福建省旅游包車客運需求分析

陳清耀，陳　誠，柯法滔，張蘭怡，侯秀英（.福建農林大學交通與土木工程學院，福建福州35000；.福建省運輸管理局，福建福州35000）

?

福建省旅游包車客運需求分析

陳清耀1，陳誠1，柯法滔2，張蘭怡1，侯秀英1
（1.福建農林大學交通與土木工程學院，福建福州350002；2.福建省運輸管理局，福建福州350001）

摘要：以福建省旅游包車客運需求分析為目的，具體分析了目前福建省旅游業的發展現狀，發現福建省各設區市旅游經濟發展不平衡；基于Shapley值法的權重分配原理，采用GM（1，1）模型和ARIMA（p，d，q）的組合預測模型對福建省未來5年的旅游人數進行預測，結果顯示未來福建省旅游人數將進一步增多，至2018年有可能達到41 438.81萬人次；針對預測結果對福建省未來的旅游運力投放量以及相關政策的修訂提出建議，以期實現福建省旅游業更好更快的發展。

關鍵詞：包車客運；需求分析；GM（1，1）；ARIMA（p，d，q）；組合預測

近年來，海峽西岸經濟建設發展迅速，旅游基礎設施逐步完善，福建省旅游業進入快速發展通道［1］。旅游業在國民經濟中所占比重增大為道路旅游客運的發展提供了良好的產業環境［2］。一方面，可自由支配收入是形成旅游需求的基礎，旅游人數與人們可自由支配收入成正相關［3］，隨著人們收入水平的提高，可自由支配收入增加，對精神生活質量要求的不斷提高促使更多的人們愿意“走出去”，從而刺激市場的旅游需求。

另一方面，“海峽旅游”是福建旅游最突出的主題，“山海一體，閩臺同根，民俗奇異，宗教多元”是福建旅游鮮明的特色。豐富的旅游資源，加上政府著力打造精品旅游品牌，眾多旅游景區的基礎設施以及交通設施正逐年完善［4］，因此優化后的旅游環境必然在一定程度上把更多的游客“引進來”。

通過實際調研發現，目前旅游包車客運運力總體基本滿足需求，但福建省各地區經濟發展不平衡，旅游資源分布不均，各個設區市的供求關系并不一致；同時，隨著社會經濟的發展，未來一定時期內全省旅游客運需求如何發展，客運運力如何投放，是福建省旅游業可持續發展需要回答的問題。因此，有必要對福建省旅游需求現狀進行分析，并進一步對全省以及設區市未來的旅游需求進行預測，從而為交通運輸管理部門對福建省的運力投放決策提供參考依據，促進福建省旅游業的可持續發展。

1　福建省旅游業發展現狀分析

2009年國務院出臺《關于加快發展旅游業的意見》，明確把海西建設成為我國重要的自然和文化旅游中心［5］，國家旅游局出臺《海峽西岸旅游區發展總體規劃（2010—2020）》，確立以福建省為主體的海西旅游業發展戰略［6］，省政府出臺《進一步推動旅游產業發展的若干意見》，為福建省旅游業的發展創造良好的政策環境［7］。據統計，2013年，福建省旅游產業增長平穩，全年接待旅游人數19 720.31萬人次，同比增長20.01％；旅游總收入總計2 282.36億元，同比增長15.96％，占福建省GDP總量的10.5％。由圖1可知，自2004以來，隨著GDP總值的上升以及城鎮居民可支配收入的不斷增長，旅游人數也在迅速增長。可見在當前形勢下，福建省的旅游產業呈現出快速增長的態勢。為了把握全省旅游業發展的總體情況和空間分布，為需求預測提供基礎，下面針對福建省交通設施、各地級市旅游客運量現狀、各地級市旅游客運力現狀展開分析。

圖1　2004—2013年福建省旅游業與經濟主要發展指標增長Fig.1 The main development index of Fujian tourism and economy from 2004 to 2013

