陶思然，葉霞飛

(同濟(jì)大學(xué)，道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海201804)

0 引言

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，城市群正在成為快速帶動(dòng)經(jīng)濟(jì)發(fā)展的增長(zhǎng)極。在我國(guó)，以城市群為主體構(gòu)建大中小城市和小城鎮(zhèn)協(xié)調(diào)發(fā)展的城鎮(zhèn)格局將逐步形成，此過(guò)程將通過(guò)城市間的頻繁交流而實(shí)現(xiàn)，大量的城際客運(yùn)交通需求應(yīng)運(yùn)而生。然而，作為城際客運(yùn)出行需求預(yù)測(cè)的重要環(huán)節(jié)，城際客運(yùn)出行分布預(yù)測(cè)研究目前還不完善，一個(gè)較為突出的問(wèn)題是，對(duì)可以將出發(fā)城市與到達(dá)城市關(guān)聯(lián)起來(lái)的因素考慮不足?？梢越柚请H客運(yùn)出行分布預(yù)測(cè)中較為常用的模型之一重力模型[1]對(duì)該問(wèn)題進(jìn)行說(shuō)明。自1946年Zipf[2]發(fā)現(xiàn)，城際客運(yùn)量與兩個(gè)城市人口的乘積成正比，與兩個(gè)城市間的距離成反比后，這種規(guī)律隨著后續(xù)研究的開(kāi)展，同時(shí)參考物理學(xué)重力模型，慢慢演變?yōu)榻袢盏闹亓δＰ?，即兩個(gè)城市之間的客流交換量與起點(diǎn)城市的出發(fā)量、終點(diǎn)城市的到達(dá)量成正比，與兩個(gè)城市間的出行阻抗成反比。出行阻抗一般由兩個(gè)城市間出行所花費(fèi)的時(shí)間、金錢、所使用交通方式的舒適度等因素決定?？梢钥闯?，此時(shí)僅有城際廣義出行阻抗由出行的兩個(gè)端點(diǎn)共同決定，可以解釋為何一個(gè)城市能更多地與特定城市發(fā)生關(guān)聯(lián)。

但事實(shí)上，在四階段模型體系中，質(zhì)量項(xiàng)的研究在出行生成階段已完成，故可知在出行分布預(yù)測(cè)模型中，僅考慮出行阻抗這一個(gè)關(guān)聯(lián)性因素是不足的[3]。針對(duì)這種不足，陶思然等[4]從城際客運(yùn)出行主要的出行目的出發(fā)，抽象出一些主要的關(guān)聯(lián)性影響因素，例如政治關(guān)聯(lián)因素、母子公司關(guān)聯(lián)因素、產(chǎn)業(yè)關(guān)聯(lián)因素、生存關(guān)聯(lián)因素、旅游關(guān)聯(lián)因素等。

本文主要針對(duì)旅游關(guān)聯(lián)因素進(jìn)行研究。假日旅游出行已有大量文獻(xiàn)進(jìn)行研究，但隨著社會(huì)生產(chǎn)力的發(fā)展，自由職業(yè)者增多，年休假制度普及，交通設(shè)施日臻完善，平常的工作日及周末也會(huì)有數(shù)量可觀的旅游出行。例如，日本第5 次(2010年)全國(guó)干線旅游純流動(dòng)調(diào)查將出行目的分為公務(wù)、旅游、私人、其他與不明這5 類。調(diào)查數(shù)據(jù)顯示，平常工作日有約2/5的OD對(duì)間城際旅游目的出行量占城際全目的總出行量的比例超過(guò)20%，平常周末城際旅游出行量占比更高。對(duì)于國(guó)內(nèi)而言，僅考慮長(zhǎng)三角26市范圍內(nèi)，南京市一個(gè)平常工作日城際到達(dá)量約43萬(wàn)人次，而南京市5A和4A級(jí)景點(diǎn)同一日接待同范圍內(nèi)城際游客約13萬(wàn)人次。盡管這13萬(wàn)人次不一定都是當(dāng)天出行，但由于長(zhǎng)三角地區(qū)交通設(shè)施較為完善，彼此聯(lián)系也較為緊密，故當(dāng)日出行者應(yīng)該占有一定的比重。由于這部分出行擁有獨(dú)特的關(guān)聯(lián)機(jī)制，在模型中體現(xiàn)兩個(gè)城市間因旅游而產(chǎn)生的關(guān)聯(lián)性就顯得非常重要，這種重要性可以通過(guò)下例進(jìn)行說(shuō)明：假設(shè)有A、B、C、D這4座城市，其中，A和B擁有旅游資源，C和D完全沒(méi)有旅游資源，則C城市與D 城市之間應(yīng)該不存在旅游客流交換量。然而，由于C、D 兩座城市與A、B 兩座城市之間將存在旅游客流交換量，即在C、D 兩座城市的出發(fā)、到達(dá)總量中，將包含一定量的旅游客流。因此若采用基本重力模型，將使C城市與D城市之間的預(yù)測(cè)客流交換量中包含旅游客流交換量，從而導(dǎo)致其客流預(yù)測(cè)結(jié)果偏大。

