基于耦合模型的大數據高鐵旅游效應研究

胡可可 萬紅蓮 毛楠 崔書涵 陳簫欣

摘要：選擇陜西省寶雞市作為研究區，利用極差標準化、熵值法等手段處理數據建立耦合模型，探究大數據發展水平與高鐵旅游的耦合協調關系，分析大數據和高鐵對旅游目的地發展的影響。結果顯示，2013—2017年在大數據發展背景下寶雞市高鐵旅游呈上升趨勢，但由于人均可支配收入、高鐵線路和大數據平臺等因素影響，綜合發展呈非線性變化，且2015—2016年二者耦合程度處于瀕臨失調，協調等級處于中度協調。

關鍵詞：大數據;高鐵旅游;耦合模型;寶雞市

中圖分類號：F327;K901? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2020）14-0184-05

DOI：10.14088/j.cnki.issn0439-8114.2020.14.039 開放科學（資源服務）標識碼（OSID）：

Abstract： Taking Baoji city in Shaanxi province as the research area， the coupling model of data processing was established by means of range standardization and entropy method， to explore the coupling coordination relationship between the development level of big data and high-speed railway tourism， and analyze the impact of big data and high-speed railway on tourist destinations development. The results showed that in the context of the development of big data from 2013 to 2017， the high-speed railway tourism in Baoji city was on the rise. However， due to the influence of per capita disposable income， high-speed railway lines and big data platform， the comprehensive development present nonlinear changes， and from 2015 to 2016 the coupling degree of the two was on the edge of imbalance， and the coordination degree was moderate.

Key words： big data; high-speed railway tourism; coupling model; Baoji city

高鐵作為新興的交通工具，極大地方便了人們的出行，為沿線城市的旅游產業帶來機遇與挑戰[1]。大數據在旅游行業主要被應用于旅游市場細分、旅游營銷診斷、景區動態監測、旅游輿情監測等方面。通過大數據對游客畫像及旅游輿情進行分析，可有效提升協同管理和公共服務能力，以推動旅游服務、旅游營銷、旅游管理、旅游創新等變革。中國統計年鑒（2013—2017）數據[2]顯示，國內年均旅游突破50億人次，且越來越多的游客更趨向于大數據背景下快速便捷的高鐵旅游。國外關于高鐵和大數據的研究起步早且發展迅速，Sylvia[3]和Ben[4]肯定了大數據在旅游業發展中的重要性;Carlos等[5]指出高鐵對旅游出行需求產生促進作用，并建立旅游需求模型，預測其對旅游發展的影響。國內相關研究主要集中在單方面的高鐵旅游、大數據，如許志雄[6]、徐艷秋[7]、干士齊等[8]分析了大數據時代下智慧旅游的發展情況，認為大數據推動了旅游的發展;倪維秋等[9]、徐文源[10]、萬紅蓮等[11]對高鐵區域旅游發展的影響進行探討，認為高鐵能夠壓縮出行的物理距離，拓寬當地旅游圈;而將大數據與高鐵旅游相結合的研究相對較少。因此，本研究利用耦合模型對大數據背景下寶雞高鐵旅游進行分析與評價，有助于寶雞旅游產業的合理規劃和進一步開發。

1 研究區域概況

寶雞市位于陜西省中部，地處陜、甘、寧、川4省（區）結合地帶（圖1）。隴海、寶成、寶中鐵路，寶蘭、西寶高鐵均在此交匯，成為通往中國西南、西北的重要交通樞紐。寶雞南站是中國非省會城市非樞紐站外規模最大的高鐵站，主要來往城市為西部的蘭州、西寧，東部的西安、太原。隨著社會需求的增大，寶雞周邊高鐵線路繼續擴展，為寶雞旅游業發展帶來巨大機遇。

寶雞旅游資源豐富，享有“炎帝故里”“青銅器之鄉”和“民間工藝美術之鄉”的美稱，且已初步形成了吃住行游購娛六要素齊全、人文資源與自然旅游資源交相輝映的現代旅游體系。寶雞南站2013年開通以來，該市旅游收入逐年上升，政府積極探索旅游發展的新前景，促進旅游經濟的多元快速提升。

2 研究方法

2.1 數據來源

本研究以《鐵道統計公報（2013—2018》《陜西省旅游年鑒（2013—2017）》《寶雞市統計年鑒（2013—2017》《寶雞市國民經濟和社會發展統計公報（2013—2018）》為主要數據來源。

