基于百度指数的森林公园客流量影响因素分析

吴 潇，陈绍志，赵 荣

(中国林业科学研究院林业科技信息研究所，北京100091)

基于百度指数的森林公园客流量影响因素分析

吴 潇，陈绍志，赵 荣

(中国林业科学研究院林业科技信息研究所，北京100091)

随着国内旅游业的迅速发展，森林公园以其良好的资源优势成为更多游客的选择。利用百度指数平台获得的各类搜索指数，研究了搜索指数与森林公园客流量的相关性以及森林公园客流量影响因素。研究发现:森林公园客流量及搜索指数存在耦合性;通过多元线性回归分析方法估测了包括搜索指数在内的主要因素对各地区森林公园游客量的影响，发现对森林公园客流量影响较为显著的因素是GDP及森林公园资源丰度，可见经济发展水平越高、森林公园自身资源条件越好的地区，其森林公园客流量越大;通过对百度指数和森林公园客流量分析，发现两者的相关性在游客输出地区和输入地区呈现明显的差异性。研究结果有助于指导各地区森林公园发展规划和森林公园经营单位经营决策。

百度指数;森林公园;客流量;影响因素

近年来，随着我国经济的崛起及国家旅游发展战略的调整，国内旅游业发展迅速，森林公园［1］已成为更多游客的出行选择。互联网是发布旅游信息的重要平台，可随时为游客提供个性化的旅游信息服务和引导游客决策［2］。大数据、云平台等新兴旅游信息服务技术的突飞猛进，也使得验证旅游网络用户关注度与旅游区客流量之间是否存在较高的耦合性成为可能［3－4］。

近年，全国旅游安全网络关注度也呈增长趋势［5］，人们通过百度搜索引擎搜索旅游信息，一方面可以体现出自己的消费意愿了;另一方面也可能会通过获得的信息改变消费倾向。人们按照自身的消费意愿，利用检索服务功能查询和获取信息，庞大的搜索数据被百度指数记录下来。百度指数是以关键词为统计对象计算该关键词在百度网页中搜索频次的加权和，能够反映该关键词在一定时间内的网络关注度。百度用户主要通过PC端及移动设备端进行关键词搜索，因此根据搜索来源的不同，百度指数分为PC搜索指数和移动搜索指数，本文利用在百度指数平台获得的搜索指数数据进行全文分析，并将利用百度指数平台获得的各类搜索指数统称为百度指数。目前，百度指数已成为旅游业方面研究的重要数据来源。龙茂兴等［3］依托百度指数平台研究发现，区域旅游网络用户关注度与实际旅游客流具有极强的正相关性。因此，研究森林公园客流量影响因素时引入百度指数将更符合互联网时代旅游行业发展趋势，可进一步探讨网络旅游平台对我国森林公园客流量的影响，而且对我国森林公园开发与规划及预案制定具有重要参考价值。

1 森林公园百度指数与客流量相关性分析

1.1 数据来源

以“森林公园”为关键词，通过百度指数检索获取2011—2015年全国森林公园综合搜索指数时空变化曲线图，在曲线图中选取全年时间段的平均综合搜索指数数据，由于林业统计年鉴最新数据截止到2014年，全国森林公园客流量来源于2011—2014《中国林业统计年鉴》［6］。

1.2 全年时间段森林公园百度指数动态变化

以“森林公园”为检索词在百度指数中检索，结果显示其来源检索词主要集中在“国家级森林公园”、“省级森林公园”、“森林公园门票”、“森林公园地图”等方面。因此，以“森林公园”、“森林公园门票”、“森林公园地图”、“森林公园风景”等为关键检索词，上述检索词的百度指数较高省份多集中在经济较发达，人口多的地区，搜索指数排名前10位的为:北京、上海、福建、广东、湖北、江苏、河南、浙江、山东、天津。以全国“森林公园”为例，通过百度指数检索获取2015年全国森林公园搜索指数时空变化曲线图，可以观测森林公园百度指数2015年内变化情况，结果如图1所示。