目前，已有部分學(xué)者重點(diǎn)關(guān)注了出發(fā)地與到達(dá)地之間的旅游關(guān)聯(lián)性，并得到一定的研究成果。有部分學(xué)者將網(wǎng)絡(luò)搜索指數(shù)作為變量加入模型，例如，單德朋等[5]認(rèn)為，谷歌搜索指數(shù)可以作為旅游地宣傳促銷努力程度的度量。但網(wǎng)絡(luò)搜索指數(shù)的關(guān)鍵詞收集和選取方案還未形成成熟的體系[6]。文化距離也是建立出行兩端關(guān)聯(lián)關(guān)系常用的影響因素，例如，畢娟[7]認(rèn)為兩地間文化維度的差異可以解釋中國(guó)入境游客的客源地分布，且文化距離和目的地選擇行為呈倒“U”型關(guān)系。但文化距離的計(jì)算依賴于主觀的文化差異測(cè)量指標(biāo)，需要通過(guò)調(diào)查問(wèn)卷獲取數(shù)據(jù)，目前為止更適用于入境旅游研究。資源異質(zhì)性則一直被旅游學(xué)科研究者認(rèn)為可以解釋特定城市對(duì)間的旅游關(guān)聯(lián)。例如，陳潔[8]利用余弦相似度將旅游資源異質(zhì)性化為因子加入重力模型，對(duì)每個(gè)城市的吸引力進(jìn)行修正。但資源異質(zhì)性的評(píng)判標(biāo)準(zhǔn)缺乏合理度量，其僅將景點(diǎn)分為自然景觀類景點(diǎn)、人文景觀類景點(diǎn)與休閑活動(dòng)類景點(diǎn)，每個(gè)類別內(nèi)部仍然可能存在異質(zhì)性。

綜上所述，既有研究提出的關(guān)聯(lián)項(xiàng)存在不成熟、適用范圍受限和度量標(biāo)準(zhǔn)不合理等問(wèn)題，故本文試圖提出一個(gè)新的關(guān)聯(lián)項(xiàng)，以表達(dá)各個(gè)城市對(duì)其他城市的旅游偏好，并將其加入城際客運(yùn)出行分布預(yù)測(cè)模型中，以體現(xiàn)客源地與旅游地之間的關(guān)聯(lián)性對(duì)城際客運(yùn)出行分布的影響。

1 基礎(chǔ)數(shù)據(jù)來(lái)源

本文借助長(zhǎng)三角26 個(gè)城市的數(shù)據(jù)開(kāi)展研究，即：上海、南京、無(wú)錫、常州、蘇州、南通、鹽城、揚(yáng)州、鎮(zhèn)江、泰州、杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺(tái)州、合肥、蕪湖、馬鞍山、滁州、安慶、銅陵、池州、宣城?？紤]到秋日環(huán)境較為適宜旅游，夏日學(xué)校放暑假，同時(shí)避開(kāi)下雨日，最終將數(shù)據(jù)獲取時(shí)間確定為2019年7月24日(周三)、7月28日(周日)、10月24日(周四)和10月26日(周六)。如無(wú)特殊說(shuō)明，后文所述“其他城市”“城際游客”等概念時(shí)，皆指研究范圍和研究日期內(nèi)的其他城市和城際游客。

1.1 城際客運(yùn)出行OD數(shù)據(jù)

