我國自駕游（跨市）市場季節性測度及其地域差異

李雪

[摘? ? 要]在借鑒相關學術研究的基礎上，文章從模式與強度兩方面構建季節性測度框架，運用單指標面板數據聚類分析、線性規劃等方法，探討我國自駕游（跨市）市場季節性時空特征。結果表明，同一類型省份季節性曲線形態具有較高相似性，與其他分類存在明顯差異性，且異同點主要體現在峰值的強度、時間范圍及波動情況;模式與強度是表征季節性的關鍵要素，二者相互關聯，共同決定著季節性水平。總體上，我國自駕游市場具有“淡季過淡、旺季較旺”“淡季不淡、旺季較旺”“淡季不淡、旺季不旺”“淡季過淡、旺季不旺”4種發展形態，不同的淡旺季分化特征表現為各異的季節性強度與市場開發方向;從地域分布來看，各類型省份具有相對較強的地理集中性，在空間上呈現“小集中、弱分散”的宏觀特征。對比Gini系數和Theil指數，相對季節性指數測度結果表明，自駕游季節性強度取決于消除季節性所需轉移的季節性因子量及其月度分布情況。季節性波動的月度順序結構，是度量季節性水平不可忽視的關鍵要素。

[關鍵詞]自駕游（跨市）市場;季節性;單指標面板數據聚類方法;線性規劃模型;相對季節性指數

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2021）08-0140-15

Doi： 10.19765/j.cnki.1002-5006.2021.08.016

引言

近年來，隨著國民生活水平的提高、交通基礎設施的改善以及游客群體日益多元化、體驗式需求的不斷激增，自駕車旅游快速增長，逐漸成為深受游客喜愛的出游方式。國家層面也積極出臺相關政策，鼓勵開發自駕車、房車相關旅游產品，提升自駕游服務水平。據《中國自駕游發展報告（2018—2019）》，2 018年底我國自駕車游客已達35億人次，人均出游時間3.60天[1]。2020年新冠肺炎疫情暴發以來，自駕游以小聚集、大空間、閉環消費、體驗自由等特征，迅速成為疫情常態化防控時期人民群眾旅游消費需求釋放的重要方式。

季節性作為旅游業的基本特征之一，是旅游業面臨的最易理解與最難解決的問題之一。旅游供需的季節性波動會給旅游地社會、經濟、生態等子系統以及旅游者自身的游覽效用帶來諸多消極影響[2]。與其他業態一樣，自駕游市場同樣受季節性問題的困擾?；诖耍疚膶ξ覈?1個省級行政單元（不含港澳臺地區）的自駕游（跨市）市場季節性問題進行研究，從數量上測度市場需求隨時間變化的表現形式與強度，客觀把握各地季節性特征與地域差異，為采取跨區域的聯合反季節策略提供依據，以期推動各地適應疫情常態化防控時期自駕車旅游發展的需要。

1 相關研究回顧

1.1 旅游季節性相關研究回顧

旅游季節性作為按月或季度出現的波動現象，是由目的地的季節性屬性及旅游資源周期性自然更替、游客的出游行為變化以及經濟、社會和文化差異所引致的綜合效應[3-4]，存在旅游旺季、淡季和平季的交替。旺季由于游客數量迅速增加，目的地的交通、生態環境、旅游資源以及居民生活質量等面臨難以應付的壓力，而淡季可能會出現服務設施閑置、季節性失業等問題，因此，諸多研究普遍認為季節性會對旅游業與目的地持續健康發展產生消極影響[2，5]。不過，也有少數學者從生態影響的角度提出旅游淡旺季并非只有不利影響，如目的地可在淡季時“休養生息”、調整恢復生態環境、維護基礎設施等[6]。

特征識別是季節性問題研究的基礎，表現形態、波動規律和強度是闡釋季節性特征的基本要素。從表現形態即季節性模式來看，國內外學者已從實證角度進行了諸多研究[7-8]，其中，比較有代表性的為Butler和Mao根據旅游在一定周期內的分布形態而提出的3種類型，即單峰型、雙（多）峰型和無峰型[9]。López Bonilla等利用季節因素的分布來區分旺季、平季和淡季，進而將西班牙地區的季節性模式分為單峰、雙峰、多峰或無峰[8]。Chen和Pearce通過研究月度游客接待量及其均值之間的差異，分析了亞洲5個國家的旅游季節性特征，提出了山巒型、平原型、高原型、盆地型等模式[7]。國內學者陸林等通過對海濱型與山岳型旅游地的客流季節性進行研究，發現三亞、九華山分別為“三峰兩谷”和“雙峰雙谷”型模式，而北海、普陀山、黃山均為“三峰三谷”[2]。鐘靜對入境旅游外國市場時空特征的研究表明，8月和10月為入境旅游外國市場的旺季，而1—2月則是淡季[10]。盧松等對西遞、宏村的研究發現，兩地旅游流呈現“三峰三谷”的波動形態[11]。上述文獻既有對單一案例地的季節性模式進行識別，也有針對不同案例地的比較，對于豐富實證研究具有重要實踐意義。但總體上，對不同案例地的研究多集中于直觀比較與特征描述，很少有研究基于特定科學分類方法對不同個體季節性模式的差異性進行深入對比與剖析，這一定程度上會影響反季節開發策略的科學性、實用性乃至有效性。

強度測定，即對特定時期內特定現象分布不平衡程度的判斷，是季節性問題研究的重要關注點。實踐表明，從數量上度量旅游需求隨時間的變化很有必要[12]，對旅游規劃和經營決策都很有幫助[13]。合適的測度指標是判斷及分析旅游季節性的工具，因此，國內外學者構建了多項指標，并對不同案例地的旅游季節性進行分析評價[14]。目前，常用的測算指標主要有季節性強度指數、Gini系數、Theil指數、季節性比率、不均勻系數等，并有學者對各指標的數據要求及使用特點進行了比較分析[15-16]，但理論上，這些指標均沒有考慮具體時間段的月度順序和周期結構。目前，已有學者認識這一共有不足之處，提出結合月度指數來反映季節性強度、每月變化幅度和淡旺季[17]，也有學者提出了考慮月度循環順序的季節性測度指數[16]，并應用于歐洲各國旅游季節性實證分析[18]，對于季節性理論與實踐研究具有重要創新和借鑒意義。

