时空因素对我国赴泰旅游安全事件的影响

李月调+谢朝武+王静

摘 要：以2010年～2014年我國旅行社责任险出险案例为基础，遴选出568起我国游客赴泰旅游出险案例为研究样本，运用非线性典型相关分析法探究时空因素与我国赴泰旅游安全事件类型间的关联影响机制。研究表明：在时间变量上，旅游安全事件类型分布与时间因素间呈差异性关联特征，其发生频率与泰国旅游旺季有所差异，与旅游活动时段的相关性更高；在空间变量上，旅游安全事件呈高发场所集中分布特征；与旅游六要素空间既有差异性关联特征，又具有交叉性关联特征；与具体地点具有较强的单一关联特征。

关键词：旅游安全事件；时空因素；赴泰旅游；非线性典型相关分析

中图分类号：X928.02 文献标识码：A

1 文献回顾

泰国是我国重要的旅游目的地，也是我国出境旅游安全事件高发的国家。我国赴泰旅游受到各类安全事件的影响，深入探究时空因素对我国赴泰旅游安全事件的关联影响机制，对于科学地调控赴泰旅游安全风险、推动赴泰旅游的健康发展具有重要意义。

广义的旅游安全事件是指旅游领域因人员或设备因素、自然灾害因素、社会安全因素、公共卫生因素等造成游客或从业人员受伤、死亡或财物受损的各种意外情况。旅游目的地安全事件研究是跨境旅游安全研究中的焦点问题。有研究发现国际赴泰背包客事前对旅途中的整体风险感知水平较低[1]，对是否会感染疟疾等风险在态度上不够重视、关于疟疾风险的基本常识缺乏、进而预防准备不足以及感染后应对处置不当是疟疾高发的重要原因[2]。针对国际高端老年访泰游客调查发现烹饪设施不干净、化学添加剂有毒和用水不洁净是触发食品风险的三大主因[3]。也有学者针对赴泰国际旅游者的调查研究指出恐怖袭击、疾病健康风险[4]，盗窃、抢劫、迷药抢劫等犯罪风险和价格欺诈、额外收费、双重定价等财产安全风险[5]是令他们担忧的主要安全风险类型。旅游安全事件的发生是游客的不安全行为与旅游环境中的不安全因素单独或共同发生于同一时空的结果[6]。时空因素是旅游地自然和社会环境、气候和地理环境、旅游容量和流量等综合风险因素的载体，也是影响旅游安全事件的重要因素。国内学者郑向敏等人研究指出我国游客赴泰旅游安全事件的分布具有明显的时空特征[7]。但显然，上述研究尚未对赴泰旅游安全事件的时空机制进行系统地探索和实证检验。

综上所述，广义旅游安全事件的发生与时间和空间因素存在一定的关联，探索旅游地安全事件与时空因素的关联特征，有利于建立针对性强的旅游风险防控体系。由于我国出境旅游安全研究还处于探索阶段，国内目前针对出境旅游目的地安全事件的研究成果鲜见，对赴泰旅游安全事件的研究尚缺乏深度剖析，对旅游安全事件在不同时间和空间尺度上的分布特征及其关联影响也缺乏实证数据的研究与支持。同时，基于案例数据开展的旅游安全研究尚缺乏广泛认同的方法论基础。因此，本研究以我国旅行社责任险出险案例作为数据基础，并基于非线性典型相关分析方法开展研究，拟既具体解析我国赴泰旅游安全事件在不同时间和空间尺度上的分布与关联特征，也为此类研究及其方法使用提供经验证据。

2 研究方法与数据来源

2.1 研究方法

研究采用SPSS 20.0最优尺度下的非线性典型相关分析法（Overals）来展开研究，本方法可以将两个或多个分类变量投射到同一平面，通过代表不同变量的质心图直观地表达变量间的相关关系。非线性典型相关分析法是采用非线性变换法对原始变量进行反复迭代得到新的变量序列，并为原始分类变量的每一个类别赋予最佳的量化分值，使得新变量之间的相关系数达到最大[8]。衡量Overals分析的统计指标有：损失值、特征值、拟合值及典型性相关值等[9]。其中，不同分类变量间的非线性典型相关值的计算公式为：

2.2 数据来源与编码统计

研究以2010年～2014年我国旅行社责任险统保示范项目出险案例为数据基础，遴选出其中的568起我国居民赴泰旅游出险案例为研究样本。从事件类型变量、时间变量和空间变量三个维度对样本进行信息解构和编码转换。旅游安全事件类型可区分为来源类型和表现类型，它们分别表示旅游安全事件的来源结构和表现结构[10]。从事件表现结构来看，除《中华人民共和国突发事件应对法》[11]和《旅游突发公共事件应急预案》[12]中确定的事故灾难、公共卫生事件、社会安全事件和自然灾害这4大类型外，在旅游业务环节，由于旅游从业人员工作疏失造成旅游活动进程的受阻或停滞，称为旅游业务安全事故[10]。根据我国游客赴泰旅游出险案例的实际分布情况，总计区分出30类具体的旅游安全事件表现形态，具体如表1所示。其中事故灾难类的分布比率是最高的，达到了60.9%，且其事件亚类的表现形态具有较高的复杂性；其次是业务安全类和公共卫生类事件，占比分别为15.6%和15.1%；自然灾害类和社会安全类事件占比较低，同为4.4%。

