疫情下人口流動格局對旅游熱點城市旅游業(yè)的影響

閔曙輝，馬小雪

（江蘇第二師范學院地理科學學院，江蘇 南京 211200）

一、引言

自新冠肺炎疫情暴發(fā)后，國家采取初期停工管控措施，在取得疫情控制勝利的同時，人流、物流、信息流、資金流等要素的流動受到了嚴重阻礙①，企業(yè)普遍面臨較大的租金、工資、稅費等綜合成本壓力，對經(jīng)濟發(fā)展和人民生活產(chǎn)生了深刻的負面影響。 疫情防控期與春節(jié)假期疊加，中國經(jīng)濟運行大大受挫，旅游業(yè)首當其沖。 旅游景區(qū)、旅行社、餐館、酒店、交通運輸業(yè)等紛紛停業(yè)停工，產(chǎn)生一系列的連鎖反應②。 加之各種相關信息的披露，導致國民壓力增大，焦慮情緒激增③。 這對于非常倚重現(xiàn)金流的旅游企業(yè)而言，上半年收入大幅下降，經(jīng)營艱難。 直至“十一”黃金周期間， 經(jīng)營狀況才有所好轉(zhuǎn)。 根據(jù)國家統(tǒng)計局統(tǒng)計，2020 年旅客運輸總量僅97 億人次，同比下降45.1%；國內(nèi)游客28.8 億人次，同比下降52.1%；國內(nèi)旅游收入22286 億元，同比下降61.1%。 可見此次疫情對旅游業(yè)的創(chuàng)傷之深。

隨著互聯(lián)網(wǎng)的出現(xiàn)和智能移動設備的普及，大數(shù)據(jù)現(xiàn)已成為互聯(lián)網(wǎng)價值的體現(xiàn)者。 網(wǎng)絡數(shù)據(jù)時效性強，可以監(jiān)測社會經(jīng)濟活動，從復雜數(shù)據(jù)里獲得新的關聯(lián)信息④。 因此，時空大數(shù)據(jù)在突發(fā)性公共衛(wèi)生事件實時影響評價層面有著良好的應用前景⑤。實時更新的百度遷徙大數(shù)據(jù)利用LBS 技術,動態(tài)、即時并直觀地記錄城市間的人口日常流動軌跡⑥，可以從區(qū)域和時間兩個維度觀察當前和過去時間段內(nèi)的全國及各省、市地區(qū)的遷徙情況，確定人口的遷入來源地與遷出目的地⑦。 它全覆蓋鐵路、公路、航空等交通工具，能計算分析出8 小時內(nèi)全部位置發(fā)生變化的智能終端用戶數(shù)量⑧。 作為定位數(shù)據(jù)的新產(chǎn)品，功能主要是全國遷徙區(qū)域帶和熱門線路分析，既反映出中國人口遷徙這一社會現(xiàn)象，又為交通部門提供了政策和服務參考⑨。 許多學者利用百度地圖遷徙大數(shù)據(jù)來研究城市群空間結構⑩、 人口流動空間格局以及人口遷移時空特征等課題??，可見其應用范圍的廣泛性與可信度。 技術應用和大數(shù)據(jù)發(fā)展大大增強了疫情防控和應急管理的作用?，而中國疫情擴散模式主要是由人口流動引起的城際傳播和以家庭為主的本地傳播?， 利用百度遷徙大數(shù)據(jù)進行分析尤為必要。

人是信息化的社會生產(chǎn)力中最活躍的因素?。對疫情下人口流動狀況進行深入分析，既可了解疫情及其防控措施對人口流動行為的影響，又能探求旅游業(yè)的經(jīng)濟復蘇情況。 本文選取首都北京、魔都上海、六朝古都南京、疫情中心武漢這四個旅游熱點城市，基于百度遷徙大數(shù)據(jù)，分析疫情前后旅游熱點城市的人口流動特征。 同時，通過分析新冠疫情對旅游業(yè)的沖擊，剖析新冠疫情對旅游業(yè)的影響程度。 最后利用回歸分析法，探索近十年來旅游經(jīng)濟與區(qū)域人口流動性的關系，為建立有效的旅游供給體系提供參考。