旅游活動的非均衡狀態至少具有時間、空間（地理分布）和具體變量維度3個層面的表現與內涵[19]。旅游季節性概念不僅包括其在時間維度上的波動，還包括在空間維度上的非均衡[4]。從空間上來看，對于不同區域、不同類型的旅游地，其季節性表現是存在顯著地域差異的。實踐證明，產品與市場越多元化的城市與目的地，其季節性水平越低，反之則越強。文化、休閑旅游產品開發可以作為諸多目的地平抑季節性波動常見的有效措施，但對濱海型目的地的作用非常有限[20-21]。鐘靜等對西遞和周莊旅游流的季節性特征進行了比較，認為二者在分布模式與季節劃分方面均存在一定差異[22]。朱紅兵和高峻以入境旅游客流為研究對象，發現中國東部城市季節性明顯弱于西部，且地域和經濟相近的旅游城市其季節性需求分布具有很大相似性[23]。馮學鋼等以我國22個熱點旅游城市為研究對象，揭示了我國入境旅游季節性的時空差異分布規律[24]。Ferrante等對歐洲21個國家的研究表明，盡管各國旅游季節性模式與強度存在一定差異性，但相鄰國家的季節性特征卻存在相似性，反映了旅游季節性的空間關聯效應[18]。盧松等對西遞-宏村、黃和平對全國31個省份的旅游季節性研究一致表明，空間關聯效應等非常規因素在季節性形成過程中作用顯著[4，11]。可見，季節性波動的空間規律一定程度上呈現大尺度空間上的差異性和小尺度空間范圍內的相似性。

1.2 自駕游相關研究回顧

長期以來，自駕游一直是許多西方國家旅游業的重要組成部分。學術界也持續關注自駕車游客的出游動機、影響因素、行為特征和滿意度等方面[25-30]。從屬性上看，自駕游消費群體與傳統游客存在顯著差異，其滿意度不僅取決于目的地，更多取決于整個旅途的總體體驗，如目的地與客源地之間的道路交通狀況、交通信號與標識，以及沿路風景道設置、公共服務設施的完善程度等[31]，因此，自駕游公共服務提升、線路優化乃至目的地服務體系構建等都受到了諸多學者關注[32-33]。國內相關研究主要集中于自駕游發展現狀與對策[34-35]、自駕游線路及產品開發[36-37]、自駕車營地與目的地服務體系建設[38-40]等方面，亦有學者對自駕游消費群體的行為特征與目的地形象感知進行了探討[41-48]，但與國外研究相比，仍存在較大提升空間。時空特征一直是旅游地理學研究的熱點之一。國內諸多學者運用大數據對不同案例地自駕游客流的時空特征進行了深入探討。羅秋菊和梁思賢以云南為例，運用數字足跡方法對自駕客流的時空特征研究發現，自駕客流出游時間高度集中在黃金周及寒暑假期間，客源地空間分布與國內經濟發達省市的地理分布保持一致[47]。楊斌和陳曉鍵基于網絡日志對陜西漢中自駕游市場的時空行為研究表明，自駕游具有長時維度的季相模式和短時維度的周末模式，客源地與目的地分別呈現出近域集中性和高聚集特征[49]。王銀銀等對安徽的研究也同樣得出自駕游客流時空集聚明顯的結論[50]。李偉和王凱基于網絡游記對河南自駕游的研究發現，游客空間行為規律與客源地的人口基數和旅游目的地資源級別和規模存在較大關系[51]。劉旭玲等的研究認為，新疆自駕游淡旺季明顯，客流出行時間主要集中在7月、8月、9月，呈現冷熱點區和圈層分布明顯的空間特征[52]。這些研究極大豐富了時空二元視角下的自駕游研究成果，為旅游目的地營銷與管理提供了有力依據。

1.3 研究述評

綜上，國內外學者從社會學、經濟學、地理學的視角對自駕游消費群體的行為特征、自駕游產品與營地建設、目的地服務體系等方面進行了廣泛研究。也有國內學者針對自駕車旅游客流的時空特征展開了深入探討，其中多是在總結客流到訪時間特征基礎上，從旅游流的視角圍繞客源地的空間分布和游客在目的地的空間集聚特征進行分析。這些研究對于微觀層面單一自駕游目的地的規劃、管理和營銷具有重要意義。不過，相應地從宏觀視角對全國自駕車旅游季節性波動的時空特征進行研究的相關文獻則尚顯不足。關于旅游季節性研究，相關成果頗豐。總體上，從研究對象來看，多集中在微觀層面的不同類型景區，如山岳型、海濱型、古村落型、主題公園等具體景區，也有涉及中觀層面的城市或省級案例區，但尚缺少宏觀層面的季節性比較分析;從研究內容來看，以國內旅游市場、入境旅游市場季節性影響因素、產生的負面效應以及季節性測度與反季節性策略等為主，尚沒有對自駕游專項市場的季節性波動特征進行比較分析;從研究視角來看，時間是普遍關注點，基于空間維度的季節性分析較少，將時間與空間兩個維度結合起來進行研究則更鮮見;從研究方法來看，季節性強度指數、Gini系數、Theil指數、季節性比率、不均勻系數等是常用的季節性測度指標。雖然國內外學者對上述指標存在諸多爭議，但其存在共同之處，即都是針對季節性因素規模上的不均衡性進行設計，致使不同的季節性分布出現強度相同的現象，無法反映出時間分布規律對季節性水平的影響?；谏鲜隹紤]，本文運用了單指標面板數據聚類方法與綜合考慮月度順序的季節性測度指數，從宏觀視角對全國自駕游市場季節性波動的時空特征進行研究，以期為準確把握游客出游動機、預測市場季節性波動、平抑季節性帶來的影響提供依據;進而從空間視角研究自駕游市場季節性的地域差異，為各地區采取差異化反季節開發策略、實現自駕游市場聯合拓展和區域旅游業持續健康發展奠定基礎。

2 數據來源和研究方法

本文對自駕游市場的季節性分析主要包括3部分：一是測定自駕游市場的季節性模式，并通過單指標面板數據聚類方法，對全國31個省份進行分類對比;二是借鑒產銷平衡運輸問題的解決思路，以消除季節性為目標，運用線性規劃模型構建相對季節性指數，對31個省份自駕游市場季節性強度及其地域差異進行判斷分析;三是基于模式與強度分析，對自駕游市場的淡旺季分化特征進行總體評價。

2.1 數據來源

2017—2019年我國31個省份的自駕游（跨市）月度出行人次主要來源于中國旅游大數據平臺。具體為中國旅游研究院與中國電信大數據聯合實驗室，基于手機位置數據，對特定時間、特定區域自駕游（跨市）出行人次進行統計測算：將離開工作和生活慣常環境超過10千米并6小時作為對游客的限定條件，根據手機信令的活躍范圍、瞬時與平均移動速度等條件獲取游客離開所在市的出行樣本?？紤]到是跨市數據，而研究對象為省域單元，因此，本研究設定各省份既是客源地又是目的地。同時，需要說明的是，全文涉及的自駕游市場均為跨市市場。

2.2 季節性模式測定與聚類分析方法

2.2.1? ? 季節性因子提取

比較2017—2019年自駕游月度數據發現，各省每年的數據既具有明顯規律性，又存在一定長期趨勢性。為準確把握季節性特征，本文采用乘法模型獲取自駕游時間序列數據所包含的季節性因素，以分析各省的季節性模式和強度。

設定任一省份[t]月的自駕游人次序列為[Y=] [{yt}]，季節性因子為[S={St}]，則根據乘法模型，首先對該省自駕游人次時間序列進行中心加權移動平均，以消除不規則變動和季節變動影響[（S×I）]，得到趨勢分量和循環變量[（T×C）]，即：