图1 2015年度森林公园百度指数变化趋势Fig.1 Forest park Baidu index change trend in 2015

图1表明，整体搜索指数与移动端搜索指数的时间变化趋势基本一致，且年内的两次峰值时间点集中在每年第17—18周(五一黄金周)和第39—40周(十一黄金周)。PC端的搜索量峰值出现的时间一般比移动端和整体搜索指数要早。在28—32周(7—8月)也属于搜索量较大的时间段，这一时间段气候条件较热，游客选择带全家人去森林公园避暑游玩的情况较多。由此可见，森林公园百度指数的高峰期和低谷期与旅游的淡旺季密切正相关［3，7］，百度指数与客流量年内变化呈正相关［8－9］。

1.3 森林公园百度指数与客流量年度动态变化

同样，以“森林公园”为关键词，所以选取2011—2014年数据，通过百度指数检索获取2011—2014年全国森林公园综合搜索指数时空变化曲线图，在曲线图中选取全年时间段的平均综合搜索指数数据，由于统计年鉴最近年限为2014年，分析了2011—2014年内全国森林公园百度指数与全国森林公园客流量变化情况，结果见图2。2011—2014年全国森林公园游客数量由48 051万人增长到72 358万人，2011—2014年全国森林公园百度指数由254 405增长到377 410，全国森林公园游客数量及百度指数呈上升趋势并且存在较高的相似性。通过计算全国森林公园游客数量及百度指数相关性系数为r=0.988 2，呈极强相关性。

图2 2011—2014年森林公园百度指数与客流量年度动态变化Fig.2 Dynamic changes of the Baidu index and forest park passenger flow during 2011—2014

通过分析2015年全年时间段森林公园百度指数动态变化和森林公园百度指数与客流量2011—2014年年度动态变化，结果表明森林公园游客数量及百度指数无论是在短时间内还是跨年时间内都存在较高相关性，国敏［4］、李山［8］、黄先开［10］在进行百度指数与旅游客流量相关性研究时也得出相似结论。

2 森林公园游客量影响因素分析

在一般的旅游客源市场研究中，经济发展水平、人口数量、旅游资源丰度、交通区位、环境及气候条件等是影响旅游区客流量的主要因素［11－12］。旅游资源是吸引游客的物质基础，森林公园资源丰度(Forest Tourism Resources Abundance，FTRA)是衡量一个地区森林公园数量及质量的尺度［13］。森林公园软、硬环境建设力度(Forest Construction Degree of soft and hard Environment，FCDE)［14］主要体现在机场、铁路及公路客运量、旅行社及星级宾馆数量、床位规模、平均客房出租率、旅游从业人员基本素质、旅游管理者基本素质等指标方面，代表森林公园基础设施建设发展水平，可以衡量森林公园对游客的容纳能力。本文对森林公园游客量影响因素的分析，不仅考虑经济发展水平、人口数量、旅游资源丰度、森林公园软、硬环境建设力度等因素，还将引入百度指数影响因素，试图探讨百度指数对我国森林公园客流量的影响程度。

2.1 数据来源

全国31个地区的森林公园相关数据来源于2014年《中国林业统计年鉴》［6］;各地区人口、GDP来源于2014《中国统计年鉴》［15］;森林公园客流量(Forest Tourist Passenger Flow，FTPF)来源于《中国林业统计年鉴》;百度指数(Baidu Index，BI)通过百度指数检索工具获取2014年全国各省森里公园综合搜索指数。将森林公园资源丰富度(FTRA)类比于各省区旅游资源丰富度，按照国家级、省级和县级3个等级进行权数的确定，各级别权数的确定，依据接待游客量和旅游收入求其平均值，按各等级接待游客量或旅游收入比率确定，并在总量上保证各地区旅游森林公园资源丰富度在1～100之内［13，17］。森林公园软、硬环境建设力度(FCDE)参照旅游可持续能力评价指标进行权重确定［14］。森林公园资源丰度、森林公园软、硬环境建设力度计算模型如下:

FTRA=2.5×国家级森林公园数量+1.5×省级森林公园数量+0.75×县级森林公园数量

FCDE=1.5×车船总数+2.5×游步道总数+ 2.5×床位总数+2×餐位总数

对所有参数进行计算后，对所得数据进行线性回归分析。

2.2 森林公园游客量影响因素多元线性回归分析

以全国31个地区森林公园游客量为因变量，人口数量、GDP、森林资源丰度、森林公园软、硬环境建设力度以及百度指数为自变量进行多元线性回归分析，得出方程:

客流量=－534.670－2.46×人口数+0.071× GDP+9.418×FTRA+0.01×FCDE－0.09×BI

在SPSS中进行线性回归分析得出:调整决定系数R=0.752，即线性方程对其真实数据的模拟程度良好，达到75.2%。F统计量的显著相关水平远小于0.05，且至少有一个因素对因变量有显著影响，因此该线性回归方程成立。各自变量的T检验如表1所示。

表1 系数t检验值表Tab.1 Coefficient t test values

表1列出了常量、人口、GDP，FTRA，FCDE，BI的T检验显著性，其中与森林公园客流量具有显著相关性的有GDP及森林公园资源丰富度，这两个变量的Sig值均远小于0.05，说明经济发展水平越高、森林资源丰度越高，森林公园的游客量越多;人口数量的显著性T检验值为0.055，而森林资源基础建设完善程度以及百度指数在该方程中呈现非显著相关性。

2.3 百度指数对森林公园游客量的影响非显著相关原因分析

从各地数据来看，各地森林公园百度指数与森林公园的客流量相关性不显著。以全国31个地区森林公园百度指数为横坐标，客流量为纵坐标，对这31个地区的两个变量数据做出散点图，见图3。

图3 全国31地区百度指数与客流量散点图Fig.3 Scatter plot of Baidu index and forest park passenger flow of 31 regions in China

图中北京和上海这两个经济最发达地区偏离全国其他省份，其百度指数较高但客流量与多数省份接近，说明北京上海等地区居民检索森林公园频次较高，其旅行目的地可能为其他地区。广东地区百度指数与其他省份接近，但客流量远高于其他省份，这也是由于其经济发展水平、人口数量、森林旅游资源丰度、森林公园软、硬环境建设力度等均处于全国领先水平，对其他省份游客有更大的吸引力。重庆、江西、浙江、湖南等地区旅游资源丰富，对游客吸引力也较大。山东、河南、安徽等地区森林公园客流量与其百度指数相关性较高。青海、西藏、新疆、甘肃、内蒙古等内陆地区森林公园百度指数与客流量均处于较低水平，因此应加大内陆地区森林旅游建设，提高其森林旅游吸引力，带动内陆偏远地区经济发展。北京、上海、广东及重庆、江西、浙江、湖南等传统旅游区百度指数对森林公园游客量的相关性较小，而其他地区森林公园百度指数与该地区游客量相关性较高。

3 结论

森林公园客流量与森林公园百度指数有明显的正相关关系，因此，百度搜索指数可以用于森林旅游游客量周、月以及年度预测，为森林旅游管理者采取高峰期应急预案以及各地发展建设森林公园提供重要参考依据。各地区间森林公园客流量存在多方面影响因素，其中显著相关的为GDP及森林公园资源丰富度，可见经济较发展水平与地区森林公园旅游发展有较强关系，且目前森林公园核心竞争力仍然是其自然资源和环境。森林公园经营者建设森林公园时应结合当地自然环境，充分考虑森林承载力，并在此基础上利用网络等手段扩大宣传，适量增加客流量。

不同地区百度指数与森林公园客流量的相关性特征不同，经济最发达的大型城市如北京和上海，搜索指数处于较高水平但游客量总数并不是最高的，这些地区的游客存在向外输出的特征;广东省搜索指数处于中间水平，但是其客流量却在所有省份中最高，这与当地森林公园资源丰富且经济发达有较大相关性。森林公园资源较丰富地区如重庆、江西、浙江及湖南等与普通资源地区如山东、河南和安徽的相关系数也有所差异。各地区森林公园经营与发展一方面要结合自身资源优势搞好基础设施建设;另一方面要重视通过互联网信息平台宣传和打造独具特色的森林公园名片。