本文所利用的OD 出行數(shù)據(jù)為手機(jī)信令數(shù)據(jù)，由聯(lián)通公司旗下智慧足跡科技有限公司依托聯(lián)通手機(jī)用戶的移動(dòng)軌跡，確定當(dāng)日跨行政邊界的出行量，再根據(jù)起點(diǎn)城市和終點(diǎn)城市的聯(lián)通用戶市場(chǎng)占有率進(jìn)行擴(kuò)樣而得。

1.2 景點(diǎn)游客數(shù)據(jù)

本文對(duì)各城市旅游偏好的研究，需要借助各個(gè)城市的景點(diǎn)從其他城市吸引到的游客數(shù)據(jù)來(lái)進(jìn)行。根據(jù)國(guó)家標(biāo)準(zhǔn)《旅游區(qū)(點(diǎn))質(zhì)量等級(jí)的劃分與評(píng)定(GB/T 17775-2003)》，我國(guó)旅游景區(qū)質(zhì)量等級(jí)劃分為5 個(gè)等級(jí)，由高到低依次為AAAAA(5A)、AAAA(4A)、AAA(3A)、AA(2A)、A 級(jí)旅游區(qū)(點(diǎn))。該標(biāo)準(zhǔn)規(guī)定，5A與4A級(jí)景點(diǎn)的年游客量分別需達(dá)到60 萬(wàn)人次與50 萬(wàn)人次，遠(yuǎn)超過(guò)3A(30 萬(wàn)人次)、2A(10萬(wàn)人次)與A(3萬(wàn)人次)級(jí)景點(diǎn)，且知名度總體上更高，吸引城際游客的能力更強(qiáng)，故本文選取研究范圍內(nèi)所有的5A 和4A 級(jí)景點(diǎn)進(jìn)行研究。后文所述“全市景點(diǎn)總個(gè)數(shù)”“全部景點(diǎn)城際總旅游客流量”等概念時(shí)，皆指該城市內(nèi)所有5A 和4A 級(jí)景點(diǎn)數(shù)以及該城市內(nèi)所有5A 和4A 級(jí)景點(diǎn)的城際總體旅游客流量。

景點(diǎn)游客數(shù)據(jù)是指，目標(biāo)日出現(xiàn)在景區(qū)的各城市游客數(shù)量。其中，游客來(lái)源地判斷標(biāo)準(zhǔn)為其常住地，即游客1年內(nèi)居住時(shí)長(zhǎng)大于6 個(gè)月的城市。判斷其為游客的標(biāo)準(zhǔn)為，在目標(biāo)日進(jìn)入景區(qū)范圍并停留超過(guò)1 h。舍棄部分用地性質(zhì)復(fù)雜以致無(wú)法判斷進(jìn)入者是否為游客的景點(diǎn)，例如無(wú)法僅統(tǒng)計(jì)進(jìn)入上海金茂大廈88 層觀光廳的聯(lián)通用戶，故該景點(diǎn)舍去。最終得到共計(jì)513 個(gè)景點(diǎn)的當(dāng)日游客的常住地?cái)?shù)據(jù)。

1.3 出行阻抗數(shù)據(jù)

本文中廣義出行阻抗由兩個(gè)城市間各交通方式的出行時(shí)間和費(fèi)用構(gòu)成?？紤]的交通方式包括：鐵路列車、私家車、長(zhǎng)途巴士。其中，鐵路列車數(shù)據(jù)來(lái)自鐵路12306網(wǎng)站；私家車出行時(shí)間數(shù)據(jù)自百度地圖爬取，出行費(fèi)用數(shù)據(jù)依賴百度地圖爬取路線計(jì)算高速通行費(fèi)及油耗費(fèi)用；長(zhǎng)途大巴數(shù)據(jù)參考巴士管家網(wǎng)、114 票務(wù)網(wǎng)、客運(yùn)站網(wǎng)、快票出行APP 等多個(gè)網(wǎng)絡(luò)平臺(tái)的數(shù)據(jù)。每種交通方式的廣義出行費(fèi)用計(jì)算方法為：出行費(fèi)用+出行時(shí)間×?xí)r間價(jià)值。其中，時(shí)間價(jià)值為出發(fā)城市與到達(dá)城市2019年人均可支配收入的均值。收入數(shù)據(jù)來(lái)源于各個(gè)城市的統(tǒng)計(jì)年鑒。最終，每個(gè)OD對(duì)間廣義出行費(fèi)用為各交通方式廣義出行費(fèi)用的均值。