在时间变量的选择上，通过案例分解出季节、月度、时段三类时间变量。按照泰国的气候情况将季节划分为热季（3-5月）、雨季（6-10月）和凉季（11月至次年2月），统计显示，这三个季节旅游安全事件的分布率分别为26.8%、57.2%和16%。月度分布中8月和9月旅游安全事件的发生率居于前两位，联合占比达到了31.2%，与我国居民暑假出游高峰时期相吻合。时段变量按照凌晨（0：00-06：00）、上午（07：00-12：00）、下午（12：00-18：00）和晚上 （19：00-24：00）进行编码，旅游安全事件最高分布率为上午时段，占比37.9%；其次是下午的34.3%；凌晨和晚上的分布比率相对较低，分别为8.5%和19%。

在空间变量的选择上，分解出承载旅游六要素的空间场所和事件发生的具体地点这两个解释变量。统计显示，旅游六要素场所中，交通场所安全事件的发生率是最高的，达到了46.1%；其次是游览场所，占比21.8%；占比第三位的是娱乐场所，为15.3%；餐饮和住宿场所安全事件的发生率并列居于第四，都是7.9%；购物场所安全事件发生的比率较低，只有0.4%。并据事件案例情况分解出14类事件发生的具体地点，其中，游船或快艇上旅游安全事件的发生率最高，占比16.4%，这是因为作为海岛旅游地的泰国发达的海上游乐项目对游客具有很强的吸引力，参与者众多，而海洋环境本身具有较高的复杂性、海上游乐项目一般风险较高、部分游客安全意识不足等众多因素综合影响所致，发生率较高的具体地点依次为景区（14.6%）、机场（11.4%）、酒店（8.5%）、海域（7.4%）、餐厅（7.0%）和旅游车（5.6%），其他地点旅游安全事件发生率相对较低。endprint

3 非线性典型相关分析

3.1 旅游安全事件类型变量与时间变量的关联分析

Overals分析时设定解的维数为2，输出结果如表2所示。时间变量泰国季节、月度、时段与事件类型变量间的拟合值为0.847，是维数1（0.502）和维数2（0.345）的特征值之和，同时，维数1解释了59.3%的实际拟合度，维数2解释了40.7%的实际拟合度，说明数据与模型间的拟合度较好。且三类时间变量与事件类型变量在维数1和维数2上的典型相关值分别达到了0.336、0.127，说明各变量间的相关性较强。此外，辨别度量分析结果如图1显示，泰国季节、月度和时段变量与事件类型变量之间均呈紧密的锐角关系，说明变量间存在较强相关关系。

Overals分析输出代表旅游安全事件类型变量与时间变量关联关系的质心图，如图2所示，大部分质心点落在（-2～2，-2～2）的坐标区域内。为更加清晰地呈现变量间的关联关系，可分别添加半径为1和2的两个同心圆。

（1）从时间变量质心点的圈层分布来看，越靠近中心（0，0）表示其事件分布频率相对越高。各质心点的圈层分布特点包括：①雨季位于第一圈层的内圆，是各类事件的高发期；热季距离中心（0，0）较远，各类事件发生频率相对较低；凉季距离中心（0，0）最远，各类安全事件的发生频率是最低的。这主要是受国内公共假期和国人出游习惯的影响，我国游客更倾向于选择在泰国旅游价格较低的五一黄金周和8至9月的暑期出游，凉季是泰国旅游旺季，但出游率却相对较低。②微观时段变量中上午和下午都非常靠近原点，是各类安全事件的高发时段；晚上时段位于第二圈层内，安全事件发生率相对较低；凌晨时段分布于第二圈层的外圆附近，说明其安全事件发生频率最低。原因在于上午和下午是各类旅游活动的主要时段，旅游流比较集中，而游客流量一旦超出旅游设施设备、旅游从业人员及旅游环境容量的负荷强度，极易触发各类旅游安全风险。晚上部分旅游项目处于关闭阶段，安全事件发生率也有所下降，凌晨则属于旅游活动的沉寂期，因此安全事件发生率最低。