2.2 構建評價指標體系

為反映大數據發展水平與高鐵旅游耦合模型的內涵及特點，遵循指標選取的科學性、代表性、可操作性、綜合性和地域性原則，在參考王蘭等[12]相關研究基礎上采用理論分析法和專家咨詢法進行指標的篩選和設置，構建寶雞市大數據發展水平與高鐵旅游耦合協調度評價指標體系。計算步驟如下。

1）數據標準化。為保證最終評價結果具有較高的可置信度，需要消除各項指標量綱對結果的影響，因此采用極差標準化的方法對數據進行標準化處理。同時為了避免數據出現0 ，便于對熵值的計算，對數據采取無0化處理，計算公式如下：

式（1）中，X和[X]分別為各項指標數據原始值和標準化處理后的數值，[xmin]和[xmax]分別為各項指標數據的最小值和最大值。

2）利用熵值法進行指標權重的計算。熵值法是用來判斷某個指標離散程度的數學方法，可為多指標綜合評價提供依據。

熵值的計算：

式（2）中，[Lij]表示第[i]個指標與第[j]個指標值的比例，[n]為研究指標個數。

指標權重的計算：

x利用式（1）、式（2）、式（3）計算大數據發展水平與高鐵旅游耦合協調度各指標權重，如表1所示。

表1中，二級指標人均可支配收入、高鐵線路、旅游服務方式、旅游接待人數能夠直接體現寶雞市高鐵旅游的發展現狀。其中，人均可支配收入是指居民可用于最終消費和儲蓄的綜合，即可自由支配的收入，是居民進行旅游活動的經濟前提。高鐵線路是指高鐵數量和輻射范圍，體現了寶雞市高鐵發展的情況，是開展高鐵旅游的基礎設施。旅游服務方式是指為游客在旅游過程中所提供的服務方式，是影響游客旅游體驗和滿意度的重要因素[13]。旅游接待人數則是指某地區在一定時間內接待的游客數量，是反映高鐵旅游發展水平的直接指標。

表1中，二級指標數據流量、安全指數、使用人數、平臺個數能較好地反映寶雞市大數據發展水平的狀況。其中，數據流量是指大數據在發展過程中所包含的信息和數據量的多少，能夠清楚地反映寶雞市大數據的內容發展及涉及范圍。安全指數則體現大數據在發展過程中關于數據信息安全的監督和保護情況，是用戶使用信息和數據的根本保障。使用人數是指在各種活動中使用大數據的人數，是衡量寶雞市大數據發展水平的最直接體現。平臺個數是指寶雞市存在的大數據平臺數量，在一定程度上預示了未來的發展趨勢和布局狀況。

2.3 耦合模型

耦合度（或稱耦合性）是一種軟件度量，指某程序中模塊與模塊之間信息或參數依賴的程度[14]。耦合協調度是度量系統之間或系統內部要素之間在發展過程中彼此和諧一致的程度，體現了系統由無序走向有序的趨勢[15]。可見，耦合度和耦合協調度是有區別的，耦合度主要反映系統間相互作用程度的強弱，不分利弊;而耦合協調度則反映相互作用中良性耦合程度的大小，體現了協調狀況好壞程度[16]。

1）耦合度模型。耦合度表示系統各要素之間相互協調作用程度，在一定程度上能夠反映大數據發展水平與高鐵旅游之間的協調關系。通過參考物理學中容量系數模型的計算方法，構建耦合度模型，計算公式如下：

式 （4）中，Gx表示大數據發展水平的綜合評級值，Gy表示高鐵旅游的綜合評級值。T表示耦合度，T越大，大數據發展水平與高鐵旅游之間的協調程度越好;T越小，二者之間的協調程度越差。

2）耦合協調度模型。耦合協調度是度量寶雞市大數據發展水平與高鐵旅游之間發展的和諧程度，從而評定二者之間交互耦合的協調程度，表明二者相互變化的趨勢，計算公式如下：

式（5）中，[C]表示耦合協調度;[G]表示綜合評價指數，反映大數據發展水平與高鐵旅游對協調度的貢獻;[α]和[β]為對應相應系數（根據實際情況與專家評定，本研究中取[α]=0.4，[β]=0.6）。

3）協調度判別標準。在協調度判別標準上，為直觀反映大數據發展水平與高鐵旅游的耦合協調度狀況，結合實際情況，參考張憶君等[17]的評價標準，建立了耦合協調度等級劃分標準，如表2所示。