2 旅游景點(diǎn)城際游客客源地分布特征分析

從文獻(xiàn)綜述不難看出，目前仍然很難提取出一個(gè)能夠有效表達(dá)兩地之間旅游關(guān)聯(lián)的變量，此問(wèn)題在集計(jì)模型中更為凸顯，因?yàn)槁糜问侨藗兂鲇谥饔^意愿所進(jìn)行的活動(dòng)，客觀上并不存在一個(gè)因素使得某個(gè)地區(qū)的人“必須”去另一個(gè)地區(qū)旅游。但通過(guò)對(duì)各景點(diǎn)城際游客客源地分布數(shù)據(jù)進(jìn)行分析后發(fā)現(xiàn)，盡管旅游行為受旅游者的主觀意愿支配，但城際游客客源地分布在集計(jì)層面上仍然呈現(xiàn)出較強(qiáng)的規(guī)律性。以南京市為例說(shuō)明，圖1為2019年7月24日、7月28日、10月24日和10月26日這4個(gè)分析日內(nèi)，南京市5A和4A級(jí)景點(diǎn)的城際游客客源地分布數(shù)據(jù)。

圖1 南京市5A和4A級(jí)景點(diǎn)客源地分布Fig.1 Spatial patterns at 5A and 4A tourist attractions in Nanjing

如圖1所示，在4個(gè)研究日期內(nèi)，南京市城際游客客源地分布大致相同，僅僅在數(shù)量上有所差異。本文采用相關(guān)系數(shù)ρ和差異系數(shù)λ描述客源地分布數(shù)列之間的差距。假設(shè)為某日某城市的城際游客客源地分布向量，為同一城市不同日期的城際游客客源地分布向量，其中，xi和yi皆按照與目標(biāo)城市距離由近及遠(yuǎn)順序進(jìn)行排列。相關(guān)系數(shù)ρ和差異系數(shù)λ的計(jì)算公式為

相關(guān)系數(shù)ρ用來(lái)衡量X與Y變化趨勢(shì)的接近程度，差異系數(shù)λ用來(lái)衡量每個(gè)組成元素的差異。綜合ρ和λ可以表示兩個(gè)序列的相似程度。圖1中南京市4 d數(shù)據(jù)之間的關(guān)系如表1所示。

表1 南京市不同日期城際游客客源地分布之間的ρ 與λTable 1 ρ and λ between spatial patterns of intercity tourists on different dates in Nanjing

從表1可以看出，雖然數(shù)據(jù)的日期分別屬于暑期工作日、暑期周末、金秋工作日、金秋周末，但南京市城際游客客源地分布情況相差不大。

為分析城市單個(gè)景點(diǎn)與城市所有景點(diǎn)的城際游客客源地分布情況，表2給出南京市各景點(diǎn)與南京市整體城際游客客源地分布間的ρ與λ。從表中可以看出，南京市城際旅游客流量較大的景點(diǎn)，不同日期的客流規(guī)律性都比較強(qiáng)，各個(gè)客源地分布占比相差也較??；而城際旅游客流量較小的景點(diǎn)，則沒(méi)有明顯傾向，可能具有規(guī)律性，也可能不具有規(guī)律性。如果一個(gè)景點(diǎn)的ρ與λ可以滿足ρ≥0.8，λ≤0.2，且該景點(diǎn)同時(shí)滿足城際旅游客流量大于等于該市所有景點(diǎn)城際旅游客流量的均值，即將其定義為頭部景點(diǎn)，則南京市頭部景點(diǎn)共11個(gè)，占全市景點(diǎn)總個(gè)數(shù)的44%，其城際旅游客流量卻占全部景點(diǎn)城際總旅游客流量的89%。說(shuō)明南京市不同日期城際游客客源地分布規(guī)律是由頭部景點(diǎn)決定的。

表2 南京市各景點(diǎn)與南京市整體城際游客客源地分布間的ρ 與λTable 2 ρ and λ between spatial patterns of intercity tourists of each attraction and Nanjing

