周志宏
(中南林业科技大学 旅游学院,长沙 410004)
旅游感知作为游客选择目的地的重要因素,一方面在景点市场和形象营销过程中发挥越来越大的作用,另一方面也使得学术界对旅游感知在游客出行中的作用及相关影响因素。旅游感知是一种隐性知识,具有不可复制性和转移性,但具有传播性。将旅游品牌作为感知力的标志进行传播是很多学者的目的,因为认识到其在提高客流量、提升景点实力方面具有重大作用。如刘德昌(2006)认为所有的促销活动应以“吸引——传播”理念为核心,通过一些优惠措施使那些具有品牌或领导效应的组合或个人来景区进行旅游和会议,他们不仅成为了顾客,也会让他们成为景区内涵和形象的重要载体,通过这些消费领袖将他们的看法和意见传递给其他潜在客户。但通过对中国知网(www.cnki.net)“旅游预测”关键词的搜索发现,目前关于旅游人数预测的文献涉及到“感知”的内容很少,更多的是将旅游业当做一个大众产业来进行数量预测,如陈俊等(2005)使用的BP神经网络法、唐晓云等(2007)使用GM(1,1)灰色预测模型等。也有学者通过分析影响旅游业发展水平的综合因素,建立相应因素预测模型,如孙根年等(2008)选取景点资源丰度、区域人口规模、人均GDP城市化及受教育水平、交通网密度五个因素,建立了具有指数相乘结构的国内客流量预刚模型,分析了各因素的弹性及边际贡献。发现上述关于旅游客流量的预测均属于标准的时间序列或计量模型“同质化“研究,故得出的结论新颖度有待考证。1927年著名的美国数学家kermackt提出了传染病SIS模型,姜启源等(2003)年在其《数学模型》中对SIS模型有详细论述,笔者认为:传染病在很大程度上与旅游感知类似,具有传播性、抹除性、重复感染性,故借助于书中的模型并结合旅游过程中感知传播的实际机理,以期能够对景点游客数量的预测方法进行探讨。
设某景点旅游人数存在时间序列yt,且t=1,2,......n.很明显是一个连续、可微的光滑序列,当然影响景点客流量的因素很多,如节假日、纪念日、气候等季节性因素,也有特殊的会议或旅行活动。这些在时间序列分析中属于季节因素和不规则因素。本文这里探讨的是长期趋势,而根本性因素在于感知(perception)的可传播性(spread)。x0为初始时刻景点感知人数(进行了实际旅游并被吸引),λ可以被视为感知人数每天能够接触的有效接触人数(感知人能够完全影响到的人数)。那么从t时刻到t+Δt增加的新感知者为Xt+Δt-Xt=λXtΔt,则存在微分方程dX dt=λX,可还原得到Xt=X0eλt。结论为:随着时间的推移,旅游人数会越来越多趋近于无穷大。很明显结论是错误的,首先没有对感知者所接触的对象进行细分,一个感知者每天能够有效接触的人当中不排除和自己类似的感知者;其次是一个人的感知传播范围和过程具有一定的局限性,一般只限于自己所熟识的圈子。
为了简便叙述建模过程,有以下假设:
(1)在一定时间段内,可能对景点有完全感知力的人数为N。目前N人中只有一部分人是上文所述的感知(perception)者,比例为P(t)。另一部分为可能被感知者(spread),占比重为S(t),P(t)+S(t)=1。这就将整体人群进行了区分。
(2)每个完全感知者每天可以接触的有效人数是λ,那么其中有S(t)比例为完全被感知者。并且在t时刻完全感知者数量为NP(t)。
建模:从t时刻到t+Δt增加的新感知者为Xt+Δt-Xt=Nλs(t)p(t)Δt,相应的微分方程为:dX dt=λs(t)p(t),由于P(t)+S(t)=1,得dX dt=λp(t)(1-p(t))。
图1 dX dt和 p(t)两者关系 图2 p(t)与t关系