（2）在分析宏观季节变量与事件类型变量的关联关系时，连接坐标中心点与季节质心点的射线，按照事件类型变量质心点到射线垂直距离的长短来判断两类变量间的相关性，垂直距离越短代表变量间的关联关系越强。关联关系包括：①凉季与各类安全事件质心的距离都较远，但踩踏挤压事故到过凉季所在射线的垂直距離较短，与其存在关联度。因为凉季是泰国的旅游旺季，游客总体接待量较高，人流拥挤易造成踩踏挤压事件。②在热季，易发生票务事故、坠落事故和动物袭击事故。③在雨季，极易发生暴雨、台风和其他自然灾害，且这些气象灾害极易触发旅程延误、合同纠纷等风险结果；另外，其他卫生事件、疫情、证件丢失也与雨季存在一定的关联度。

（3）在分析微观时间变量与旅游安全事件类型变量的关联关系时，从质心图中心（0，0）点出发，主要按照相同维度区间内的不同变量点间彼此有联系的原则进行判断。关联关系包括：①凌晨时段食物中毒的发生率较高，这主要是晚餐食用有毒或不卫生食品的滞后反应。②上午时段与涉水事故和交通场所意外的关联度较强。③下午时段台风和其他自然灾害的发生率较高。④晚上与踩踏挤压事故的关联度较强，因为泰国夜秀等特色旅游项目一般在晚上举行，人流拥挤加之夜间光线较暗，极易触发踩踏挤压事故。⑤代表抢劫事件的质心点到凌晨和晚上的垂直距离都较近，与这两个时段均存在较强的关联度；个人疾病、意外摔倒、其他意外事故、交通安全事故、其他卫生事件、动物袭击与上午和下午时段都存在较强的关联度。

3.2 旅游安全事件类型变量与空间变量的关联影响

同上，Overals分析时设定解的维数为2，分析结果如表3所示，空间变量旅游六要素场所、旅游安全事件发生的具体地点与事件类型变量间的拟合值为1.748，是维数1（0.928）和维数2（1.067）的特征值之和，同时，维数1解释了54.1%的实际拟合度，维数2解释了45.9%的实际拟合度，说明数据与模型间的拟合度较好。各变量在维数1和维数2上的典型相关值分别达到了0.928和1.067，说明各变量间的相关性很强。此外，辨别度量分析结果如图3所示，旅游六要素、具体地点变量与事件类型变量之间均呈紧密的锐角关系，表明变量间存在很强的相关关系。

Overals分析输出代表旅游安全事件类型变量与空间变量关联关系的质心图，如图4所示，大部分质心点落在（-1～1，-2～2）的坐标区域内。且各类变量质心在维数2方向上的分布距离较远，说明旅游安全事件类型变量与空间变量在维数2上的关联区别较大，按照非线性典型相关分析的原则，二者关联关系的判断应以区别较大的维数为主。同样，为更加清楚地呈现变量间的内在关联特征，研究以坐标中心（0，0）为圆心，分别添加半径为1和2的两个同心圆。

（1）旅游六要素变量和安全事件类型变量的关联关系包括：①旅游餐饮场所与其对应的餐厅与食物中毒存在紧密的关联关系。②旅游住宿场所与意外摔倒、盗窃、其他卫生事件、个人疾病的质心点距离较近，表明它们之间关联度较强。③旅游交通场所与交通安全事故、交通场所意外以及暴雨存在较强的关联度，与分布于第二圈层外圆附近的台风、其他自然灾害、浓雾以及主要由这些天气原因引起的旅程延误、旅程取消和票务事故存在一定的关联度。④旅游游览场所与动物袭击、其他社会安全事件、其他意外事故、个人疾病间均存在较强的关联度。⑤旅游购物场所与其对应的购物店易发生盗窃和抢劫事件。⑥旅游娱乐场所与其他意外事故、合同纠纷、涉水事故的关联较为紧密。

（2）具体地点变量与旅游安全事件类型变量表现出如下关联特征：①在海域，参加海上跳伞、降落伞等游乐项目时易发生骨折等其他意外事故，在浮潜、乘坐摩托艇、香蕉船或在海边嬉水等时易发生涉水事故导致游客溺亡或受伤。②乘坐电梯或自动扶梯时，存在坠落事故和意外摔倒的风险。③乘坐旅游车易发生交通安全事故，旅游车上的贵重物品存在被盗的风险。④乘坐游船或快艇时极易发生颠伤、撞伤等交通场所意外。⑤乘坐飞机时易发生设备事故，高空环境可能会触发个人疾病风险，行李托运过程中存在丢失风险。⑥在机场常因受台风、浓雾等自然因素或票务事故、证件丢失等人员因素的影响导致旅程延误或旅程取消。⑦与马路关联最紧密的是交通安全事故。⑧景区游览过程中存在踩踏挤压、动物袭击和疫情风险。⑨酒店是个人疾病等其他卫生事件的高发地点，此类事件通常是游客个人体质较差、行程安排较为紧张、旅途餐饮卫生无法保障和跨国旅游水土不服等影响的综合后果；在酒店附近道路易发生抢劫和其他社会安全事件；在酒店卫生间、楼梯处极易发生意外摔倒事故。⑩在泰式SPA休闲服务场所，按摩师手法过重或操作失误易导致游客腰部受伤、胸腔因挤压过度而受损或肋骨骨折等意外事故的发生。endprint