二、數(shù)據(jù)來源與研究方法

（一）數(shù)據(jù)來源

北京、上海、南京、武漢這4 座城市的人口遷徙規(guī)模指數(shù)和城市內(nèi)部出行強度數(shù)據(jù)皆來源于百度地圖遷徙大數(shù)據(jù)；“疫情”“旅游”關鍵詞的搜索指數(shù)來源于百度搜索指數(shù)數(shù)據(jù)庫。 中國感染新冠肺炎病例的累計確診人數(shù)和新增人數(shù)皆來自國家衛(wèi)健委官方和丁香園網(wǎng)站。 而2010—2019 年中國旅游經(jīng)濟的相關數(shù)據(jù)來源于2019 年文化和旅游發(fā)展統(tǒng)計公報；2019 和2020 年前兩季度全國旅行社以及4個旅游熱點地區(qū)旅行社組織接待國內(nèi)旅游情況的數(shù)據(jù)來自中華人民共和國文化和旅游部。 另外，本文因子分析所選取的7 個指標數(shù)據(jù)中，第三產(chǎn)業(yè)增加值、旅游人數(shù)與旅游收入數(shù)據(jù)來源于2011—2020年 《北京統(tǒng)計公報》《上海統(tǒng)計公報》《南京統(tǒng)計公報》和《武漢統(tǒng)計公報》，其余指標都來源于2011—2020 年《北京市統(tǒng)計年鑒》《上海市統(tǒng)計年鑒》《南京市統(tǒng)計年鑒》和《武漢市統(tǒng)計年鑒》。

（二）研究方法

1.因子分析法。 因子分析法是利用少數(shù)幾個不相關的公共因子，研究多個有著復雜關系原始指標的多元統(tǒng)計分析方法， 可明確因子的實際意義，達到合理解釋被評價對象的目的?。 它具有降維的作用，能夠克服指標的關聯(lián)性和人為賦權等客觀因素的缺點，基本思路和數(shù)學模型可參考段威與謝雪梅的文章?， 基本原理和評價步驟則可參考舒服華的文章?。基于SPSS21.0 統(tǒng)計軟件，在眾多影響旅游經(jīng)濟的變量中找出隱藏的代表性因子，將其歸為同一因子，從而得出公因子與測度項間的關系。

2.多元線性回歸分析法。 回歸分析主要用于研究變量間的相互關系。在實際運用中，變量之間往往存在某種聯(lián)系，但又不存在確定性關系，回歸分析可以提供變量間關系的數(shù)學表達式， 從而幫助解決這類問題?。多元線性回歸分析法指用多個自變量的最優(yōu)組合共同預測或估計因變量， 這樣得出的結果比只用一個自變量更有效，也更符合實際。線性回歸分析方法的實現(xiàn)步驟詳見張峰等人的闡述?，具體內(nèi)容也可參考多元線性回歸預測及多變量回歸模型??。本文在因變量與多個自變量間建立關系， 歸納總結影響旅游經(jīng)濟的因素， 并依據(jù)其所占權重對疫情后的旅游復蘇工作提出合理化建議。

三、討論與結果

（一）旅游熱點城市人口遷徙數(shù)據(jù)及疫情下人口流動的特征事實

利用百度遷徙大數(shù)據(jù)， 將2020 年樣本期內(nèi)北京、上海、南京、武漢市每日人口遷徙強度與2019年同期的遷徙強度進行對比。 依據(jù)四個熱點城市的遷徙規(guī)模指數(shù)和城內(nèi)出行強度，闡述疫情下人口流動的特征事實，剖析疫情防控各階段內(nèi)旅游熱點城市的人口流動狀況。

