福建省國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》中的入境游客人數(shù)數(shù)據(jù)。1979-2021年福建省入境旅客人數(shù)統(tǒng)計(jì)數(shù)據(jù)如表1所示。旅游收入預(yù)測數(shù)據(jù)選擇2015-2019年《福建省統(tǒng)計(jì)年鑒》中福建省國內(nèi)旅游收入數(shù)據(jù)，以及《2021年福建省國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》中福建省國內(nèi)旅游收入數(shù)據(jù)。福建省國內(nèi)旅游年收入?yún)R總?cè)绫?所示。同時(shí)，由于R語言具有自由、免費(fèi)、開源、方便數(shù)據(jù)處理的優(yōu)點(diǎn)，本文選用R語言作為數(shù)據(jù)處理工具。

表1 1979-2021年福建省入境旅客人數(shù) （單位：人）

表2 福建省國內(nèi)旅游年收入?yún)R總

1.2 時(shí)間序列模型 ARIMA 研究方法

ARIMA模型，全稱為自回歸積分滑動(dòng)平均模型（Autoregressive Integrated Moving Average Model），是由博克思（Box）和詹金斯（Jenkins）于20世紀(jì)70年代初提出的一種時(shí)間序列預(yù)測方法。ARIMA模型是指在將非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列過程中，將因變量僅對它的滯后值以及隨機(jī)誤差項(xiàng)的現(xiàn)值和滯后值進(jìn)行回歸所建立的模型。ARIMA（p,d,q）模型表述如下：

式中，Yt是時(shí)序中任意觀測值，μ是序列的均值，β是權(quán)重，εt是隨機(jī)擾動(dòng)，p是自回歸部分的滯后階數(shù)，q為移動(dòng)平均部分滯后階數(shù)，d為差分階數(shù)。

ARIMA模型操作流程如圖1所示。

圖1 ARIMA模型操作流程圖

1.3 灰色預(yù)測模型 GM（1，1）研究方法

灰色預(yù)測法指的是通過鑒別系統(tǒng)因素之間發(fā)展趨勢的相異程度，即進(jìn)行關(guān)聯(lián)分析，并對原始數(shù)據(jù)進(jìn)行處理來尋找系統(tǒng)變動(dòng)的規(guī)律，生成有較強(qiáng)規(guī)律性的數(shù)據(jù)序列，然后建立相應(yīng)的微分方程模型，從而預(yù)測事物未來發(fā)展趨勢的狀況的方法。

1.4 動(dòng)態(tài)組合預(yù)測模型研究方法

由于GM（1，1）預(yù)測模型主要適用于指數(shù)預(yù)測，對于歷史數(shù)據(jù)有較強(qiáng)的依賴性，對于發(fā)生波折后的預(yù)測會(huì)存在一定的誤差[11]，而ARIMA模型由于模型只簡單借助內(nèi)生變量而沒考慮外生因素，所以本文采用誤差平方和的倒數(shù)來確定權(quán)重，其基本理念是誤差平方和越大的模型所分配到的權(quán)重就越小，盡可能地減少誤差較大模型對組合模型預(yù)測數(shù)據(jù)的影響。又因?yàn)榭紤]到常規(guī)權(quán)重計(jì)算數(shù)值確定后，在后面的計(jì)算過程是不變的，這權(quán)重計(jì)算方法并不適用于疫情發(fā)生前后數(shù)據(jù)產(chǎn)生了較大變化的情況，因此本文借鑒孫彩云等[12]對河北省人均GDP進(jìn)行預(yù)測的構(gòu)建動(dòng)態(tài)組合模型的方法，通過使用預(yù)測期前3期的預(yù)測誤差平方和的倒數(shù)作為權(quán)重，使得權(quán)重隨著預(yù)測期的變化而變化。具體計(jì)算步驟如下：

