县域旅游市场规模预测情景模拟与真实方案的比较研究

杨仲元 ，纪丽岩 ，刘 锐

（1.巢湖学院旅游管理学院，安徽 合肥 238000；2.辽宁科技学院生物医药与化学工程学院，辽宁 本溪 117004）

0 引言

情景模拟是旅游规划常用的一种分析手段，用于预测规划场景下不确定的因素。 旅游市场规模预测是旅游规划中非常重要的测度内容， 其准确性决定着旅游基础设施和旅游接待设施能否符合市场需求规律，进而影响旅游目的地市场供需平衡关系。目前国内学者在旅游市场规模预测方面尝试了多种方法，包括引力模型［1］、神经网络模型［2］、时间序列模型［3］、灰色系统分析［4］等。但已有模型中，对于交通可达性变量的考虑相对较少， 尽管有部分模型会考量旅游客源地与旅游目的地之间的空间距离， 但并不能完全反映出地域之间的交通通达水平对于旅游客源市场的影响。因此，本文尝试在分析交通可达性的基础上，综合考虑交通、人口、经济等多种因素来构建旅游市场规模多因子预测模型， 旨在更好地预测旅游市场规模变化趋势和规律。

长汀是国家级历史文化名城， 近年来随着高铁快速发展，旅游市场也逐步扩大规模。 2015 年关键交通干线——赣龙铁路复线通车， 大大促进了长汀县与周边地区的密切联系， 长汀县旅游市场规模取得了进一步的拓展。鉴于此，本文以长汀县作为案例地，基于交通可达性的计算，结合旅游资源吸引力评价、 旅游竞争力评价方法来构建旅游市场规模预测模型， 通过模拟情景与真实情况比较来验证模型的准确性， 以期为其他县域旅游目的地市场规模预测提供借鉴。

1 案例地概况和研究方法

1.1 案例地概况

长汀县隶属于福建省龙岩市，古称“汀州”，地处闽粤赣边陲要冲。 长汀被誉为“客家首府”，1994 年被批为“国家历史文化名城”。长汀历史文化、红色文化和生态文化资源丰富，具有旅游开发的资源优势，目前有中国历史文化名街—店头街、 汀江国家湿地公园、长汀红色旧址群等一批景区景点，据最新统计数据显示，2022 年长汀县接待旅游人数585.91 万人次，获得旅游总收入50.28 亿元，比2012 年分别增长312%和295%。

在长汀县旅游市场快速发展的过程中， 除了当地旅游资源规模数量的增加和旅游资源品质的提升， 还有一个重要的因素就是周边快速交通线路的日益改善， 尤其是2015 年底赣龙铁路复线的通车，使长汀与周边其他地区的联系更加紧密， 促进了长汀旅游市场规模的拓展，因此，本文重点针对赣龙铁路复线通车后的旅游市场规模进行预测模型构建和评估，并结合真实的旅游市场数据进行比较，以此来分析预测模型的合理性。

1.2 研究方法及数据来源

1.2.1 交通可达性分析

交通要素对旅游目的地客流量的变化产生重要影响。 交通可达性作为评价交通网络通达程度的一种方法，被学者广泛地应用在城市规划、旅游规划等领域［5-7］。 目前在交通可达性分析方面，学者们采用的方法有空间句法、GIS 空间分析、空间成本距离分析、时间成本距离分析等，其中时间成本距离分析被认为相对具有更多优势， 包括能考虑不同交通运输方式直接的速度差异、兼具交通网络的分析方法、比空间距离更能反映经济成本的特征。因此，本文中选择时间距离成本的计算方法。

参考徐建刚等［8］学者的测度方法，时间成本值应为交通行驶速度的倒数，计算公式为：

式中，V 为各类空间对象的设定速度；cos t 为时间成本值。 cos t 的单位与V 的单位相对应，如果需要得到的时间成本值与速度的单位不一致， 则需要进行单位换算。