1.疫情防控的各階段劃分。 本文以全國累計確診病例數(shù)將疫情大致劃分為三個階段（圖1）：潛伏發(fā)展期（12 月31 日—1 月23 日），湖北武漢出現(xiàn)首例確診病例，并在小范圍內(nèi)擴散，疫情較穩(wěn)定，尚未對社會經(jīng)濟活動造成嚴重影響， 武漢在1 月23 日及時采取有效措施，控制人口外流。 爆發(fā)防控期（1月24 日—2 月20 日），先前從武漢流向各地的數(shù)百萬人成為疫情傳播的主要來源，新增確診人數(shù)出現(xiàn)較大波動（2 月12 日湖北省對新增確診病例標準做了調(diào)整，當日新增確診人數(shù)急劇增加），累計確診人數(shù)急速上升； 中央部署統(tǒng)籌做好疫情防控工作，實施全國應急性超常規(guī)防控和各地區(qū)差異化防控，初步遏制疫情蔓延勢頭。 復工復產(chǎn)期（2 月21 日—4月1 日），新增確診人數(shù)接近于0，累計確診人數(shù)趨勢較平緩，疫情得到緩解，各城市先后解封，穩(wěn)步推進復工復產(chǎn)工作。

圖1 中國新冠肺炎病例累計確診數(shù)及新增確診數(shù)

2.旅游熱點城市的人口遷徙情況。 國家采取的一系列新冠肺炎疫情防控措施，對旅游熱點城市的遷入規(guī)模指數(shù)產(chǎn)生一定的影響。2020 年4 個旅游熱點城市的遷入規(guī)模指數(shù)和遷出規(guī)模指數(shù)都明顯低于2019 年同期水平，一度處于低迷狀態(tài)（圖2）。 在潛伏發(fā)展期，遷入人數(shù)相差幅度較小，尤其是南京和武漢，遷入規(guī)模指數(shù)基本保持5 以下。 而北京和上海的遷入規(guī)模指數(shù)始終很高， 這與2019 年同期的遷徙規(guī)模指數(shù)大致保持相同的變動趨勢。 在暴發(fā)防控期，作為疫情重災區(qū)，武漢有效的防控措施使得遷入規(guī)模指數(shù)不斷降低， 甚至趨近于0。 同時南京、上海、北京的遷入人口也在一定時間內(nèi)大幅度減少， 后又逐漸恢復至原有水平波動下降。 反觀2019 年同期，2 月5 日正值春節(jié)， 節(jié)前大量務工人員回到家鄉(xiāng)所在城市，四座城市都迎來了人口遷入量的高峰期，這與2020 年的景象形成鮮明對比。 在復工復產(chǎn)期，2020 年南京、上海、北京的遷入規(guī)模指數(shù)開始有所提升，但整體水平相對較低。 武漢依舊處于低迷期，直至3 月20 日后，疫情得到一定的緩解，才逐步推進復工復產(chǎn)。 截至2020 年4 月1 日，遷出規(guī)模指數(shù)依然沒有恢復到2019 年的水平。 對比2019 年同期，大批務工人員返城復工，加之各大高校開學，四座城市的遷入人口數(shù)和遷出人口數(shù)又迎來小高峰期。2020 年人們未能像往常一樣節(jié)后按時返程，直至三月初才陸續(xù)流動。 而2019 年同期始終存在遷出行為，在三月中旬正常返工復產(chǎn)，遷徙規(guī)模指數(shù)再次迎來高峰期。

圖2 2019 和2020 年旅游熱點城市遷入規(guī)模指數(shù)

圖3 2019 和2020 年旅游熱點城市遷出規(guī)模指數(shù)

