中国夜间旅游安全事件的时空异质特征及其引致因素解析

程 云 ， 殷 杰

(1.华侨大学 旅游学院，福建 泉州 362021； 2.南开大学 旅游与服务学院，天津 300350)

0 引言

2018年以来，我国愈发重视以提升夜游经济为突破口以刺激国内消费需求，推动城市经济发展。2018年我国夜间经济市场规模已超过22万亿元，同比增长11.5%。预计到2022年，全国夜间经济规模将达到42万亿元[1]。疫情常态化防控阶段，山东、四川、广州等多地为积极响应文化旅游行业复工复产号召，纷纷开展夜间旅游活动，积极打造夜间文化和旅游消费集聚区，重振旅游市场经济。

疫情常态化防控阶段，夜间旅游成为重振旅游市场的重要引擎。相关研究仍处于起步阶段，且主要集中在概念内涵[2-3]、夜间游客行为[4-6]以及夜游经济发展对策[7-8]等方面。然而，安全作为旅游业发展的基础和保障，鲜有关注夜间旅游安全问题。现有研究从“驴友”[9]、大学生游客[10]、女性游客[11]以及老年游客[12]等不同群体探究了旅游安全问题。旅游安全感知[13]、出境旅游安全事件时空分布[14]、旅游安全的引致因素[15]、旅游安全管控[16]等也成为重点探究的方向。夜间旅游活动具有时段特殊性，人体机能有所下降，管理难以快速响应，极易发生安全事故。S.Tutenges指出夜间旅游场所助长了各种形式的危险行为，如酗酒、吸毒、不安全的性行为和暴力等[17]；A.T.Hsieh等对台湾游客夜间旅游感知调查发现，台湾观光夜市存在盗窃、停车以及交通安全等问题[4]。

在夜间旅游安全问题易发的现实背景下，需要重点关注以下问题：一是夜间旅游安全事件的时空特征。厘清事故发生的时空规律是“因时制宜”和“因地制宜”地应对事故的重要前提。已有研究就夜间旅游的概念[2-3]、游客行为[4-6]以及发展对策[7-8]进行了探讨，其时空分布特征需进一步分析。二是引致夜间旅游安全事件的关键因素。厘清引致夜间旅游安全事件的关键因素是保障夜间旅游安全的重要前提。综上，本研究将重点揭示夜间旅游安全事件的时空异质特征及其引致因素，综合运用季节性强度指数、基尼系数、变异系数、不平衡指数、核密度分析等方法全面揭示我国夜间旅游安全事件的时空分布特征，借助空间面板模型探索其发生的关键因素，以期为因时制宜和因地制宜地精准防范夜间旅游安全事件提供参考。

1 研究对象、研究方法与数据来源

1.1 研究对象

本研究以省域为尺度，研究中国夜间旅游安全事件的时空分异特征及其影响因素。我国夜间旅游参与度高涨，2019年，92.4%的游客有过夜间旅游体验[18]。与此同时，驴妈妈、携程等旅游平台夜间旅游产品订单稳步增长。此外，我国夜间旅游仍存在旅游载体少、配套设施不完善、交通可达性差、治安难度大等问题，安全管理难以快速响应，极易发生安全事故。旅行社责任保险统保示范项目出险数据显示，2010—2019年全国共发生13 667起夜间旅游安全事件，平均每年发生1 366.7起，平均每天发生3.7起。我国夜间旅游安全事故已进入多发阶段，夜间旅游安全问题亟需关注。

