邵海雁,靳 誠,鐘業(yè)喜,馮興華

(1.南京師范大學(xué)地理科學(xué)學(xué)院,江蘇 南京 210023) (2.江西師范大學(xué)地理與環(huán)境學(xué)院,江西 南昌 330022)

旅游流是由微觀旅游個體的自由流動而呈現(xiàn)出來的具有一定時空特征的宏觀狀態(tài)[1]. 旅游流的概念有廣義和狹義之分,廣義上的旅游流是指存在于景點之間的游客空間流動與擴散方向;狹義上的旅游流即旅游客流,指基于統(tǒng)計數(shù)據(jù)的客流數(shù)量在景區(qū)內(nèi)的空間分布規(guī)律與周期波動特征[2-3]. 旅游客流作為旅游流空間結(jié)構(gòu)形成發(fā)展的基礎(chǔ),是衡量旅游區(qū)景觀質(zhì)量好壞與服務(wù)水平高低的一個重要指標[4],同時也是區(qū)域旅游業(yè)及其相關(guān)業(yè)態(tài)進行發(fā)展調(diào)控的重要參考[5].

目前已有大量文獻對于旅游流進行探討分析,其研究主題集中于旅游流空間結(jié)構(gòu)的時空演變、旅游客流量的預(yù)測及波動特征、基于網(wǎng)絡(luò)關(guān)注度的客流分析等方面,如王新越等基于網(wǎng)絡(luò)游記數(shù)據(jù)分析青島市旅游流空間結(jié)構(gòu)的時空分布[6],余向洋等基于月度客流數(shù)據(jù)對黃山風(fēng)景區(qū)的客流進行預(yù)測[7],陳曉艷等基于微博簽到數(shù)據(jù)對南京市鐘山風(fēng)景區(qū)的客流周期波動進行探討[8],方葉林等基于百度指數(shù)構(gòu)建國家風(fēng)景名勝區(qū)的網(wǎng)絡(luò)關(guān)注度并分析其與客流量的錯位特征及機理[9]. 旅游流的研究方法以社會網(wǎng)絡(luò)分析[10]、灰色預(yù)測模型[11]、優(yōu)勢及流質(zhì)指數(shù)模型[12]為主;在研究區(qū)域選取上,以云南、四川為代表的西南地區(qū)及以上海、南京為代表的長三角地區(qū)是其主要研究對象;研究尺度涵蓋國家大尺度、省域中尺度、市域小尺度,并逐漸擴展至更為微觀的景區(qū)尺度,其中以黃山風(fēng)景區(qū)[13]、九寨溝風(fēng)景區(qū)[14]、川滇瀘沽湖跨界旅游區(qū)[15]等為研究熱點. 盡管現(xiàn)有研究取得了不同程度的成果,但也存在著不足. 在研究對象選取上,市域及景區(qū)尺度下的客流特征分析較多,山岳、海濱型風(fēng)景區(qū)[16-17]以及沙漠、丹霞旅游區(qū)[18-19]等是典型的研究區(qū)域,少有對單個風(fēng)景名勝區(qū)客流的研究;在數(shù)據(jù)獲取方面,由于以往統(tǒng)計工作的缺失及數(shù)據(jù)公開限制等原因,現(xiàn)有研究多從短時間尺度或特殊時段進行客流特征探討[20-21],鮮有較長時間尺度的研究;在研究方法上,以往研究多采用指數(shù)測度[22-23]、濾波分析[24-25]、季節(jié)調(diào)整[26]等方法定量剖析景區(qū)客流量的季節(jié)性變化及周期波動特征,傳統(tǒng)的統(tǒng)計度量指標如季節(jié)強度指數(shù)、季節(jié)變動指數(shù)、集中指數(shù)、變異系數(shù)等能夠較為直觀地展示局部時段的客流變化,卻難以深入挖掘潛藏于客流數(shù)據(jù)之中具有結(jié)構(gòu)特征的周期尺度信息. 小波分析在透視時間序列波動全貌和精細結(jié)構(gòu)上存在相對優(yōu)勢,其從時間域-頻率域二維視角提取多時間尺度的主要震蕩周期及響應(yīng)強弱程度,滿足時空非平穩(wěn)客流數(shù)據(jù)的分析要求[27-29].

