城市旅游客流監測調控的目標與框架

[摘 要]隨著城市治理現代化和游客消費品質化的加速推進，理論層面亟須建構新型治理框架、明確新技術條件下城市旅游客流監測與調控的目標、指標和方法。文章采用系統文獻回顧法，全面回顧旅游客流監測與調控的相關研究成果，系統梳理旅游客流監測與調控的概念、目標和系統框架。在既有研究的基礎上，文章結合城市旅游發展實踐，構建了城市旅游客流監測與調控的目標體系和系統框架。該框架旨在提升游客滿意度、確保旅游及相關企業生產安全、促進社區和諧并提升城市治理的現代化水平。文章最后展望了未來的研究方向，為城市旅游客流監測與調控的后續研究提供參考。

[關鍵詞]旅游客流;監測;調控;系統文獻回顧

[中圖分類號] F590 [文獻標識碼] A [文章編號] 1674-3784（2024）11-0055-09

0 引言

當前，我國正處于大眾旅游發展的新階段，游客散客化程度高、節假日出游占比高、游客進入文化和生活空間的頻率高。在城市日益成為旅游發展重心的當下，節假日旅游客流“三高”疊加帶來的安全隱患和社會問題，已成為各級政府和旅游主管部門的重要關切。囿于旅游市場傳統治理仍以旅行社、景區和酒店為主要對象，城市綜合治理尚未實現專業細分，加之涉旅數據獲取難度大，城市涉旅綜合治理機制始終未能建立。隨著城市治理現代化和游客消費品質化的加速推進，建立城市旅游客流監測與調控機制十分緊迫。

在城市空間開展旅游客流監測和調控并非易事。理論層面需要建構新型治理框架、明確新技術條件下的監測與調控目標、指標和方法。技術層面需要一定規模的數據、算法、算力及系統支撐。盡管面臨諸多困難，各級管理部門和研究者仍做了很多努力。例如，旅游主管部門針對景區探索并實施了“限量、預約、錯峰”的管理策略，交通和氣象等部門開展了出行和氣象預報工作，杭州、蘇州等城市依托城市應急管理機制開展了應急調度，但總體上仍缺乏系統的應對方案。這一困境引起了學者的關注，部分研究者開始轉向客流監測與調控的理論研究與實驗應用。陸林[1]、唐順鐵[2]、田勇[3]、牛亞菲[4]、劉澤華[5]、張健華[6]等學者較早地開展了相關研究。近年來，隨著大數據、云計算和人工智能等技術的發展，通過射頻信號、手機信令、GPS 定位數據、Wi-Fi、SDK 和路網數據等方式測算旅游客流已成為可能，使得城市能夠開展實時的客流監測，實現對城市客流的高效管理。

基于此，本文采用系統文獻回顧法（systematicliterature review，SLR）全面梳理國內外旅游客流監測和調控研究的發展脈絡，以識別、評估和建構城市旅游客流監測與調控的理論框架和實踐體系。通過對旅游客流調控的概念界定、目標設定以及系統框架等內容進行系統的回顧和總結，旨在為建構城市旅游客流監測與調控系統提供理論支持，為涉旅綜合治理體系提供參照。

1 研究設計

本研究結合相關中英文文獻，對旅游客流監測和調控的目標及系統框架進行系統性回顧。通過確定樣本文獻的篩選標準、時間范圍、數據來源及數量，對相關中英文文獻進行檢索與整理。依托中國知網數據庫和Web of Science核心合集引文索引數據庫，選擇類型為研究論文（article）和綜述（review）的中英文文獻，以確保所獲取信息的準確性和權威性。

研究采用“游客”“旅游流”“客流”“管控”“調控”“管理”“分流”“承載力”等關鍵詞在中國知網中檢索相關中文文獻，截至2023年12月31日共檢索到相關中文文獻553篇。這些文獻的時間跨度為1998年1月至2023年12月。研究還基于旅游類的關鍵詞“tourist flow”“tourism”“travel”“recreation”和客流管控類的關鍵詞“control”“diversion”“management”“capacity”“overcrowding”等表達客流承載力、擁擠、調控管理和分布的關鍵詞來檢索英文文獻。截至2023年12月31日，在Web of Science核心數據庫中“Hospitality， Leisure， Sport amp; Tourism”和“Transportation”兩類數據庫中檢索到相關文獻950篇，文獻的時間跨度為1996年1月至2023年12月。

研究嚴格遵循Moher等提出的文獻篩選原則[7]，對初始樣本文獻進行人工篩選，剔除了重復出現的文獻和與主題不符的文獻，并與參考文獻進行了交叉核對，新增了3篇相關文獻，最終獲得143篇中文和171篇英文文獻。在系統梳理了近年來國內外關于旅游客流監測和調控目標體系和系統框架兩方面研究成果的基礎上，建構城市旅游客流監測和調控的目標體系和系統框架，對未來的相關研究議題進行展望。