直到3 月15 日后，城市流動才回到2019 年的水平， 這表明城市內(nèi)部的經(jīng)濟社會活動基本恢復（圖4）。 在潛伏發(fā)展期，2020 年四座城市內(nèi)部出行強度與2019 年同期相比大致保持相同變動趨勢。2020 年春節(jié)前，城內(nèi)出行強度較高。在暴發(fā)防控期，武漢作為疫情暴發(fā)的中心，大部分人都主動或被動地居家隔離，僅存的出行強度主要由運送物資的車隊、各地醫(yī)療人員的馳援等造成。 南京、上海、北京也受到疫情影響， 原計劃的大型聚集活動被推遲，城市內(nèi)部出行強度都很低。 疫情緩解后，城市內(nèi)部出行強度仍然很低。 武漢多數(shù)居民繼續(xù)保持居家狀態(tài)，而此時北京、上海、南京已進入復工復產(chǎn)階段，各企業(yè)與高校也陸續(xù)開工開學，城市內(nèi)部出行強度逐漸升高。 反觀2019 年，隨著正常的春節(jié)返鄉(xiāng)和節(jié)后返程，城市人口回流導致出行人數(shù)增加，出行強度明顯升高。

圖4 2019 和2020 年旅游熱點城市內(nèi)部出行強度

（二）疫情下旅游熱點城市旅游業(yè)現(xiàn)狀分析

1.基于百度搜索指數(shù)分析疫情對旅游的影響。2020年1 月27 日—11 月9 日，“疫情” 這一關鍵詞的搜索指數(shù)趨勢由暴增到逐漸下降并趨于平緩（圖5），發(fā)生大幅度變化的根本原因在于新冠疫情的爆發(fā)、控制與緩解。 “疫情”在2020 年1 月27 日前搜索量較少且每個月搜索指數(shù)無明顯差別，而在該時間之后出現(xiàn)較大幅度增長， 并出現(xiàn)3 個明顯拐點。 第1個拐點是疫情平均搜索指數(shù)的最高點。 因為疫情暴發(fā)時，企業(yè)資金鏈癱瘓導致員工失業(yè)、企業(yè)倒閉甚至破產(chǎn)；大眾出行受限，心理壓力加重，產(chǎn)生社會恐慌。 此外，大眾時刻關注赴武漢醫(yī)生和每日各地區(qū)疫情新增人數(shù)，使得搜索指數(shù)在該時間段劇增。第2個拐點是由于疫情已得到控制，大眾的緊張和憂慮心理有所下降。 但疫情影響中國留學生出國，再加上疫情風險較小地區(qū)教育部宣布開放校園等信息，重新引起大眾對疫情的關注。 第3 個拐點的產(chǎn)生是因為疫情基本穩(wěn)定，國家頒布了有關解決因疫情而導致的旅游合同糾紛問題的通知，并且大連、烏市等地再次出現(xiàn)疫情異地傳播的現(xiàn)象，大眾對“疫情”的搜索指數(shù)上升。 而近十年來除新冠疫情以外的唯一一個搜索指數(shù)最高點， 處于2014 年的西非埃博拉疫情期，這是中國密切關注疫情發(fā)展狀況并積極赴非援助西非三國的結果。 此后很長一段時間內(nèi)，搜索量始終很低。

圖5 2019—2020 年的“疫情”搜索指數(shù)

近十年“旅游”這一關鍵詞的搜索指數(shù)不穩(wěn)定，整體呈緩慢下降趨勢。 在2020 年1 月27 日跌至最低點，隨后逐漸恢復至與2019 年相類似的搜索量，但此期間內(nèi)波動較大。 旅游作為享受資料消費，受外界因素影響較大，具有脆弱性。 疫情初期，旅游業(yè)面臨經(jīng)營困境，中央預算內(nèi)投資的積極投入緩解了企業(yè)現(xiàn)金流壓力，提振了旅游業(yè)信心，滿足了疫情后國民對旅游活動的集中需求， 搜索指數(shù)開始回升。 國民出游熱情日漸高漲，但疫情仍較嚴重，二者共同作用下，搜索指數(shù)逐步增長。 隨后國家出臺一系列政策扶助旅游業(yè)，引起大眾關注，同時文旅部在嚴格落實景區(qū)防控措施的前提下，逐步開放室內(nèi)場所，搜索指數(shù)繼續(xù)上升。 疫情緩解后，中國國內(nèi)旅游基本恢復正常，鄉(xiāng)村旅游、全季（全域）旅游等快速恢復，搜索指數(shù)大幅度提高，逐步恢復到正常水準。 2020 年1 月27 日—2 月2 日，“旅游”搜索指數(shù)達到近十年的最低值，此時正處于疫情開始暴發(fā)階段，國民內(nèi)心恐懼，旅游需求也大幅度減小。而2020年9 月28 日—10 月4 日，“旅游” 搜索指數(shù)猛增至2020 年最高值，一方面是因為國家對疫情的控制取得顯著成效，另一方面是國慶、中秋小長假給人們提供了出去游玩的好時機。