客流波動特性作為旅游流量序列的重要表征,表現(xiàn)為日際、周內(nèi)、月際、年內(nèi)、年間多層次時間尺度的非穩(wěn)態(tài)變化過程,是旅游業(yè)季節(jié)性和脆弱性雙重作用的結(jié)果[30]. 諸多研究表明,氣候、工作與休假制度、節(jié)慶活動和重大事件、旅游資源本底賦存等因素對客流波動具有重要影響[31],但相關(guān)研究仍需進一步深化補充,如景區(qū)尺度下客流變化呈現(xiàn)出怎樣的周期特征,多元因素又是如何作用于客流波動的形成及影響差異等問題亟待解決. 因此,本文以杭州西湖風(fēng)景名勝區(qū)為案例區(qū)域,基于2009—2019年的連續(xù)月度客流數(shù)據(jù),利用小波分析方法,對主要收費景點的客流量進行周期性分析;采用相關(guān)分析及層次聚類法,探究不同景點間的客流動態(tài)關(guān)聯(lián),并進一步劃分其發(fā)展模式,以期為杭州西湖風(fēng)景名勝區(qū)加快旅游供給側(cè)結(jié)構(gòu)性改革及形成各景點聯(lián)動高質(zhì)量發(fā)展格局提供有益參考.

圖1 杭州西湖風(fēng)景名勝區(qū)主要收費景點空間分布Fig.1 Spatial distribution of main charging attractionsin Hangzhou West Lake Scenic Area

1 數(shù)據(jù)與方法

1.1 研究區(qū)域與數(shù)據(jù)來源

如圖1所示,杭州西湖風(fēng)景名勝區(qū)位于浙江省西北部的杭州市,景區(qū)總面積達49 km2,是國務(wù)院首批公布的國家重點風(fēng)景名勝區(qū). 2007年5月,杭州西湖風(fēng)景名勝區(qū)經(jīng)國家旅游局批準為國家5A級旅游景區(qū);2011年6月,“中國杭州西湖文化景觀”被列入《世界遺產(chǎn)名錄》. 杭州西湖風(fēng)景名勝區(qū)旅游資源稟賦極高,依托于優(yōu)美的自然風(fēng)光與豐富的人文古跡不斷發(fā)展,在全國乃至全世界旅游目的地中具有較強的影響力與競爭力[32]. 作為優(yōu)質(zhì)典型旅游景區(qū),杭州西湖風(fēng)景名勝區(qū)實施“免費為主,收費為補”的經(jīng)營模式,在此模式驅(qū)動下的收費景點游覽熱度不減,其客流波動表現(xiàn)出一定的周期性. 本文選取杭州西湖風(fēng)景名勝區(qū)8個主要收費景點為研究對象,采用杭州西湖風(fēng)景名勝區(qū)管理委員會提供的2009年1月至2019年12月共120個月的逐月客流數(shù)據(jù)進行研究. 主要收費景點的資源特征如表1所示.

表1 杭州西湖風(fēng)景名勝區(qū)主要收費景點基本特征Table 1 The basic characteristics of main charging attractions in Hangzhou West Lake Scenic Area

1.2 研究方法

1.2.1 Morlet小波分析

小波分析是一種在時間-頻率域內(nèi)進行多分辨率分析的方法,被廣泛應(yīng)用于水文、氣象等自然地理領(lǐng)域并擴展至糧食生產(chǎn)、旅游客流等人文地理領(lǐng)域[33]. Morlet小波分析通過平移、伸縮運算,有效反映旅游客流時間序列的宏觀全貌與局部細節(jié),展現(xiàn)其周期變化尺度及在時域中的分布. Morlet小波定義如下:

(1)

(2)

小波方差是小波系數(shù)模離差的平方和,可以反映變量在地理尺度下的異質(zhì)性[34],其計算公式如下:

Var(a)=∑[Wj(a,b)]2.

(3)

1.2.2Pearson相關(guān)分析

本文利用Pearson相關(guān)系數(shù)進行不同景點客流量的相關(guān)性分析. Pearson相關(guān)系數(shù)可度量連續(xù)變量之間線性關(guān)聯(lián)程度,其值的絕對值越大表明兩者之間的相關(guān)性越強,其定義為:

(4)

式中,rxy為變量x和y的Pearson相關(guān)系數(shù);n為觀測對象的數(shù)量;xi為x的第i個觀測值;yi為y的第i個觀測值.