從原序列[{yt}]中剔除長期趨勢和循環分量影響，分離出季節分量和不規則分量（[S×I]），即：

進而應用簡單平均法從季節分量和不規則分量[SIt]中消除由于偶然因素引起的不規則變動的影響，分離出季節分量[S]，即季節性因子[St]為：

其中，[n]為時間序列數據的年度數。

2.2.2? ? 單指標面板數據聚類分析

根據乘法模型獲取的31個省份季節性因子屬于單指標面板數據，在對其進行聚類分析時，需明確各地區季節性因子絕對量相似程度及其年度序列動態發展特征的一致性。具體要解決兩個核心問題：一是構建表征各地區之間相似程度的統計量，二是確定度量類與類之間相似程度的聚類方法或準則。本文借鑒李因果和何曉群提出的面板數據聚類方法[53]，構建單指標面板數據聚類相似性度量指標，運用Ward法對31個省份進行聚類。

綜合考慮面板數據的絕對值和穩定性，即各地區之間的“絕對量”距離和“變化速度”距離，形成相似性度量指標——全時“綜合”距離。

界定全時“絕對量”距離[dijAQED]和全時“變化速度”距離[dijISED]之后，衡量[i]省和[j]省之間的全時“綜合”距離[dijCED]為：

其中，[α+β=1]，[α、β]表示兩種距離的權重，即綜合距離[dijCED]是全時“絕對量”距離和“變化速度”距離的加權組合。根據自駕游人次時空差異的研究目的，為簡化分析，本文確定權重系數為[α=0.5]、[β=0.5]。

2.3 季節性強度測度指數構建——相對季節性指數

旅游季節性本質上是由供求之間在時間和空間上的不匹配導致的，將旺季需求轉移到淡季時間段，實現二者的匹配是解決季節性問題最直接也最有效的方法[4]。那么，消除季節性所需的最小成本則取決于旺季需要轉移到淡季的過度需求量以及旺季與淡季之間的距離。這就需要同時考量特定時段內待轉移的季節性因子量及其月度分布特征。本文借鑒Magno等構建的季節性指數[16]，通過求解產銷平衡運輸問題的最優解來獲取度量季節性強度的指數，對31個省份進行研究。運輸問題是典型的線性規劃問題，目標是在一定的約束條件下求解從產地到銷地運輸成本最低的方案。運用這一最小化問題求解季節性指數，定義季節性因子高于均值的月度為產地，低于均值的月度為銷地，則運輸成本為將季節性因子從所有高于均值的月份轉移到所有低于均值的月份的成本。此外，線性規劃的約束條件將確保在轉移之后消除季節性，即獲得均勻分布。消除季節性所需的最小成本即為絕對季節性指數。

設定[M][=1， 2， …， NN=12]為季節性因子月度時間周期，自駕游市場季節性因子用向量[P=] [{s1， s2， …， sN}]表示，且sn全為非負，則季節性因子總和為[s=n=1Nsn]，均值為[μ=s/N]，[P0（s， N）=] （[sN，sN，…，sN]）代表均衡分布的模式，進而絕對季節性指數可以定義為將[N]維模式[P]轉化成[P0（s， N）]所需的最小運輸成本。由高于均值的月份向低于均值的月份轉移時，成本取決于轉移量以及這兩個月份之間的距離。其中，后者相當于運輸問題中的單位運輸成本，在具體定義時需考慮月度循環順序，即設定每個月均勻等距分布在一個圓周上，任意兩月份之間的距離定義為連接這兩個月的短弧間隔。那么，[i]月與[j]月之間的距離[cij]構成的成本矩陣為一個12階對稱矩陣[c]：

為進一步定義運輸問題，必須明確超過均值和低于均值的具體時間段。定義集合A、集合B分別為高于、低于均值的月度，則[A={i∈M：si>μ}]，[B={j∈M：sj<μ}]。對于任何一個屬于集合A的月度[i]，定義[ai=xi-μ]，同樣，對于任一屬于集合B的月度[j]定義[bj=μ-xj]，則[ai]代表月度[i]需要轉移到集合B中所有月度的轉移量，而[bj]代表集合B中月度[j]需要從集合A中所有月度接收的量，因此，對于所有[i]、[j]，存在[i∈Aai=j?Bbj]。進而，用于測定季節性的產銷平衡運輸問題，可以進行如下定義：

其中，[z]代表消除季節性的總成本，[xij]為線性規劃的決策變量，代表從月份[i]到月份[j]的轉移量，而[cij]則代表從月份[i]到月份[j]的單位運輸成本。約束條件（1）確保任一屬于集合A的月份[i]，其轉移到所有[j]月的需求量之和為其高于均值的量[ai]，約束條件（2）確保任一屬于集合B的月份[j]，其接收的所有[i]月的轉移量之和為其低于均值的量[bj]，約束條件（3）確保所有決策變量非負。決策變量可通過單純形法進行求解。

假設該線性規劃最優解為[x*ij]，則相應的最低運輸成本[z*]為絕對季節性指數：

對于給定成本矩陣[c]和常數[s]，絕對季節性指數最大值取決于季節性因子的均值和對應成本矩陣中行和的最大值[16]，即[SMAXμ， C=μmaxi∈Mj∈Mcij]。那么，相對季節性指數[SR]則為：

3 研究結果

3.1 自駕游市場季節性模式聚類分析

3.1.1? ? 季節性模式表現多樣

根據乘法模型獲取的各月季節性因子均值為100。本文參考孫曉東等對淡旺季的劃分方法[54]，以10%作為上行旺季或下行淡季的閾值，即季節性因子高于110的月份為旺季，低于90的為淡季，處于90與110之間的月份列為平季。對季節性因子的初步分析表明，不同省份自駕游市場存在一定的季節性差異。對于大多數省份，氣候舒適的4月、9月和10月是自駕游旺季月份，而6月、7月和8月是淡季月份。這一定程度上說明，自駕游受氣候條件的影響較大。從不同月份淡旺季波動幅度來看，淡旺季最大差值出現在6月，為處于旺季的青海與處于淡季的江蘇季節性因子之差，二者分別為134.79、45.36;淡旺季最小差值出現在12月，為福建旺季與云南淡季季節性因子之差，二者分別為131.05、97.94。具體到不同省份，淡旺季的分化差異也較大。其中，江蘇4月旺季與6月淡季季節性因子差值高達100.11，而黑龍江淡旺季差值最高僅為40.10。這一定程度上說明，雖然季節性作為旅游業最基本的持久性特征，但具體到不同的地理單元卻表現出高度可變性與空間差異性。

