序言

旅游有各种各样的定义，不同时代、不同群体对旅游的理解和偏好天差地别。有的人爱看美景，对住宿品质不那么在乎；有的人则不愿走马观花，喜欢在一个地方待下来。雪莱·泰勒（Shelley Taylor）和乔纳森·布朗（Jonathon Brown）认为，人们有三种愉快的、自我炫耀的广泛歪曲模式，可以称之为“积极错觉”。首先，人们会高估自己的能力和其他优秀品质；其次，人们会高估自己对事件的控制程度；最后，人们还会高估好的事情发生在自己身上和坏的事情不发生在自己身上的可能性。三者加在一起，就形成了一种明显的带有自信和乐观色彩的感受，让人无法抗拒。比如，人们会高估自己的观点被认可和接受的程度。旅游领域经常会见到此类“积极错觉”，很多人会感觉别人的旅游需求和自己一样或者极度相似，自己关于旅游发展的见解和理解代表了较为广泛的业界表达，自己规划的旅游项目会得到足够多游客的青睐，等等。无论人们出去旅游是自觉不自觉地要弥补如刘易斯·芒福德所说的疏离感，还是如谢彦君老师提出的为了愉悦，抑或如肯贝尔所认为的“抵达自我存在的中心”，又或者像普鲁斯特那样追求“静谧的晚霞、岁月的流光”，有一点可以肯定的是，除了同样发生了空间位移，没有两个人的旅游需求和感受是一样的，是可以直接类比的。偏偏人们更热衷于观察和研究这些不同的需求和感受，对于值得并适合量化研究的空间移位关注得不多。

矢量化旅游客流是旅游市场供需出清的直接表达，有多少游客去往哪里，哪里的旅游吸引力和供给能力就得到了说明。游客什么时候出去玩，就体现了旅游需求的季节性差异。旅游客流去往不同距离目的地分别有多少，就是体现了客流的空间衰减特性。研究目的地的客源构成，对于当地准确进行市场细分和营销推广有很大帮助。如果结合地图上涉旅资源和产业分布信息，还可以了解不同地区业态配比与现实客流的相关性。结合各地经济发展、人口等数据，则可以深入分析区域潜在旅游出游力与现实旅游客流之间的匹配关系。因此，有非常多的理由进行旅游客流刻画研究。国内外有很多学者进行了卓有成效的研究，囿于数据短板还存在较多可以进一步精细化和深入的领域。

各地做旅游统计，最主要的目的就是了解旅游客流有多大，客流附着的资金流有多少。把每个地方的旅游统计统筹起来，其实就是经济体的旅游客流图谱，哪里游客多，哪个季节游客更愿意往外走，哪些地方游客净流出等。只是全国旅游统计很难整体统筹，通过各地的旅游统计数据刻画旅游客流图谱缺少矢量信息，更重要的是各地旅游统计数据存在不同程度水分，基于地方数据开展研究容易出现错漏。2019年，全国居民人均消费支出21559元，居民消费支出总额30.18万亿元，而各省（区、市）国内旅游总收入就达21.66万亿元，加上居民出境旅游花费，全年由各地自行统计出的居民旅游支出超过22.5万亿元，占居民消费支出的74.7%。这意味着人们将四分之三的消费用在旅游上，住房、教育、医疗、食品、衣着等加起来仅占十分之一，显然不可能，地方旅游统计的水分可见一斑。西南某人均GDP全国倒数的省份，在领导连年要求井喷增长后，号称2019年国内旅游人数全国第一，而根据本书采用的位置大数据监测，其旅游客流仅居全国第十九位。越到基层，旅游统计数据乱象越甚，有的区县直接将景区售票、住宿设施预订、各类旅游项目销售全部加起来作为旅游人次，一位游客在当地被计算数人次。可见，通过地方的旅游统计数据刻画旅游客流基本行不通。

利用同样的数据源，同样的挖掘口径的位置数据研究旅游客流，能更加准确刻画旅游客流的流量流向特征，以及背后所反映出来的一些游客行为规律。特别是大数据可以同时对更多区域旅游客流展开研究，以及呈现更多的量化信息。以往研究客流的距离衰减，只能用距离分段针对游客做访谈调查得到。距离分段太细，比如10公里，游客感知不到。距离分段太粗，比如200公里，研究的价值又大打折扣。利用位置大数据，则可以精确到零点几公里。游客调查方法，对于研究旅游客流的跨区域流动基本很难实现。一方面，数据的准确性无法保障。按照《全国假日旅游统计调查制度（2020）》的推算方法，地市接待一日游游客人数=地市接待过夜游客人数×在旅游吸引物开展的国内游客花费调查问卷中一日游游客人数与国内过夜游客人数之比，即，其中，为某地市一日游人数，为该地市过夜游人数，为针对该地市旅游吸引物游客调查中一日游游客样本人数，为针对该地市旅游吸引物游客调查中过夜游游客样本人数。设某地通过公安部门住宿登记或抽样调查得到该地过夜游客为40万人次，第一种情境以景区景点、特色街区等外地游客多、过夜游客占比高的区域作为旅游吸引物调查点，取值势必较低，假如为1.5。第二种情境将更多农家乐、河边、山谷、采摘园等本地人到访多，过夜游客占比较低的区域纳入旅游吸引物调查点，取值势必明显提高，假如为5。则两种情境下，该地过夜游客人数均为40万人次不变，但一日游游客人数分别为40×1.5=60万人次和40×5=200万人次，只要旅游吸引物样本点发生一些变化，两统计结果可能相差巨大。另一方面，在A地调查得到该地接待B地游客人数，假如为 T ，但 T 不一定就能代表由B地去往A地的旅游客流，因为很可能有相当部分游客是由A地先前往C地或其他地区，再前往B地。因此，通过各地游客接待构成反推区域间客流往来也难以实现。

本书利用位置大数据细致刻画了我国327个地区矢量客流特征和时空规律，通过出游力与现实客流匹配分析得出区域客流潜在产出能力与现实客流流量存在中心收敛现象。结合解释结构建模、方位分析等方法，对327个地区做了客流分层处理，探讨了全国客流东西向存在涓滴效应和南北向存在极化效应等现象，找出了全国客流东西向和南北向方位分化的经纬度。这些研究方法和结论都较为新颖，有较强的理论探索和现实指导价值。需要说明的是，本书标题用“旅游客流”，书中多用旅游流，本书第一章第一节限定了本书研究范围为狭义旅游流，即旅游客流。标题用旅游客流相对通俗且更加精准确，以便读者通过标题能轻易知道本书的研究内容。书中用旅游流，是为了遵照学术研究中的通行做法和概念区分要求。在本书中，旅游流即旅游客流，两者可以等价。