1.1交通設施現狀分析

福建省旅游交通條件持續改善，高速公路建設已經取得較好的成就，基本形成“兩縱四橫”高速公路主骨架網絡，至2013年底，全省高速公路總里程突破4 000km，全省90％以上縣城實現15 min內上高速公路，與周邊省份實現全面對接，為福建省道路旅游包車客運提供了有力支持；另一方面，福夏高鐵通車里程達274.9km、溫福高鐵通車里程達298.4km、向莆高鐵通車里程達632.359km以及合福高鐵通車里程達808km，這些高鐵的建成投用對福建省旅游包車客運市場產生了積極影響，動車沿線游客接待量大幅增長，據統計，2013年，福州市全年接待旅游人數同比增長17.4％，三明市增長17.7％，龍巖市增長21.9％，寧德市增長21％，莆田市增長20.4％。

1.2各地級市旅游客運量現狀分析

福建省包括福州、廈門、泉州、寧德、莆田、漳州、南平、三明以及龍巖等9個地級市，當前旅游主推沿海的濱海旅游和山區的生態旅游2條線路：沿海地帶以廈門、福州為龍頭，依托高速公路以及溫福、福夏、夏深等高鐵，以海濱度假、都市觀光、商務會展以及溫泉休閑為主導功能，形成特色鮮明的藍色濱海旅游帶；山區的生態旅游資源以南平的武夷山為龍頭，隨著經濟的發展和城市的無限擴張，生態旅游成為旅游業的主流板塊，福建省充分發揮自然和文化資源的優勢，不斷加快山區的高速公路、高速鐵路以及山區景區的交通建設，景區服務水平不斷提高，形成綠水青山的生態旅游帶。然而，由于歷史、地理以及經濟等因素，山區地帶的旅游資源開發水平以及游客人數都明顯落后于沿海地區。

圖2　2004—2013年各設區市總旅游人數變化圖Fig.2 The change of the total number of tourists of districts and cities from 2004 to 2013

由圖2可知，各地區的旅游人數存在明顯差異，從總體分布上看，沿海地區的旅游人數明顯多于山區；各地級市中，廈門、福州以及泉州的旅游人數多于其它地區，這種入境旅游人數的空間分布模式與各地區的經濟發展水平、旅游資源分布密不可分。廈門作為福建最美城市，擁有鼓浪嶼、日光巖等諸多著名景區，福州作為福建省省會，是海峽西岸經濟區政治、經濟、文化、科研中心以及現代金融服務業中心，擁有青云山、十八重溪，旗山等諸多景區；經實際調研發現，三明、南平、龍巖等地旅游資源分布零散，各景區規模較小，沒有被公路網和鐵路網有機地結合起來，因此造成旅游人數較少。

1.3各地級市旅游客運運力供給現狀

旅游包車運力供給即關于道路客運運力配置的旅游供給，旅游包車客運運力承擔了福建省各大景區及跨省、市旅游包車客運業務，按照座位數劃分為小型（≤5座），中型（16～29座）、大型Ⅰ（30～39座）、大型Ⅱ（40～49座）以及大型Ⅲ（≥50座），可得福建省2013年各地級市車輛數如表1所示。

表1　福建省各地級市車輛數Tab.1 The number of vehicles in Fujian Province 輛

由表1可知，小型車在所有地級市中占比例最小，大型車輛（大型Ⅰ、大型Ⅱ以及大型Ⅲ）占比例最大，總體上看，福州、廈門以及泉州的運力供給水平較高，從實際調研中發現，包車客運運力供給總體基本滿足需求，然而，隨著高鐵的迅速發展、私家車自駕游的日益膨脹，小型客車利用率較低，中型客車數量不足，大型客車的滿載率低，目前這種倒金字塔結構配置造成一定程度的運力浪費。故未來可考慮結合旅游人數預測結果，對運力結構配置做出適當調整。

