冰雪旅游需求的时空分布规律研究

刘 悦，吕兴洋，周晓丽

冰雪旅游需求的时空分布规律研究

刘 悦1，吕兴洋2，周晓丽3

1.西南财经大学体育学院，四川 成都，611130；2.西南财经大学工商管理学院，四川 成都，611130；3.长治学院历史文化与旅游管理系，山西 长治，046000。

利用冰雪旅游网络关注度和现实冰雪旅游客流之间的密切相关性，收集2011-2018年全国31个省、市和自治区的“冰雪旅游”网络关注度数据，采用季节性集中指数、地理集中指数和变差系数对冰雪旅游需求的时间和空间分布规律进行研究。结果显示：（1）2011-2018年全国冰雪旅游需求稳步快速增长，但总体需求量仍有很大的提升空间；（2）冰雪旅游需求具有明显的季节性特征，每年的1月、11月和12月3个月是冰雪旅游需求的最旺季；（3）冰雪旅游需求在全国31个省、市、自治区具有明显的地区分布差异，黑龙江、北京、浙江、上海等地是冰雪旅游需求最旺盛的地区。研究结论为以市场需求为依据、为推动我国冰雪旅游发展、实现3亿人参与冰雪运动的战略目标提供了管理建议。

冰雪旅游；网络搜索指数；时空特征；季节性集中指数；地理集中指数；变差系数

2015年7月，国际奥委会主席巴赫宣布2022年冬奥会将由北京和张家口联合举办，中国冰雪产业迎来了新的发展机遇[1]。之后中共中央办公厅、国务院办公厅、国家体育总局和文化与旅游部等部门多次出台各种政策和措施，如《冰雪运动发展规划（2016-2025年）》、《竞技体育“十三五”规划》、《全国冰雪场地设施建设规划（2016-2022年）》、《群众冬季运动推广普及计划（2016-2020年）》、《带动三亿人参与冰雪运动实施纲要（2018-2022年）》、《关于以2022年北京冬奥会为契机大力发展冰雪运动的意见》等，为冰雪产业发展提供指导方向，期望加速促进中国冰雪产业的发展。许多省市都明确把冰雪运动作为发展重点，大力支持冰雪运动场馆建设。在此背景下，众多地区都将滑雪产业当成促进经济发展的利器，投资建设滑冰馆和滑雪场等冰雪运动场馆。

冰雪旅游作为冰雪产业的重要组成部分，也将以2022年冬奥会为契机，迎来重要的发展机遇。实践领域已显示，各地建设的冰雪场馆数量、各种规模的冰雪赛事和冰雪主题节庆活动都明显增加。实践的飞速发展带动了学术领域的研究关注，纵观国内现有的研究，主要集中于各区域冰雪旅游资源开发的适宜性评价[2-4]、2022年冬奥会对各地冰雪旅游发展的影响研究[5-7]、具体区域冰雪旅游产业的开发[8-9]以及冰雪旅游产业的发展策略研究[10]，亦有研究关注冰雪旅游与城市旅游环境发展的耦合协调度[11]以及冰雪旅游的营销策略[12]等。可见，大部分研究者都基于供给视角对国内冰雪旅游产业的发展予以研究。然而市场经济条件下，市场需求是检验供给侧供给效率和效果的根本标准。冰雪旅游市场需求是冰雪旅游供给设施充分利用的市场基础，在冰雪旅游飞速发展的背景下，加强冰雪旅游需求规律的研究已迫在眉睫。但是，目前基于需求视角对冰雪旅游产业的研究主要集中于冰雪旅游者的消费行为模式[13]和满意度感知[14]，对冰雪旅游需求规律的研究很少。研究冰雪旅游需求的时间和空间分布规律，有助于为冰雪旅游供给侧的改革和发展提供市场依据。因此本研究拟对冰雪旅游市场需求的时空分布规律进行探索，以期为冰雪旅游设施建设提供实践指导建议。