2.疫情下旅游熱點城市旅游業(yè)經(jīng)營狀況。 從傳播范圍及持續(xù)時間來看，新冠疫情較非典疫情更為嚴重，因為中國經(jīng)濟發(fā)展面臨著內(nèi)外部環(huán)境變化?。首先，當前中國第三產(chǎn)業(yè)比重大幅上漲，從2003 年的41.23%上升至2020 年的54.5%。 而第三產(chǎn)業(yè)極易受外界因素所影響，這表示新冠疫情對中國經(jīng)濟的影響程度較深。 其次，中國目前處于經(jīng)濟高質(zhì)量發(fā)展時期，保增長壓力重，有別于2003 年的高速增長時期。2003 年，受非典疫情影響，旅游總收入直接損失約1380 億元?；而2020 年中國消費規(guī)模擴大，損失也必然隨之增大。 再次，新冠疫情幾乎覆蓋全國各省市， 但非典主要集中于中國香港和大陸南方，全球累計病例數(shù)約為8000?。 另外，非典時期全球經(jīng)濟呈增長趨勢， 如今國際形勢已發(fā)生改變，一些國家視中國為競爭對手，遏制中國各領域的發(fā)展，因此新冠疫情在短期內(nèi)會使得中國經(jīng)濟壓力增大。

近年來，中國的旅游業(yè)發(fā)展趨勢穩(wěn)中向好。 國內(nèi)旅游人次、旅游收入和旅游總收入都呈現(xiàn)增長趨勢；同時，入境旅游人次和出境旅游人次整體也保持一定的速度緩慢增長（表1），這表明中國旅游業(yè)在2011—2019 年間整體發(fā)展態(tài)勢較好， 人們的旅游出行意愿較高， 旅游消費水平也逐年提高。 但2020 年受疫情影響，各省市均實施不同程度的區(qū)域封鎖、交通管制、景區(qū)關門等防控措施，旅游業(yè)一度處于停滯狀態(tài)，呈現(xiàn)空前的低迷之勢。 國內(nèi)游短期內(nèi)全面阻斷，呈斷崖式下降；入境游基本停頓，出境游也受到重創(chuàng)，旅游經(jīng)濟損失慘重。

表1 2011—2019 年中國旅游業(yè)經(jīng)營狀況

2020 年第一、二季度全國旅行社組織接待國內(nèi)旅游人次數(shù)、人天數(shù)都明顯比2019 年同期大幅度下降，且2019 年和2020 年第二季度旅行社的組織、接待人次數(shù)都比同年的第一季度有所增加 （圖6）。2020 年前兩個季度大批人員減少旅游活動，也縮短在外逗留的天數(shù)。 其中， 第一季度全國旅行社的人次、人天數(shù)，組織分別同比減少84.08%、84.05%；接待分別同比減少81.65%、81.88%。 第二季度全國旅行社的人次、 人天數(shù)， 組織分別同比減少83.23%、89.10%；接待分別同比減少78.59%、84.53%（圖6）。