2 對旅游客流監測和調控目標與框架體系的回顧

2.1 旅游客流調控的定義

“客流調控”這一術語在學術界尚未形成統一且明確的定義。部分城市交通領域的文獻提及了相關概念，如“客流控制”和“限流”。在《城市軌道交通運營安全管理規范》中，“限流”是指一種旨在確保客運組織安全的措施，即通過限制乘客進站速度來維護車站的秩序與安全。劉蓮花等指出，當部分車站的服務能力與列車運輸能力無法與網絡整體運輸能力相協調時，就需要采取相應的客流管控措施來緩解運輸壓力[8]。朱正玲闡釋了常態客流控制的含義，即在特定車站的固定時間段內，通過采取一系列措施來限制乘客進站或換乘，以確保乘客的順暢出行[9]。

“旅游客流調控”可以理解為對旅游流進行調控。是指在出現旅游客流高峰時，為了保障游客出行安全而采取的一系列管理、控制及疏導等組織措施。從文獻來看，國外學者的研究主要關注旅游客流分布、流量及其影響因素，監測不同客流調控措施可能產生的效果及調控方案[10]。國內學者早期將客流管控狹義地稱為“時空分流導航管理”[11]。張海濤認為，旅游流的調控實質上是一種策略性調整過程[12]。通過調整影響旅游流的外在因素，改變游客的出游時間和目的地選擇，這種調控將有助于平衡旅游流分布。

2.2 旅游客流監測和調控目標

目標設置是對調控過程的抽象化分析。國外學者基于孤獨理論提出了旅游客流調控的目標，即降低游客在目的地中與其他游客的相遇次數[13]。具體假設為：一是游客滿意度與其遇到其他游客的次數成反比;二是當新增游客所帶來的旅游體驗滿意度提升與因此導致其他游客滿意度下降相抵消時，游憩活動將達到最佳使用狀態，即游客數量與滿意度之間的平衡點。黎巎等提出，還存在一種特殊類型的游客，與其他游客的相遇次數并不會顯著影響他們所追求的游憩品質[14]。

學者們的研究提出了不同類型旅游目的地的客流調控目標。其中，景區以實現各景點負荷均衡[15]1987、提高游客旅游價值[15]1987、提升游客容量[16]7、降低游客分流調度成本[17]50、提高游客滿意度[17]50、使游客在景點間行走時間最短[18]、減少游客等待時間[17]41、擁擠度最低[19]和可持續發展[20]18為主要目標。自然保護區的客流調控目標是提升環境保護水平、確保開發和環境保護和諧發展[20]17。主題公園將游客滿意度作為求解目標，具體包括減少游客排隊時間、提升游客游玩體驗、提高顧客滿意度以及增強游客的忠誠度和重游意愿[21]185。

國內外學者的相關研究各有側重。國外學者更關注質量目標和游客這一微觀主體;國內學者既關注質量指標，也關注數量和發展指標，包括提高旅游價值、提升游客容量、降低調度成本、實現開發與保護的平衡等經濟環境多元目標。“提升游客滿意度”是國內外學者對旅游客流調控目標的主要共識。圍繞提升游客滿意度的核心目標，提出降低與其他游客的相遇次數、減少等候時間、縮短行走時間和降低擁擠程度等分項目標。但無論在國際還是國內，均存在對城市層面旅游客流監測與調控目標方面研究的不足。

2.3 旅游客流監測和調控的系統框架

與景區作為我國旅游發展核心載體的地位相一致，現有的旅游客流調控框架研究大多圍繞景區展開。張冬冬從事前感知與預警、事中決策與預測以及事后溯源與評估3個階段建構客流調控系統平臺[22]166。結合既有研究成果和交通與應急等領域的實踐，本研究將旅游客流調控劃分為客流感知系統、決策支撐系統、游客服務系統和反饋評估系統等4個模塊。這些模塊相互銜接、互為支撐，共同構成了一個完整的客流監測和調控閉環。

2.3.1 客流感知系統

（1）客流預測

準確預測游客數量至關重要，是目的地制定應急預案和提前干預客流的基礎。數據是預測游客數量的核心，傳統研究主要依賴歷史數據、問卷數據等數據源進行預測。然而，隨著游客行為網絡化特征的日益明顯，多源異構數據及大數據技術的發展為旅游客流預測方法帶來了變革。研究人員將百度指數[23-24]、數字足跡[25]、社交媒體數據[26]922 與歷史數據等多源數據相結合，對游客行為和數量進行預測。隨著大數據、人工智能等技術的發展和數據源的擴展，旅游客流的預測研究在理論、方法和技術上得到了持續改進[27]。研究人員運用計量經濟模型、機器學習模型以及組合模型等多種方法進行預測[26]921，包括自回歸模型、自回歸分布滯后模型[28]、小波神經網絡[29]、卷積神經網絡[30]、EMD-BP神經網絡[31]、長短期記憶網絡[32]和網絡集成預測模型[33]等。此外，還有通過線性或非線性模型擬合原預測模型殘差的組合模型[34]，以及針對不同頻數據采用線性和非線性模型組合預測[35]，在新技術支撐下，旅游客流預測已經取得了顯著進展。