其他城市也存在類似規(guī)律。如果考慮研究范圍內(nèi)全部513 個(gè)景點(diǎn)，共163 個(gè)景點(diǎn)符合頭部景點(diǎn)標(biāo)準(zhǔn)，占全部景點(diǎn)的32%，其城際旅游客流量卻占全部景點(diǎn)城際總旅游客流量的82%。

綜上所述得到以下基本結(jié)論：

(1)一個(gè)城市的城際游客客源地分布規(guī)律雖然受到旅游者個(gè)人主觀因素的影響，但從整體上來(lái)看仍會(huì)呈現(xiàn)出較強(qiáng)的規(guī)律性。

(2)一個(gè)城市的城際游客客源地分布規(guī)律主要由頭部景點(diǎn)決定，而這些頭部景點(diǎn)的城際游客客源地分布往往較為接近，這可能是由于這些景點(diǎn)名氣更高，交通可達(dá)性更好，故從統(tǒng)計(jì)學(xué)角度來(lái)看，非過(guò)夜旅游者在游覽時(shí)去往這些景點(diǎn)的概率是相等的，過(guò)夜游客可能在一次旅行中將這些景點(diǎn)都游覽一遍。

由此可見(jiàn)，在中國(guó)目前環(huán)境下，一個(gè)城市的城際游客客源地分布主要由頭部景點(diǎn)決定，而大部分頭部景點(diǎn)已經(jīng)存在相當(dāng)長(zhǎng)的一段時(shí)間，城際游客的客源地分布較為穩(wěn)定?；谏鲜鎏卣?，可以借助一個(gè)城市旅游景點(diǎn)的城際游客客源地分布構(gòu)建其他城市居民對(duì)該城市的旅游偏好，為城際客運(yùn)出行分布預(yù)測(cè)模型更好地描述旅游關(guān)聯(lián)的影響奠定基礎(chǔ)。

3 引入旅游偏好的城際客運(yùn)出行分布預(yù)測(cè)模型構(gòu)建與分析

3.1 親景度概念

親景度是馬耀峰等[9]在研究入境旅游時(shí)提出的概念，該指標(biāo)利用客源國(guó)在某國(guó)的某個(gè)目標(biāo)城市的外國(guó)游客占比與客源國(guó)在該國(guó)的外國(guó)游客占比，反映客源國(guó)游客對(duì)目標(biāo)國(guó)不同城市的旅游偏好程度。假設(shè)到某地的某旅游客源國(guó)人數(shù)為Mi，到某地的外國(guó)游客人數(shù)為M1，到該地所在國(guó)旅游的某客源國(guó)人數(shù)為Gi，到該地所在國(guó)旅游的外國(guó)人數(shù)為G1，則親景度L的計(jì)算公式為

本文研究范圍內(nèi)各城市之間交流緊密，對(duì)彼此景點(diǎn)信息獲取渠道較多，獲取速度較快，按照常理，人們出游應(yīng)當(dāng)更加隨心所欲，使景點(diǎn)客流失去規(guī)律性。但是由第2節(jié)研究結(jié)果可知，從整個(gè)城市角度來(lái)看，城際游客客源地分布是較為穩(wěn)定的。這反而說(shuō)明，這種穩(wěn)定的規(guī)律性體現(xiàn)了一個(gè)地區(qū)居民的旅游偏好，因此，可以引入親景度的概念，基于城際游客客源地分布特征，在集計(jì)層面上構(gòu)建一個(gè)變量，用以表達(dá)一個(gè)城市的居民出于文化、歷史等原因，對(duì)其他城市的旅游偏好。

3.2 模型構(gòu)建

假設(shè)城市i對(duì)城市j的親景度為L(zhǎng)i→j，表達(dá)式為

式中：xi→j為i城市居民在j城市旅游景點(diǎn)出現(xiàn)的數(shù)量(人次·d-1)。

根據(jù)親景度構(gòu)建兩個(gè)城市之間的旅游偏好為

式中：Lij為城市i與城市j之間基于親景度的旅游偏好變量；Li→j為城市i對(duì)城市j的親景度；Lj→i為城市j對(duì)城市i的親景度；η為待標(biāo)定系數(shù)。