1 数据来源与研究方法

1.1 研究思路

消费者需求领域的研究显示信息收集是消费者复杂型决策制定的核心环节[15-16]，即潜在的冰雪旅游参与者在实际出游之前，会搜索各种相关信息帮助其制定出游决策。信息过剩和消费者的主观选择性使得“搜索”逐渐成为消费者信息获取的主要方式[17]。潜在冰雪旅游参与者在产生冰雪旅游出游欲望的前提下，会在搜索引擎或旅游网站等搜索相关信息，在供需不断碰撞的过程中形成初步的出游决策，并最终引导其在现实空间流动。可见，理论上“冰雪旅游”关键词搜索量与现实冰雪旅游客流量之间必然存在一定的因果相关性。旅游领域的大量研究均证实网络信息搜索量和实际客流量之间存在密切的相关性[18-20]，且已有部分研究者开始借助网络关注度数据研究旅游需求的时空分布特征[21-22]。因此，本研究拟借助潜在冰雪旅游参与者的网络搜索数据替代现实冰雪旅游客流数据研究冰雪旅游需求的时间和空间分布规律。

1.2 数据来源

基于上述研究思路，本研究拟提取“冰雪旅游”的网络搜索数据。据CNNIC《2016年中国网民搜索行为调查报告》，截止2016年12月，中国综合搜索引擎用户规模达6.02亿，使用率为82.4%。百度（www.baidu.com）是全球最大的中文搜索引擎，其作为搜索引擎品牌在国内旅游信息搜索中占据着绝对的主导地位[23]。百度公司基于其海量搜索数据推出了免费的百度指数功能，提供2006年至今百度指数收录关键词的网络日搜索量数据；2013年12月百度指数进行了改版，提供2011年1月至今百度指数收录关键词的移动端、PC端及综合日搜索指数数据[24]。

因此笔者以“冰雪旅游”为关键词，提取了百度指数平台2011-2018年度全国31个省（市、区）对“冰雪旅游”的日搜索指数，使用31个省（市、区）的日网络搜索指数之和作为“冰雪旅游”全国搜索指数。

1.3 研究方法

1.3.1 时间分布规律研究方法 季节性集中指数[25]。季节性集中指数是反映消费者需求时间分布集中性的重要指数，本文将其用于分析冰雪旅游需求年度月份分布集中性，计算公式如下：

式中R为冰雪旅游需求的季节性集中指数，xi为i月冰雪旅游需求的全年占有率×100，R值趋近于0，说明冰雪旅游需求的季节性不明显，在全年各月份呈较均匀分布；相反，R值越大，冰雪旅游需求越集中于少数月份，时间分布季节性越显著。

1.3.2 空间分布规律研究方法 （1）地理集中指数[25]。地理集中指数是衡量消费者需求地理集中程度的重要指标，本研究用其分析冰雪旅游需求的空间分布特征，计算公式为：

式中G为地理集中指数，Ai为i省对冰雪旅游的搜索量，AT为全国冰雪旅游搜索总量，G值越大，冰雪旅游需求越集中于少数省份，省际差异越显著；相反，G值越小，冰雪旅游需求的空间分布越分散。

（2）变差系数（coefficient of variation, CV）[25]：变差系数本是衡量两个或多个区域经济规模样本差异程度的重要指标，本研究将其用于分析冰雪旅游需求在全国31个省、市和自治区分布的空间差异程度，计算公式为：

游需求的省际差异越显著。

2 结果分析

2.1 冰雪旅游需求的时间分布特征

2.1.1 年际分布规律 为了从总体上把握冰雪旅游需求的时间序列分布规律，文章利用Excel表格工具统计了“冰雪旅游”关键词2011-2018年8个自然年度全国搜索指数，如图1。可见，2011-2014年全国冰雪旅游需求呈“降—升—降”的缓慢波动态势，相比2011年，到2014年全国冰雪旅游需求无增反降，冰雪旅游活动在国内的发展态势非常不理想；2015-2018年全国冰雪旅游搜索指数呈现平稳快速的增长态势，说明全国的冰雪旅游需求在急速爆发。2015年是我国冬奥会申办成功之年，以此为契机国内各部委频繁出台各项政策促进全国的冰雪旅游发展，激发了市场上消费者潜在的冰雪旅游需求，人们的冰雪季出游欲望显著增强。然而，对比“冰雪旅游”和“旅游”2018年度的搜索指数（图2）可见，国民的冰雪旅游需求依然非常有限，冰雪旅游活动尚未成为人们外出参加旅游活动的主要方式，仍有非常大的发展空间。