為進一步評價各省份自駕游市場季節性特征的相似性與差異性，利用前述構建的單指標面板數據聚類方法進行聚類分析。輪廓系數和圍繞中心點的分割算法顯示，31個省份的最優分類數為9類，具體聚類過程見圖1。結果表明，同一類型內部，各省份自駕游季節性模式存在較高相似性，而與其他分類存在明顯差異性，且異同點主要體現在季節性峰值強度及其出現的時間范圍（圖2）。在確定的9類中，類型Ⅲ、類型Ⅵ、類型Ⅷ和類型Ⅸ的峰值強度明顯高于其他分類。不過，類型Ⅲ中吉林和類型Ⅸ中廣西、江蘇、四川的峰值最大值均出現在4月，而類型Ⅵ中西藏和類型Ⅷ中的重慶出現在1月，同類型廣東1月和9月的峰值均較大。對于所有分類，1—2月的季節性因子均呈現較為明顯的下降趨勢，這可能與我國傳統的元旦、春節假期相關，即在1月出現大規模的自駕出游或自駕回家、返程的人群。這種現象在經濟越發達、流動人口越多的省份越為明顯，如北京、上海、廣東、天津、浙江、福建、山東等省份1月與2月的季節性因子差距較大，其中，北京最大，為57.81，浙江為47.51，天津、上海、廣東分別次之，而貴州、寧夏等地不及北京的1/5。此外，類型Ⅳ、Ⅴ、Ⅷ、Ⅸ等沿海或長江流域地區省份（新疆除外），由于6—8月為降雨量較大的時期，故而出現“盆地”型的波動特點，這一定程度上反映了自駕游客的出行決策與行為受氣候及道路狀況等因素的影響。進一步分析發現，類型Ⅳ中福建、山東、上海、浙江等地月度曲線表現為“下降型的盆地”，類型Ⅴ中安徽、河北、湖北表現為“波動型的盆地”，而類型Ⅷ與類型Ⅸ中廣東、廣西、江蘇、四川則表現為“上升型的盆地”。

季節性特征的一個重要方面是季節性模式。由圖2可知，我國自駕游市場總體上呈現單峰型、雙峰型或多峰型等模式。在所有類型中，類型Ⅲ、類型Ⅴ（新疆除外）、類型Ⅶ和類型Ⅸ屬于單峰型。除類型Ⅶ青海和寧夏季節性峰值出現在6月以外，其余3類峰值均出現在春季4月（類型Ⅴ中新疆除外，其峰值出現在春季4月和秋季9月）。從峰值強度來看，類型Ⅲ和類型Ⅸ峰值更大，類內峰值均值分別為150.43和146.52，而類型Ⅴ和類型Ⅶ分別為131.84和129.86。相應地，類型Ⅶ、類型Ⅴ與類型Ⅲ、類型Ⅸ相比，其季節性波動相對緩和，峰谷差最大值分別為62.31和76.04，而后兩者分別為85.38和102.60。具體到各類內部，也存在細微差異，多體現在峰值強度上，如類型Ⅴ中，安徽與湖北季節性峰值強度高于河北和新疆。其余5種類型多為雙峰或多峰型，其中，雙峰型多為春秋時節旺季型，也有峰值集中于冬季和春季的海南特例，而多峰型，多為元旦、春節期間人口流動大的省份，旺季出現在冬季1月、春季4月和秋季9月，如北京、天津、福建、山東、上海、浙江、廣東等地。在這9類中，類型Ⅵ中西藏的季節性因子月度曲線從3月開始波動上升，到9月實現高峰期，且總體上波動頻率較高，這可能與西藏常住人口較少有關，致使自駕游市場出行傾向的小幅變化即可產生一定的季節性波動結果。

3.1.2? ? 各類型省份在空間上呈現“小集中，弱分散”的宏觀特征

為了探索季節性與地理因素之間的聯系，以地圖顯示各省份自駕游市場季節性因子聚類分析的結果（圖3）?？梢钥闯觯黝愋褪》菥哂邢鄬^強的地理集中性，空間依賴性與空間異質性顯著，具體呈現“小集中、弱分散”的宏觀分布特征。如類型Ⅱ是由相對集中的山西、陜西、河南以及相互毗鄰的貴州、湖南、江西等省份構成，其中，陜西、山西、河南與貴州、湖南、江西中間相隔湖北、安徽等省;此外，類型Ⅰ、類型Ⅳ和類型Ⅴ等都表現為同樣的地理分布特征。在類型Ⅱ中，位于秦嶺、淮河以北的陜西、山西、河南等省份具有相同的自駕游季節性模式，這可能與其具有相似的氣候和環境，乃至相似的文化習慣和消費行為有關，而同為類型Ⅱ的貴州、湖南、江西等省份均位于長江以南，在地理環境與氣候條件上與陜西、山西、河南等地存在較大差異，但卻與前者具有相同或相似的季節性模式，究其原因，在常規自然條件以及非常規空間關聯效應等因素對季節性模式產生影響的同時，制度、經濟發展水平等社會因素可能會在此基礎上產生疊加作用。

3.2 自駕游市場季節性強度分析

相對季節性指數測算結果表明，不管是同一類型的不同省份，還是不同類型的各省份之間，自駕游季節性強度均存在不同程度的差異性，且這種差異產生的原因有所不同。在同一類型內部，各省份具有大致相同的季節性模式，季節性強度差異更多取決于消除季節性所需轉移的季節性因子量;而不同類型的省份，其差異既取決于季節性因子量，更取決于因子的月度分布特征。如圖4所示，類型Ⅰ中，云南季節性最強，內蒙古和天津次之，北京、黑龍江和甘肅相對較低;類型Ⅱ中湖南、河南以及類型Ⅸ中四川也比同類型其他省份表現出更為強烈的季節性特征。根據前述借鑒運輸問題消除季節性以確定季節性強度的方法原理，上述特征主要是由于云南、湖南、河南和四川等地平抑季節性所需轉移的因子量遠高于同類型其他省份（類型Ⅰ中北京雖與云南具有相近的季節性因子轉移量，但這些轉移量分布于相對分散的7個月，轉移成本隨之降低，從而使其具有相對較低的季節性指數）。湖南、河南平抑季節性所需轉移的因子量分別為107.62和106.03，遠高于同類型其他省份82.50的平均水平，四川所需轉移的季節性因子量為158.75，而同屬類型Ⅸ的廣西和江蘇分別為119.58和126.02。

綜合9種類型的相對季節性指數發現，類型Ⅷ的季節性強度最高，其中，廣東和重慶相對季節性指數在31個省份中分別列居第1位和第3位;類型Ⅵ、類型Ⅸ、類型Ⅳ、類型Ⅲ、類型Ⅱ、類型Ⅴ、類型Ⅰ、類型Ⅶ的季節性強度依次降低。根據各類型的空間分布，我國自駕游市場季節性強度大致呈現由沿海向內陸、由南部向北部地區依次減弱的空間變化特征。從季節性模式對應的強度來看，單峰型類型Ⅲ、類型Ⅴ、類型Ⅶ和類型Ⅸ的平均相對季節性指數分別為0.1041、0.0863、0.0617和0.1373，其季節性強度并沒有顯著高于其他類型的雙峰型或多峰型省份。究其原因，不同類型既存在季節性因子轉移量的差別，又存在因子月度分布規律的差異。如類型Ⅴ和類型Ⅶ的季節性因子平均轉移量分別為76.69和64.30，而類型Ⅳ和類型Ⅷ分別為121.34和132.78;類型Ⅲ中吉林和類型Ⅵ中西藏的季節性因子轉移量相近，分別為114.51和110.84，但吉林的轉移量分布在相對分散的6個月，而西藏主要分布在4個月，故出現吉林季節性強度明顯低于西藏的現象。由于具有相對較高的季節性因子轉移量，類型Ⅸ的季節性強度明顯高于類型Ⅴ與類型Ⅶ等其他單峰型省份，在9類中排名第3。對于分屬不同類型、具有相近季節性因子轉移量的省份，月度分布順序的影響更為明顯，即轉移量分布的月份越多、越分散，其季節性強度越明顯弱于其他省份，且這種差異性在轉移量較大的省份之間尤為明顯。