圖6 2019 與2020 年前兩季度全國旅行社組織接待國內(nèi)旅游情況

依據(jù)中國大陸地級以上城市的旅游人數(shù)、 旅游收入、旅游業(yè)收入比重、旅游基礎設施和交通便利程度五個維度，綜合衡量各城市旅游業(yè)的發(fā)達程度，列出2019 年中國大陸旅游業(yè)最發(fā)達城市排行榜前十位（表2）。 由此不難發(fā)現(xiàn)，北京和上海成為國民旅游城市選擇的偏好程度極高， 因此選擇兩地作為旅游熱點城市范例。而江蘇省在旅游總收入中排第二位，且江蘇是中國名勝古跡和旅游熱點城市高度集中的地區(qū)，擁有優(yōu)質(zhì)豐富的旅游資源，是名副其實的旅游熱點省份。 相較于江蘇，湖北省實力略有欠缺，但作為本次疫情的中心地區(qū)， 省會武漢在中國旅游城市排行榜中居第八位，所經(jīng)營的旅游業(yè)更是受到重創(chuàng)，因此它也是合適的旅游熱點省份范例。

表2 2019 年中國旅游城市排行榜前十位

表3 KMO 和Bartlett 的檢驗

北京、上海兩個旅游熱點城市以及湖北、江蘇兩個熱點省份旅行社組織接待的國內(nèi)旅游情況都基本與全國保持一致趨勢（圖7）。 2019 年無論哪項指標，江蘇都高于湖北，上海都高于北京。2020 年第一季度和第二季度的組織人次數(shù)、接待人次數(shù)均處于低迷狀態(tài)，表明四個地區(qū)都因疫情受到明顯的負面影響，旅游活動大幅度減少。

圖7 2019 與2020 年前兩季度旅游熱點城市與省份旅行社組織接待國內(nèi)旅游情況

中國文旅部發(fā)布的國慶8 天假期的旅游市場數(shù)據(jù)顯示：2020 年全國共接待國內(nèi)游客6.37 億人次，按可比口徑同比恢復79.0%； 國內(nèi)旅游收入4665.6億元，按可比口徑同比恢復69.9%。 因疫情受損最嚴重的湖北旅游業(yè)恢復較快。 而江蘇省旅游收入則排全國第一，實現(xiàn)旅游收入512.55 億元。 總之，疫情下中國國內(nèi)旅游人次和收入皆為負增長趨勢， 全國游客人數(shù)下降，全國旅游收入減少。但旅游熱點城市自身的吸引力比較強， 加上后疫情時代的環(huán)境安全問題得到緩解，旅游地將迎來更多游客，旅游經(jīng)濟也將恢復往常，旅游業(yè)的發(fā)展前景依然樂觀。

（三）區(qū)域人口流動性對旅游經(jīng)濟的影響

首先， 選取4 個旅游熱點城市2010—2019 年的第三產(chǎn)業(yè)增加值、地區(qū)生產(chǎn)總值、人均生產(chǎn)總值、旅客運輸總量、A 級旅游景區(qū)數(shù)、 星級飯店數(shù)量、旅行社企業(yè)總數(shù)這7 個變量，用來衡量旅游收入增長的水平，并分析對旅游經(jīng)濟的影響。 旅游收入為被解釋變量，用Y 表示，而以上7 個指標為解釋變量，分別用X1、X2、X3、X4、X5、X6、X7表示。

進行因子分析后，得KMO 值為0.751，且Sig.＜0.05，說明各自變量間具有相關性，分析結果有效。

從總方差解釋表（表4）來看，因子分析效果理想。 特征值大于1 的因子共2 個，累計貢獻率達到87.199%。 說明用這2 個因子代替原有的7 個指標變量， 就能夠概括原始變量所包含的87.199%的信息。 因此，可將原始的7 個變量分為2 個公因子進行后續(xù)分析。

表4 總方差解釋表 （單位：%）

通過旋轉(zhuǎn)成分矩陣（表5），得到第一個因子在地區(qū)生產(chǎn)總值和第三產(chǎn)業(yè)增加值等方面載荷較高，分別為0.941 和0.925， 可稱為f1旅游地經(jīng)濟水平。第二個因子在星級飯店總量和旅客運輸總量等方面載荷相對較高，分別為0.937 和0.928，因此可稱為f2旅游地吸引力。