1.2 研究方法

1.2.1时间分异。季节性强度指数主要反映国内夜间旅游安全事件在发生时间上的集中分布程度[19]，值越小，说明夜间旅游安全事件在月份分布上越均衡。

1.2.2空间分异。借助基尼系数、变异系数、核密度、重心以及标准差椭圆等方法探究夜间旅游安全事件的空间分异特征。① 基尼系数主要用于刻画研究对象在空间地域上的离散分布[19]，本研究借助基尼系数度量中国夜间旅游安全事件在省域尺度范围的离散空间分布情况。一般而言，基尼系数的取值在0～1，值越大，反映国内夜间旅游安全事件的分布越集中。② 变异系数反映研究对象在空间地域上的离散分布程度[20]，本研究利用变异系数测度夜间旅游安全事件在省域尺度上的差异状况以及差异程度，变异系数值越大，说明我国夜间旅游安全事件的分布越离散。③ 核密度分析是一种常用的可视化热点分析方法，能够较好地反映地理空间分布中的距离衰减效应[21]。该方法已经用于农家乐发展[22]、名人事件[23]等空间分异研究。本研究采用该方法揭示夜间旅游安全事件的冷热点区域。④ 重心的概念最初来源于物理学，其代表物体内各个点所受重力产生合力的作用点[24]，能够较好地反映夜间旅游安全事件空间分布的平均中心[20]。⑤ 标准差椭圆能够清晰地表现出研究对象的空间结构与区位，较好地展现要素空间分布的中心性及延展性，从而解释要素的分布格局和发展态势。

1.2.3引致因素。柯布-道格拉斯生产函数模型通过比较、筛选一种或若干种影响因素构建对结果变量的影响模型，能够用有效样本数据估计模型参数。

1.3 数据来源

根据文化和旅游部统计，截至2019年末，已有超过2万家旅行社投保旅行社责任险，统保率超过75%[15]，且参保旅行社数量逐年增加。此外，尽管旅行社责任保险保障的是团队旅游活动，但旅游团队一般在夜间不会安排旅游活动，夜间安全事件多为游客的个人行为。因此，旅行社责任保险出险数据中的夜间旅游安全事件一定程度上突破了团队旅游的限制。由此，旅行社责任保险统保示范项目出险数据能够代表我国夜间旅游安全事件的基本情况。出险项目数据主要包括出险时间、报案时间、出险省份等42个数据内容，研究主要利用了该出险项目中的出险时间和出险省份两个关键指标筛选数据。(1)借助Excel分列功能将日期与具体时间点区分。在此基础上，根据曹新向[3]对夜间旅游活动的界定，利用筛选功能选取我国夜间旅游安全事件的样本数据。本研究收集整理了2010年1月1日至2019年12月31日我国31个省份(不包括台湾、香港、澳门)的夜间旅游安全事件共计13 667起。借助季节强度指数、基尼系数等指标探究我国夜间旅游安全的时空分异规律，并进行可视化分析。(2)夜间旅游安全事件的相关指标数据来源于2011—2020年《中国统计年鉴》《中国社会统计年鉴》《中国文化文物和旅游统计年鉴》和各地国民经济和社会发展统计公报、统计年鉴等公开统计资料。

2 夜间旅游安全事件的时空分异规律

2.1 时间分布特征

我国夜间旅游安全事件数总体呈现先增长后下降的特征。2010—2013年我国夜间旅游安全事件发生数量持续增加，2013—2015年略有减少，2015—2017年又呈递增趋势，2017—2019年持续减少。这可能是因为2013年和2017年先后出台和修订了《中华人民共和国旅游法》，进一步规范了旅游安全问题。

利用季节性强度指数剖析夜间旅游安全事件在发生时间上的集中性(表1)。2010年季节性强度指数较大，为6.145，表明2010年我国夜间旅游安全事件的季节性差异较大，2011—2019年季节性强度指数较小。从我国夜间旅游安全事件发生季度看，主要集中在夏季。这主要受暑假、高温等因素的影响，在这个时段夜间旅游出游人次较多，一定程度上造成安全事故较为高发。

表1 2010—2019年夜间旅游安全 事件的季节性强度指数、基尼系数、变异系数

2.2 空间分布特征

2.2.1空间分布类型。借助基尼系数以及变异系数测算我国夜间旅游安全事件的空间集聚特征(表1)。从基尼系数来看，2010—2017年我国夜间旅游安全事件的基尼系数呈减小趋势，表明我国夜间旅游安全事件发生的空间分布较为分散。2018—2019年，基尼系数值回升至0.9以上，表明我国夜间旅游安全事件的发生区域较为集中。从变异系数来看，2010—2017年我国夜间旅游安全事件发生的区域差异较大，从2010年的0.917上升至2017年的1.416，总体上我国夜间旅游安全事件的空间分布呈分散趋势。2018—2019年我国夜间旅游安全事件发生的区域差异缩小，其中2018年变异系数为 0.885，2019年为0.619，这同样表明我国夜间旅游安全事件的空间分布呈集聚特征。