（2）實時感知

對客流的實時感知能力是客流調控成功的關鍵。已有文獻主要針對景區客流實時感知開展研究，研究表明，實時感知客流、實施旅游信息引導及分批進入等措施，可確保客流的有序與可控。景區旅游客流感知主要有以下幾種方法：一是現代通信技術，如運用MapX-treme[36]336、GPS[36]336、北斗衛星[37]99 和RFID（radio frequency identification，射頻識別）[38]等技術，能夠精確地感知游客的數量和位置，并識別游客身份。二是電子門禁和視頻監控。門禁系統通過統計游客所持RFID卡的進場時間數據，精準計算人數，智能判斷游客放行情況[16]14，并在此基礎上構建人流統計和控制預警平臺[39]。三是電子眼和紅外測溫等技術。電子眼或紅外測溫裝置可自動掃描景區內游客熱能，建立游客熱能監測機制，一旦游客熱能過高，系統發出警報，景區即可采取限流和人工疏散措施來緩解客流集聚[40]。對景區周邊交通指數和區域客流飽和度進行監測，有助于景區靈活調整客流引導、限制或疏散策略[41]。這些技術手段的運用，提升了景區對游客行為的感知能力，有助于景區提升智能化水平。

（3）風險識別

已有研究表明，擁擠踩踏風險、事故災難風險、公共衛生風險、自然災害風險以及社會安全風險是旅游過程中的主要風險類別。陳璐璐采用魚骨圖法從信息系統、空間場所、社會安全以及景區管控等4個維度進行了探討[42]。呂丁等針對城市型旅游景區，從出行主體、出行方式、景區道路交通設施、公共交通服務以及交通管理政策等5個風險源出發，對道路交通風險進行了識別[43]。黃銳等提出，旅游中的安全風險涵蓋事故災難、公共衛生、自然災害、社會安全以及業務安全等多個方面[44]。現有研究在不同旅游情境下對旅游風險類型進行了系統識別，明確了其特征和成因，并積極探索了風險治理的有效路徑。

2.3.2 決策支撐系統

（1）研判預警

現有研究主要圍繞旅游客流總量和客流密度預警兩大核心方向展開。梁留科等較早提出了旅游預警指標的構建方法，確定了通道指標值和旅游地指標值，并將兩者綜合得出預警結果[45]。王玉玲等從時間、空間和主客體等3個維度出發，構建了更為全面的預警指標體系[46]。謝朝武建立了旅游容量預警系統，其中包括景區容量和住宿容量預警[47]。張冬冬提出構建與區域、時間、節日和活動相關聯的人流總量統計模型，推算特定活動、特定節日和特定時段區域人流總量的平均閾值，并據此設定預警級別和閾值[22]169。這一方法解決了區域內的客流量實時預警問題。

研究者針對景區和大型聚集活動提出了密度預警標準。冉麗君等基于連續人群流動模型，提出了最大忍受人群密度為9人/m2 的預警標準[48]。孫燕等通過參考我國人群肺容量的生理平均尺寸，得出我國人群最大忍受密度為9人/m2 的結論[49]。張冬冬指出，在靜止狀態下，預警閾值一般為7～9人/m2，而在運動狀態下，預警閾值則為4～6人/m2[22]170。余芳強特別關注了景區購票處等游客可能聚集的開放式區域，提出了當人員密度超過1人/m2 時，應發出黃色預警;而當密度超過1.5人/m2 時，則需立即通知安保人員控制或疏散客流[50]。陳沖等劃分了大型商圈的商業街區密度閾值，將大于1.12～1.67人/m2定義為高密度人群，大于1.67～2.23人/m2 定義為極高密度人群[51]。值得注意的是，客流密度的預警閾值與客流速度存在密切的關聯和影響，不同類型的目的地應結合實際規模和性質，綜合考量并得出合理的客流密度閾值。