表5 旋轉(zhuǎn)成分矩陣

將旅游地經(jīng)濟水平、 旅游地吸引力作為自變量， 旅游收入作為因變量進行多元線性回歸分析。則模型R 平方值為0.886 （表6）， 即旅游地經(jīng)濟水平、 旅游地吸引力可以解釋旅游收入88.6%的變化原因，調(diào)整后的R 方為0.88。對模型進行F 檢驗（表7），結果通過（F=143.647，P＜0.05），說明至少1 個變量會對旅游收入產(chǎn)生影響關系。 結合回歸系數(shù)來看（表8）， 模型中2 個解釋變量對旅游收入的顯著性分析P 值均小于0.05，具有統(tǒng)計學意義。B 值分別為0.866、0.369，則旅游地經(jīng)濟水平對旅游收入存在著顯著的正相關關系，旅游地吸引力也對旅游收入有一定的顯著正向影響。 此模型回歸方程式為Y=C+0.866·f1+0.369·f2（常量=1.004E-013，記作C）。

表6 模型匯總

表7 Anova

表8 系數(shù)

綜上所述，旅游地經(jīng)濟水平在旅游經(jīng)濟中的貢獻最大，表明當?shù)亟?jīng)濟水平的強度會對旅游目的地的收入造成直接影響。 隨著地區(qū)經(jīng)濟的發(fā)展，越來越多的國民會被吸引， 產(chǎn)生前來娛樂消費的意向。旅游地吸引力、人口流動條件是旅游地可進入性的重要因素，側(cè)面說明區(qū)域人口流動性對旅游經(jīng)濟有一定影響。 這反映出隨著人口流動的增多，人們的旅游意識逐漸提高，從而促進當?shù)芈糜谓?jīng)濟的發(fā)展。 而且，經(jīng)濟實力越強的城市，對游客的吸引力就越高， 進一步拉動旅游經(jīng)濟的增長。 這也與實際情況相符。

因此， 旅游熱點城市應該樹立文化自信， 充分發(fā)揮自身優(yōu)勢， 努力優(yōu)化旅游環(huán)境、豐富旅游產(chǎn)品。同時，提高景區(qū)的可進入性，提升各方面的服務品質(zhì)，增強游客的舒適度與體驗感。尤其是疫情期間，更應借力國家的支持政策，超前提振旅游需求，轉(zhuǎn)危機為契機，共同推進旅游市場復蘇。

四、結論

通過本次研究，得出結論：其一，2020 年新冠肺炎疫情期間，四個旅游熱點城市遷徙規(guī)模指數(shù)均比2019 年同期有明顯的下降趨勢。 受疫情防控影響，遷入人口和遷出人口都大幅減少，城內(nèi)出行強度也始終處于低迷狀態(tài)。 隨著疫情的逐漸控制，各地開始復工復產(chǎn)，經(jīng)濟社會活動才基本恢復。 其二，根據(jù)百度搜索指數(shù)，國民在疫情期間對“疫情”關鍵詞的關注度顯著提高。 同時，對“旅游”關鍵詞的搜索量大幅降低。 新冠肺炎疫情比非典疫情更為嚴重，給中國旅游業(yè)和地區(qū)旅游業(yè)的發(fā)展造成巨大損失，主要表現(xiàn)為：旅游人數(shù)急劇減少，旅游經(jīng)濟遭到極大沖擊。 其三，基于多元線性回歸分析模型的結果表明， 旅游地經(jīng)濟水平在旅游經(jīng)濟中的貢獻最大，是決定旅游者目的地選擇的重要因素。 旅游地吸引力也對旅游經(jīng)濟存在顯著的正相關關系，是旅游者產(chǎn)生旅游動機的客觀條件。 因此，旅游熱點城市應該充分發(fā)揮自身優(yōu)勢， 同時提高景區(qū)的可進入性，加快推進旅游市場復蘇。

注釋：

①楊冕,謝澤宇.中國新冠肺炎疫情防控對中國人口流動的影響——基于百度地圖遷徙大數(shù)據(jù)的實證研究[J].人口研究,2020(4):74-88.