首先，對誤差進(jìn)行歸一化操作，即計(jì)算2個(gè)模型的真實(shí)值和預(yù)測值的誤差：

式中，eit為第i種預(yù)測模型在t時(shí)刻的相對預(yù)測誤差。

其次，計(jì)算第i種預(yù)測模型預(yù)測T時(shí)刻前p期的預(yù)測誤差平方和，隨著預(yù)測期T的改變，前p期的預(yù)測誤差平方和會(huì)隨之改變，計(jì)算公式如下：

再次，計(jì)算第i種模型的權(quán)重系數(shù)：

式中，wi為第i種預(yù)測模型的權(quán)系數(shù)，該系數(shù)會(huì)隨著預(yù)測期T的變化而變化。

最后，計(jì)算組合模型預(yù)測值：

2 實(shí)證分析

2.1 ARIMA 模型對于福建省入境旅游人數(shù)預(yù)測

2.1.1 原始數(shù)據(jù)分析 ARIMA 模型部分采取表 1 中1979-2015年的福建省入境旅游人數(shù)數(shù)據(jù)進(jìn)行預(yù)測。進(jìn)行ARIMA模型預(yù)測之前，首先需要畫出序列的折線圖并判斷其平穩(wěn)性。由圖2可知，該序列具有很強(qiáng)的趨勢性，是不平穩(wěn)的序列，對該序列進(jìn)行ADF檢測，求得p值為0.99，明顯沒有通過顯著性檢測，因此需要對序列進(jìn)行差分。

圖2 福建省1979-2019年入境旅游人數(shù)時(shí)序圖

2.1.2 差分和檢驗(yàn) 對原始序列進(jìn)行二階差分，根據(jù)圖3可以看出二階差分使該序列實(shí)現(xiàn)平穩(wěn)，后續(xù)對二階差分序列進(jìn)行ADF檢驗(yàn)，其結(jié)果p值為0.01，顯著小于0.05且單位根為0，通過了單位根檢驗(yàn)，因此可以認(rèn)為該序列通過二階差分實(shí)現(xiàn)了平穩(wěn)。

圖3 入境旅游人數(shù)二階差分圖

2.1.3 模型定階和模型評價(jià) 為了避免人工定階造成的偏差，本文使用模型自動(dòng)定階函數(shù)確定模型階數(shù)，最后定階為ARIMA（1,2,1）。本文利用AIC信息準(zhǔn)則來判斷該模型擬合程度，其比較準(zhǔn)則是AIC越小越好，根據(jù)結(jié)果表示ARIMA（1,2,1）的AIC值最小，結(jié)果AIC、BIC、AICc值分別為-63.73、-58.74、-63.05。因此從AIC值可以看出該模型較為合理。

根據(jù)上述結(jié)果可以得出線性擬合模型為：

2.1.4 模型診斷 設(shè)原假設(shè)該殘差序列為白噪聲序列，對ARIMA（1,2,1）進(jìn)行白噪聲檢驗(yàn)，其結(jié)果p值為0.7874顯著大于0.05，因此接受原假設(shè)殘差序列為白噪聲序列，現(xiàn)在可以認(rèn)定該模型顯著有效，成功擬合ARIMA（1,2,1）模型。

2.1.5 預(yù)測結(jié)果 根據(jù)以上建立的 ARIMA（1,2,1）模型，對福建省2016-2021年入境旅游人數(shù)進(jìn)行預(yù)測，并通過真實(shí)值和預(yù)測值計(jì)算出相對誤差和相對誤差平方。預(yù)測結(jié)果如表3所示。

表3 ARIMA（1,2,1）模型預(yù)測誤差對比分析

通過表3可以看出2016-2019年的預(yù)測結(jié)果相對誤差隨著時(shí)間的增加，預(yù)測誤差值在整體上變大，所以可以看出ARIMA模型不適合進(jìn)行長期預(yù)測。