（2）預先分流

基于預測數據對旅游客流進行提前干預是客流調控的常用方法。這些措施包括預訂與預案分流、線路分流、物理區隔、交通管理和價格分流等。第一，預訂與預案分流。預訂分流是利用電子商務平臺的訂票功能，在游客出發前即完成客流分配[16]14。預案分流則是基于電子商務系統中豐富的游客數據，自動生成次日游客分流方案[16]14。張曉明提出，實施雙重限制（限制游客人數和參觀時長）以及門票預約制度，可提升整體運營效率[52]。第二，線路分流。包括提前規劃并建設或擴建游覽通道[53]、借助計算機生成動態旅游路徑規劃[54]和依托景區智能推薦系統進行智能推薦[55]等。第三，物理區隔和交通管理。通過優化車輛和道路管理、簡化游客進入方式以及擴建停車場等手段，緩解客流擁堵問題[56]。第四，價格分流。在旅游高峰時段提高門票價格，在旅游淡季適當降低價格[16]14，這種價格分流策略有助于實現反季節旅游，減少淡旺季游客的差異[57]。王公為通過研究發現，景區季節性強度與門票價格之間存在密切的相關性[58]。這些前置分流措施是應對客流高峰的有效策略，提升了游客體驗。

（3）風險控制

有效的旅游目的地客流管理和風險控制需要采取全流程、多途徑的綜合措施。解決旅游客流實時監測問題只是完成了客流調控的關鍵環節，要實施有效調控還必須建立應急機制和專業應急隊伍。盧文剛指出，單純依賴監測系統發現人群嚴重集聚后，調派人員強行疏散人流的方式，往往效果有限[59]141。需要采取一系列綜合措施，包括提前公布信息、科學劃分現場區域、實施全程監控、安排人員提前進場以及實施交通管制等。范偉等建議，構建景區安全智能管理平臺，通過平臺將風險信息及時推送給風控部門和游客，從而有效預防人群集聚風險[60]。

（4）應急疏散

現有研究主要聚焦疏散信息發布、疏散路徑設計、出口設施優化以及應急機動力量布置等方面的措施。針對因意外事件導致分流不暢所產生的擁堵，應迅速啟動應急分流疏導機制[16]14。在旅游客流高度聚集情況下，應采用簡單而高效的現場信息傳遞渠道，如廣播、對講器等方式[61]。對狹窄的出入口、樓梯和橋面等重點風險點應進行實時監控，提前預警并加強疏導[62]。通過制定詳細的應急預案，對應急隊伍進行定期培訓和演練，提升應對突發事件的能力[59]140。通過綜合運用多種措施和技術手段，可以有效地應對游客過度集中和分流不暢的問題，保障旅游活動的安全和有序進行。

2.3.3 游客服務系統

游客服務系統主要為即將或已抵達旅游目的地或景區的游客提供實時智能導航和行程服務。該系統可集成定位服務、導游系統、自助行程和路線規劃以及流量預警[37]101、實時信息推送與查詢、救助求援[36]336 等功能模塊，從而為預防和控制游客集聚提供服務。研究人員還關注了智能導航系統的算法優化問題。杜軍平等深入探討了系統采用的數據分析方法[63]。胡松杰等運用C語言設計了一個基于多權重分析的歡樂谷智能導游系統[21]185。鄭天翔則基于單步協調控制的決策支持模型，構建了大型游樂場的游客智能導覽系統[64]。此外，部分學者還深入研究了實時導流方案下的游客決策機制。研究表明，游客服務系統能夠有效預防和控制游客集聚，提高游客出游的舒適度。

2.3.4 反饋評估系統

學者們主要通過構建仿真模型，探索旅游目的地客流調控過程中的模型和算法的有效性。任競斐運用Logit模型設計出均衡分配游客的旅游路線方案，并通過多智能體仿真平臺驗證了該方案的應用效果[65]。張笑白等提出了一種基于改進Logit算法的高峰時段實時調度方法，實驗結果表明，該方法具有可行性和有效性[66]。畢文升構建了時序Petri網模型，提出基于景區游客負荷的實時動態概率導流算法，并仿真驗證了其可行性[67]。還有學者利用Wi-Fi探測技術構建了考慮多因素的引力調度模型，以及基于元胞自動機和多代理系統的混合仿真模型，以研究景區應急管理客流調控策略。此外，?tekerová等在關注游客體驗、滿意度和心理承載力的基礎上，運用NetLogo環境對旅游客流進行了仿真模擬，并對特定措施和地點的效果進行了重復模擬和評估[68]。在研究方法上，研究者采用了多種算法和技術手段，包括基于景點游客負荷的實時動態概率分流算法、蝙蝠算法、空間句法、蜻蜓算法與HKRVM 模型相結合（DA-HK RVM）[69]、約束優化模型和基于粒子群算法的迭代優化算法[70]、改進的元胞自動機模型和漣漪擴散算法[71]等。以上研究不僅提升了客流監測和調控措施的科學性和有效性，也為旅游目的地的可持續和高質量發展提供了有力的理論支持和實踐指導。