［1］陈玲玲，屈作新．我国森林旅游资源开发现状及可持续发展策略［J］．江苏农业科学，2016，44(1):483－486．

［2］李莉，张捷．互联网信息评价对游客信息行为和出游决策的影响研究［J］．旅游学刊，2013，28(10):23－29．

［3］龙茂兴，孙根年，马丽君，等．区域旅游网络关注度与客流量时空动态比较分析——以四川为例［J］．地域研究与开发，2011，30(3):93－97．

［4］国敏．基于SPSS的百度指数与游客量相关性研究［J］．当代经济，2015(29):136－137．

［5］邹永广，林炜铃，郑向敏．旅游安全网络关注度时空特征及其影响因素［J］．旅游学刊，2015，30(2):101－109．

［6］国家林业局．中国林业统计年鉴［M］．北京:中国林业出版社; 2011—2014．

［7］郑强，陈荣，孙进松，等．风景名胜区旅游客流量影响因素研究［J］．蚌埠学院学报，2014(2):98－102．

［8］李山，邱荣旭，陈玲．基于百度指数的旅游景区络空间关注度:时间分布及其前兆效应［J］．地理与地理信息科学，2008，24 (6):102－107．

［9］林志慧，马耀峰，刘宪锋，等．旅游景区网络关注度时空分布特征分析［J］．资源科学，2012，34(12):207－213．

［10］黄先开，张丽峰，丁于思．百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例［J］．旅游学刊，2013(11): 93－100．

［11］林振华．森林旅游市场预测方法探讨［J］．林业资源管理，1992 (3):68－72．

［12］孙根年，潘潘．陕西十地市旅游业发展的地区差异及其影响因素分析［J］．干旱区资源与环境，2013，27(11):184－191．

［13］马丽君，孙根年，黄芸玛，等．城市国内客流量与游客网络关注度时空相关分析［J］．经济地理，2011，31(4):680－685．

［14］王良健．旅游可持续发展评价指标体系及评价方法研究［J］．旅游学刊，2001，16(1):67－70．

［15］国家统计局．中国统计年鉴［M］．北京:中国统计出版社; 2011—2014．

［16］孙根年，冯茂娥．西部入境旅游市场竞争态与资源区位的关系［J］．西北大学学报:自然科学版，2003，33(4):459－64．

Analysis of Impact Factors on Forest Park Passenger Flow Based on Baidu Index

WU Xiao，CHEN Shaozhi，ZHAO Rong
(Information Research Institute of Forestry，Chinese Academy of Forestry，Beijing 10091，China)

With the rapid development of domestic tourism，forest park has become the choice of more tourists because of its good resources.Using the Baidu index platform to obtain various search index，this paper studied the correlation of search index and forest park passenger flow，as well as the factors affecting forest park passenger flow.The results showed that there was a coupling between forest park and the search index.Multiple linear regression analysis method was used to estimate the main factors affecting the forest park passenger flow in various regions，including search index.The results showed that the main factors of forest park passenger flow were GDP and forest park resource abundance，thus it can be seen that the better economic and resource conditions of the region were associated with the greater forest park passenger flow.Through the analysis of Baidu Index and Forest Park traffic scatter plot，it was obvious that the correlation between the output and the input area of the tourists is obviously different.The results of this study will be helpful to guide the development plan of forest park and the operation decision of forest park management department.

Baidu Index，forest park，passenger flow，impact factor

S759.9

A

1002－6622(2017)01－0027－04

10．13466/j．cnki．lyzygl．2017．01．006

2016－12－28;

2017－01－25

中央级公益性科研院所基本科研业务费专项“林业重点产业竞争力和发展潜力预测研究”(CAFYBB2014MB004);“全面天保后中国木材供给策略研究”(CAFYBB2014MC002)

吴潇(1991－)，安徽池州人，在读硕士，研究方向:林业经济管理。Email:gy_woshiwuxiao@163.com

赵荣，副研究员，研究方向:林业经济理论与政策。