2　福建省旅游人數組合預測模型的建立

旅游人數預測是政府加強宏觀調控、實現資源合理配置的前提［8］，通過旅游人數預測可以優化旅游運力投放，實現區域運力供需平衡。GM（1，1）模型是以灰色系統理論為基礎，適用于數據資料少，數據波動不大的短期預測，而對隨機波動性較大的數據列擬合較差，預測精度低；ARIMA（p，d，q）是以時間序列為基礎，綜合考慮數據的隨機波動性，對于長期預測的擬合效果較好，組合預測模型可以有效地克服單一模型的局限性，從原始數據中提取更多的有用信息［9］。本文選用ARIMA（p，d，q）模型以及GM（1，1）預測模型，利用Shapley值權重分配原理確定各預測模型的權重系數，從而構建組合預測模型，并對福建省以及各設區市2014—2018年的旅游人數進行組合預測。

2.1GM（1，1）模型

GM（n，h）為灰色系統理論的基本模型，第一個數字n表示微分方程的階數，第二個數字h代表系統包含的變量個數。它是以變量的時間序列為基礎，以微分方程擬合法建立的模型。灰色系統在預測領域中應用最為廣泛的是GM（1，1）模型［10］，它是一種研究單變量的GM（1，N）模型。

在方程中使用的數據是由原始數據進行累加生成的。該模型的原始序列為

通過累加生成新的序列：X（1）＝｛x（1）（1），x（1）（2），…，x（1）（n）｝n≥4

原始非負序列X（0）經一次累加生成的序列X（1）具有近似指數規律，稱為灰指數律。所以把生成序列X（1）視為t的連續函數，建立如下微分方程

式中：a稱為發展灰數；b稱為內省控制灰數。用最小二乘法的估計公式，可得參數a和b的估計值

式中：X、Y分別代表如下矩陣和向量

解方程并對事件響應求導還原，得預測方程

基于上述GM（1，1）模型，利用圖1中福建省旅游人數數據，在MATLAB中編程計算，預測模型的結果如

方差比c為0.005 7＜0.35，小概率誤差p＝1＞0.95，預測序列與原始序列的對比圖如圖3所示，預測結果如表8所示，相對誤差的絕對值為3.13％，由表2可知，GM（1，1）模型可用于福建省旅游人數的預測與分析。

圖3　預測序列與原始序列對比圖Fig.3 Comparison of the forecast sequence and the original sequence

表2　后驗差精度標準Tab.2 Posterior accuracy standard

2.2ARIMA（p，d，q）模型的構建

ARIMA（p，d，q）模型是自回歸移動平均模型，其中AR（p）為自回歸模型，p為自回歸分量的階數；MA（q）為移動平均模型，q為移動平均分量的階數。ARMA模型是一種預測精度相當高的平穩時間序列（Xt=1，2，3，...，n。t表示時間）的預測方法［11］。目前被廣泛應用于各類時間序列數據的分析，其模型基本形式為

式中：B為時序的后移算子；φP是自回歸系數；▽d是對自變量的d次差分；θq為滑動平均系數；at為殘差；δ為常數。

2.2.1時間序列的平穩性分析

時間序列的平穩性是ARIMA模型建立的前提［12］，但在實際問題中，許多時間序列并不近似為平穩時間序列，所以要進行處理。很明顯，2004—2013年福建省旅游人數是逐年遞增的，不是平穩序列，在Eviews軟件中利用單位根檢驗，對其進行差分運算，經過兩次差分后，單位根的t統計量為-4.074，小于5％顯著性水平的臨界值-3.403，且顯著性值為0.023 3，顯著性水平較高，故二階差分是平穩序列，即取d＝2。

2.2.2模型參數估計

在Eviews軟件中做二階差分的自相關（ACF）和偏自相關（PACF）圖，估計模型中的p、q值，通過AIC準則以及SC準則確定最合適的模型階數，如表3所示。

表3　二階差分的自相關與偏自相關Table 3 Autocorrelation and partial autocorrelation of second order difference