1.2.3Ward最小方差聚類

Ward最小方差聚類是一種基于最小二乘法線性模型準則的層次聚類方法,通過分析識別特征進行分類,強調(diào)研究區(qū)域樣本內(nèi)部的同質(zhì)性與差異性[35]. 該方法組內(nèi)平方和的計算基于歐式模型,首先集合中每個樣本自成一類;進行類別合并時,計算類重心間方差,將離差平方和增加的幅度最小的2類首先合并,再依次將所有類別逐級合并. 具體算法如下:

(5)

則k個類的類內(nèi)離差平方和S為:

(6)

2 結(jié)果分析

2.1 景點客流特征及周期波動

2.1.1 月度客流變化分析

由于旅游者閑暇時間、民俗文化活動、旅游資源異質(zhì)性等社會因素以及氣候等自然因素的影響,景點之間的客流變化存在一定的相似性和差異性. 如圖2所示,杭州西湖風(fēng)景名勝區(qū)主要收費景點的客流量差異顯著,作為“三評西湖十景”之一的靈隱飛來峰以及“西湖十景”之一的三潭印月的總客流量遠遠大于其他景點,兩者的客流量變化具有良好的互動關(guān)聯(lián)特征. 在月際尺度上,靈隱飛來峰主要表現(xiàn)為明顯的翹頭式“四峰”結(jié)構(gòu),2月、4月、8月、10月是其主要峰值月份;在“燒頭香”等民俗文化活動及春節(jié)假期疊加作用下,2月是靈隱飛來峰的旅游峰月;杭州西湖風(fēng)景名勝區(qū)地處亞熱帶,冬冷夏熱,3—5月、9—11月是氣候適宜期,最佳旅游季節(jié)、旅游者閑暇時間、“十一”黃金周效應(yīng)分別是4月、8月、10月旅游峰值期的主要驅(qū)動因素. 三潭印月客流波動呈現(xiàn)出“三峰”向“四峰”結(jié)構(gòu)逐漸過渡態(tài)勢,由于暑期效應(yīng)、“五一”和“十一”黃金周效應(yīng)影響,形成7—8月、5月、10月主要峰值月份. 動物園的客流量變化表現(xiàn)為“三峰+四峰”的組合結(jié)構(gòu),2月、4月、7月、10月是峰值月份,其客流月度變化與靈隱飛來峰、三潭印月呈現(xiàn)出聯(lián)動發(fā)展格局;而7—8月的客流高峰則體現(xiàn)了動物園科普教育性與休閑游覽性的融合. 植物園的客流量受自然因素、旅游審美等社會因素的影響,具有一定的規(guī)律性和明顯的突變性,2014年11月份由于“菊花藝術(shù)節(jié)”的舉辦其客流值高達100.9萬人次,表明植物季相景觀活力在人為因子的驅(qū)動下得到合理釋放;植物園的客流量以“雙峰”結(jié)構(gòu)為主,峰值集中于2—3月及11月,春、秋季正值花期,加之適宜的氣候、花展活動的舉辦等促進了景點客流量的增加. 玉皇山的月度客流變化呈現(xiàn)出高頭低尾式的“雙峰”結(jié)構(gòu),2月、10月是峰值月份;玉皇山道教文化底蘊深厚,民俗文化驅(qū)動造就2月的客流高峰,“十一”黃金周帶動其客流量的小幅增長. 岳廟的客流變化呈現(xiàn)出“四峰”結(jié)構(gòu). 虎跑、城隍閣的客流總量較小,在靈隱飛來峰、三潭印月、動物園的輻射帶動作用下,虎跑的客流量主要為“三峰”結(jié)構(gòu);城隍閣的客流變化總體較為平穩(wěn),2月是其峰值月份,城隍閣佛教及建筑文化豐富,加之毗鄰玉皇山,兩個景點資源特色的異質(zhì)互補推動旅游協(xié)同發(fā)展格局的形成.

