福建省旅游包車客運(yùn)需求分析

陳清耀，陳　誠(chéng)，柯法滔，張?zhí)m怡，侯秀英（.福建農(nóng)林大學(xué)交通與土木工程學(xué)院，福建福州35000；.福建省運(yùn)輸管理局，福建福州35000）

?

福建省旅游包車客運(yùn)需求分析

陳清耀1，陳誠(chéng)1，柯法滔2，張?zhí)m怡1，侯秀英1
（1.福建農(nóng)林大學(xué)交通與土木工程學(xué)院，福建福州350002；2.福建省運(yùn)輸管理局，福建福州350001）

摘要：以福建省旅游包車客運(yùn)需求分析為目的，具體分析了目前福建省旅游業(yè)的發(fā)展現(xiàn)狀，發(fā)現(xiàn)福建省各設(shè)區(qū)市旅游經(jīng)濟(jì)發(fā)展不平衡；基于Shapley值法的權(quán)重分配原理，采用GM（1，1）模型和ARIMA（p，d，q）的組合預(yù)測(cè)模型對(duì)福建省未來5年的旅游人數(shù)進(jìn)行預(yù)測(cè)，結(jié)果顯示未來福建省旅游人數(shù)將進(jìn)一步增多，至2018年有可能達(dá)到41 438.81萬人次；針對(duì)預(yù)測(cè)結(jié)果對(duì)福建省未來的旅游運(yùn)力投放量以及相關(guān)政策的修訂提出建議，以期實(shí)現(xiàn)福建省旅游業(yè)更好更快的發(fā)展。

關(guān)鍵詞：包車客運(yùn)；需求分析；GM（1，1）；ARIMA（p，d，q）；組合預(yù)測(cè)

近年來，海峽西岸經(jīng)濟(jì)建設(shè)發(fā)展迅速，旅游基礎(chǔ)設(shè)施逐步完善，福建省旅游業(yè)進(jìn)入快速發(fā)展通道［1］。旅游業(yè)在國(guó)民經(jīng)濟(jì)中所占比重增大為道路旅游客運(yùn)的發(fā)展提供了良好的產(chǎn)業(yè)環(huán)境［2］。一方面，可自由支配收入是形成旅游需求的基礎(chǔ)，旅游人數(shù)與人們可自由支配收入成正相關(guān)［3］，隨著人們收入水平的提高，可自由支配收入增加，對(duì)精神生活質(zhì)量要求的不斷提高促使更多的人們?cè)敢狻白叱鋈ァ保瑥亩碳な袌?chǎng)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(tái)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(qū)的基礎(chǔ)設(shè)施以及交通設(shè)施正逐年完善［4］，因此優(yōu)化后的旅游環(huán)境必然在一定程度上把更多的游客“引進(jìn)來”。

通過實(shí)際調(diào)研發(fā)現(xiàn)，目前旅游包車客運(yùn)運(yùn)力總體基本滿足需求，但福建省各地區(qū)經(jīng)濟(jì)發(fā)展不平衡，旅游資源分布不均，各個(gè)設(shè)區(qū)市的供求關(guān)系并不一致；同時(shí)，隨著社會(huì)經(jīng)濟(jì)的發(fā)展，未來一定時(shí)期內(nèi)全省旅游客運(yùn)需求如何發(fā)展，客運(yùn)運(yùn)力如何投放，是福建省旅游業(yè)可持續(xù)發(fā)展需要回答的問題。因此，有必要對(duì)福建省旅游需求現(xiàn)狀進(jìn)行分析，并進(jìn)一步對(duì)全省以及設(shè)區(qū)市未來的旅游需求進(jìn)行預(yù)測(cè)，從而為交通運(yùn)輸管理部門對(duì)福建省的運(yùn)力投放決策提供參考依據(jù)，促進(jìn)福建省旅游業(yè)的可持續(xù)發(fā)展。

