旅游景区客流规模特征与影响因素研究——以江苏省204家景区为例

以江苏省204家4A级及以上景区为例,利用手机信令漫游监测所得的旅游客流客源数据,基于Zifp法则表现江苏景区年客流量的位序-规模特征,在全省景区旅游客流规模的不同组间差异特征分析的基础上,使用多元线性回归和最优标度回归方法研究了景区客流规模的影响因素。研究表明:(1)省域目的地内部景区客流规模等级明显,省外客源的客流规模分布较省内差异大,更符合首位型分布特征;(2)全省整体客流的季节性不明显,各景区的季节性较强,不同产品类型的景区存在季节波动性差异;(3)景区客流受景区等级、季节性、市中心距离、所在城市经济发展水平等因素的影响,省内外客流在部分因素影响程度上存在明显差异,景区季节波动增大会显著降低其接待的省内客流规模。对优化景区客流规模等级体系和目的地区域空间结构提出建议。

重大突发公共卫生事件期间家庭线上消费影响因素实证研究

新冠肺炎疫情期间,在消费者处于居家隔离状态下,大部分消费者选择线上消费,维持了基本生活的平稳运行。采取问卷调查的形式收集数据,以疫情居家隔离期间相较于平时家庭购物线上消费总额度变化为因变量,设计了21个影响因素为自变量,运用最优标度回归方法,对引起这些变化的因素进行分析,找出影响最为显著的因素,并从正面引导社会舆论、加大新型基础设施建设、加强线上交易平台监管等方面提出对策建议。

重大突发公共卫生事件期间家庭线上消费与满意度的关联研究

选取新冠肺炎疫情期间居民家庭线上消费频次和消费金额,研究与消费满意度的关联,对拉动消费、刺激经济具有重要意义。通过问卷星发放、回收和整理线上调查问卷,利用SPSS 23.0统计分析软件,采用最优尺度回归方程构建模型,对居民家庭线上消费频次、每次消费金额与消费满意度进行关联分析。结果显示:居民线上消费购买频率、每次消费金额与居民消费满意度有显著的正相关,居民对于购买方式、商品库存、买齐所需、客服互动、售后评价、政府消费券使用便利性的满意度直接影响到居民线上消费频次和消费金额。但是送货速度、商品价格、商品质量、配送模式、送货骑手、政府消费券金额大小对居民线上消费频次没有显著影响,配送模式和送货骑手对居民线上消费金额没有显著影响。居民家庭线上消费频次和消费金额与消费满意度的关联研究为居民线上消费满意度的研究提供了参考,并从拓宽政府消费券实用性为政府提供管理建议,从使用优化购物方式、加大商品库存、提高客服互动和售后服务水平三个方面为企业提供对策建议。

目的地区域内旅游线路模式及客流影响因素研究

基于大样本数据的分析有助于深入揭示游客在目的地区域内迁移模式与扩散的空间特征。文章以江苏省为例,研究游客在省域尺度的区域内聚和扩散,对多节点线路距离和游客移动步长分布特征进行了刻画,使用最优标度回归模型分析了多种因素对各景区接待不同移动模式游客量的影响程度。结果表明:(1)外来游客在江苏省内的多节点模式空间距离呈现指数型分布规律,相应距离模式上的游客量呈现幂指数分布,游客在高等级景区间转移的移动步长呈现指数分布;(2)省域客流内聚于南京、苏州、扬州与无锡的三角地带,“烟花三月下扬州”的季节性使得客流在苏中地区较为活跃;(3)景区等级、创建年限、所在城市和距离市中心距离等因素对游客的不同移动模式选择有普遍的显著影响,在重要性程度上差异明显。多节点模式游客偏好高价门票型景区,受景区区位便利性影响更强,而单节点模式受景区面积和季节性影响较大,高等级景区和高满意度会促使游客继续游览下一节点。文章在大数据支持下总结了游客移动规律特征,对比不同模式客流偏好的多因素影响机制,有助于深入大尺度目的地区域内部以景区为节点的游客空间行为研究,也为在实践中具体评价游线质量,优化景区间交通体系,并促进目的地全域协调发展提供了应用方法参考。

基于GF5-AHSI遥感数据的横沙浅海水深反演

高光谱遥感水深反演是一种对传统水深测量方法的补充,具有方便、快捷、经济等突出优势。本文研究区位于上海横沙,属于典型滩涂浅水区,研究数据包括GF5-AHSI高光谱遥感数据和同时期的水深数据。通过数据变换和相关分析等方法提取建模参数,利用单波段比值模型、多元线性回归模型、最优标度回归模型和BP神经网络模型实现该区域水深反演,并对4种模型反演结果的准确性进行了验证和比较。研究发现:最优标度回归模型优于其他3种模型,R^(2)达到了0.972,RMSE为0.47 m,适用于横沙浅海水深反演。

基于GF5-AHSI数据的新“三边参数”浅海水深反演

以上海市横沙滩涂浅水区为研究区域,利用GF5-AHSI高光谱遥感数据和同时期水深数据,通过新“三边参数”方法和相关分析提取建模因子,基于最优标度回归方法建立该区域的水深反演模型,并进行精度验证。研究发现:检验样本的决定系数达到了0.885,均方根误差为0.80 m,模型精度和可靠性较高,可以用于横沙浅水区水深反演。