3 結果與分析

3.1 大數據發展水平與高鐵旅游的綜合評價分析

1）大數據發展水平評價曲線[Gx]的評價結果分析。2013—2017年寶雞市大數據發展水平與高鐵旅游的綜合評價結果顯示（圖2），大數據發展水平的評價曲線整體呈上升趨勢。數據流量、安全指數、使用人數、平臺個數指標集合共同影響著大數據在耦合度中的貢獻，2013—2015年評級值小范圍波動，2015—2017年評級值大幅度上升。

大數據為旅游業提供的便利，表現在智能手機各項生活化功能的應用，即通過對數據進行提取分析，運用于用戶生活。2013—2015年由于智能手機發展尚處于不成熟階段，功能并不全面可靠，尤其提供的旅游信息并不能滿足游客需求，用戶量也較少;2015年智能手機飛速發展，手機應用市場中諸如各類旅游、定位服務的App數量不斷增加、功能不斷優化，提升了游客體驗滿意度，從而增加了旅游市場的安全性、綜合性和便捷性。

2）高鐵旅游評價曲線[Gy]的評價結果分析。寶雞高鐵的正式開通，使交通問題不再成為影響游客選擇旅游目的地的關鍵因素。2013—2014年寶雞高鐵的順利開通增加了居民的旅游出行意向，高鐵旅游的評級值迅速上升;2014—2015年由于高鐵線路數量單一、市內景點建設緩慢以及人均可支配收入減少等因素影響，高鐵旅游評級值略有下降;2015—2017年隨著沿線城市高鐵線路的增開、國民經濟水平的提升和旅游服務方式的改進，高鐵旅游評級值又呈上升趨勢，尤其是2017年寶蘭高鐵的開通和市內各大景點設施環境的改善，提升了寶雞市的旅游吸引力，極大地促進了旅游業的發展。

3）綜合評價指數曲線[G]的評價結果分析。大數據發展水平與高鐵旅游共同影響綜合評價指數曲線的趨勢，因此可進行相似模擬和分析。2013—2014年寶雞高鐵的迅速發展和大數據的應用，使寶雞市內各景區知名度得到提升，游客數量呈明顯上升趨勢，旅游發展態勢良好;2014—2015年雖然大數據得到進一步的推廣和使用，但由于受到寶雞高鐵線路單一和人均可支配收入減少等因素影響，旅游發展整體速度有所減緩;2015—2017年大數據平臺建設和信息安全性逐步增強，高鐵發展也穩步前進，人均可支配收入的增加使得人們生活水平逐漸改善，寶雞市內各景區的宣傳力度和廣度也有所增強，從而促進了高鐵旅游的發展。預計隨著大數據時代的到來，寶雞高鐵旅游將會有一個強盛的發展期。

3.2 耦合結果分析

2013—2015年寶雞市大數據發展水平與高鐵旅游的耦合度（T）呈上升趨勢（圖3）。

分析發現，2013年寶雞市開通高鐵為游客提供了新的出行方式，但2015—2017年耦合度呈下降趨勢，原因主要在于大數據發展水平還不夠完善，數據流量收費不合理，安全指數低。同時，隨著人們生活水平的提高、自駕游的興起，均對高鐵旅游產生了負面影響。

而耦合協調度（C）有明顯提高，尤其是 2017年相比2016年提高15%，原因主要是人均可支配收入、高鐵線路的增加以及大數據平臺建設的完善、智能手機的大量普及等。

根據表2的等級劃分標準，將大數據發展水平與高鐵旅游耦合協調度劃分等級（表3）。

可以看出，2013年和2014年耦合程度處于輕度失調，協調等級則處于低度協調耦合;2015年和2016年耦合程度處于瀕臨失調，協調等級則處于中度協調耦合;2017年耦合程度處于勉強失調，協調等級處于高度協調耦合。說明寶雞市2013—2017年大數據發展水平與高鐵旅游的耦合程度和協調等級均趨于良好發展。其中，2016—2017年耦合協調度增加最大，主要由于寶蘭高鐵的開通和大數據的不斷發展，同時寶雞市作為“一帶一路”建設沿線城市和關天經濟區副中心城市，在一定程度上也推動了寶雞旅游業的發展。