1　福建省旅游業(yè)發(fā)展現(xiàn)狀分析

2009年國(guó)務(wù)院出臺(tái)《關(guān)于加快發(fā)展旅游業(yè)的意見》，明確把海西建設(shè)成為我國(guó)重要的自然和文化旅游中心［5］，國(guó)家旅游局出臺(tái)《海峽西岸旅游區(qū)發(fā)展總體規(guī)劃（2010—2020）》，確立以福建省為主體的海西旅游業(yè)發(fā)展戰(zhàn)略［6］，省政府出臺(tái)《進(jìn)一步推動(dòng)旅游產(chǎn)業(yè)發(fā)展的若干意見》，為福建省旅游業(yè)的發(fā)展創(chuàng)造良好的政策環(huán)境［7］。據(jù)統(tǒng)計(jì)，2013年，福建省旅游產(chǎn)業(yè)增長(zhǎng)平穩(wěn)，全年接待旅游人數(shù)19 720.31萬人次，同比增長(zhǎng)20.01％；旅游總收入總計(jì)2 282.36億元，同比增長(zhǎng)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(zhèn)居民可支配收入的不斷增長(zhǎng)，旅游人數(shù)也在迅速增長(zhǎng)?？梢娫诋?dāng)前形勢(shì)下，福建省的旅游產(chǎn)業(yè)呈現(xiàn)出快速增長(zhǎng)的態(tài)勢(shì)。為了把握全省旅游業(yè)發(fā)展的總體情況和空間分布，為需求預(yù)測(cè)提供基礎(chǔ)，下面針對(duì)福建省交通設(shè)施、各地級(jí)市旅游客運(yùn)量現(xiàn)狀、各地級(jí)市旅游客運(yùn)力現(xiàn)狀展開分析。

圖1　2004—2013年福建省旅游業(yè)與經(jīng)濟(jì)主要發(fā)展指標(biāo)增長(zhǎng)Fig.1 The main development index of Fujian tourism and economy from 2004 to 2013

1.1交通設(shè)施現(xiàn)狀分析

福建省旅游交通條件持續(xù)改善，高速公路建設(shè)已經(jīng)取得較好的成就，基本形成“兩縱四橫”高速公路主骨架網(wǎng)絡(luò)，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(shí)現(xiàn)15 min內(nèi)上高速公路，與周邊省份實(shí)現(xiàn)全面對(duì)接，為福建省道路旅游包車客運(yùn)提供了有力支持；另一方面，福夏高鐵通車?yán)锍踢_(dá)274.9km、溫福高鐵通車?yán)锍踢_(dá)298.4km、向莆高鐵通車?yán)锍踢_(dá)632.359km以及合福高鐵通車?yán)锍踢_(dá)808km，這些高鐵的建成投用對(duì)福建省旅游包車客運(yùn)市場(chǎng)產(chǎn)生了積極影響，動(dòng)車沿線游客接待量大幅增長(zhǎng)，據(jù)統(tǒng)計(jì)，2013年，福州市全年接待旅游人數(shù)同比增長(zhǎng)17.4％，三明市增長(zhǎng)17.7％，龍巖市增長(zhǎng)21.9％，寧德市增長(zhǎng)21％，莆田市增長(zhǎng)20.4％。

1.2各地級(jí)市旅游客運(yùn)量現(xiàn)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(gè)地級(jí)市，當(dāng)前旅游主推沿海的濱海旅游和山區(qū)的生態(tài)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(wù)會(huì)展以及溫泉休閑為主導(dǎo)功能，形成特色鮮明的藍(lán)色濱海旅游帶；山區(qū)的生態(tài)旅游資源以南平的武夷山為龍頭，隨著經(jīng)濟(jì)的發(fā)展和城市的無限擴(kuò)張，生態(tài)旅游成為旅游業(yè)的主流板塊，福建省充分發(fā)揮自然和文化資源的優(yōu)勢(shì)，不斷加快山區(qū)的高速公路、高速鐵路以及山區(qū)景區(qū)的交通建設(shè)，景區(qū)服務(wù)水平不斷提高，形成綠水青山的生態(tài)旅游帶。然而，由于歷史、地理以及經(jīng)濟(jì)等因素，山區(qū)地帶的旅游資源開發(fā)水平以及游客人數(shù)都明顯落后于沿海地區(qū)。