3 基于文獻回顧的城市旅游客流監測和調控的目標及框架建構

3.1 城市旅游客流實時監測和調控的目標

3.1.1 總目標

在城市層面進行旅游客流監測與調控是一項系統工程。盡管既有研究尚未涉及城市層面的旅游客流監測和調控，但成果涉及的景區、休閑街區和主題樂園等場所大多分布在城市空間內，其研究形成的目標設置原則和方法等可為城市層面的研究提供借鑒。

游客是旅游經濟的核心，游客滿意理應成為城市旅游客流監測和調控目標的重點。城市旅游客流監測與調控還涉及行政、市場和社區等多元主體，整體目標設置應考慮各方的利益關系，即游客滿意、企業安全生產、社區和諧以及智慧治理。第一，游客滿意。游客滿意是開展城市旅游客流監測與調控的首要目標，這是由旅游經濟發展的客觀規律所決定的，也是以人民為中心的旅游發展觀的基本要求。第二，旅游及相關企業安全生產。安全是旅游發展的底線，確保游客出行安全、旅游及相關企業生產安全和城市及社區社會文化安全等，是實施城市旅游客流監測和調控的初衷。第三，社區和諧。城市層面的涉旅治理需要考慮社區因素，只有當居民通過旅游發展享有更多、更高質量的就業和文化交流機會時，才能為游客提供美好和諧的主客共享空間，進而提升游客的品質體驗。第四，提升城市治理的現代化水平。不斷提高城市治理和旅游市場治理現代化水平是新時代社會主義現代化強國建設的要求，也是城市高質量發展的重要舉措。

3.1.2 分項目標

在明確城市旅游客流監測和調控總目標的基礎上，需要將目標細分并形成可監測、可評估的指標及框架體系，以確保目標能夠落地實施并推進實現。結合前述研究成果，本研究按照目標性質和目標對象主體對目標體系進行了指標分解（圖1）。

（1）按照目標性質劃分

綜合考慮既有研究成果和城市旅游客流監測與調控的特點，研究按照不同性質將目標劃分為4類：容量目標、時長目標、服務目標和管理目標。容量目標旨在降低擁擠壓力，實現客流分布均衡，確保城市空間及其特定旅游場所的客流負載得到有效控制。監測指標主要包括城市旅游客流總量、景區及文博場所客流總量和旅游休閑街區客流總量等。其調控結果主要體現為城市及特定旅游場所的客流飽和度降低、客流密度降低及空間負載均衡。從安全角度來看，當該目標與其他目標發生沖突時應優先保障安全。時長目標是在滿足容量約束的條件下，盡可能地提升客流調控效率、提高游客的舒適度。指標分解包括減少游客等待時間和縮短客流聚集時長，從而確保服務質量能維持在一定水平。監測指標包括游客等候時間和車行速度等。服務目標則旨在提升游客的滿意度，增強其出游體驗和愉悅感，為游客提供最優的出行決策支持。監測指標包括游客滿意度和投訴應答率等。管理目標旨在提升城市涉旅治理的現代化水平。分解指標包括預測模型的準確度、指揮體系的協同性、系統調控的有效性以及系統平臺的易用性等方面。

（2）按照調控主體劃分

按照不同主體，城市旅游客流監測與調控的分項目標可劃分為游客、政府、企業和社區等4個維度。面向游客時，分項目標為實現品質出游，監測指標包括游客滿意度、空間舒適度和投訴應答率等。面向旅游及相關企業時，分項目標為消除風險隱患、確保安全生產，保障游客的生命財產安全。主要體現為無游客滯留風險、無踩踏風險、無長時擁堵風險、無重大服務質量風險及無安全生產事故等。面向政府時，分項目標為實現智慧治理，主要體現在客流智慧感知、風險智能識別、自動預警預報、智能引導疏導和智慧對客服務等多個方面。借助先進的信息技術手段，政府能夠實現對旅游客流的實時監測和調控，提升治理的智能化水平。旅游客流監測與調控本身是一個涉及多決策主體、在不確定條件下進行多目標動態決策的問題，需要在多個目標之間進行權衡，尋求整體最優解。

3.2 城市旅游客流監測與調控系統框架建構

如前文所述，現有研究缺少對城市層面旅游客流調控的關注。本研究嘗試結合既有研究和城市旅游發展的客觀情況，構建城市旅游客流監測與調控框架體系。該框架體系覆蓋了景區、文博場館、主題樂園和休閑街區等特定旅游休閑場所，是一個集感知、決策、服務、協同和評估于一體的綜合系統。該框架由客流感知系統、決策支撐系統、游客服務系統、協同調度系統和反饋評估系統等5個部分組成（圖2），系統之間既各自獨立，又相互關聯。