图1 2011-2018年全国冰雪旅游搜索指数折线图

图2 2018年全国“冰雪旅游”和“旅游”搜索指数对比图

2.1.2 月份分布规律 图3所示，2011-2018年全国冰雪旅游搜索指数呈明显的月份波动规律，具体而言，在每年的1月、11月和12月冰雪旅游搜索指数会呈现明显的波峰，其余月份则呈缓慢的上下波动态势。说明全国的冰雪旅游需求旺季集中在每年的1月、11月和12月，此时天气寒冷，本属我国的旅游淡季，人们出游较少，但此时却亦属我国的冬季，降雪较多，雪量充足，是人们参加冰雪旅游活动的高峰期，可见促进冰雪旅游的发展有助于减少我国旅游市场需求的淡旺季差异。

进一步采用季节性集中指数对2011-2018年全国冰雪旅游需求的季节集中度进行测算（表1），2011-2018年全国冰雪旅游需求的季节集中指数介于4.36~8.89之间，最小的是2017年为4.36，最大的是2014年为8.89，但都远大于1，说明每年冰雪旅游需求都存在非常明显的季节性。但是总体来看，2011-2018年全国冰雪旅游需求的季节集中指数呈下降趋势，说明冰雪旅游需求的季节差异性在逐渐减小。因为1月、11月和12月属于季节集中度最高的3个月份，因此进一步测算了这3个月占全年冰雪旅游需求的比率，表1可见除去2017年，3个月的冰雪旅游需求均超过了全年的50%，冰雪旅游需求的季节集中性非常高，但总体上这3个月的全年占有率确实是下降趋势，印证了冰雪旅游需求的季节差异性在减小。

图3 2011-2018年各月冰雪旅游需求量折线图

表1 2011-2018年冰雪旅游需求的季节集中指数和11-1月的全年占有率

2.2 冰雪旅游需求的省际空间分布规律

2011-2018年冰雪旅游需求除了存在非常明显的时间差异外，全国不同的省、市、自治区也存在显著的空间差异特征。表2统计了2011-2018年全国31个省、市、自治区冰雪旅游需求的全国占有率，可见：黑龙江作为冰雪旅游的首要目的地，其冰雪旅游需求也位居首位，8年冰雪旅游需求的全国占有率均值达19.2%；其次是2022年冬奥会的主办城市北京，其冰雪旅游需求也非常旺盛，8年冰雪旅游需求的全国占有率均值为16.9%，两个省市的冰雪旅游需求远超全国的其他省份，成为我国冰雪旅游需求的最重要地区。接下来是位于东部的广东、上海和位于东北部的辽宁，其冰雪旅游需求的全国占有率均值介于5%-10%之间，是仅次于黑龙江和北京的冰雪旅游需求旺盛区；值得注意的是上海，从均值来看，上海位居第4，但是从2011-2018年数据来看，上海的冰雪旅游需求相比全国数据有着更快的增长速度，其全国占有率从2011年的2.2%攀升至2018年17.4%，单从2018年的数据来看，已成为全国冰雪旅游需求最旺盛的地区。位于第3组别的省市分别是浙江、新疆、江苏、内蒙古和河北，其8年的冰雪旅游需求全国占有率均值超过31个省市平均状态下的占有率3.2%，但是不足5%，新疆和内蒙古本属于我国仅次于东三省的冰雪旅游目的地，冰雪旅游需求也相对较旺，浙江和江苏都属于我国东部经济较发达的省份，在国家倡导冰雪旅游运动的背景下，其冰雪旅游需求也超过全国大多数省份，河北属于2022年冬奥会另一主办城市张家口所在省份，又紧邻北京和天津，但其冰雪旅游需求的全国占有率（3.4%）仅刚超过31个省、市、自治区平均状态下的占有率（3.2%），全国排名第10位，其冰雪旅游需求应该还有较大的上升空间。