在Eviews軟件中自相關（ACF）和偏自相關（PACF）圖都收斂在虛線框中，且結合表3，初步判定模型為ARIMA（1，1，1）、ARIMA（0，1，1）或ARIMA（1，1，0），比較3個模型的AIC和SC值如表4所示。

表4　ARIMA模型的AIC和SC值比較Tab.4 Comparison of AIC and SC values of ARIMA model

由表4可知選擇ARIMA（0，1，1）模型的擬合效果最佳，模型中的其他參數如表5所示，MA（1）表示一階移動平均模型系數。

表5　ARIMA（0，1，1）模型參數表Tab.5 Parameter list of ARIMA（0，1，1）

2.2.3殘差序列的Q-統計量檢驗

通過Eviews軟件中Coreelogram-Q-statistics命令進行殘差序列的Ljung-Box Q統計量檢驗，如表6所示，結果顯示所有Q-統計量的p值都不顯著，殘差序列各階滯后的自相關和偏自相關值都接近于0，表明殘差序列不存在自相關和偏自相關，故殘差序列為白噪聲序列，ARIMA（0，1，1）模型通過檢驗，預測結果與誤差分析如表8所示。將表5中的相關參數帶入公式（6）得：

2.2.4模型預測

ARIMA（0，1，1）模型預測結果如圖4所示，兩“SE”線表示置信區間的上下界限，由圖4可知預測效果較為理想。預測值相對誤差的絕對值見表8，相對誤差絕對值的均值為4.98％，可見該模型的預測精度較高。

表6　殘差序列的Ljung-Box Q統計量檢驗Tab.6 Ljung-Box Q statistic test of residual series

圖4　ARIMA（0，1，1）模型的預測效果圖Fig.4 Prediction effect of ARIMA（0，1，1）model

2.3Shapley值法組合預測權重分配

設有幾種預測方法進行組合預測，記I＝｛1，2，…，n｝，對于I的任何子集s，t（表示n種預測方法中的任意組合），E（s），E（t）表式各自組合的誤差。這里定義：

1）對與任一子集s，t都有E（s），E（t）≥E｛s∪t｝，E（s），E（t），E｛s∪t｝為各自預測時產生的誤差。

2）s?I，yi表示第i種預測方法在合作中最終分攤時的誤差值，總有yi≤E（i）。

3）n中的預測方法參與的組合預測產生的總誤差E（n），將在n中預測方法之間進行完全分配，即

設第i種預測方法的預測誤差絕對值平均值為Ei，組合預測的誤差值為E：

式中：m為樣本的個數；n為單一預測方法的個數；E為組合預測的預測誤差總值。

Shapley值的分配公式為

式中：w（|s|）為加權因子組合中的應承擔的組合邊際貢獻；s-｛i｝為組合中去除模型i；i為組合預測中某個模型；Ei為該模型分得的誤差量即Shapley值；s為包含i的所有子集；|s|為組合中的預測模型的個數；n為組合預測模型的總個數［13-14］。

從上面的計算結果確定組合預測中各模型的權重，公式為

根據上述Shapley法概念，本例中參與組合預測的總誤差分攤成員為：N＝｛1，2｝，它的所有子集的組合誤差分別為：E｛1｝，E｛2｝，E｛1，2｝由公式（7）可得各子集的誤差值。（見表7）

表7　各子集的誤差值Tab.7 Error value of each subset

利用公式（9）、（10），結合表7數據，計算得E1＝365.204 7，E2＝85.467 8，因而總誤差E＝450.672 5。由公式（11）計算得：

其中：W1為GM（1，1）模型的權重；W2為ARIMA （0，1，1）模型的權重。

故基于Shapley值算法的GM（1，1）模型與ARIMA（0，1，1）模型的組合預測結果如表8所示，相對誤差絕對值的均值為3.11％，預測精度高于任一單一預測模型，雖然組合預測模型對已知數據的的預測精度只是略高于GM（1，1）模型的預測精度，但組合預測模型綜合考慮了隨機因素，對于長期預測具有實際意義。