有些旅游景点,由于水土等自然资源的流失、城市化改造或距离过远等原因,很多已经发生旅游行为的游客对特定景点的感知力已经大大下降,并且这种感知减少会退化到零。所以可以假设这些感知游客经过记忆抹杀阶段后变为无感知者,但由于景点的改造和再次宣传也会引起这些人的复返,称这样的模型为可抹记忆—重新感知模型。前2个假设与模型2无区别,第三个假设为每天记忆抹除人占总感知人数的比例为μ,称为日抹除率,记忆抹除后由于宣传或某些随机因素导致重新感知并付诸实施旅游行为,那么1μ为感知传播的平均传播期。那么感知者数量变化率方程为:
dP dt=λp(t)(1-p(t))-μp(t),p(0)=p0。当dP dt达到最大值时p(t)=1 2(1-u λ),明显现实情况下实际参与景点游览的人数比例占总数下降。u λ可以理解为每个完全感知者有效接触并传播到得平均人数。
图3 dX dt和 p(t)两者关系 图4 p(t)与t关系
图5 dX dt和 p(t)两者关系 图6 p(t)与t关系
表1 三种模型的对比
本文选取湖南张家界武陵源风景区作为客流量预测对象,因为该区为国家重点风景区和国家5A级风景区,地理区位处于我国中部地区,具有较强的地理说服力。根据该区统计局的2009年地区旅游客源市场分析报告,2009年共接待游客267099人。下面分别根据上述三种模型对旅游人数进行预测。
(1)根据模型1进行计算。初始值为267099人,有效接触数设置为1。得到预测结果如表2第1列。很明显随着时间的推移,由于该景区各项软硬件条件的改善及知名度的传播,感知力在游客——潜在游客之间的传播导致后者逐渐转化为前者并付诸实施,客流量是逐渐无限增加的。按照理论角度,地球自然人都可成为该景点的游客,所以无限增长的基础条件是存在的。当然在实际情况中无限增长的情况不会出现,一方面由于景点承载力有限,另一方面由于随着距离效应和类似景点的吸引效应,被感知的游客不一定会付诸行动。
(2)模型2中主要是设定最大旅游最大客流量,笔者这里设定湖南省2009年人口数量为N=6800万人,则初始比例为0.39%。预测结果如表2第2列。明显看出较模型1,预测客流量大大减少,更符合实际。
(3)模型3的最大客流量同2,设置感知磨灭指数为0.5。计算结果较模型2又呈现出大大下降的趋势,表明每考虑到一个实际约束因素,预测的结果会更加精确和复合实际。从预测结果看出,武陵源风景区客流量将会以60%左右的速率增加。
本文根据医学界著名的SIS传染病传播模型,结合旅游感知传播和抹除实际,意图对景区旅游客流量的预测提出一种新的预测方法,但主要还是体现一种预测的思想,在实际操作中仍然存在一定的难度,如最大客流容量、感知传播指数和抹除指数的选取都是比较困难和值得商榷的问题。本文选取的最大客流量为湖南省人口数主要是从地理区位角度考虑的,但实际操作过程中应该按照统计报表上的客源结构对不同地区的客源来源进行赋权和该区旅游承载力以确定最大客流量。其次感知力传播指数和抹除指数不同景区也不尽相同,具体数值应根据相应一线工作者反映的游客调查信息和专家分析结论得出。
表2 客流量预测结果 (单位:人)
[1]刘德昌,付勇.我国旅游景区品牌传播策略初探[J].西南民族大学学报(人文社科版),2006,(9).
[2]陈俊,陈兆雄,幸林,付学德.基于BP神经网络的云南国际旅游需求预测[J].昆明师范高等专科学校学报,2005,(4).
[3]唐晓云,赵黎明,秦彬.灰色系统理论及其在旅游预测中的应用——以广西桂林为例[J].西安电子科技大学学报(社会科学版),2007,(2).
[4]孙根年,韩亚芬.基于自主特征中国省际国内旅游预测模型构建[J].陕西师范大学学报(自然科学版),2008,(1).
[5]林璧属.景点在旅游目的地营销中的作用[J].旅游学刊,2009,(6).
[6]姜启源等.数学模型(第三版)[M].北京:高等教育出版社,2003.