2.2 GM（1,1）模型對于福建省入境旅游人數(shù)的預(yù)測

2.2.1 GM（1，1）建模過程 GM（1，1）模型構(gòu)建過程為設(shè)1組原始數(shù)據(jù)為x(0)={x(0)(1),x(0)(2),···,x(0)(n)}，n為數(shù)據(jù)個(gè)數(shù)。對x(0)進(jìn)行累加來削弱隨機(jī)數(shù)列的隨機(jī)性和波動(dòng)性，得到新的數(shù)列為：x(1)={x(0)(1),x(0)(2),···,x(0)(n)}，其中n為數(shù)據(jù)個(gè)數(shù)。接下來通過對原始數(shù)據(jù)進(jìn)行累加或者累減以減弱隨機(jī)序列的隨機(jī)性和波動(dòng)性，從而得到1個(gè)新的序列：

其中，x(1)（t）個(gè)數(shù)據(jù)表示對應(yīng)前幾項(xiàng)數(shù)據(jù)累加。

對x(1)（t）建立下述一階線性微分方程：即GM（1，1）模型。

然后對累加生成數(shù)據(jù)做均值生成B與常數(shù)項(xiàng)向量Yn，即：

對建立的灰色模型進(jìn)行檢驗(yàn)，計(jì)算x(0)(t)與(0)(t)，公式如下：

最后利用模型進(jìn)行預(yù)測：

2.2.2 GM（1，1）級比差值檢驗(yàn) 根據(jù)原始數(shù)據(jù)x(0)(k-1)，x(0)(k)來計(jì)算級比 λ(k)，再用發(fā)展系數(shù)a來求得相應(yīng)的級比偏差：

由于p（k）＜0.1，所以能夠認(rèn)為達(dá)到較高要求。

2.2.3 GM（1，1）預(yù)測結(jié)果及誤差對比 GM（1，1）模型預(yù)測以及誤差對比結(jié)果如表4所示。由表4可以看出，2016-2019年預(yù)測誤差精度較好，用2020、2021年預(yù)測相對誤差數(shù)值和前面年份對比，預(yù)測值與實(shí)際值有較大差距，因此預(yù)測值與真實(shí)值發(fā)展趨勢自2020年后也出現(xiàn)較大差異。

表4 GM（1，1）模型預(yù)測及誤差對比結(jié)果

2.3 動(dòng)態(tài)組合預(yù)測建模和預(yù)測

為了預(yù)測2019、2020、2021年的數(shù)據(jù)，本文分別選取 2019、2020、2021年的前 3年數(shù)據(jù)即 2016-2018年、2017-2019年、2018-2020年的數(shù)據(jù)預(yù)測誤差平方和來計(jì)算動(dòng)態(tài)權(quán)重，計(jì)算結(jié)果如表5所示。通過對誤差平方和計(jì)算，得到2種預(yù)測模型的動(dòng)態(tài)權(quán)重系數(shù)，計(jì)算結(jié)果如表6所示。

表5 2種預(yù)測模型誤差平方和分析

表6 2種模型動(dòng)態(tài)權(quán)重分析

基于上面動(dòng)態(tài)系數(shù)構(gòu)造動(dòng)態(tài)組合預(yù)測模型如下：

利用動(dòng)態(tài)組合模型對2019-2021年福建省入境旅游人數(shù)進(jìn)行預(yù)測，預(yù)測結(jié)果如表7所示。

表7 動(dòng)態(tài)權(quán)重模型預(yù)測及相對誤差計(jì)算結(jié)果

由表7可以看出，2019年動(dòng)態(tài)權(quán)重模型預(yù)測值與真實(shí)值的相對誤差較小，模型也較為精準(zhǔn)，但到了2020、2021年，預(yù)測值與真實(shí)值的相對誤差大幅增加。

通過表8對比結(jié)果可以看出，本文中組合模型短期內(nèi)預(yù)測精度優(yōu)于ARIMA模型，長期優(yōu)于GM（1，1）模型，動(dòng)態(tài)組合模型能夠兼顧2種預(yù)測方法的優(yōu)點(diǎn)，減少了有效信息的喪失，使得預(yù)測更加穩(wěn)定。