3.3 月度分布特征對季節性強度的影響分析

為進一步研究月度分布對季節性強度的影響，本文運用經典的度量指標Gini系數和Theil指數，與相對季節性指數[SR]進行對比分析。根據3個指數的類內排序及總排序（表1），發現各省份Gini系數和Theil指數排名的一致性相對較高，而二者與相對季節性指數[SR]存在一定差異性，不過排名差異控制在4個名次以內的省份達2/3以上，這一定程度上體現了[SR]的有效性和合理性。對比排名差異較大的省份，存在相對季節性指數[SR]排名落后或先于其余兩個指數排名的情況：如類型Ⅰ中的北京、類型Ⅳ中的上海和類型Ⅸ中的江蘇，其相對季節性指數[SR]排名比相應Gini系數或Theil指數分別落后15個、6個和6個名次;而類型Ⅰ中的內蒙古、類型Ⅴ中的安徽以及類型Ⅵ中的西藏，其[SR]排名比相應Gini系數或Theil指數分別領先9個、6個和8個名次。具體分析各省份平抑季節性所需轉移的因子量及其月度分布發現（圖5），北京、上海和江蘇的轉移量分別為98.20、118.24和126.02，高于內蒙古、安徽和西藏61.30、95.49和110.84的水平，但前者的轉移量分別分布在相對分散的7個月、8個月和8個月中，而后者卻分別分布在6個月、6個月和4個月中，充分說明季節性因子的月度分布情況進一步弱化了北京、上海、江蘇的自駕游季節性強度，卻強化了其余3省份的季節性水平。Gini系數和Theil指數無法體現該特征，因為其沒有考慮季節性因子分布的月度順序，故而無法反映時間分布規律對季節性水平的影響。可見，Gini系數和Theil指數等度量季節性的指標，雖然對于分析單一研究對象的季節性不均衡性及其時間趨勢具有重要意義，但應用于涉及諸多研究對象的橫向比較分析時，可能會產生偏頗的判斷。這進一步說明[SR]在進行季節性強度的橫向比較分析方面更加具有合理性。

3.4 自駕游市場季節性特征總體評價

在對季節性模式與強度分別進行分析之后，進一步以各省淡季下行率均值（30%）和旺季上行率均值（20%）為閾值設置橫縱坐標制作散點圖，對不同省份自駕游季節性特征進行總體評價。在圖6中，橫坐標為各省淡季月份（季節性因子小于90）季節性因子的平均下行率，縱坐標代表各省旺季月份（季節性因子大于110）季節性因子的平均上行率，各省括號內數據分別為市場份額和與相對季節性指數。

由圖6，第一象限季節性強度指數最大，為0.1588，第四、第二象限次之，分別為0.1059、0.0935，第三象限最小，為0.0702。其中，第一象限為淡季過淡（下行率30%以上）、旺季較旺（上行率20%以上）的省份，總體市場份額占比32.12%，主要包括類型Ⅷ中的廣東與重慶，類型Ⅱ中的湖南，類型Ⅳ中的福建與浙江，以及類型Ⅸ中的四川等6個省份。這些地區淡旺季差異尤為明顯，主要表現為旺季自駕游發展狀況較好，而淡季月份則不盡人意，全年波動幅度較大，尤其是四川，淡季月份的季節波動程度明顯大于旺季，6—8月淡季月份的季節性因子平均下行率達51.41%。從地理空間來看，這6個省份在地域上是相鄰的，因此，可以有針對性地采取區域聯合措施以重點提升這些地區淡季的自駕游客數量。

第二象限總體市場份額占比26.41%，平均占比2.64%，主要包括北京、天津、河北、青海、西藏、云南、廣西、安徽、湖北、吉林等省份，涉及京津冀、西南地區以及中部地區3個片區，屬于相對理想型的地區。這些省份淡季不是特別淡、而旺季較旺，尤其是西藏和吉林，旺季對季節性強度的貢獻較大，其旺季月份季節性因子平均上行率分別達34.10%、32.12%。對于這些地區，可以繼續鞏固旺季發展水平，同時適度提升淡季月份的自駕游客數量。

第三象限為自駕游季節性強度較低的省份，主要包括新疆、甘肅、寧夏、內蒙古、陜西、黑龍江、上海、江西、貴州等地區。各省季節性強度排名均位于末13位，其中，寧夏、新疆、黑龍江、甘肅4省份排名分別為第27、28、30、31位，屬旺季增長較為平淡、淡季下行也不是特別明顯的地區。從市場份額來看，占全國自駕游客數量的19.55%，應重點加強旺季月份的市場開發。

第四象限聚集了季節性強度次高省份，主要包括類型Ⅱ的河南、山西、遼寧、海南，以及類型Ⅳ的山東與類型Ⅸ的江蘇等6省。淡季過淡、旺季不旺是顯著特征，其中，淡季平均下行率達36.34%，而旺季平均上行率僅為17.82%。從市場份額來看，6省自駕游客數量占全國的21.92%，各省平均占比3.65%，僅次于第一象限，尤其是江蘇、河南、山東等省，自駕游客占比分別居全國第2、第9、第13位。因此，這些省份是淡旺季游客數量需重點提升的潛力區域，應聯合加強全年自駕游市場的開發。

4? 結論與討論

季節性是旅游業的基本特征之一，也是旅游研究領域的一個重要課題。本文在借鑒相關研究的基礎上，首先，從模式與強度兩個方面構建了旅游季節性測度的方法框架，理論上是對現有研究的豐富;其次，以全國31個省份自駕游（跨市）市場為研究對象，對不同類型省份的季節性特征及其差異進行了分析，得出了如下主要結論。

（1）模式與強度是表征季節性的關鍵要素，二者相互關聯，共同決定著季節性水平。從季節性模式來看，我國自駕游市場存在單峰型、雙峰型和多峰型等模式。同一類型內部的省份，季節性曲線形態存在較高相似性，而與其他分類存在明顯差異性，且異同點主要體現在季節性峰值強度、出現的時間范圍及其波動情況。從季節性強度來看，自駕游市場季節性水平取決于平抑季節性所需轉移的因子量及其月度分布情況。對于具有相似季節性分布形態的省份，所需轉移的季節性因子量越大，季節性程度越強;對于具有相近轉移量的省份，轉移量月度分布越集中，季節性水平越高;而對于具有較大轉移量的省份，月度分布差異對季節性強度的影響要高于轉移量差異本身產生的影響。此外，對比相對季節性指數[SR]與Gini系數、Theil指數對季節性強度的判斷，在驗證[SR]有效性與合理性的同時，發現季節性因子的月度分布順序結構，即分布模式，是度量季節性水平不可忽視的關鍵要素。與Gini系數和Theil指數相比，[SR]在進行季節性強度的橫向比較分析方面更加具有合理性。