2.2.2空间分布格局。以2010年和2019年为时间节点分析省域尺度下我国夜间旅游安全事件空间分布差异。借助ArcGIS 10.3中的自然断点法将2010年我国夜间旅游安全事件分为低频区(≤8起)、较低频区(9～20起)、中频区(21～28起)、较高频区(29～52起)以及高频区(≥53起)五大区域，并将该标准运用于2019年(图1)。2010年我国夜间旅游安全事件的高频区主要集中在云南和广东，较高频区在沿海城市较为集聚，四川和湖南也是夜间旅游安全事件的较高发区，中频区在中部、东北等省域呈块状分布。2019年我国夜间旅游安全事件的高频区明显扩大，形成新疆、云南、海南、湖南、山东等省份零星分布，较高频区明显增加，形成中部地区连片分布，而中频区、较低频区以及低频区明显缩小。

图1 2010年、2019年我国夜间旅游安全事件空间分布格局

2.2.3空间热点特征。利用核密度分析剖析我国夜间旅游安全事件在不同年份省域尺度上的热点变化特征，将搜索半径设定为2.5 km[25]。总体而言，我国夜间旅游安全事件核密度的高值区在两个时间截面上发生显著变化，均在沿海地区以及中部地区等发达地域呈块状集聚分布(图2)。具体来看，2010年我国夜间旅游安全事件主要发生在东部沿海地区以及西南部分省域。其中，上海是夜间旅游安全事件的热点区域，云南、天津、北京及广东为次热点区域。2019年我国夜间旅游安全事件的热点区域扩散至海南、北京等省域，次热点区大幅度增加，形成山东、河南、湖南、云南、广东、新疆等多省域块状分布。强化我国夜间旅游安全管理刻不容缓。

图2 2010年、2019年我国夜间旅游安全事件核密度分布

2.2.4空间演化态势。利用重心以及标准差椭圆分析我国夜间旅游安全事件的空间演变规律与发展态势。2010—2019年我国夜间旅游安全事件的重心变化幅度较大，2010—2017年重心有向西南方向转移的趋势，2017—2019年重心持续向西北方向迁移(图3)。利用标准差椭圆分析我国夜间旅游安全事件的空间发展态势。整体来看，2010年、2013年、2016年、2019年我国夜间旅游安全事件的标准差椭圆分布范围较大，覆盖了28个省份，且整体位于中部以及东部地区。具体而言，2010年我国夜间旅游安全事件的分布重心位于湖北荆门市(112.184°E，30.842°N)，分布总体方向为东北—西南方向。2013年，分布中心由湖北荆门市转向湖南张家界市(110.104°E，29.721°N)，椭圆方位角由2010年的64.922°变为61.014°，说明我国夜间旅游安全事件分布走向有向西南转移的趋势，且整体旅游安全事件的发生区域范围较2010年有所扩大，面积由原来的321.268 km2扩大为337.900 km2。2016年，我国国内旅游安全事件的分布重心由2013年的湖南张家界市转向湖北恩施市(109.470°E，29.955°N)，椭圆方位角由2013年的61.014°变为71.859°，整体走向有向西北转移趋势，且事件发生区域的面积由原先的337.900 km2扩大到375.174 km2。2019年国内旅游安全事件的分布重心位于湖北省神农架林区(110.346°E，31.411°N)，椭圆方位角变为87.271°。整体来看，我国夜间旅游安全事件的分布走向有向东北方向转移的趋势，且发生区域面积仍在扩大，为417.508 km2，这表明国内夜间旅游安全事件呈现严重化趋势。