若要设定具体空间范围内的时间成本值， 则需将空间距离值代入公式中，则10 km 范围内的所需时间的成本参考值计算公式为：

在进行时间成本距离分析时，对V 的具体值设定可以参考中国不同等级的铁路里程和速度标准，根据《中华人民共和国公路工程技术标准（JTGB01-2014）》，结合不同交通运输方式的运行特点，将时速分别设定如下：①高速铁路，需参考不同线路的设计标准，通常可按照200 km/h 来计算；②一般铁路的速度设定为90 km/h，高速公路设定为120 km/h，国道设定为80 km/h， 省道及一般公路设定为60 km/h；③水域需考虑水域速度很慢，与铁路、公路的交通速度有很大区别， 所以需要设定一个较大的值以示区别，通常可以设定为1 km/h。

1.2.2 旅游竞争力评价

交通可达性是从旅游者出行效率层面对旅游目的地客源市场产生影响， 但是从旅游者出行意愿角度来说，旅游目的地本身的资源、接待能力等方面也是旅游者考虑的重要因素， 由此对旅游目的地市场竞争力产生影响。根据这一分析，在构建旅游市场规模预测模型之前， 还需要先进行旅游竞争力评价分析，计算公式为：

式中，Tij表示旅游目的地i 对旅游客源地j 的人口、经济的吸引能力， 即旅游竞争力；Ai表示旅游目的地i 的旅游资源吸引力；Pj表示旅游客源地j 的人口规模；Cj表示旅游客源地j 的人均GDP；Dij表示旅游客源地j 到旅游目的地i 的最短交通时间；α、β 表示人均GDP 和最短交通时间的修正系数。

其中， 旅游资源吸引力的测算采用分类赋值的方法。将旅游目的地不同类型旅游资源按照世界级、国家级、省级三个层级进行吸引力值赋分，具体评分标准如表1 所示。

表1 旅游资源吸引力赋值标准

1.2.3 旅游市场规模预测

基于旅游竞争力的预测模型， 有助于分析旅游目的地未来的市场份额地位， 由此进一步估算旅游目的地市场规模，得到公式（4）：

式中，Ti表示旅游目的地i 的旅游接待总人次；Pj表示旅游客源地j 的人口总规模， 设定为基础旅游市场（2 小时等时圈）内的人口总规模；Sj表示旅游客源地j 的出游率；Mi表示旅游目的地i 所占的旅游市场份额；Rj表示旅游客源地j 的游客数占旅游目的地i 总游客数的比重。

1.2.4 数据来源

上述公式涉及的各项指标中， 赣龙复线通车前的旅游客源地人口数量、GDP 值等都来源于 《福建省统计年鉴（2014）》，旅游客源地出游率是参考国家文化和旅游部2013 年公布的数据结果。赣龙复线通车后用于比对模型的真实情况下旅游人数、 旅游收入数据来源于《长汀县国民经济和社会发展统计公报（2015-2021）》。

2 预测方案模拟结果分析

2.1 区域交通可达性预测结果

根据交通可达性分析方法， 得到如图1 所示的赣龙复线通车前后长汀交通可达性比较， 参考徐建刚等人［8］的研究成果，对长汀县在周边地区的客源覆盖范围进行整合，得到如表2 所示的预测结果。总体来看，赣龙复线通车后，长汀5 小时以内的客源市场范围明显扩大，尤其是2～3 小时等时圈以内的覆盖城市数量增加多达11 个城市。 此外，为了便于参考，对5 小时以内等时圈的潜在客源进行预测统计，结果发现在赣龙复线通车后，2～5 小时等时圈内的潜在客源大约增加2 亿多人， 说明赣龙复线通车将为长汀旅游市场带来极大的发展机遇。

图1 赣龙复线通车前后的长汀交通可达性比较

表2 赣龙复线通车前后长汀5 小时以内的客源市场范围变化

2.2 旅游竞争力预测结果

在计算旅游竞争力过程中， 其中旅游资源吸引力指标需要重点预测。 由于本文是基于赣龙复线尚未开通的时间节点来预测通车后的旅游市场情景，因此对旅游资源吸引力的评估也要结合未来5～10年的开发建设规划进行预测评估。