因此，構(gòu)建引入旅游偏好變量的城際客運(yùn)出行分布預(yù)測(cè)模型。

式中：Tij為城市i到城市j單日出行交換量(人次·d-1)；Oi為城市i單日出行出發(fā)量(人次·d-1)；Dj為城市j單日出行到達(dá)量(人次·d-1)；f()Cij為城市i與城市j之間的廣義出行阻抗；f()Lij為兩個(gè)城市之間的旅游偏好；aijm為交通方式m的權(quán)重，本文按均值進(jìn)行計(jì)算；cijm為交通方式m在兩地間的出行費(fèi)用(元)；vij為城市i與城市j的時(shí)間價(jià)值均值(元·h-1)；tijm為交通方式m在兩地間的出行時(shí)間(h)；k,α,β,γ,η為待標(biāo)定系數(shù)。

首先利用長(zhǎng)三角26 城市全目的出行OD 數(shù)據(jù)以及5A 和4A 級(jí)景點(diǎn)的城際游客客源地分布數(shù)據(jù)進(jìn)行模型系數(shù)標(biāo)定，再利用標(biāo)定完成的模型計(jì)算城際客運(yùn)出行分布預(yù)測(cè)值?？紤]到矩陣的行約束和列約束，利用Fratar 迭代得出最終的城際客運(yùn)出行分布預(yù)測(cè)值。評(píng)判模型預(yù)測(cè)能力的標(biāo)準(zhǔn)可采用R2以及預(yù)測(cè)前后城際客運(yùn)出行分布量的標(biāo)準(zhǔn)誤差σ，σ的表達(dá)式為

3.3 模型預(yù)測(cè)結(jié)果及分析

采用最小二乘法對(duì)模型進(jìn)行標(biāo)定，即利用取對(duì)數(shù)方法將式(6)演變?yōu)?/p>

第2節(jié)已經(jīng)說(shuō)明，不同日期的城際游客客源地分布基本沒(méi)有差別，故此處僅使用2019年7月24日的數(shù)據(jù)對(duì)模型進(jìn)行標(biāo)定。

首先對(duì)各變量進(jìn)行相關(guān)性檢驗(yàn)和多重共線性檢驗(yàn)，檢驗(yàn)結(jié)果如表3所示。

從表3 可以看出，各變量的方差膨脹因子(Variance Inflation Factor，VIF)都小于10，說(shuō)明多重共線性并不嚴(yán)重，可以進(jìn)行回歸。對(duì)基本重力模型和加入旅游偏好變量的重力模型分別進(jìn)行標(biāo)定，得到結(jié)果如表4所示。

表3 各變量相關(guān)性檢驗(yàn)和多重共線性檢驗(yàn)Table 3 Bivariate correlation between variables and multicollinearity of variables

表4 加入旅游偏好變量前后模型標(biāo)定結(jié)果對(duì)比Table 4 Calibration of gravity model with and without tourism preference

從表3 和表4 可以明顯看出，加入親景度相關(guān)的旅游偏好變量后，與基本重力模型相比，模型R2從0.69上升至0.88，標(biāo)準(zhǔn)誤差從現(xiàn)狀交換量均值的0.95倍下降至0.50倍，證明該變量對(duì)提升城際客運(yùn)出行分布預(yù)測(cè)模型精度十分有效。

參與標(biāo)定的OD 對(duì)共649 個(gè)，在引入旅游偏好變量后，誤差減小的OD 對(duì)為486 個(gè)，占所有OD 對(duì)的75%；誤差增大的OD 對(duì)為163 個(gè)，占所有OD 對(duì)的25%。分別計(jì)算絕對(duì)誤差與相對(duì)誤差。絕對(duì)誤差為每個(gè)OD 對(duì)間的預(yù)測(cè)出行量與實(shí)際出行量之間差值的絕對(duì)值，相對(duì)誤差為每個(gè)OD對(duì)間的絕對(duì)誤差除以其實(shí)際出行量，則不同OD對(duì)間的絕對(duì)誤差與相對(duì)誤差均值如表5所示。

表5 不同OD對(duì)的絕對(duì)誤差與相對(duì)誤差Table 5 Absolute error and relative error of different OD pairs