4 小結及建議

寶雞市大數據發展水平與高鐵旅游的耦合度、協調度都表現出良好的發展態勢，但與同類型城市相比存在差距，大數據和高鐵旅游仍有發展空間。可通過打造全域旅游一條龍服務、多樣化的營銷模式、推動文化特色旅游的宣傳方式，提高寶雞市旅游知名度，推動旅游業發展。

1）建設寶雞南站至法門寺、太白山、通天河、紅河谷等著名景區的交通直達線路，并開通網絡平臺，及時提供旅游信息。實時掌握大數據的數據流量、安全指數、使用個數、平臺個數等因素，影響旅游目的地在游客心目中的滿意度。對用戶進行全方位地跟蹤和消費行為分析，給予游客多個維度的屬性標簽，了解游客的愛好和需求。

2）利用大數據平臺的優勢，開展線上線下相結合的宣傳營銷。線上可通過網站、App、新媒體社交平臺、營銷服務系統、交通旅游信息服務系統等方式開展活動;線下則可以在高鐵沿線和高鐵站對寶雞市主要景點進行宣傳，通過學術論壇、公路旅游品牌主題游、旅游演藝活動等形式，打造寶雞旅游新形象，吸引社會投資和消費。

3）將以青銅器博物館、中華石鼓園、中華禮樂城為主的周秦文化旅游和以法門寺、法華寺、臥龍禪寺為主的佛教文化旅游作為推動寶雞文化特色旅游的主要項目，帶動區域其他文化旅游共同發展。從文化抓起，秉承特色旅游的旅游理念[24]，豐富寶雞旅游城市形象，并在此基礎上聯結大西北文化旅游的新概念，以提高寶雞旅游知名度。

參考文獻：

[1] 汪德根. 旅游地國內客源市場空間結構的高鐵效應[J]. 地理科學，2013，33（7）：797-805.

[2] 國家統計局. 中國統計年鑒[M]. 北京：中國統計出版社，2013—2017.

[3] SYLVIA H. Big data and travel behavior [J].? Travel behavior and society，2018（11）：119-120.

[4] BEN V. Big data in the travel market place[J]. Journal of revenue and pricing management，2016，15（5）：352-359.

[5] CARLOS L，JOANNA J，JOSEPH M，et al. The usage of location based big data and trip planning services for the estimation of a long-distance travel demand model. Predicting the impacts of a new high speed rail corridor[J]. Research in transportation economics， 2018（16）：27-36.

[6] 許志雄. 大數據下的智慧旅游發展與思考[J]. 數字通信世界，2018（8）：111.

[7] 徐艷秋. 大數據時代山東省智慧旅游發展現狀和對策[J]. 中國商論，2018（19）：72-73.

[8] 干士齊，萬紅蓮，王寶琪，等. “大數據”時代下寶雞智慧旅游評價與發展策略研究[J]. 河南科學，2018，36（9）： 1494-1500.

[9] 倪維秋，廖茂林. 高速鐵路對中國省會城市旅游經濟聯系的空間影響[J]. 中國人口·資源與環境， 2018，28（3）： 160-168.

[10] 徐文源. 高速鐵路對區域旅游發展的影響研究[D]. 濟南：山東師范大學，2017.

[11] 萬紅蓮，趙亞偉，王寶琪，等. 寶雞市近10年旅游產業對區域經濟增長貢獻的計量分析[J]. 寶雞文理學院學報（自然科學版），2017，37（3）：72-75，92.

[12] 王 蘭，劉 杰，龔巍巍，等. 基于耦合協調度模型的高速公路與旅游融合發展研究[J]. 公路交通科技（應用技術版）， 2017，13 （7）：356-359.

[13] 郭 吉. 鄉村旅游紳士化及其空間響應機制研究——以蘇州市旺山村為例[J]. 湖北農業科學，2018，57（12）：120-125.

[14] 王 婷，王保乾. 江蘇區域金融生態與經濟增長之間的耦合協調度與差異化研究[J]. 河南科學，2016，34（12）： 2074-2080.

[15] 高 楠，馬耀峰，李天順，等. 基于耦合模型的旅游產業與城市化協調發展研究——以西安市為例[J]. 旅游學刊， 2013， 28 （1）：62-68.

[16] 丁 浩，宋 琛. 區域經濟與生態環境系統動態耦合及響應過程研究[J]. 河南科學，2015，33（2）：297-303.

[17] 張憶君，馬 駿. 基于耦合模型的蘇北地區生態環境與經濟協調發展研究[J]. 環境科技，2016，29（3）：11-15.