本文是在假设的有限市场范围内进行预测，选择了在地理位置、 资源类型等方面与长汀具有一定竞争性的城市（县）来进行比较。根据公式（3）得到长汀以及周边地区的旅游竞争力现状分析结果， 如表3 所示。 目前长汀由于资源品质不高、地理位置相对偏远、交通可达性不高等原因，旅游竞争力并不占优势。 但是，从长远来看，交通条件的改善将会为长汀开拓旅游市场提供良好机遇， 未来旅游市场具有较大的拓展空间。

表3 长汀及其周边地区旅游资源吸引力现状

结合2014 年能确定的旅游发展项目综合分析，预计在2020 年前后，长汀将与南京、西安等相关市（县）联合申报世界文化遗产，将“汀州古城墙”加入打包申请世遗行列， 届时长汀旅游资源吸引力便又获得世界遗产这一重量级砝码。此外，长汀重点建设的汀江湿地公园、汀江漂流、汀江源自然保护区等都是未来极具市场潜力的旅游资源， 有利于提升长汀旅游吸引力。 因此从2014 年当时的发展角度判断，长汀旅游资源吸引力在2015 年后可能存在很大的上升空间。由此可估算长汀未来的旅游竞争力水平。

根据公式（4），分别计算长汀及其周边竞争地区对周边各个城市的人口、经济要素的竞争能力，并以长汀的旅游竞争力值作为分母， 对其他地区进行简化处理， 以此得到长汀与其他地区的旅游竞争力比值，具体如表4 所示。

表4 长汀与周边地区的旅游竞争力比值

考虑目前在市场竞争中， 长汀的主要竞争对象为永定和瑞金， 因此在旅游竞争力预测中重点对应这两个城市进行比较对照。从数据显示来看，永定区2012 年接待国内外游客人数达404.1 万人次， 旅游总收入为28.5 亿元；瑞金市2012 年共接待游客328万人次，实现旅游收入11.1 亿元。 那么预测结果显示， 长汀在2020 年前后有望超过永定2012 年的旅游发展水平， 同时有可能在2020 年赶上瑞金2012年的旅游发展水平（如图2、图3）。

图2 长汀与永定旅游竞争力预测比较

图3 长汀与瑞金旅游竞争力预测比较

2.3 旅游市场规模预测

根据公式（4），Pj选择了长汀2 小时等时圈内的人口总数；Sj按照国家平均出游率来算，在2015 年、2020 年平均约为220%、250%；Mi应为省内游客比重与旅游竞争力百分比的乘积， 得到2015 年、2020

年的结果分别为14.3%、16.8%。

Rj则按照不同时期设定不同的比重：①2015 年底， 长汀旅游市场以2 小时圈内游客比重居多，按高、中、低方案可设定为60%、55%、50%；②至2020年，长汀旅游吸引力逐渐提升，中远程游客比重相对增加，按高、中、低方案可设定为50%、45%、40%。 在计算旅游接待人次的基础上，根据2013 年长汀旅游人均消费882 元/人次估算，设平均每年增长1%，则2015 年和2020 年的旅游人均消费估计能分别达到900 元/人次、945 元/人次， 由此估算长汀未来旅游收入值（表5）。

表5 长汀旅游市场规模预测

3 模拟情景与真实情景比较

为了分析预测模型的有效性和准确性， 将预测的情景与真实数据进行比较，从交通可达性、旅游竞争力、旅游市场规模三个方面进行对比，以此讨论上述预测模型的可适用性以及不足之处。

3.1 交通可达性比较

通过查询铁路列车信息，选择最快捷的高铁（或动车）班次作为最短通达时间，只计算直达和换乘一次的时间班次，由此整理出真实的交通可达性，结果如表6 所示。 对照图2、图3 来看，根据预测得到的模拟情景下属于0～1 小时等时圈的赣州在真实情况下属于1～2 小时等时圈；原来预测的1～2 小时等时圈内的韶关在真实情况下属于2～3 小时等时圈；而原本预测的2～3 小时等时圈内的吉安实际位于1～2 小时等时圈，此外还有潮州、揭阳、汕头和郴州、衡阳、 广州也都没有位于预测的2～3 小时等时圈，实际分别属于3～4 小时等时圈和4～5 小时等时圈；还有上饶、南昌、长沙、株洲也跟预期的有差异。