客流感知系統是整個系統的“千里眼”，其功能包括城市旅游熱點的預測與預報，實時監測客流量及游客行為、客流飽和度、客流密度、旅游輿情、空間均衡度、游客停留時長以及風險評估等，并為優化系統功能提供反饋。決策支撐系統是客流調控的“指揮棒”，根據感知系統的客流監測和風險分析結果，啟動對應的預報預警和應急處置，主要包括風險預報預警、分流疏導和分級控制等模塊。游客服務系統是游客與調控系統的“連接器”和“導航員”，負責將風險預警預報、分流疏導和應急處置等信息發送給游客，并為游客提供新的行程規劃和信息咨詢服務。協同調度系統是實現調控的組織體系，涉及文旅、交通、消防、應急管理和氣象等部門，確保指揮協同過程平穩順暢、有序運行。反饋評估系統負責對客流管控效果進行評估，從游客和管理者的雙重視角全面審視游前、游中和游后全過程的旅游客流監測和調控效果，并將結果反饋給各環節以優化系統。

4 研究結論與展望

4.1 研究結論

文章通過系統文獻回顧的形式，全面回顧了旅游客流監測與調控的相關研究成果，系統梳理和分析了旅游客流監測與調控的概念、目標和系統框架。在既有研究的基礎上，構建了一個面向城市旅游客流監測與調控的目標體系和系統框架，為未來城市旅游客流監測與調控的相關研究提供參考。

4.2 研究不足

城市旅游客流監測與調控的相關研究仍處于起步階段，理論研究和實踐應用尚顯不足。一是基礎概念有待厘清，如關于客流管控的概念尚未達成一致。學者們主要聚焦客流分流導航和戶外游憩計算機仿真等領域，但并未對這些概念進行明確的區分。二是缺乏宏觀層面的整體性研究。現有研究主要聚焦旅游客流監測與調控工作流程中的某一個環節，如客流感知或預測、客流時空特征仿真等，缺乏對于整個客流調控過程的綜合性研究，無法為旅游目的地調控實踐提供有力支持。三是客流調控過程的實證性檢驗不足。現有研究主要基于客流時空分布特征提出建議和措施，缺乏對客流管控過程的實證研究。尤其是在大數據及人工智能環境下，缺乏對國內特定情境下客流調控措施的實證研究。

4.3 研究展望

面向“十五五”時期及未來更長一段時間，隨著城鎮化的持續深入，城市在旅游經濟中的作用將更加凸顯，理論研究對產業實踐的指引也將更加重要。未來研究應從以下3個方面深化。第一，加強基礎概念研究。全面深入地剖析旅游客流監測與調控的理論內涵和外延，為后繼研究者提供更為堅實和全面的理論支撐。第二，深化調控機制研究。結合城市旅游經濟的特點，為相關政策制定和實踐操作提供科學依據。第三，加強跨學科研究。理解旅游客流的復雜性和多樣性，需要加強跨學科的研究合作。

參考文獻

[1] 陸林.山岳風景區客流研究：以安徽黃山為例[J].地理學報，1994（3）：236-246.

[2] 唐順鐵，郭來喜. 旅游流體系研究[J]. 旅游學刊，1998（3）： 38-41.

[3] 田勇. 旅游環境容量調控系統的探討[J]. 旅游科學，2000（2）： 19-22.

[4] 牛亞菲，謝麗波，劉春鳳. 北京市旅游客流時空分布特征與調控對策[J]. 地理研究， 2005（2）： 283-292.

[5] 劉澤華， 張捷， 史春云， 等. 黃金周制度對旅游需求影響的實證研究：以中山陵園風景名勝區為例[J]. 經濟問題探索， 2006（8）： 84-87.

[6] 張健華， 余建輝. 旅游景區游客數量調控技術的研究[J]. 技術經濟， 2007（2）： 110-114.

[7] MOHER D， LIBERATI A， TETZLAFF J， et al.Preferred reporting items for systematic reviews and meta-analyses： the PRISMA statement[J]. International journal of surgery， 2010（5）： 336-341.

[8] 劉蓮花， 蔣亮. 城市軌道交通網絡客流控制方法研究[J]. 鐵道運輸與經濟， 2011（5）： 51-55.

[9] 朱正玲. 城市軌道交通網絡高峰時段常態限流問題研究[J]. 鐵路通信信號工程技術， 2017（2）： 71-74.

[10] HAN Y， YANG G， ZHANG T T. Spatial-temporal response patterns of tourist flow under entrance tourist flow control scheme[J]. Tourism management，2021， 83：104246.

[11] 鄭天翔.基于動態實時調度的主題公園游客時空分流導航管理研究[J].旅游科學，2012（4）：8-16.

[12] 張海濤.中國國內旅游流調控研究[J].全國商情（理論研究），2013（2）：16-17.

[13] WANG B， MANNING R E. Computer simulation modeling for recreation management： a study on carriage road use in Acadia National Park， Maine， USA[J]. Environmental management， 1999（2）：193-203.