表2 2011-2018年31个省市冰雪旅游需求的全国占有率（%）

注：按31个省、市、自治区需求占有率的8年均值从高到低排列。

进一步使用地理集中指数和变差系数测算中国31个省、市、自治区冰雪旅游需求的空间分布差异，结果见表3。可见，2011-2018年全国冰雪旅游需求的地理集中指数介于29.45~35.39之间，变差系数介于1.29~1.70之间，呈现差异波动，但总体变化趋势不明显。说明全国冰雪旅游需求主要集中于少数省份，地区分布的集中度较高，而且8年基本持续这样的地区分布不均衡态势。

表3 2011-2018年冰雪旅游需求的地理集中指数和变差系数

3 结论与建议

3.1 研究结论

本研究利用信息流和旅游客流之间的密切相关性，使用“冰雪旅游”百度指数搜索指数替代实际冰雪旅游需求数据，采用季节性集中指数、地理集中指数和变差系数，对2011-2018年全国31个省、市、自治区冰雪旅游需求的时空分布规律进行研究，结论如下：

（1）2011-2018年我国冰雪旅游需求基本呈增长态势，尤其是2015年之后，全国冰雪旅游需求呈稳步的快速增长态势，但是总量上看，冰雪旅游需求仍非常有限，有较大的发展空间。一方面说明我国冰雪旅游处于快速发展阶段，冬奥会是我国冰雪旅游发展的加速器，冬奥会的成功申办使得作为“小众”的冰雪运动项目逐渐受到人们的青睐，越来越普及，观赏、参与冰雪旅游的人数急剧增加。另一方面，冰雪旅游在我国旅游市场中的普及率还非常有限，相比其他类型的旅游活动，冰雪旅游活动仍处在发展初期，有巨大的发展空间和潜力。

（2）冰雪旅游需求的季节集中性非常明显，一年内不同月份需求量差异特别显著，每年的1月、11月和12月是冰雪旅游需求的最旺季，其他月份冰雪旅游需求较少。冰雪旅游属于季节和气温约束性很强的旅游产品，每年的1月、11月和12月属于我国的雪季，气温低，降雪比较充足，虽然其他月份国外也有非常适合冰雪旅游的目的地，但是很明显我国居民目前的冰雪旅游需求主要存在于国内，因此在我国的冬季人们冰雪旅游出游欲望强烈，过了冬季，受气温的影响国内不再降雪，人们的冰雪旅游需求也逐渐转向其他更适宜的旅游产品。

（3）冰雪旅游需求的不同省、市、自治区空间分布差异显著。黑龙江、北京是冰雪旅游需求最集中的地区，其次是广东和上海，上海是全国冰雪旅游需求增长率最快的地区。中国国土辽阔，不同省、市、自治区的季节气候差异显著，受不同区域季节及冬季降雪差异的限制，冰雪旅游在我国不同区域的发展状况差异显著，致使不同区域冰雪旅游需求也存在较大差异。从2011-2018年冰雪旅游需求增长率来看，上海、广东、江苏、浙江等省市的冰雪旅游需求增长速度远远超过其他省市的需求增长速度，说明我国80年代开始实施的“北冰南展”战略初见成效。

3.2 管理建议

基于冰雪旅游需求的时间和空间分布规律，为目的地冰雪旅游发展提出以下管理建议：

（1）一方面，利用特殊事件对旅游需求的强烈影响，借助特殊事件的举办促进冰雪旅游需求的增加，条件适宜的省市在冬季可以通过举办各种形式的滑雪比赛、冰雪节、冰雕节等推动本地和周边地区人们冰雪旅游需求的增长。另一方面加快冰雪旅游供给侧改革，以政策和设施供给带动冰雪旅游市场需求的快速增加。最终实现习总书记提出的3亿人上冰雪的目标。