表6 真实情况的交通可达性

总体来看， 真实情况的交通可达性与预测的结果有差异，但是除广州、衡阳、郴州三个城市的等时圈误差达到近2 个小时， 其他城市的误差皆控制在1 小时以内，说明预测的交通可达性误差整体较小，具有一定的参考性。

3.2 旅游竞争力比较

为进一步验证模型的有效性， 针对模型中另一关键指标——旅游竞争力进行数据比较， 基于旅游收入、旅游人数两项核心数据来比较长汀县、永定区（曾经是永定县）、瑞金市三地的旅游竞争力，结果如图4、图5。 对照图2、图3 来看，原来预测得到的模拟情景下长汀县旅游竞争力有望在2020 年赶上2012 年的永定区和瑞金市，而实际情况下，长汀县2020 年旅游收入为33.59 亿元， 旅游人次为314.01万人次， 虽然旅游收入均超过两地在2012 年的水平，但旅游人数却不及永定和瑞金在2012 年的人数规模。 再结合实际情况下三地的旅游市场规模数据来看，在2015 年和2020 年期间，长汀与永定、瑞金的旅游市场规模差异逐渐增加， 这与预测情景中长汀旅游市场规模发展地位也存在明显出入。

图4 真实情况下长汀与永定、瑞金的旅游收入比较

图5 真实情况下长汀与永定、瑞金的旅游接待人次比较

综合来看， 产生上述差异的原因可以从两方面来分析：一方面，预测情景是基于长汀申遗成功的假设前提，而世界遗产在所有资源赋值中权重最高，但目前长汀尚未正式申遗成功， 这也直接影响真实情况下旅游资源吸引力数值， 进而影响旅游竞争力计算结果；另一方面，对照前文交通可达性结果来看，真实情况下3 小时等时圈内覆盖的客源市场比原来预测的少了5 个， 使长汀对旅游客源地的吸引力降低，进而减弱了旅游竞争力。

3.3 旅游市场规模比较

本文以真实情景下2015 年和2020 年的旅游人数和旅游收入结果来对比表5 中高、中、低三个不同方案的结果， 选择预测数据中最接近真实数据的方案来进行比较， 并由此计算出旅游市场规模预测数据的准确率，得到结果如表7 所示。 结果显示，4 个预测数据的准确率均值都超过80%，最高的准确率超过96%，说明该预测模型整体准确率较高，具有一定的参考价值。

表7 长汀县旅游市场规模的预测数据与真实数据比较结果

4 结语

文章基于交通可达性的计算， 结合旅游资源吸引力评价、 旅游竞争力预测等方法来构建旅游市场规模的预测模型， 并以客家首府——福建省长汀县作为实证案例， 通过模拟情景与真实情况的比较来验证模型的准确性。结果表明，该模型与真实情况存在一定的差异，但整体的准确率超过80%，模型的准确性相对较高。

在该模型的实际应用过程中， 交通可达性是其中一项关键影响因素。 一方面， 交通可达性直接影响着旅游客源地和旅游目的地之间的出行效率，也在时空层面影响着旅游目的地可能覆盖的客源市场范围；另一方面，交通可达性进一步影响着旅游目的地的市场竞争力， 虽然旅游目的地的竞争会受到旅游资源吸引力的影响，但如果交通出行的效率太低，也会直接减弱旅游者的出行意愿， 尤其是如长汀县这类地理位置相对偏远的县域旅游目的地， 很容易受交通可达性的影响而限制其客源市场规模。

综合本文的预测模型来看， 整体层面来说具有一定的可参考性和可操作性， 但是在模型构成中涉及交通可达性和旅游竞争力的预测还存在一定的不足，未来不仅要提高旅游资源吸引力的评估水平，更需要结合长期的交通发展规划来进行交通可达性预测，提高预测结果的有效性和准确性。