[14] 黎巎，杜栓柱.景區游憩行為計算機仿真系統研究綜述[J].旅游學刊，2011（7）：85-94.

[15] 邱厭慶，戈鵬，賴力，等.九寨溝景區初態聚類分流實證研究[J].資源科學，2010（10）：1987-1992.

[16] 馮剛，任佩瑜，戈鵬，等.基于管理熵與RFID 的九寨溝游客高峰期“時空分流”導航管理模式研究[J].旅游科學，2010（2）：7-17.

[17] 肖雄輝，戈鵬，朱虹明，等.旅游高峰期景區游客引力分流調度模型研究：以九寨溝風景區為例[J].旅游科學，2013（6）：39-51.

[18] 韓艷，武鑫森，楊光.基于排序選擇模型的游客擁擠感知分析[J].交通運輸系統工程與信息，2017（4）：138-144.

[19] 韓艷，楊光，武鑫森，等.考慮游客擁擠感知的旅游線路優化設計[J].北京工業大學學報，2018（12）：1537-1546.

[20] 姜向陽，任佩瑜.自然保護區旅游高峰期時空分流導航管理的模型構建與分析[J].旅游科學，2012（4）：17-25.

[21] 胡松杰，宋佳偉.基于多維因素的歡樂谷智能導游系統設計[J].計算機光盤軟件與應用，2013（1）：185-186.

[22] 張冬冬.LBS大數據在擁擠踩踏事件中的情報分析應用[J].情報雜志，2020（7）：166-172.

[23] 王慧穎， 馬儀亮， 唐曉云， 等. 基于百度指數的網絡關注度分布特征研究：以江蘇省5A 級旅游景區為例[J]. 中國旅游評論， 2017（2）： 106-114.

[24] 戴文，丁蕾，劉培學，等.城市旅游流客源地分布及預測研究：以南京市為例[J].資源開發與市場，2018（5）：676-681.

[25] 李君軼. 旅游數字足跡：在線揭示游客的時空軌跡[J]. 思想戰線， 2013（3）：103-107.

[26] 時萍萍，胡姚剛，孟繼東.基于互聯網旅游數據的游客量預測模型研究現狀與展望[J].資源開發與市場，2022（8）：921-929.

[27] 宋海巖， 吳晨光.新一輪科技革命與旅游需求分析和預測創新：理論探討與實踐前沿[J]. 旅游學刊， 2022（10）： 1-3.

[28] 黃先開，張麗峰，丁于思.百度指數與旅游景區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.

[29] 項譯.基于手機信令數據的旅游交通客流特征分析研究[D].南京：東南大學，2017.

[30] 高智文.顧及多源交通數據的景區客流預測研究：以南鑼鼓巷為例[D].北京：北京建筑大學，2020.

[31] 陸利軍，廖小平.基于EMD-BP神經網絡的游客量預測研究[J].統計與決策，2019（4）：85-89.

[32] BI J W， LIU Y， LI H. Daily tourism volume forecasting for tourist attractions[J]. Annals of tourism research， 2020， 83：102923.

[33] Lü S X， PENG L， WANG L. Stacked autoencoder with echo-state regression for tourism demand forecasting using search query data[J]. Applied soft computing， 2018， 73：119-133.

[34] WEN L， LIU C，SONG H Y. Forecasting tourism demand using search query data： a hybrid modelling approach[J]. Tourism economics， 2019（3）：309-329.

[35] 陸利軍.基于網絡搜索指數和EMD-ARIMA-BP組合模型的游客量預測：以張家界為例[J].吉首大學學報（社會科學版），2019（1）：138-150.

[36] 王肅，杜軍平，高田.多媒體旅游智能導航系統的研究與實現[J].中南大學學報（自然科學版），2009（S1）：335-340.

[37] 崔煜，張京寧.基于北斗系統的LBS在景區智能導游系統中的應用[J].測繪與空間地理信息，2013（6）：98-101.

[38] 姜莉.基于RFID 的電子導游系統設計[J].電子測試，2014（8）：63-64.

[39] 鄧銳.景區電子門禁系統人流統計和控制預警實現的討論[J].電子世界，2017（13）：165.

[40] 李俊.旅游景區游客熱能分布狀態及疏導路徑探析：以合肥市部分代表性旅游景區為例[J].哈爾濱學院學報，2018（5）：49-51.

[41] 李鵬鴿.基于景區周邊交通指數和區域客流飽和度指引智能交通出行決策的應用[J].智能城市，2018（11）：1-3.

[42] 陳璐璐. 野三坡智慧景區旅游安全風險識別與評估[D].保定：河北農業大學，2018.

[43] 呂丁，彭文靜，馬雯.城市型旅游景區道路交通風險識別與管理[J].經濟管理文摘，2020（6）：185-186.