圖2 杭州西湖風(fēng)景名勝區(qū)主要收費景點月度客流量(2009—2019)Fig.2 Tourist arrivals of main charging attractions in Hangzhou West Lake Scenic Area(2009-2019)

2.1.2 客流周期波動特征

圖3 杭州西湖風(fēng)景名勝區(qū)主要收費景點小波實部圖和小波方差圖Fig.3 Morlet wavelet real part diagram and variance diagram of main charging attractionsin Hangzhou West Lake Scenic Area

小波實部能夠反映長時間序列下客流量的多時間尺度特征,其正負值的變動體現(xiàn)了景點客流量在不同時間尺度的周期變化及其在時間域中的分布狀況;小波方差則能呈現(xiàn)序列變化的干擾強度及主周期. 客流波動性是旅游業(yè)的重要特征,杭州西湖風(fēng)景名勝區(qū)各主要收費景點的波動周期具有顯著差異,如圖3所示. 靈隱飛來峰的客流量呈周期交替震蕩變化,其波動周期具有多時間尺度特征且不同時間尺度周期之間相互嵌套,7—9月尺度、16—19月尺度、26—30月尺度是較明顯的周期變化時間尺度,7—9月尺度、16—19月尺度具有較好的全域性,26—30月尺度的周期變化在2009—2010年和2016—2019年之間較為顯著;靈隱飛來峰的小波方差在8月尺度、17月尺度存在兩個明顯峰值,表明8月尺度和17月尺度左右客流周期震蕩強烈. 岳廟的客流量變化過程中存在8月尺度、16—19月尺度、28—32月尺度3個變化周期,16—19月尺度上存在的振蕩次數(shù)最多,出現(xiàn)了11次正負相交替;17月尺度是明顯的小波方差峰值,表明岳廟客流量的主周期為17月尺度. 虎跑的中心尺度為8月尺度、16—18月尺度、28—30月尺度,且16—18月尺度具有較好的全域性;17月尺度是其主周期,表明虎跑的客流周期與岳廟具有較高相似性,兩個景點的客流量具有良好的動態(tài)關(guān)聯(lián)特征. 三潭印月中心尺度為16—18月尺度,在該尺度上其客流量經(jīng)歷了11次峰谷交替變化過程;小波方差圖存在1個明顯峰值,客流量的主周期為17月尺度. 植物園有較明顯的周期變化特征的是8月尺度、16—19月尺度,且兩個時間尺度的全域性均較好;17月尺度是其第1主周期,8月尺度是第2主周期. 動物園客流量演變的中心尺度為16—18月尺度和58—60月尺度;小波方差圖存在2個明顯峰值,其中17月尺度是客流量的主周期,59月尺度為次周期. 玉皇山有明顯周期變化的為16—19月尺度,在該尺度上客流量出現(xiàn)22次震蕩. 城隍閣不同時間尺度的客流周期相互嵌套特征顯著,中心尺度為8月尺度、16—19月尺度和57—60月尺度;小波方差存在3個明顯峰值,17月尺度、8月尺度、59月尺度分別對應(yīng)其第1主周期、第2主周期和第3主周期.

景區(qū)客流多時間尺度特征分析對于景區(qū)的供需調(diào)整、規(guī)劃發(fā)展等具有重要意義. 就杭州西湖風(fēng)景名勝區(qū)主要收費景點的月度客流總量來看,其演變過程中存在4—5月尺度、8月尺度、16—19月尺度、57—61月尺度4類尺度的變化周期,且小時間尺度的周期變化共同構(gòu)成大時間尺度的周期變化. 究其原因,4—5月尺度的周期反映了景點客流量受自然因素影響的季相變動,亞熱帶季風(fēng)氣候所形成的春、秋兩個旅游適宜期體現(xiàn)其自然季節(jié)性;8月尺度的周期變化最為明顯,反映了客流量受體制因素影響的季相變動,春節(jié)假期、學(xué)生寒假、傳統(tǒng)民俗文化活動多重社會因素作用下的2月峰期和“十一”黃金周釋放的旅游活力造就的10月峰值是其主要體現(xiàn);16—19月尺度的周期則是氣候等自然因素和休假制度、節(jié)慶活動等社會因素綜合作用下存在于年間的周期性變化,具體而言,不同影響因素之間相互博弈,作用強度差異塑造了年間周期,如3—4月的最佳旅游季節(jié)經(jīng)過一年穩(wěn)態(tài)發(fā)展與第二年暑假期間高客流量形成閉環(huán),月度客流的此消彼長則會產(chǎn)生存在于年間的周期性變化. 57—61月尺度的周期則可能受外圍區(qū)域經(jīng)濟周期、重大事件等的影響,由圖3可知,57—61月尺度經(jīng)歷了4個負相位和3個正相位,4個負相位為2009年1月—2010年4月、2012年6月—2014年4月、2015年6月—2017年4月和2019年4月延續(xù)至今4個時期,從時間尺度上分別對應(yīng)2008年金融危機的余波期、馬航失聯(lián)和昆明火車站暴力恐怖襲擊、東方之星旅游客船傾覆、新冠肺炎疫情爆發(fā)等重大危機事件;3個正相位為2010年6月—2011年12月、2014年6月—2015年6月、2017年8月—2018年10月3個時期,分別受上海世博會地域鄰近效應(yīng)、亞投行經(jīng)濟拉動效應(yīng),杭州G20峰會后發(fā)效應(yīng)的影響;同時,57—61月尺度的客流周期與5—6年尺度的中國區(qū)域經(jīng)濟周期長度相符[36],體現(xiàn)了存在于年際尺度的周期變化. 由上述分析可知,氣候、傳統(tǒng)節(jié)日與行業(yè)假期、重大事件和節(jié)慶活動、資源特色賦存等是導(dǎo)致景區(qū)客流波動的重要因素;具體而言,不同景點周期變化的影響因素存在異同:各主要收費景點均存在16—19月尺度的周期,表明體制性因素的影響程度大于自然因素;靈隱飛來峰、岳廟、城隍閣的人文底蘊濃厚,其周期波動表現(xiàn)更為復(fù)雜,小尺度的變化嵌套在較大尺度下,而植物園、三潭印月、靈隱飛來峰等自然半自然屬性的景點在年內(nèi)受制于景觀季相、氣候舒適度等自然因素,體現(xiàn)不同尺度客流波動的時間分異.