圖2　2004—2013年各設(shè)區(qū)市總旅游人數(shù)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(qū)的旅游人數(shù)存在明顯差異，從總體分布上看，沿海地區(qū)的旅游人數(shù)明顯多于山區(qū)；各地級(jí)市中，廈門、福州以及泉州的旅游人數(shù)多于其它地區(qū)，這種入境旅游人數(shù)的空間分布模式與各地區(qū)的經(jīng)濟(jì)發(fā)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(qū)，福州作為福建省省會(huì)，是海峽西岸經(jīng)濟(jì)區(qū)政治、經(jīng)濟(jì)、文化、科研中心以及現(xiàn)代金融服務(wù)業(yè)中心，擁有青云山、十八重溪，旗山等諸多景區(qū)；經(jīng)實(shí)際調(diào)研發(fā)現(xiàn)，三明、南平、龍巖等地旅游資源分布零散，各景區(qū)規(guī)模較小，沒有被公路網(wǎng)和鐵路網(wǎng)有機(jī)地結(jié)合起來，因此造成旅游人數(shù)較少。

1.3各地級(jí)市旅游客運(yùn)運(yùn)力供給現(xiàn)狀

旅游包車運(yùn)力供給即關(guān)于道路客運(yùn)運(yùn)力配置的旅游供給，旅游包車客運(yùn)運(yùn)力承擔(dān)了福建省各大景區(qū)及跨省、市旅游包車客運(yùn)業(yè)務(wù)，按照座位數(shù)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(jí)市車輛數(shù)如表1所示。

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

由表1可知，小型車在所有地級(jí)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(yùn)力供給水平較高，從實(shí)際調(diào)研中發(fā)現(xiàn)，包車客運(yùn)運(yùn)力供給總體基本滿足需求，然而，隨著高鐵的迅速發(fā)展、私家車自駕游的日益膨脹，小型客車?yán)寐瘦^低，中型客車數(shù)量不足，大型客車的滿載率低，目前這種倒金字塔結(jié)構(gòu)配置造成一定程度的運(yùn)力浪費(fèi)。故未來可考慮結(jié)合旅游人數(shù)預(yù)測(cè)結(jié)果，對(duì)運(yùn)力結(jié)構(gòu)配置做出適當(dāng)調(diào)整。

2　福建省旅游人數(shù)組合預(yù)測(cè)模型的建立

旅游人數(shù)預(yù)測(cè)是政府加強(qiáng)宏觀調(diào)控、實(shí)現(xiàn)資源合理配置的前提［8］，通過旅游人數(shù)預(yù)測(cè)可以優(yōu)化旅游運(yùn)力投放，實(shí)現(xiàn)區(qū)域運(yùn)力供需平衡。GM（1，1）模型是以灰色系統(tǒng)理論為基礎(chǔ)，適用于數(shù)據(jù)資料少，數(shù)據(jù)波動(dòng)不大的短期預(yù)測(cè)，而對(duì)隨機(jī)波動(dòng)性較大的數(shù)據(jù)列擬合較差，預(yù)測(cè)精度低；ARIMA（p，d，q）是以時(shí)間序列為基礎(chǔ)，綜合考慮數(shù)據(jù)的隨機(jī)波動(dòng)性，對(duì)于長(zhǎng)期預(yù)測(cè)的擬合效果較好，組合預(yù)測(cè)模型可以有效地克服單一模型的局限性，從原始數(shù)據(jù)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(yù)測(cè)模型，利用Shapley值權(quán)重分配原理確定各預(yù)測(cè)模型的權(quán)重系數(shù)，從而構(gòu)建組合預(yù)測(cè)模型，并對(duì)福建省以及各設(shè)區(qū)市2014—2018年的旅游人數(shù)進(jìn)行組合預(yù)測(cè)。