（2）注资打造全季侯室内冰雪游乐综合体。冰雪旅游需求的季节性主要是受冰雪元素的季节性和气温制约，为了促进冰雪旅游的稳步快速发展，打破季节和气温对冰雪旅游发展的制约障碍势在必行。2019年中共中央办公厅和国务院办公厅引发了《关于以2022年北京冬奥会为契机大力发展冰雪运动的意见》，指出到2022年我国的冰雪运动总体发展更加均衡，普及程度明显提升，冰雪产业规模明显扩大。冰雪运动的更加均衡不仅指区域之间的均衡，亦包含了时间上的更加均衡，而技术的进步已使得夏季滑雪不再是天方夜谭，因此资金和技术条件允许的地区可注资打造全季侯室内冰雪游乐综合体，促进冰雪旅游的更加均衡发展。

（3）冰雪旅游供给设施如滑雪场和滑冰馆的开发和建设需分地区逐步推进。市场经济条件下，供—需匹配才能实现最大化市场效率，中国的冰雪旅游需求在地区之间还存在极强的不均衡性，因此冰雪旅游供给设施的开发和建设不能盲目而上，必须以各地的冰雪旅游需求为依据，稳步推进冰雪旅游供给设施建设。

3.3 研究不足与展望

本研究基于冰雪旅游百度指数搜索指数研究了冰雪旅游需求的时空分布规律，但也存在一些不足：（1）是数据收集方面，本研究仅选取“冰雪旅游”一个关键词提取了百度指数一个平台的网络搜索数据，数据全面性有待提高，后期可以选取多个平台的更全面搜索指数进行研究；（2）受各地互联网普及率和信息化程度差异影响，潜在冰雪旅游者的信息获取渠道也存在差异，即各省冰雪旅游网络关注度和冰雪旅游客流量之间的相关性强弱并不完全一致，利用网络搜索指数替代实际旅游客流分析需求时空分布规律仅是一种次优方案，后续希望可以获取真实的冰雪旅游客流数据提高研究结论的准确性。

[1] 顾久贤.2022年冬奥会的举办对区域消费需求与行为影响的研究——以河北冰雪体育旅游为分析个案[J].体育与科学，2016，37（03）：114~120.

[2] 张雪莹，张正勇，刘 琳.新疆冰雪旅游资源适宜性评价研究[J].地球信息科学学报，2018，20（11）：1604~1612.

[3] 程志会，刘 锴，孙 静，席建超，杨 俊.中国冰雪旅游基地适宜性综合评价研究[J].资源科学，2016，38（12）：2233~2243.

[4] 郝晶晶，齐晓明，张素丽，侯晓莹.内蒙古冰雪旅游资源及其利用研究[J].干旱区资源与环境，2017，31（09）：201~207.

[5] 姜广义，席亚飞，刘欢欢，等.北京冬奥前期长春市冰雪休闲旅游发展对策分析—基于区位理论视角[J].山东体育学院学报，2017，33（03）：48~53.

[6] 吴玲敏，任保国，和立新，等.北京冬奥会推动京津冀冰雪旅游发展效应及协同推进策略研究[J].北京体育大学学报，2019，42（01）：50~59.

[7] 郭金丰.北京冬奥会背景下推动我国冰雪产业发展的对策[J].经济纵横，2018（08）：114~120.

[8] 陈思宇.京津冀冰雪旅游生态化发展的框架构建与路径选择[J].北京体育大学学报，2018，41（10）：32~38.

[9] 张苗苗.吉林省冰雪休闲体育旅游发展SWOT分析[J].体育文化导刊，2018（04）：89~93+152.

[10] 陈思宇.2022年冬奥会背景下北京建成一流国际体育中心城市的策略研究[J].首都体育学院学报，2018，30（03）：244~248.

[11] 杨春梅，李 威，郑继兴.冰雪旅游经济与城市旅游环境耦合协调度研究[J].企业经济，2018（01）：179-184.

[12] 武传玺.互联网+冰雪体育旅游的营销模式与发展路径[J].体育文化导刊，2017（05）：121~125.