圖4 杭州西湖風(fēng)景名勝區(qū)主要收費景點相關(guān)系數(shù)矩陣及聚類圖Fig.4 Correlation coefficient matrix diagram and cluster diagram ofmain charging attractions in Hangzhou West Lake Scenic Area

2.2 景點客流相關(guān)分析及類型劃分

各個景點由于地域鄰近、旅游資源異質(zhì)互補等因素的影響會趨向形成協(xié)同發(fā)展格局,而客流量的變動在一定程度上可以反映景點間的互動關(guān)聯(lián). 由圖4可知,動物園與三潭印月的客流量具有極強的正相關(guān)性;虎跑與岳廟、三潭印月與岳廟、三潭印月與虎跑、三潭印月與靈隱飛來峰、動物園與靈隱飛來峰具有強正相關(guān)性;靈隱飛來峰與岳廟、動物園與岳廟、玉皇山與靈隱飛來峰、城隍閣與靈隱飛來峰、城隍閣與玉皇山具有中等程度的正相關(guān)性;靈隱飛來峰與虎跑、動物園與虎跑、玉皇山與植物園、城隍閣與虎跑、城隍閣與三潭印月、城隍閣與動物園具有弱正相關(guān)性;植物園與岳廟、植物園與虎跑、植物園與靈隱飛來峰、城隍閣與岳廟、城隍閣與植物園具有極弱正相關(guān)性. 此外,植物園與三潭印月、植物園與動物園、玉皇山與動物園具有極弱的負相關(guān)性;玉皇山與岳廟、玉皇山與虎跑、玉皇山與三潭印月具有弱負相關(guān)性. 可知,作為熱門景點的靈隱飛來峰、三潭印月、動物園與其他景點之間具有良好的動態(tài)關(guān)聯(lián)特征;玉皇山、城隍閣等客流量較少的景點與其他景點的關(guān)聯(lián)度不高;植物園的客流獨立性最強,與其他景點的相關(guān)性極弱.