2.1GM（1，1）模型

GM（n，h）為灰色系統(tǒng)理論的基本模型，第一個(gè)數(shù)字n表示微分方程的階數(shù)，第二個(gè)數(shù)字h代表系統(tǒng)包含的變量個(gè)數(shù)。它是以變量的時(shí)間序列為基礎(chǔ)，以微分方程擬合法建立的模型。灰色系統(tǒng)在預(yù)測(cè)領(lǐng)域中應(yīng)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(shù)據(jù)是由原始數(shù)據(jù)進(jìn)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(fù)序列X（0）經(jīng)一次累加生成的序列X（1）具有近似指數(shù)規(guī)律，稱為灰指數(shù)律。所以把生成序列X（1）視為t的連續(xù)函數(shù)，建立如下微分方程

式中：a稱為發(fā)展灰數(shù)；b稱為內(nèi)省控制灰數(shù)。用最小二乘法的估計(jì)公式，可得參數(shù)a和b的估計(jì)值

式中：X、Y分別代表如下矩陣和向量

解方程并對(duì)事件響應(yīng)求導(dǎo)還原，得預(yù)測(cè)方程

基于上述GM（1，1）模型，利用圖1中福建省旅游人數(shù)數(shù)據(jù)，在MATLAB中編程計(jì)算，預(yù)測(cè)模型的結(jié)果如

方差比c為0.005 7＜0.35，小概率誤差p＝1＞0.95，預(yù)測(cè)序列與原始序列的對(duì)比圖如圖3所示，預(yù)測(cè)結(jié)果如表8所示，相對(duì)誤差的絕對(duì)值為3.13％，由表2可知，GM（1，1）模型可用于福建省旅游人數(shù)的預(yù)測(cè)與分析。

圖3　預(yù)測(cè)序列與原始序列對(duì)比圖Fig.3 Comparison of the forecast sequence and the original sequence

表2　后驗(yàn)差精度標(biāo)準(zhǔn)Tab.2 Posterior accuracy standard

2.2ARIMA（p，d，q）模型的構(gòu)建

ARIMA（p，d，q）模型是自回歸移動(dòng)平均模型，其中AR（p）為自回歸模型，p為自回歸分量的階數(shù)；MA（q）為移動(dòng)平均模型，q為移動(dòng)平均分量的階數(shù)。ARMA模型是一種預(yù)測(cè)精度相當(dāng)高的平穩(wěn)時(shí)間序列（Xt=1，2，3，...，n。t表示時(shí)間）的預(yù)測(cè)方法［11］。目前被廣泛應(yīng)用于各類時(shí)間序列數(shù)據(jù)的分析，其模型基本形式為

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

2.2.1時(shí)間序列的平穩(wěn)性分析

時(shí)間序列的平穩(wěn)性是ARIMA模型建立的前提［12］，但在實(shí)際問題中，許多時(shí)間序列并不近似為平穩(wěn)時(shí)間序列，所以要進(jìn)行處理。很明顯，2004—2013年福建省旅游人數(shù)是逐年遞增的，不是平穩(wěn)序列，在Eviews軟件中利用單位根檢驗(yàn)，對(duì)其進(jìn)行差分運(yùn)算，經(jīng)過兩次差分后，單位根的t統(tǒng)計(jì)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(wěn)序列，即取d＝2。

2.2.2模型參數(shù)估計(jì)

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

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

在Eviews軟件中自相關(guān)（ACF）和偏自相關(guān)（PACF）圖都收斂在虛線框中，且結(jié)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(gè)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(shù)如表5所示，MA（1）表示一階移動(dòng)平均模型系數(shù)。

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

2.2.3殘差序列的Q-統(tǒng)計(jì)量檢驗(yàn)

通過Eviews軟件中Coreelogram-Q-statistics命令進(jìn)行殘差序列的Ljung-Box Q統(tǒng)計(jì)量檢驗(yàn)，如表6所示，結(jié)果顯示所有Q-統(tǒng)計(jì)量的p值都不顯著，殘差序列各階滯后的自相關(guān)和偏自相關(guān)值都接近于0，表明殘差序列不存在自相關(guān)和偏自相關(guān)，故殘差序列為白噪聲序列，ARIMA（0，1，1）模型通過檢驗(yàn)，預(yù)測(cè)結(jié)果與誤差分析如表8所示。將表5中的相關(guān)參數(shù)帶入公式（6）得：