[13] 张瑞林，李 凌.冰雪体育旅游消费者行为与体验模式的影响研究[J].天津体育学院学报，2017，32（02）：93~98.

[14] 朱晓柯，杨学磊，薛亚硕，等.冰雪旅游游客满意度感知及提升策略研究——以哈尔滨市冰雪旅游为例[J].干旱区资源与环境，2018，32（04）：189~195.

[15] Snepenger D, Meged K, M Snelling, etal. Information Search Strategies by Destination Native Tourists[J]. Journal of Travel Research, 1990, 29(01): 13~16.

[16] Vogt C A, Fesenmaier D R. Expanding the functional information search model [J]. Annals of Tourism Research, 1998, 25(03): 551~578.

[17] 周晓丽，李振亭.基于百度指数的搜索引擎中旅游搜索行为研究—以西安典型旅游景区为例[J].天津商业大学学报，2016，36（03）：11~16.

[18] 黄先开，张丽峰，丁于思.百度指数与旅游景区游客量的关系及预测研究—以北京故宫为例[J] .旅游学刊，2013，28（11）：93~100.

[19] 汪秋菊，黄 明，刘 宇.城市旅游客流量—网络关注度空间分布特征与耦合分析[J].地理与地理信息科学，2015，31（05）：102~107.

[20] 王玉霞，王 静.客流量与网络关注度的关系分析——以首都博物馆为例[J].北京联合大学学报，2016，30（01）：75~80.

[21] 马丽君，郭留留.基于网络关注度的北京市居民对5A级景区旅游需求时空特征分析[J].干旱区资源与环境，2017，31（10）：203~208.

[22] 马丽君，龙 云.基于网络关注度的湖南省居民旅游需求时空特征[J].经济地理，2017，37（02）：201~208.

[23] 中国互联网络信息中心. 2016年中国网民搜索行为调查报告[EB/OL]. http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/ssbg/201801/ t20180109_70143.htm.

[24] 周晓丽，李振亭.基于百度指数的旅游者目的地在线信息搜索内容偏好研究—以西安为例[J].新疆财经，2016（04）：72~80.

[25] 邹永广，林炜玲，郑向敏.旅游安全网络关注度时空特征及其影响因素[J].旅游学刊，2015，30（02）：101~109.

Research on the Spatial and Temporal Distribution of Ice-Snow Tourism Demand

LIU Yue1, LV Xingyang2, ZHOU Xiaoli3

1.School of Sports, Southwestern University of Finance and Economics, Chengdu Sichuan, 611130, China;2.School of Business Administration, Southwestern University of Finance and Economics, Chengdu Sichuan, 611130, China;3.School of History, Culture and Tourism Management, Changzhi University, Changzhi Shanxi, 046000, China.

Based on the close relationship between ice-snow tourism network attention and actual ice-snow tourists flow, this paper collects the data of ice-now tourism network attention in 31 provinces from 2011 to 2018, uses the seasonal concentration index, geographical concentration index and coefficient of variation to study the temporal and spatial distribution of ice-snow tourism demand. The results show that: (1) the demand for ice-snow tourism in China has increased steadily and rapidly from 2011 to 2018, but there is still much space for its development; (2) the demand for ice-snow tourism has obvious seasonal characteristics, the peak season of ice-snow tourism is in January, November and December every year; (3) the demand for ice-snow tourism in 31 provinces, in China has obvious regional distribution differences. Heilongjiang, Beijing, Zhejiang, Shanghai are the areas with the strongest demand for ice-snow tourism. The conclusion of the study provides management suggestions for promoting the development of ice-snow tourism in China and realizing the strategic goal of 300 million people participating in ice-snow sports on the basis of market demand.

Ice-snow tourism; Network search index; Spatial and temporal characteristics; Seasonal concentration index; Geographical concentration index; Coefficient of variation

G811.118

A

1007―6891（2020）01―0091―05

10.13932/j.cnki.sctykx.2020.01.20

2019-06-03

2019-07-23

国家社会科学基金青年项目“西南地区滑雪旅游产业竞争潜力评价及路径选择研究”（17CTY014）。