（2）自駕游市場季節性受自然因素和社會因素的共同影響。其中，自然因素是季節性特征的基礎影響因素。氣候條件、地理環境等對自駕游市場的季節性影響很大。研究結果表明，氣候舒適的4月、9月和10月是大多數省份的自駕游旺季，而6月、7月和8月則是淡季月份，尤其是沿海地區和長江流域的省份在每年6—8月會出現“盆地型”的波動特征。從地域分布來看，各類型省份具有相對較強的地理集中性，在空間上呈現“小集中、弱分散”的宏觀特征，一定程度上反映了地理環境的相對一致性會導致季節性模式的相似性。與自然因素相比，節假日、經濟發展水平等社會因素對自駕游季節性的影響，更大程度上是在自然因素形成的季節性特征基礎上發揮疊加作用。對比全國31個省份的自駕游季節性因子月度曲線發現，北京、上海、廣東、天津、浙江、福建、山東等經濟發達、流動人口聚集的省份，在元旦、春節假期表現出了高度一致的分布形態。

（3）根據各省份季節性因子淡季下行率與旺季上行率，同時結合季節性強度，發現全國自駕游市場表現出“淡季過淡、旺季較旺”“淡季不淡、旺季較旺”“淡季不淡、旺季不旺”“淡季過淡、旺季不旺”4種發展形態。其中，第一、第四象限具有“淡季過淡”特征的省份，季節性強度較高，第三象限“淡季不淡、旺季不旺”省份的季節性強度最低。第一象限包括的廣東、重慶、湖南、福建、浙江、四川等省份，淡旺季分化差異明顯，主要表現為旺季發展較好，淡季則不盡人意，而從市場份額來看，占比較高，應有針對性地采取區域聯合措施以重點提升這些地區淡季的自駕游客數量。第二象限包括北京、天津、河北、青海、西藏、云南、廣西、安徽、湖北、吉林等省份，涉及京津冀、西南地區以及中部地區，屬相對理想型的省份，應繼續鞏固旺季發展水平、同時適度提升淡季月份的自駕游客數量。第三象限包括新疆、甘肅、寧夏、內蒙古、陜西、黑龍江、上海、江西、貴州等季節性強度較低的省份，屬旺季增長較為平淡、淡季下行也不是特別明顯的地區，應重點加強旺季月份的市場開發。第四象限聚集了季節性強度次高省份，主要包括河南、山西、遼寧、海南、山東、江蘇等6省，屬旺季不旺、且淡季季節性波動明顯大于旺季的地區，是淡旺季游客數量都需重點提升的潛力區域，應重視全年自駕游市場的開發。

總體上，本研究提供了判斷季節性時空特征的一種思路，提出了針對不同類型省份的自駕游市場開發建議，對旅游季節性研究具有借鑒意義，同時，對自駕游市場開發與管理具有一定的啟示作用。但受研究數據時間跨度較短等因素的制約，本文沒有對自駕游市場季節性特征的動態趨勢進行研究，也未對其時空差異的成因進行深入剖析，這些均有待進一步研究與完善。

致謝： 感謝中國旅游研究院統計所馬儀亮所長在數據界定方面提供的指導！本文研究數據來自中國旅游研究院旅游大數據研究平臺，特此感謝！

參考文獻（References）

[1] 劉漢奇， 付磊. 中國自駕游發展報告（2018-2019）[M]. 北京： 中國旅游出版社， 2020： 7-13. [LIU Hanqi， FU Lei. Chinas Self-driving Tourism Development （2018—2019）[M]. Beijing： China Tourism Press， 2020： 7-13.]

[2] 陸林， 宣國富， 章錦河， 等. 海濱型與山岳型旅游地客流季節性比較——以三亞、北海、普陀山、黃山、九華山為例[J]. 地理學報， 2002， 57（6）： 731-740. [LU Lin， XUAN Guofu， ZHANG Jinhe， et al. An approach to seasonality of tourist flows between coastland resorts and mountain resorts： Examples of Sanya， Beihai， Mt. Putuo， Mt. Huangshan and Mt. Jiuhua[J]. Acta Geographica Sinica， 2002， 57（6）： 731-740.]

[3] 周永振. 旅游季節性概念及其釋意[J]. 赤峰學院學報（自然科學版）， 2011， 27（2）： 147-148. [ZHOU Yongzhen. The concept of tourism seasonality and its interpretation[J]. Journal of Chifeng University （Natural Science Edition）， 2011， 27（2）： 147-148.]

[4] 黃和平. 我國旅游季節性的區域差異與開發策略研究[D]. 上海： 華東師范大學， 2016. [HUANG Heping. Regional Differences of Tourism Seasonality in China and Development Strategy Research[D]. Shanghai： East China Normal University， 2016.]

[5] 劉家喜， 謝興保. 基于季節性特征考慮的旅游度假區規劃策略探討[J]. 武漢大學學報 （工學版）， 2004， 37（2）： 158-160. [LIU Jiaxi， XIE Xingbao. Study on planning strategies of tourist holiday resort area focusing on seasonality problem[J]. Engineering Journal of Wuhan University， 2004， 37（2）： 158-160.]

[6] HINCH J H A T. Tourism， sport and seasons： The challenges and potential of overcoming seasonality in the sport and tourism sectors[J]. Tourism Management， 2002， 23（2）： 175-185.

[7] CHEN T， PEARCE P L. Research note： Seasonality patterns in Asian tourism[J]. Tourism Economics， 2012， 18（5）： 1105-1115.

[8] L?PEZ BONILLA J M， L?PEZ BONILLA L M， SANZ ALTAMIRA B. Patterns of tourist seasonality in Spanish regions[J]. Tourism and Hospitality Planning & Development， 2006， 3（3）： 241-256.

[9] BUTLER R W， MAO B. Seasonality in tourism： Problems and measurement[C] // MURPHY P. Quality Management in Urban Tourism. Chichester： Wiley， 1997： 9-23.

[10] 鐘靜. 中國入境旅游外國市場時空特征研究[J]. 經濟問題探索， 2008（9）： 122-126. [ZHONG Jing. Study on the spatial and temporal characteristics of Chinas inbound tourism market[J]. Inquiry into Economic Issues， 2008（9）： 122-126.]

[11] 盧松， 陸林， 王莉， 等. 古村落旅游客流時間分布特征及其影響因素研究——以世界文化遺產西遞、宏村為例[J]. 地理科學， 2004（2）： 250-256. [LU Song， LU Lin， WANG Li， et al. Temporal characteristics of tourist flows to ancient villages： A case study of two world cultural heritages， Xidi village and Hongcun village[J]. Scientia Geographica Sinica， 2004（2）： 250-256.]