表8　2004—2018福建省旅游人數預測結果與誤差Tab.8 Prediction results and errors of the number of tourists of Fujian Province from 2004 to 2018

利用上述組合預測模型預測福建省以及各設區市2014—2018年的旅游人數如表9所示。

表9　2014—2018年福建省旅游人數預測結果Tab.9 Prediction results of the tourists’number of Fujian Province from 2014 to 2018

3　結果分析

由表9可知，按當前趨勢發展，至2018年，福建省總體旅游人數可能達到41 438.81萬人次，福州、廈門以及泉州的旅游人數將占福建省總旅游人數的60％左右，廈門旅游人數仍將高于其他設區市，與2013年相比，2014—2018年福建省及各設區市的平均增長率如表10所示，福州、廈門、南平以及龍巖的平均增長率高于福建省的平均增長率水平，受經濟發展水平和地理因素限制，山區的旅游人數仍將落后于沿海地區。值得一提的是，交通條件與旅游資源等都會顯著影響旅游客流，未來隨著南三龍鐵路、莆永高速等的開通，山區的交通條件得到改善，一些知名度尚不高的旅游景點將被開發，山區的旅游人數將呈現跨越式的增長，全省旅游發展不平衡的狀況將有所好轉。綜合考慮各設區市的增長率水平以及當前大型客車滿載率較低兩個因素，交通運輸管理部門未來5年可以考慮參考表1和表9數據，在現有運力投放基礎上，以增加中小型客車的運力投放量為主，增加大型客車的運力投放量為輔。同時應促進運輸組織化管理，推進各地區客運企業的交流合作，實現各企業的利益共存，從而避免各企業之間的惡性競爭循環；另一方面，提高客運企業的準入門檻，加強對“黑車”、超標客車的監管與審查，同時協同有關部門加強各旅游景區的交通設施建設、提高公共衛生服務水平，重視各旅游景點的治安管理，以期提高各旅游景區的服務滿意度水平。

表10　2014—2018年福建省及各設區市的平均增長率Tab.10 Average growth rate of Fujian province and its municipal-level cities

4　結論與建議

本文以福建省旅游需求分析為目的。分析了目前福建省旅游人數的總體趨勢、交通設施現狀、包車客運運力供給現狀以及各設區市旅游資源的區域差異；基于Shapley值法的權重分配原理，采用GM（1，1）模與ARIMA（p，d，q）組合預測模型對2014—2018年福建省以及省內各設區市旅游人數進行預測。綜上所述，得到以下結論：

1）在包車客運需求預測中，GM（1，1）模型預測的相對誤差為3.13％，ARIMA（0，1，1）模型預測的相對誤差為4.98％。

2）基于Shapley值法的權重分配原理，GM（1，1）模型與ARIMA（0，1，1）模型的組合預測模型的相對誤差為3.11％，該組合預測模型充分利用原始數據信息，發揮了各單一模型的優勢，結果顯示該組合預測模型預測誤差精度高于選定的任一單一預測模型。

3）組合預測結果顯示至2018年，福建省總體旅游人數可能達到41438.81萬人次，福州、廈門以及泉州的旅游人數將占福建省總旅游人數的60％左右，廈門旅游人數仍將高于其他設區市，與2013年相比，2014—2018年福州、廈門、南平以及龍巖的平均增長率高于福建省的平均增長率水平。

4）建議交通運輸管理部門未來5年在現有運力投放基礎上，以增加中小型客車的運力投放量為主，增加大型客車的運力投放量為輔；同時應促進運輸組織化管理，提高客運企業的準入門檻，加強對“黑車”、超標客車的監管與審查，加強各旅游景區的交通設施建設、提高公共衛生服務水平，提高各旅游景區的服務滿意度水平。

5）該組合預測模型可推廣到各類基于時間序列的預測，如人口數量、財政收入等方面的預測。

參考文獻：

［1］李祎藝，吳委哲，郅慧.我國道路旅游客運發展趨勢分析［J］.電子測試，2013（11）：234-235.