從表5可以看出：對(duì)于引入旅游偏好變量后誤差減小的OD 對(duì)而言，其誤差降低幅度較大；對(duì)于誤差增大的OD對(duì)而言，雖然誤差增大的幅度也較大，但由于其絕對(duì)值較小，故研究范圍內(nèi)OD 對(duì)間誤差整體呈較為顯著的下降趨勢(shì)，證明該變量對(duì)改善城際客運(yùn)出行分布預(yù)測(cè)模型的預(yù)測(cè)能力具有較為顯著的效果。

需要注意的是，雖然城市的城際游客客源地分布較為穩(wěn)定，但是由不同季節(jié)或工作日、雙休日導(dǎo)致的城際出行者數(shù)量差距還是較大的，在使用絕對(duì)數(shù)據(jù)建模時(shí)應(yīng)當(dāng)針對(duì)不同日期分別標(biāo)定。

4 結(jié)論

本文針對(duì)目前城際客運(yùn)出行分布預(yù)測(cè)過(guò)程中對(duì)城際旅游關(guān)聯(lián)性考慮不足的問(wèn)題，提出一個(gè)可以表征兩個(gè)城市間旅游關(guān)聯(lián)性的旅游偏好變量，并以此為基礎(chǔ)構(gòu)建了城際客運(yùn)出行分布預(yù)測(cè)改進(jìn)模型。

(1)借助手機(jī)信令數(shù)據(jù)，通過(guò)對(duì)長(zhǎng)三角26 個(gè)城市范圍內(nèi)的5A 和4A 級(jí)景點(diǎn)城際游客客源地分布進(jìn)行分析后發(fā)現(xiàn)，雖然旅游是一項(xiàng)主觀的活動(dòng)，但在集計(jì)層面上，同一個(gè)城市中的頭部景點(diǎn)均呈現(xiàn)出相近且穩(wěn)定的客源地分布規(guī)律；長(zhǎng)三角26 個(gè)城市范圍內(nèi)頭部景點(diǎn)城際旅游客流量占全部5A 和4A級(jí)景點(diǎn)城際總旅游客流量的比例達(dá)到82%，其中南京市的這一比例達(dá)到了89%。由此可見(jiàn)，一個(gè)城市的城際游客客源地分布主要是由頭部景點(diǎn)決定，其城際總體游客客源地分布也呈現(xiàn)出與頭部景點(diǎn)相似的規(guī)律。另外，從暑期工作日、暑期周末、金秋工作日、金秋周末4 d 的數(shù)據(jù)來(lái)看，在非節(jié)日情況下，上述規(guī)律也非常穩(wěn)定。

(2)基于長(zhǎng)三角26個(gè)城市范圍內(nèi)5A和4A級(jí)景點(diǎn)城際游客客源地分布規(guī)律，借助親景度指標(biāo)，提出可以表征城際旅游關(guān)聯(lián)性的旅游偏好變量，構(gòu)建了在基本重力模型中引入旅游偏好變量后的城際客運(yùn)出行分布預(yù)測(cè)模型。利用長(zhǎng)三角26個(gè)城市的出行分布現(xiàn)狀數(shù)據(jù)對(duì)模型進(jìn)行標(biāo)定后發(fā)現(xiàn)，與基本重力模型相比較，模型R2從0.69 上升至0.88，標(biāo)準(zhǔn)誤差從現(xiàn)狀交換量均值的0.95倍下降至0.50倍；誤差減小的OD對(duì)占全部OD對(duì)數(shù)量的75%。由此可見(jiàn)，旅游偏好變量的引入對(duì)提高城際客運(yùn)出行分布預(yù)測(cè)模型的精度是有效的。

然而，對(duì)于城際客運(yùn)出行分布預(yù)測(cè)而言，城市間的旅游關(guān)聯(lián)性因素僅僅是出行分布眾多影響因素中的一個(gè)，本文建立的模型也僅僅說(shuō)明了引入旅游關(guān)聯(lián)性因素的重要性，所以今后還應(yīng)繼續(xù)對(duì)影響城際客運(yùn)出行分布的城市間其他主要關(guān)聯(lián)性因素逐一加以研究，并對(duì)研究成果進(jìn)行融合，從而構(gòu)建更加完善的城際客運(yùn)出行分布預(yù)測(cè)模型。