2.2.4模型預(yù)測(cè)

ARIMA（0，1，1）模型預(yù)測(cè)結(jié)果如圖4所示，兩“SE”線表示置信區(qū)間的上下界限，由圖4可知預(yù)測(cè)效果較為理想。預(yù)測(cè)值相對(duì)誤差的絕對(duì)值見表8，相對(duì)誤差絕對(duì)值的均值為4.98％，可見該模型的預(yù)測(cè)精度較高。

表6　殘差序列的Ljung-Box Q統(tǒng)計(jì)量檢驗(yàn)Tab.6 Ljung-Box Q statistic test of residual series

圖4　ARIMA（0，1，1）模型的預(yù)測(cè)效果圖Fig.4 Prediction effect of ARIMA（0，1，1）model

2.3Shapley值法組合預(yù)測(cè)權(quán)重分配

設(shè)有幾種預(yù)測(cè)方法進(jìn)行組合預(yù)測(cè)，記I＝｛1，2，…，n｝，對(duì)于I的任何子集s，t（表示n種預(yù)測(cè)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(duì)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(yù)測(cè)時(shí)產(chǎn)生的誤差。

2）s?I，yi表示第i種預(yù)測(cè)方法在合作中最終分?jǐn)倳r(shí)的誤差值，總有yi≤E（i）。

3）n中的預(yù)測(cè)方法參與的組合預(yù)測(cè)產(chǎn)生的總誤差E（n），將在n中預(yù)測(cè)方法之間進(jìn)行完全分配，即

設(shè)第i種預(yù)測(cè)方法的預(yù)測(cè)誤差絕對(duì)值平均值為Ei，組合預(yù)測(cè)的誤差值為E：

式中：m為樣本的個(gè)數(shù)；n為單一預(yù)測(cè)方法的個(gè)數(shù)；E為組合預(yù)測(cè)的預(yù)測(cè)誤差總值。

Shapley值的分配公式為

式中：w（|s|）為加權(quán)因子組合中的應(yīng)承擔(dān)的組合邊際貢獻(xiàn)；s-｛i｝為組合中去除模型i；i為組合預(yù)測(cè)中某個(gè)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(yù)測(cè)模型的個(gè)數(shù)；n為組合預(yù)測(cè)模型的總個(gè)數(shù)［13-14］。

從上面的計(jì)算結(jié)果確定組合預(yù)測(cè)中各模型的權(quán)重，公式為

根據(jù)上述Shapley法概念，本例中參與組合預(yù)測(cè)的總誤差分?jǐn)偝蓡T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(jié)合表7數(shù)據(jù)，計(jì)算得E1＝365.204 7，E2＝85.467 8，因而總誤差E＝450.672 5。由公式（11）計(jì)算得：

其中：W1為GM（1，1）模型的權(quán)重；W2為ARIMA （0，1，1）模型的權(quán)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(yù)測(cè)結(jié)果如表8所示，相對(duì)誤差絕對(duì)值的均值為3.11％，預(yù)測(cè)精度高于任一單一預(yù)測(cè)模型，雖然組合預(yù)測(cè)模型對(duì)已知數(shù)據(jù)的的預(yù)測(cè)精度只是略高于GM（1，1）模型的預(yù)測(cè)精度，但組合預(yù)測(cè)模型綜合考慮了隨機(jī)因素，對(duì)于長(zhǎng)期預(yù)測(cè)具有實(shí)際意義。

表8　2004—2018福建省旅游人數(shù)預(yù)測(cè)結(jié)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(yù)測(cè)模型預(yù)測(cè)福建省以及各設(shè)區(qū)市2014—2018年的旅游人數(shù)如表9所示。