[44] 黃銳，謝朝武，賴菲菲.中國游客赴東盟地區旅游安全風險：特征、成因及治理路徑[J].廣西社會科學，2022（5）：70-80.

[45] 梁留科，周二黑，王惠玲.旅游系統預警機制與構建研究[J].地域研究與開發，2006（3）：72-76.

[46] 王玉玲，翁暢平，汪惠萍.智慧旅游視域的區域旅游預警系統研究：以“外灘踩踏事件”為背景[J].資源開發與市場，2015（7）：890-892.

[47] 謝朝武.我國旅游安全預警體系的構建研究[J].中國安全科學學報，2010（8）：170-176.

[48] 冉麗君，劉茂.人群密度對人群擁擠事故的影響[J].安全與環境學報，2007（4）：135-138.

[49] 孫燕，李秋菊，李劍峰.城市重點公共區域人群聚集風險的實時定量技術[J].中國安全生產科學技術，2011（8）：147-153.

[50] 余芳強.面向安全運行的文化場館BIM 運維系統開發與實踐[J].建筑經濟，2022（S1）：505-510.

[51] 陳沖， 白碩， 黃麗達， 等. 基于視頻分析的人群密集場所客流監控預警研究[J]. 中國安全生產科學技術， 2020（4）： 143-148.

[52] 張曉明.城市景區節假日擁擠問題的原因與對策[J].河北科技大學學報（社會科學版），2018（2）：33-38.

[53] 郭娟.旅游景區擁擠問題理論分析與解決方案研究：以五臺山景區為例[J].山西農業大學學報（社會科學版），2010（4）：476-479.

[54] 黃于欣，蔣洪杰.基于改進蟻群算法的旅游景區路徑規劃[J].河南科學，2018（6）：823-829.

[55] 郭嘉，代耀宗，沈建京.基于協同過濾的景區旅游智能推薦系統設計[J].現代電子技術，2018（23）：140-144.

[56] 顧傳棋，王鳳，陳鶯鶯.景區交通系統創新研究：以塞罕壩國家森林公園為例[J].旅游縱覽（下半月），2018（20）：12-13.

[57] 馮學鋼，孫曉東，于秋陽.反季旅游與旅游季節性平衡：研究述評與啟示[J].旅游學刊，2014（1）：92-100.

[58] 王公為.旅游季節性強度對景區門票價格的影響研究：基于中國5A 景區的數據[J].內蒙古統計，2019（3）：30-33.

[59] 盧文剛.景區容量超載背景下的旅游突發事件應急管理研究：以“10·2”九寨溝游客滯留事件為例[J].西南民族大學學報（人文社科版），2015（11）：138-143.

[60] 范偉，彭昱忠，元昌安.智慧景區安全信息管理與智能預警系統研究與設計[J].廣西師范學院學報（自然科學版），2017（4）：70-75.

[61] 尹曉慶，葉厚元.大型活動擁擠踩踏事件的事故樹分析及其防控措施[J].安全與環境工程，2017（2）：126-131.

[62] 雷暉倩，楊連朋，李麗萍.2004—2014年全球公共場所踩踏事件及預防對策[J].傷害醫學（電子版），2015（1）：8-13.

[63] 杜軍平，周亦鵬.基于數據的旅游管理決策支持系統研究[J].自動化學報，2009（6）：834-840.

[64] 鄭天翔. 基于單步協調控制的大型游樂場游客智能導覽系統的建模與仿真[J]. 暨南學報（哲學社會科學版）， 2015（10）： 138-145.

[65] 任競斐，鄭偉民.景區旅游高峰期游客旅游路線動態實時調度仿真研究[J].統計與決策，2013（8）：42-45.

[66] 張笑白，秦志學.高峰期內旅游路線實時優化調度仿真研究[J].計算機仿真，2017（5）：243-246.

[67] 畢文升. 旅游高峰期景區游客時空分流管理研究[D].合肥：合肥工業大學，2018.

[68] ?TEKEROVá K，ZELENKA J，KOR∨íNEK M.Agentbased modelling in visitor management of protected areas[J]. Sustainability，2022（19）：12490.

[69] LI D M， DENG L B， CAI Z M. Statistical analysis of tourist flow in tourist spots based on big data platform and DA-HKRVM algorithms[J]. Personal and ubiquitous computing， 2020（1）：87-101.

[70] SU F， DUAN C R， WANG R P. Optimization model and algorithm design for rural leisure tourism passenger flow scheduling[J]. IEEE access， 2020， 8：125295-125305.

[71] 張公鵬.景區應急管理客流調控仿真與決策支持研究[D].北京：中國礦業大學（北京），2020.

[實習編輯：蔣巖巖; 責任編輯：呂觀盛]