[12] DURO J A. Seasonality of hotel demand in the main Spanish provinces： Measurements and decomposition exercises[J]. Tourism Management， 2016， 52： 52-63.

[13] 保繼剛， 楚義芳. 旅游地理學[M]. 北京： 高等教育出版社， 1999： 52-54. [BAO Jigang， CHU Yifang. Tourism Geography[M]. Beijing： High Education Press， 1999： 52-54.]

[14] 劉澤華， 章錦河， 彭紅松， 等. 旅游季節性測度指標的敏感度研究[J]. 地理學報， 2018， 73（2）： 295-316. [LIU Zehua， ZHANG Jinhe， PENG Hongsong， et al. Sensitivity analysis of the measures of tourism seasonality[J]. Acta Geographica Sinica， 2018， 73（2）： 295-316.]

[15] 余向洋， 張圓剛， 朱國興， 等. 旅游季節性測度框架及其實證研究[J]. 經濟地理， 2019， 39（11）： 225-234. [YU Xiangyang， ZHANG Yuangang， ZHU Guoxing， et al. An analytical framework and empirical study for tourism seasonality[J]. Economic Geography， 2019， 39（11）： 225-234.]

[16] MAGNO G L L， FERRANTE M， De CANTIS S. A new index for measuring seasonality： A transportation cost approach[J]. Mathematical Social Sciences， 2017， 88： 55-65.

[17] 金川， 馮學鋼， 王曉梅. 我國旅游季節性規律的探索性研究——以北京、上海、云南、四川、福建、海南為例[J]. 上海管理科學， 2014， 36（6）： 63-68. [JIN Chuan， FENG Xuegang， WANG Xiaomei. The exploratory research on tourism seasonality in our country： A case study of Beijing， Shanghai， Yunnan， Sichuan and Fujian[J]. Shanghai Management Science， 2014， 36（6）： 63-68.]

[18] FERRANTE M， MAGNO G L L， De CANTIS S. Measuring tourism seasonality across European countries[J]. Tourism Management， 2018， 68： 220-235.

[19] 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， 29（1）： 92-100. [FENG Xuegang， SUN Xiaodong， YU Qiuyang. Anti-season tourism and tourism seasonality mitigation： Current research and relevant implications[J]. Tourism Tribune， 2014， 29（1）： 92-100.]

[20] CUCCIA T， RIZZO I. Tourism seasonality in cultural destinations： Empirical evidence from Sicily[J]. Tourism Management， 2011， 32（3）： 589-595.

[21] WANHILL S R C. Tackling seasonality： A technical note[J]. International Journal of Tourism Management， 1980， 1（4）： 243-245.

[22] 鐘靜， 張捷， 李東和， 等. 歷史文化村鎮旅游流季節性特征比較研究——以西遞、周莊為例[J]. 人文地理， 2007， 122（4）： 68-71. [ZHONG Jing， ZHANG Jie， LI Donghe， et al. A comparative research on seasonalilty characteristics of tourist flows to the historic culture village （town）： Examples of Xidi and Zhouzhuang[J]. Human Geography， 2007， 122（4）： 68-71.]

[23] 朱紅兵， 高峻. 中國主要旅游城市入境旅游客流季節性研究[J]. 旅游論壇， 2011， 4（4）： 128-133. [ZHU Hongbing， GAO Jun. A Study on the seasonality of the inbound tourist flow in Chinas major tourism cities[J]. Tourism Forum， 2011， 4（4）： 128-133.]

[24] 馮學鋼， 黃和平， 邱建輝. 我國入境旅游流季節性特征及其時空演變研究——基于22個熱點旅游城市面板數據的實證分析[J]. 華東經濟管理， 2015， 29（6）： 1-9. [FENG Xuegang， HUANG Heping， QIU Jianhui. A research on seasonal characteristics and temporal-spatial variation of inbound tourism flow： An empirical analysis based on the panel data of 22 hot tourist cities[J]. East China Economic Management， 2015， 29（6）： 1-9.]

[25] CARSON D， PRIDEAUX B， COGHLAN A， et al. Heritage as a motivation for four-wheel-drive tourism in desert Australia[J]. Journal of Heritage Tourism， 2009， 4（3）： 217-225.

[26] WILDE G J S. Roadside aesthetic appeal， driver behaviour and safety[J]. Canadian Journal of Transportation， 2009， 3（1）： 110-121.

[27] WU M. Driving an unfamiliar vehicle in an unfamiliar country： Exploring Chinese recreational vehicle tourists safety concerns and coping techniques in Australia[J]. Journal of Travel Research， 2015， 54（6）： 801-813.

[28] HARDY A. An investigation into the key factors necessary for the development of iconic touring routes[J]. Journal of Vacation Marketing， 2003， 9（4）： 314-330.

[29] DENSTADLI J M， JACOBSEN J K S. The long and winding roads： Perceived quality of scenic tourism routes[J]. Tourism Management， 2011， 32（4）： 780-789.

[30] FJELSTUL J， FYALL A. Sustainable drive tourism： A catalyst for change[J]. International Journal of Tourism Research， 2015， 17（5）： 460-470.

[31] QIU H， HSU C， LI M， et al. Self-drive tourism attributes： Influences on satisfaction and behavioural intention[J]. Asia Pacific journal of tourism research， 2018， 23（4）： 395-407.

[32] HASHIM Z， WAN R I. Self-Drive tourism route in Terengganu： An application of goal programming model[J]. Sains Humanika， 2017（9）： 51-57.

[33] BLANCAS F J， CABALLERO R， GONZ?LEZ M， et al. Goal programming synthetic indicators： An application for sustainable tourism in Andalusian coastal counties[J]. Ecological Economics， 2010， 69（11）： 2158-2172.

[34] 李振華. 貴州省房車旅游發展對策研究[D]. 貴陽： 貴州師范大學， 2018. [LI Zhenhua. Study on the Countermeasures of Tourism Development of RV in Guizhou Province[D]. Guiyang： Guizhou Normal University， 2018.]

[35] 李華敏， 蘇少敏. 寧波自駕車旅游現狀調查及發展對策研究[J]. 旅游科學， 2008， 22（4）： 43-46. [LI Huamin， SU Shaomin. A study on the status and development countermeasures of self-driving travels in Ningbo[J]. Tourism Science， 2008， 22（4）： 43-46.]

[36] 朱邦耀， 李秀霞， 劉家福， 等. 基于GIS的吉林省自駕車旅游線路研究[J]. 國土與自然資源研究， 2013（2）： 84-85. [ZHU Bangyao， LI Xiuxia， LIU Jiafu， et al. Research on the self-driving tourism routes of Jilin province based on GIS[J]. Territory &Natural Resources Study， 2013（2）： 84-85.]

[37] 肖光明. 自駕車旅游及其產品的深度開發研究——以廣東省肇慶市為例[J]. 人文地理， 2008， 23（3）： 118-122. [XIAO Guangming. A research on self-driving tourism and its products exploiting deeply： A case study of Zhaoqing city in Guangdong[J]. Human Geography， 2008， 23（3）： 118-122.]