表9　2014—2018年福建省旅游人數(shù)預(yù)測(cè)結(jié)果Tab.9 Prediction results of the tourists’number of Fujian Province from 2014 to 2018

3　結(jié)果分析

由表9可知，按當(dāng)前趨勢(shì)發(fā)展，至2018年，福建省總體旅游人數(shù)可能達(dá)到41 438.81萬人次，福州、廈門以及泉州的旅游人數(shù)將占福建省總旅游人數(shù)的60％左右，廈門旅游人數(shù)仍將高于其他設(shè)區(qū)市，與2013年相比，2014—2018年福建省及各設(shè)區(qū)市的平均增長(zhǎng)率如表10所示，福州、廈門、南平以及龍巖的平均增長(zhǎng)率高于福建省的平均增長(zhǎng)率水平，受經(jīng)濟(jì)發(fā)展水平和地理因素限制，山區(qū)的旅游人數(shù)仍將落后于沿海地區(qū)。值得一提的是，交通條件與旅游資源等都會(huì)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(qū)的交通條件得到改善，一些知名度尚不高的旅游景點(diǎn)將被開發(fā)，山區(qū)的旅游人數(shù)將呈現(xiàn)跨越式的增長(zhǎng)，全省旅游發(fā)展不平衡的狀況將有所好轉(zhuǎn)。綜合考慮各設(shè)區(qū)市的增長(zhǎng)率水平以及當(dāng)前大型客車滿載率較低兩個(gè)因素，交通運(yùn)輸管理部門未來5年可以考慮參考表1和表9數(shù)據(jù)，在現(xiàn)有運(yùn)力投放基礎(chǔ)上，以增加中小型客車的運(yùn)力投放量為主，增加大型客車的運(yùn)力投放量為輔。同時(shí)應(yīng)促進(jìn)運(yùn)輸組織化管理，推進(jìn)各地區(qū)客運(yùn)企業(yè)的交流合作，實(shí)現(xiàn)各企業(yè)的利益共存，從而避免各企業(yè)之間的惡性競(jìng)爭(zhēng)循環(huán)；另一方面，提高客運(yùn)企業(yè)的準(zhǔn)入門檻，加強(qiáng)對(duì)“黑車”、超標(biāo)客車的監(jiān)管與審查，同時(shí)協(xié)同有關(guān)部門加強(qiáng)各旅游景區(qū)的交通設(shè)施建設(shè)、提高公共衛(wèi)生服務(wù)水平，重視各旅游景點(diǎn)的治安管理，以期提高各旅游景區(qū)的服務(wù)滿意度水平。

表10　2014—2018年福建省及各設(shè)區(qū)市的平均增長(zhǎng)率Tab.10 Average growth rate of Fujian province and its municipal-level cities

4　結(jié)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(shù)的總體趨勢(shì)、交通設(shè)施現(xiàn)狀、包車客運(yùn)運(yùn)力供給現(xiàn)狀以及各設(shè)區(qū)市旅游資源的區(qū)域差異；基于Shapley值法的權(quán)重分配原理，采用GM（1，1）模與ARIMA（p，d，q）組合預(yù)測(cè)模型對(duì)2014—2018年福建省以及省內(nèi)各設(shè)區(qū)市旅游人數(shù)進(jìn)行預(yù)測(cè)。綜上所述，得到以下結(jié)論：

1）在包車客運(yùn)需求預(yù)測(cè)中，GM（1，1）模型預(yù)測(cè)的相對(duì)誤差為3.13％，ARIMA（0，1，1）模型預(yù)測(cè)的相對(duì)誤差為4.98％。

2）基于Shapley值法的權(quán)重分配原理，GM（1，1）模型與ARIMA（0，1，1）模型的組合預(yù)測(cè)模型的相對(duì)誤差為3.11％，該組合預(yù)測(cè)模型充分利用原始數(shù)據(jù)信息，發(fā)揮了各單一模型的優(yōu)勢(shì)，結(jié)果顯示該組合預(yù)測(cè)模型預(yù)測(cè)誤差精度高于選定的任一單一預(yù)測(cè)模型。