②張毓利,石培華,申軍波.中國多維度減輕疫情對旅游業(yè)的負面影響[J].國情國力,2020(05):20-22.

③成茜,李君軼.中國疫情居家約束下虛擬旅游體驗對壓力和情緒的影響[J].旅游學刊,2020(07):13-23.

④黃先開,張麗峰,丁于思.中國百度指數(shù)與旅游景區(qū)游客量的關系及預測研究——以北京故宮為例[J].旅游學刊,2013(11):93-100.

⑤童昀,馬勇,中國劉海猛.COVID-19 疫情對中國城市人口遷徙的短期影響及城市恢復力評價[J].地理學報,2020(11):2505-2520.

⑥劉望保,石恩名.基于ICT 的中國城市間人口日常流動空間格局——以百度遷徙為例[J].地理學報,2016(10):1667-1679.

⑦芮紹煒.百度大數(shù)據(jù)的應用分析[J].企業(yè)管理,2015(02):114-116.

⑧蔣小榮,汪勝蘭.中國地級以上城市人口流動網(wǎng)絡研究——基于百度遷徙大數(shù)據(jù)的分析[J].人口科學,2017(02):35-46.

⑨舒懷.從“百度遷徙”看位置服務與大數(shù)據(jù)融合[J].衛(wèi)星應用,2014(05):39-40.

⑩甄茂成,黨安榮,闞長城.基于大數(shù)據(jù)與網(wǎng)絡分析的長三角城市群識別研究[J].上海城市規(guī)劃,2019(06):8-16.

?劉望保,石恩名.“百度遷徙”下中國城市間的人口流動空間格局[J].華南師范大學學報(自然科學版),2016(05):67-73.

?張瑜. 長春市春運期間人口遷移的時空特征研究[D].東北師范大學,2016.

?任遠.疫情防控中的特大城市人口流動性管制和人口數(shù)據(jù)應用[J].南京社會科學,2020(04):1-6+31.

?劉濤,靳永愛.人口流動視角下的中國新冠疫情擴散時空動態(tài)——傳統(tǒng)數(shù)據(jù)和大數(shù)據(jù)的對比研究[J].人口研究,2020(05):44-59.

?任勝鋼,彭建華.基于因子分析法的中國區(qū)域創(chuàng)新能力的評價及比較[J].系統(tǒng)工程,2007(02):87-92.

?段威,謝雪梅.基于因子分析的新疆旅游產(chǎn)業(yè)發(fā)展?jié)摿υu估[J].市場,2021(01):43-46.

?舒服華.基于因子分析的物流企業(yè)盈利能力評價[J].南通航運職業(yè)技術學院學報,2020(02):1-7+44.

?張峰,陳兵,趙懌平等.基于線性回歸法的飛機輪胎消耗規(guī)律預測[J].飛機設計,2019(04):73-76.

?楊月,沈進.多元線性回歸分析在人才需求預測中的應用[J].商場現(xiàn)代化,2006(32):33-34.

?羅筱波,周健.多元線性回歸分析法計算頂管施工引起的地面沉降[J].巖土力學,2003(01):130-134.

?秦宇,李鋼.新冠肺炎疫情對中國經(jīng)濟挑戰(zhàn)與影響的調(diào)查綜述[J].區(qū)域經(jīng)濟評論,2020(03):146-156.

?魏小安,付磊.旅游業(yè)受“非典”影響情況分析及對幾個相關問題的辨析[J].旅游學刊,2003(04):14-23.

?祝鎧.中國新冠肺炎疫情對中國旅游業(yè)發(fā)展的影響及對策研究[J].四川旅游學院學報,2020(03):13-16.