4 研究结论

第一，特定游客群体旅游安全事件的发生频率和规模主要受客源市场的流向规模所影响，与客源市场流量在时间上的分布密度有关，与旅游地的淡旺季时间机制并不完全相关。数据显示，我国游客在泰国当地旅游旺季时期的旅游安全事件发生频数和规模小于泰国当地旅游淡季时期，我国游客在本国的旅游旺季时期、泰国的旅游淡季时期出游规模较大，对应的旅游安全事件发生频率和规模较大。

第二，特定游客群体旅游安全事件的单日发生频率与规模受客源流量的流向规模和流量上的时间分布所影响，各类旅游安全事件在宏观时间分布和微观时间分布上均呈现高发时段上的集中分布特征，且不同类型高发旅游安全事件的集中分布时间具有差异性。这受到旅游安全事件自身性质与游客流量的双重影响，其内在影响因素还包括旅游环境容量对特定事件风险的负荷能力。数据显示，我国赴泰游客单日旅游安全事件频数规模与单日旅游流的变动存在同向关联，当游客流量超出旅游设施设备、旅游从业人员及旅游环境容量的负荷强度时，容易触发旅游安全事件。

第三，特定游客群體的旅游安全事件具有高发空间分布上的集中性，同时不同类型旅游安全事件的空间集中具有差异性，不同的空间要素在圈层分布上存在较大的结构差异。数据显示，在我国赴泰旅游市场中，不同空间要素与其旅游安全事件的发生频率在关联表征上呈现出明显的差异性。在旅游六要素场所分布上，旅游餐饮、购物和交通要素空间与具体的事件类型间具有明显的差异性关联特征，旅游住宿、游览和娱乐要素空间与所分布的安全事件类型间具有交叉关联特征。在具体地点分布上，不同空间场所与其对应的高发事件类型间具有特定的单一关联特征。

第四，本文的研究表明，非线性典型相关分析方法在基于案例数据的分析中具有较好的分析和表达能力，能够较为直观地阐明事件变量与时空变量间的对应关系，有利于从科学层面分析和论证它们之间的关联关系。

第五，安全是旅游业发展的基础保障，研究通过案例统计厘清了我国赴泰旅游安全事件的表现结构，深入剖析了其在不同时间和空间尺度上的外在分布特征及其与不同时空因素间的内在关联特征，各相关主体应准确把握赴泰旅游安全事件的时空分布规律，分别从国家旅游行政管理部门、旅游企业和旅游者等三个层面建立赴泰旅游安全风险的防控体系。

参考文献：

[1] Wichasin P.A study of risk perception and prevention of international backpackers in Thailand [J]. International Journal of Management Cases，2011，（9）：515-523.

[2] Piyaphanee W，Wattanagoon Y，Silachamroon U，et al. Knowledge， Attitudes， and Practices ，Among Foreign Backpackers Toward Malaria Risk in Southeast Asia[J]. Journal of Travel Medicine，2009，16（2）：101–106.

[3] Poolklai S. Food Safety in Thailand： A Case of International Senior Tourists[J]. Procedia - Social and Behavioral Sciences，2015，197：2120-2124.

[4] Rittichainuwat BN， Chakraborty G. Perceived travel risks regarding terrorism and disease： The case of Thailand[J]. Tourism Management，2009，30（3）：410–418.

[5] Howard RW. Risky business？ Asking tourists what hazards they actually encountered in Thailand[J]. Tourism Management，2009，30（3）：359–365.

[6] 张西林. 旅游安全事故成因机制初探[J]. 经济地理，2003，23（4）：542-546.

[7] 郑向敏，邹永广. 中泰旅游突发事件应急处置与合作机制研究[J]. 华侨大学学报，2013（2）：39.

[8] 张文彤. SPSS统计分析高级教程[M]. 北京：高等教育出版社，2004：213-233.

[9] Theodosiou T，Angelis L，Vakali A.Non-linear Correlation of Content and Metadata Information Extracted from Biomedical Article Datasets[J]. Joural of Biomedical Informatics，2008，41（1）：202-216.

[10] 谢朝武.旅游应急管理[M]. 中国旅游出版社. 2013：140，147.

[11] 中华人民共和国第十届全国人民代表大会常务委员会.突发事件应对[R]. 2007-08-30.

[12] 国家旅游局.旅游突发公共事件应急预案[L]. 2005-07-10.endprint