[38] 李鳳， 汪德根. 基于游客網絡點評的房車營地發展影響因素和機理——以蘇州太湖房車露營公園為例[J]. 地理與地理信息科學， 2019， 35（2）： 135-140. [LI Feng， WANG Degen. Influencing factors and mechanism of campgrounds development based on tourist online reviews： A case study of Suzhou Taihu RV camping park[J]. Geography and Geo-Information Science， 2019， 35（2）： 135-140.]

[39] 李東和. 旅游目的地自駕車旅游服務體系構建[J]. 旅游學刊， 2012， 27（3）： 9-10. [LI Donghe. Construction of tourist destination self-driving tour service system[J]. Tourism Tribune， 2012， 27（3）： 9-10.]

[40] 李鳳， 汪德根， 劉昌雪， 等. 中國自駕車房車營地空間分布特征及其驅動機制[J]. 資源科學， 2017， 39（2）： 288-302. [LI Feng， WANG Degen， LIU Changxue， et al. Spatial distribution characteristics and mechanistic drivers of self-driving and RV camping in China[J]. Resources Science， 2017， 39（2）： 288-302.]

[41] 盧松， 吉慧， 蔡云峰. 黃山市自駕車入游流旅行空間行為研究[J]. 地理研究， 2013， 32（1）： 179-190. [LU Song， JI Hui， CAI Yunfeng. A study on the spatial travel behavior of self-driving tourists into Huangshan city[J]. Geographical Research， 2013， 32（1）： 179-190.]

[42] 劉艷平， 保繼剛， 黃應淮， 等. 基于GPS數據的自駕車游客時空行為研究——以西藏為例[J]. 世界地理研究， 2019， 28（1）： 149-160. [LIU Yanping， BAO Jigang， HUANG Yinghuai， et al. Study on spatio-temporal behaviors of self-driving tourists based on GPS data： A case study of Tibet[J]. World Regional Studies， 2019， 28（1）： 149-160.]

[43] 汪德根， 陳田， 劉昌雪. 基于出游半徑的自駕車旅游市場特征差異分析——以蘇州市為例[J]. 旅游學刊， 2010， 25（1）： 42-47. [WANG Degen， CHEN Tian， LIU Changxue. An analysis of the difference of self-driving tourist market characters based on travel radius： A case study of Suzhou[J]. Tourism Tribune， 2010， 25（1）： 42-47.]

[44] 戢曉峰， 戈藝澄， 陳方. 基于公路交通流大數據的節假日旅游流時空分異特征——以云南省2017年7個節假日為例[J]. 旅游學刊， 2019， 34（6）： 37-47. [JI Xiaofeng， GE Yicheng， CHEN Fang. Spatial and temporal differentiation characteristics of holiday tourism flow based on highway traffic flow big data： A case study of 7 holidays in 2017 in Yunnan province[J]. Tourism Tribune， 2019， 34（6）： 37-47.]

[45] 李偉， 李露. 基于內容分析法的國內自駕游客對旅游目的地形象感知研究——以河南省為例[J]. 四川旅游學院學報， 2020（2）： 77-84. [LI Wei， LI Lu. Research on the perception of tourism destination image by domestic self-driving tourists based on content analysis： A case study of Henan province[J]. Journal of Sichuan Tourism University， 2020（2）： 77-84.]

[46] 鐘志平， 王秀娟. 基于涉入理論的自駕車旅游購物行為實證研究——以少林寺景區為例[J]. 經濟地理， 2009， 29（10）： 1748-1752. [ZHONG Zhiping， WANG Xiujuan. An empirical research on purchasing behavior in the self- driving tour based on the involvement theory： A case study of Shaolin Temple scenic[J]. Economic Geography， 2009， 29（10）： 1748-1752.]

[47] 羅秋菊， 梁思賢. 基于數字足跡的自駕車旅游客流時空特征研究——以云南省為例[J]. 旅游學刊， 2016， 31（12）： 41-50. [LUO Qiuju， LIANG Sixian. Temporal and spatial characteristics of self-driving tourist flows based on tourism digital footprints： A case study in Yunnan province[J]. Tourism Tribune， 2016， 31（12）： 41-50.]

[48] 賈駿騏， 白長虹， 韋鳴秋. 基于數字足跡的自駕車游客時空行為特征研究——以內蒙古赤峰市為例[J]. 中國旅游評論， 2020（1）： 27-40. [JIA Junqi， BAI Changhong， WEI Mingqiu. A study on spatial and temporal behavior characteristics of self-driving tourists based on digital footprints： A case study of Chifeng city， Inner Mongolia[J]. China Tourism Review， 2020（1）： 27-40.]

[49] 楊斌， 陳曉鍵. 基于網絡日志內容分析的自駕游時空行為研究——以陜西漢中市為例[J]. 西部人居環境學刊， 2017， 32（5）： 76-82. [YANG Bin， CHEN Xiaojian. A study on self-driving trips temporal-spatial behavior based on the? analysis of web logs： A case study of Hanzhong city[J]. Journal of Human Settlements in West China， 2017， 32（5）： 76-82.]

[50] 王銀銀， 陸林， 王芳. 入皖自駕旅游流時空特征及空間格局演化機制[J]. 資源開發與市場， 2020， 36（1）： 73-81. [WANG Yinyin， LU Lin， WANG Fang. Time and space characteristics and spatial pattern evolution mechanism of self-driving tourism flow to Anhui province[J]. Resource Development & Market， 2020， 36（1）： 73-81.]

[51] 李偉， 王凱. 基于數字足跡的河南省鄉村自駕游的時空特征與發展研究[J]. 云南農業大學學報（社會科學）， 2020， 14（3）： 79-85. [LI Wei， WANG Kai. The spatial and temporal characteristics and development of rural self-driving tour in Henan province based on digital footprint[J]. Journal of Yunnan Agricultural University （Social Science）， 2020， 14（3）： 79-85.]

[52] 劉旭玲， 李婧萱， 唐丹丹， 等. 基于文本挖掘的新疆自駕游客流時空特征研究[J]. 新疆財經， 2019（1）： 32-38. [LIU Xuling， LI Jingxuan， TANG Dandan， et al. Temporal and spatial characteristics of self-driving tourist flows based on text mining in Xinjiang[J]. Finance & Economics of Xinjiang， 2019（1）： 32-38.]

[53] 李因果， 何曉群. 面板數據聚類方法及應用[J]. 統計研究， 2010， 27（9）： 73-79. [LI Yinguo， HE Xiaoqun. Panel data clustering method and application[J]. Statistical Research， 2010， 27（9）： 73-79.]

[54] 孫曉東， 倪榮鑫， 馮學鋼. 城市入境旅游及客源市場的季節性特征研究——基于上海的實證分析[J]. 旅游學刊， 2019， 34（8）： 25-39. [SUN Xiaodong， NI Rongxin， FENG Xuegang. Exploring seasonality of urban inbound tourism from the perspective of source market structure： An empirical study on Shanghai， China[J]. Tourism Tribune， 2019， 34（8）： 25-39.]