表8 3種模型預(yù)測和相對誤差對比結(jié)果

2.4 GM（1，1）對于福建省旅游業(yè)收入預(yù)測

為了充分說明疫情對福建省旅游業(yè)的影響，本文加入了GM（1，1）模型對福建省旅游業(yè)收入的預(yù)測，之所以不用ARIMA模型或者動(dòng)態(tài)組合模型對福建省旅游業(yè)收入進(jìn)行預(yù)測，是因?yàn)楦＝ㄊ÷糜螛I(yè)數(shù)據(jù)量不足，無法支持構(gòu)建ARIMA模型，因此也無法構(gòu)建動(dòng)態(tài)預(yù)測模型，而由于灰色預(yù)測方法擁有可以對小樣本數(shù)據(jù)進(jìn)行預(yù)測的優(yōu)點(diǎn)，因此選擇建立GM（1，1）模型對福建省旅游業(yè)收入進(jìn)行預(yù)測。

福建省國內(nèi)收入預(yù)測結(jié)果和相對誤差如表9所示。通過表9的預(yù)測結(jié)果可以看出，2020、2021年福建省旅游業(yè)收入的預(yù)測值與真實(shí)值產(chǎn)生了較大差異，說明福建省旅游業(yè)收入伴隨著福建省旅游人數(shù)減少而大幅減少。2021年的相對誤差沒有比2020年相對誤差減少，反而增大，旅游收入2021年的真實(shí)值也比2020年小，本研究認(rèn)為可能是由于疫情的影響，人們收入受到影響從而減少旅游行中的花費(fèi)。疫情的不確定性也減少了人們的消費(fèi)意愿[13]。

表9 福建省旅游業(yè)收入預(yù)測以及相對誤差

3 結(jié)論與建議

3.1 結(jié)論

本文對福建省入境旅游人數(shù)分別建立了時(shí)間預(yù)測模型、灰色預(yù)測模型和動(dòng)態(tài)組合模型，通過3種模型預(yù)測值和真實(shí)值結(jié)果觀察得出以下結(jié)論：（1）由于福建省入境旅游數(shù)據(jù)存在線性和非線性特征，這些特征會(huì)在一定程度上影響預(yù)測精準(zhǔn)度，因此本文需要構(gòu)建的動(dòng)態(tài)組合模型，通過將時(shí)間序列模型對短期預(yù)測和灰色預(yù)測模型對長期預(yù)測的優(yōu)勢充分利用后，動(dòng)態(tài)組合模型能夠更好地減少信息丟失。（2）因?yàn)橐咔閷ΜF(xiàn)實(shí)影響是多方面的，不能簡單地用某個(gè)數(shù)據(jù)去衡量疫情對福建省可能存在的影響，因此本文認(rèn)為可以通過預(yù)測值與真實(shí)值發(fā)展的趨勢與現(xiàn)實(shí)防疫情況相結(jié)合來說明疫情對福建省旅游業(yè)的影響。首先，在2020年，由于2019年末新冠疫情的爆發(fā)，各個(gè)城市開始陸續(xù)采取封城的措施限制人員流動(dòng)，實(shí)行就地過年，全國進(jìn)入了“停擺”時(shí)期。1-3月是疫情最嚴(yán)重的時(shí)期，其中包含了春運(yùn)、春節(jié)假期這個(gè)人口流動(dòng)最多的時(shí)間段，雖然隨著3月份福建省實(shí)現(xiàn)疫情“清零”部分行業(yè)開始開放，但是全國范圍的疫情反復(fù)出現(xiàn)無法放開對旅游業(yè)的限制，這就使得由于全國范圍的人員流動(dòng)的限制，毫無疑問會(huì)對福建省旅游業(yè)造成很大的影響，這與預(yù)測趨勢與真實(shí)趨勢呈現(xiàn)巨大差異相符合。其次，到了2021年，隨著全國范圍疫情發(fā)生逐漸減少，政府應(yīng)對新冠突發(fā)情況的方法逐漸成熟，以及人民外出旅游的愿望逐漸增加，福建省推出了一系列推廣宣傳活動(dòng)，如“福建省十條精品線路”的旅游方案，2021年4月19日在北京舉行的福建省旅游媒體推介會(huì)等。這些方法都推動(dòng)了福建省旅游業(yè)的恢復(fù)發(fā)展。福建省入境旅游人數(shù)從2020年的229萬增長到了406萬，真實(shí)數(shù)據(jù)的大幅增加使得預(yù)測數(shù)值與真實(shí)數(shù)值的誤差減小，趨勢差異有所緩和，可以看出趨勢差距減小與疫情的緩和以及福建省旅游業(yè)的恢復(fù)情況是相符合的。本文對福建省旅游業(yè)收入建立了灰色預(yù)測模型，得出結(jié)論：由于疫情影響，人們收入受到影響從而減少旅游行中的花費(fèi)。疫情的不確定性也減少了人們的消費(fèi)意愿。