［2］生延超.旅游產業結構優化對區域旅游經濟增長貢獻的演變［J］.旅游學刊，2012（10）：11-19.

［3］萬緒才，王厚廷，傅朝霞，等.中國城市入境旅游發展差異及其影響因素——以重點旅游城市為例［J］.地理研究，2013（2）：337-346.

［4］汪德根，陳田.中國旅游經濟區域差異的空間分析［J］.地理科學，2011（5）：528-536.

［5］國務院.關于加快發展旅游業的意見［EB/OL］.（2009-12-01）. http://www.gov.cn/gongbao/content/2009/content_1481647.htm.

［6］董茜如.海峽西岸旅游區發展總體規劃獲得評審委員會通過［EB/OL］.（2009-12-22）.http://www.china.com.cn/travel/txt/2009-12/22/content_19113493_3.htm.

［7］荔城區旅游局.福建省人民政府關于進一步推動旅游產業發展的若干意見［EB/OL］.（2009-07-14）.http://www.fujian.gov.cn/ zwgk/zxwj/szfwj/200907/t20090727_144156.htm.

［8］劉春蓮.智慧城市背景下江西旅游業發展的策略［J］.華東交通大學學報，2014，31（2）：119-122.

［9］張雄清，雷淵才，陳新美.林分斷面積組合預測模型權重確定的比較［J］.林業科學，2011（7）：36-41.

［10］賴紅松，祝國瑞，董品杰.基于灰色預測和神經網絡的人口預測［J］.經濟地理，2004（2）：197-201.

［11］張仲斐，趙一飛.基于ARIMA模型的全球跨國快遞業務量預測［J］.華東交通大學學報，2012，29（1）：102-107.

［12］張勃，劉秀麗.基于ARIMA模型的生態足跡動態模擬和預測——以甘肅省為例［J］.生態學報，2011（20）：6251-6260.

［13］SHAHEEN S FATIMA，MICHAEL WOOLDRIDGE，NICHOLAS R. Jennings.A linear approximation method for the Shapley value［J］.Artificial Intelligence，2008（8）：17-20.

［14］SUN JIN，CHENG ZHENG，KUIGANG YU，XINMIN LAI. Tolerance design optimization on cost-quality trade-off using the Shapley value method［J］.Journal of Manufacturing Systems，2011（2）：294-295.

（責任編輯姜紅貴李萍）

Analysis of Passenger Transport Demand for Tour Charter in Fujian Province

Chen Qingyao1，Chen Cheng1，Ke Fatao2，Zhang Lanyi1，Hou Xiuying1
（1 Schcol of Transportation and Civil Engineering，Fujian Agriculture and Forestry University，Fuzhou 350002，China；2. Department of Fujian Province Administration for Transportation，Fuzhou 350001，China）

Abstract：Aiming at analyzing the passenger transport demand for tour charter in Fujian Province，this study discusses the current development situation of tourism in Fujian Province and explores the unbalanced tourism economy among districts and cities of Fujian Province. According to weight distribution principle based on Shapley value method，by use of combination forecasting model of GM（1，1）and ARIMA（p，d，q），it forecasts the number of tourists for the next 5 years in Fujian Province，which shows that the number of tourists would further increase and even is likely to reach 414388100. In light of the forecasting results，suggestions for tourism capacity and the revision of relevant policies are proposed to achieve better and faster development of tourism in Fujian Province. Key words：charter of passenger transport；analysis of demand；GM（1，1）；ARIMA（p，d，q）；combination forecasting

中圖分類號：U491.1

文獻標志碼：A

文章編號：1005-0523（2016）02-0063-09

收稿日期：2016-09-18

基金項目：福建省科技廳重點項目資助（2014H0010）

作者簡介：陳清耀（1992—），男，碩士研究生，研究方向為交通運輸工程。

通訊作者：侯秀英（1972—），女，副教授，研究方向為交通運輸規劃與管理。