3）組合預(yù)測(cè)結(jié)果顯示至2018年，福建省總體旅游人數(shù)可能達(dá)到41438.81萬人次，福州、廈門以及泉州的旅游人數(shù)將占福建省總旅游人數(shù)的60％左右，廈門旅游人數(shù)仍將高于其他設(shè)區(qū)市，與2013年相比，2014—2018年福州、廈門、南平以及龍巖的平均增長(zhǎng)率高于福建省的平均增長(zhǎng)率水平。

4）建議交通運(yùn)輸管理部門未來5年在現(xiàn)有運(yùn)力投放基礎(chǔ)上，以增加中小型客車的運(yùn)力投放量為主，增加大型客車的運(yùn)力投放量為輔；同時(shí)應(yīng)促進(jìn)運(yùn)輸組織化管理，提高客運(yùn)企業(yè)的準(zhǔn)入門檻，加強(qiáng)對(duì)“黑車”、超標(biāo)客車的監(jiān)管與審查，加強(qiáng)各旅游景區(qū)的交通設(shè)施建設(shè)、提高公共衛(wèi)生服務(wù)水平，提高各旅游景區(qū)的服務(wù)滿意度水平。

5）該組合預(yù)測(cè)模型可推廣到各類基于時(shí)間序列的預(yù)測(cè)，如人口數(shù)量、財(cái)政收入等方面的預(yù)測(cè)。

參考文獻(xiàn)：

［1］李祎藝，吳委哲，郅慧.我國(guó)道路旅游客運(yùn)發(fā)展趨勢(shì)分析［J］.電子測(cè)試，2013（11）：234-235.

［2］生延超.旅游產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化對(duì)區(qū)域旅游經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)的演變［J］.旅游學(xué)刊，2012（10）：11-19.

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

［4］汪德根，陳田.中國(guó)旅游經(jīng)濟(jì)區(qū)域差異的空間分析［J］.地理科學(xué)，2011（5）：528-536.

［5］國(guó)務(wù)院.關(guān)于加快發(fā)展旅游業(yè)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(qū)發(fā)展總體規(guī)劃獲得評(píng)審委員會(huì)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(qū)旅游局.福建省人民政府關(guān)于進(jìn)一步推動(dòng)旅游產(chǎn)業(yè)發(fā)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(yè)發(fā)展的策略［J］.華東交通大學(xué)學(xué)報(bào)，2014，31（2）：119-122.

［9］張雄清，雷淵才，陳新美.林分?jǐn)嗝娣e組合預(yù)測(cè)模型權(quán)重確定的比較［J］.林業(yè)科學(xué)，2011（7）：36-41.

［10］賴紅松，祝國(guó)瑞，董品杰.基于灰色預(yù)測(cè)和神經(jīng)網(wǎng)絡(luò)的人口預(yù)測(cè)［J］.經(jīng)濟(jì)地理，2004（2）：197-201.

［11］張仲斐，趙一飛.基于ARIMA模型的全球跨國(guó)快遞業(yè)務(wù)量預(yù)測(cè)［J］.華東交通大學(xué)學(xué)報(bào)，2012，29（1）：102-107.

［12］張勃，劉秀麗.基于ARIMA模型的生態(tài)足跡動(dòng)態(tài)模擬和預(yù)測(cè)——以甘肅省為例［J］.生態(tài)學(xué)報(bào)，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(zé)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，F(xiàn)ujian Agriculture and Forestry University，F(xiàn)uzhou 350002，China；2. Department of Fujian Province Administration for Transportation，F(xiàn)uzhou 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(hào)：U491.1

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1005-0523（2016）02-0063-09

收稿日期：2016-09-18

基金項(xiàng)目：福建省科技廳重點(diǎn)項(xiàng)目資助（2014H0010）

作者簡(jiǎn)介：陳清耀（1992—），男，碩士研究生，研究方向?yàn)榻煌ㄟ\(yùn)輸工程。

通訊作者：侯秀英（1972—），女，副教授，研究方向?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理。