本文尚存在一些不足之處：（1）由于本文是使用將時(shí)間預(yù)測模型與灰色預(yù)測模型組合的方法來對福建省旅游業(yè)進(jìn)行預(yù)測，這種方法缺點(diǎn)是只能夠預(yù)測出目標(biāo)年份的大致結(jié)果，無法避免誤差，所以只能觀察其發(fā)展趨勢，數(shù)值也僅有一定參考意義；（2）由于疫情對與旅游業(yè)影響十分廣泛，該方法無法論證疫情對旅游業(yè)存在的因果關(guān)系；（3）旅游業(yè)發(fā)展受現(xiàn)實(shí)疫情防疫情況限制，不再處于正常的經(jīng)濟(jì)發(fā)展環(huán)境，因此疫情后預(yù)測的數(shù)值會(huì)有失偏頗。

3.2 政策建議

隨著2021年后疫情防控措施的持續(xù)作用，防疫水平整體提升，人們出行逐漸得到了安全保障，旅游行業(yè)也隨著復(fù)工、復(fù)產(chǎn)、復(fù)業(yè)有序推進(jìn)，通過限時(shí)、限量、預(yù)約、掃碼、測溫等要求，旅游市場逐漸重新開放。但由于世界疫情狀況依然嚴(yán)峻，境外輸入病例一直存在，再加上本土疫情局部性爆發(fā)，因此民眾出行依然面臨著諸多困難。雖然疫情形勢復(fù)雜難測，但福建省由于較好地開展防疫工作，暫時(shí)沒有再出現(xiàn)較大規(guī)模的疫情爆發(fā)情況，加上民眾在疫情期間對于旅游的渴望，因此福建省旅游業(yè)依然有著較大的旅游市場。基于現(xiàn)實(shí)需求，本文對福建省旅游業(yè)提出以下建議：（1）福建省各級政府應(yīng)出臺(tái)相應(yīng)的幫扶政策，通過貸款減息、減稅等方式幫助旅游相關(guān)企業(yè)渡過難關(guān)。政府還應(yīng)豐富特色旅游產(chǎn)品，以便充分滿足游客多樣化需求；加強(qiáng)旅游宣傳和市場拓展，刺激游客消費(fèi)欲望；制定完善相關(guān)防疫應(yīng)急措施，防止疫情借助旅游發(fā)生傳播。（2）鼓勵(lì)中小旅游企業(yè)自救，積極拓展新的營銷渠道；對旅游相關(guān)產(chǎn)品進(jìn)行創(chuàng)新設(shè)計(jì)，學(xué)習(xí)嘗試采用“云旅游”等新型線上提供旅游服務(wù)方式來填補(bǔ)疫情時(shí)期所空缺的市場，通過旅游預(yù)約的方式，根據(jù)預(yù)約情況可以為疫情消退后“補(bǔ)償式”旅游做準(zhǔn)備。（3）政府應(yīng)構(gòu)建起應(yīng)對突發(fā)事件的現(xiàn)代旅游治理體系，旅游業(yè)和衛(wèi)生部門應(yīng)進(jìn)行聯(lián)合監(jiān)控，確保出現(xiàn)疫情能夠快速處理。（4）各旅游場所適應(yīng)常態(tài)化疫情管理要求，在各旅游場所附近配備核算檢測點(diǎn)，讓游客能夠隨時(shí)隨地應(yīng)檢盡檢。