景點感知度、景點資源特色、景點間距離等影響著一個區(qū)域內(nèi)景點客流量的大小及景點間的關(guān)聯(lián)程度. 通過Ward最小方差聚類對杭州西湖風(fēng)景名勝區(qū)主要收費景點進行層次聚類分析,將其劃分為4種類型. 第一類為知名度主導(dǎo)型發(fā)展模式,包括靈隱飛來峰、三潭印月和動物園,憑借自身在外的美譽度及景點設(shè)施建設(shè)的較高完善度等優(yōu)勢,3個景點的客流量一直保持較高狀態(tài)且呈現(xiàn)出不斷增長態(tài)勢;靈隱飛來峰、三潭印月和動物園的客流量變化具有良好的動態(tài)關(guān)聯(lián)特征,客流波動周期具有多時間尺度且不同時間尺度均具有較好的全域性,2月、4月、7—8月、10月是客流量峰值月份,表明在景區(qū)知名度導(dǎo)向下,季節(jié)適宜性、旅游者的閑暇時間、社會民俗等因素共同促進景點客流量的增長. 第二類為熱門景點輻射型發(fā)展模式,包括岳廟與虎跑,由于資源特色不明顯及游客感知度的不足,岳廟與虎跑的客流量較小,岳廟的發(fā)展主要得益于三潭印月、靈隱飛來峰兩個景點的輻射帶動作用,虎跑的發(fā)展則主要依賴于動物園的帶動,因此,岳廟和虎跑的客流量峰值月份及周期波動特征與三潭印月、靈隱飛來峰、動物園具有較高的相似性. 第三類為特色文化驅(qū)動型發(fā)展模式,包括玉皇山和城隍閣,玉皇山是著名的道教圣地,城隍閣建筑、佛教文化豐富,2月香客的增加使其成為主要峰值月份,“十一”黃金周的影響使得10月成為次峰值月份;城隍閣、玉皇山地域上的鄰近優(yōu)勢及文化特色的互補性促進景點間協(xié)同發(fā)展水平的提升. 第四類為“飛地式”發(fā)展模式,杭州植物園的客流波動由于社會活動等因素的影響從而具有一定的突變性,加之地理區(qū)位的劣勢也在一定程度上影響著植物園與其他景點之間的聯(lián)系.

3 結(jié)論

本文基于2009—2019年杭州西湖風(fēng)景名勝區(qū)主要收費景點的月度客流數(shù)據(jù),運用Morlet小波分析、Pearson相關(guān)分析及Ward最小方差聚類法探討景點客流量的周期波動特征、景點客流量的相關(guān)性,并在此基礎(chǔ)上對景點的發(fā)展模式進行歸類. 主要研究結(jié)論如下:

(1)杭州西湖風(fēng)景名勝區(qū)主要收費景點的客流量差異顯著且季節(jié)變化明顯,景點客流時間分布特性與旅游者閑暇時間、黃金周效應(yīng)、民俗文化活動、景點輻射效應(yīng)等社會因素及氣候等自然因素有關(guān).

(2)杭州西湖風(fēng)景名勝區(qū)存在4—5月的自然季節(jié)性周期和8月的體制季節(jié)性周期;16—19月則是自然、社會雙重因素塑造的年間周期;外圍區(qū)域經(jīng)濟周期、重大事件的影響形成57—61月的尺度周期.

(3)從相關(guān)性分析來看,靈隱飛來峰、三潭印月、動物園的客流量與其他景點具有良好的動態(tài)關(guān)聯(lián)特征;玉皇山、城隍閣等客流量較少的景點與其他景點的關(guān)聯(lián)度不高;植物園的客流獨立性最強,與其他景點的相關(guān)性極弱.

(4)綜合考慮景點感知度、景點資源特色類型以及景點客流周期波動特征等的影響,劃分杭州西湖風(fēng)景名勝區(qū)主要收費景點的發(fā)展模式,共4種類型. 其中,知名度主導(dǎo)型發(fā)展模式包括靈隱飛來峰、三潭印月和動物園;熱門景點輻射型發(fā)展模式為岳廟與虎跑;特色文化驅(qū)動型發(fā)展模式包括玉皇山和城隍閣;“飛地式”發(fā)展模式存在于植物園.

本文以杭州西湖風(fēng)景名勝區(qū)主要收費景點的客流量時態(tài)數(shù)據(jù)對其客流周期波動特征、各景點客流的動態(tài)相關(guān)性進行分析,并在此基礎(chǔ)上劃分景點發(fā)展模式,對于景區(qū)的管理開發(fā)、規(guī)劃發(fā)展等具有借鑒意義,但仍存在一定不足:基于統(tǒng)計數(shù)據(jù)的客流周期分析只能反映其變化的多時間尺度及在時域中的分布,景點客流量演變的空間特征探討不足;客流變化與諸多因素相關(guān),對于景點客流波動、各景點客流量的相關(guān)性及景點發(fā)展模式劃分的原因挖掘尚待深化. 上述問題的解決有待數(shù)據(jù)的更新和方法的改進,是未來進一步研究的方向.