图3 2010—2019年夜间旅游安全事件的重心分布

3 夜间旅游安全事件的引致因素

3.1 变量选取、数据说明与模型建立

3.1.1变量选取与数据说明。事故致因论理论表明旅游安全事件的发生是多元因素共同作用的结果[26]。J.Yin等指出安全事件的引致因素包含压力、状态以及响应三大因素[27]。基于此，本研究拟从压力、状态、响应三大要素出发，借助空间面板回归模型探讨引致我国夜间旅游安全事件的关键因素。将2010—2019年我国夜间旅游安全事件数作为被解释变量，解释变量指标的选取考虑数据可获取性，将游客接待压力、社会环境压力作为压力解释变量，能源消费状态、行业发展状态作为状态解释变量，将产业发展响应作为响应解释变量。各变量指标选取说明如下：① 游客接待压力。殷杰等指出客流与游客聚集压力易引致高聚集游客安全事故的发生[28]。可见，游客接待压力是引致安全事件的重要前因。由于缺乏夜间旅游接待人数的统计数据，本研究用各省份接待入境过夜游客以及各省份旅游接待人次来表征游客接待压力，其在一定程度上能够反映各省份夜间旅游接待人数。② 社会环境压力。邹永广认为社会环境压力是影响目的地安全的重要因素，而各地区交通事故数是衡量当地社会环境压力的重要指标[29]。此外，B.Maser等认为交通安全是旅游风险的重要维度[30]。本研究用各地区交通事故数来衡量社会环境压力。③ 能源消费状态。能源消费状态能够有效反映夜间旅游的发展状态。夜间旅游发展态势越好，其吸引的游客数越多，也越有可能出现安全问题。本研究借助各省份电力消费数来衡量能源消费状态。一般而言，某地区电力消费数越高，该地区的夜间旅游越发达。④ 行业发展状态。用第三产业法人单位数来表征各省份的行业发展状态。第三产业法人单位数反映了整个第三产业发展的整体水平，换言之，第三产业法人单位数越多，表明该省份的旅游产业发展状态越好，夜间旅游也越发达，因而可能造成的夜间旅游安全事件也越多。⑤ 产业发展响应。住宿与餐饮资产投资在一定程度上反映了旅游产业发展响应。一般而言，住宿与餐饮资产投资越多，旅游业发展状态越好，其能够为游客提供安全保障的基础设施、旅游设施、各类服务越完备，因而夜间旅游安全事故越不可能发生。

3.1.2模型建立。为了消除异方差以及保证数据稳定性，对上述变量分别取自然对数，借鉴柯布-道格拉斯生产函数模型[31]，分析压力、状态、响应因素对夜间旅游安全事件的影响，并建立面板数据模型：

lnY=C+αlnX1it+βlnX2it+γlnX3it+ηlnX4it+φlnX5it+μlnX6it。

式中：i为省份；t为时期；Y为夜间旅游安全事件数；X1为接待入境过夜游客；X2为旅游接待人次；X3为交通事故数；X4为电力消费数；X5为第三产业法人单位数；X6为住宿与餐饮资产投资；C为常数项；α，β，γ，η，φ，μ分别为各变量的弹性系数。鉴于该式为基本面板数据模型，本研究将根据Hausman检验进一步确定面板数据模型形式。

3.2 夜间旅游安全事件影响因素回归分析

首先，采用回归分析前需要确定面板数据的效应模型，借助Hausman检验判定该模型是属于随机效应、混合效应还是固定效应模型[32]，检验结果表明适合选择固定效应模型。此外，模型拟合优度值达到0.963，相应的p值小于0.001，模型拟合效果较好。其次，各省份接待入境过夜游客、各地区交通事故数对我国夜间旅游安全事件的形成产生了显著的正向推进作用，住宿与餐饮资产投资具有负向抑制作用，而各省份旅游接待人次、电力消费数、第三产业法人单位数并不能显著影响夜间旅游安全事件(表2)。

(1) 游客接待压力。各省份旅游接待人次对我国夜间旅游安全事件的影响作用并不显著，而各省份接待入境过夜游客对我国夜间旅游安全事件的形成具有推动作用。尽管各省份旅游接待人次能够反映目的地游客接待压力，然而，由于出游时间的局限性，周边游仍是大众游客的首要选择。对入境过夜游客而言，文化差异冲突以及夜间安保限制等易引发夜间旅游安全事故发生。

(2) 社会环境压力。社会环境压力是影响目的地安全系统的重要因素[29]，各地区交通事故数是社会环境压力的指标之一，省区交通事故数越多，表明该目的地安全系统越不稳定，目的地整体风险较高，易致使夜间旅游安全事故的发生。

(3) 能源消费状态。根据电热汇微信公众平台显示，第二产业属于高耗能产业，其用电占全社会用电总量的68.3%，而第三产业仅占16.4%。因此，各省份电力消费数对我国夜间旅游安全事件的影响较小。

表2 夜间旅游安全事件影响因素模型估计结果

(4) 行业发展状态。第三产业法人单位数能够在一定程度上表征目的地旅游发展的状态，但夜间旅游的开发多聚集在城市、社区、古镇等地，山岳、遗产遗迹等类型目的地不适合发展夜间旅游，因此，第三产业法人单位数对我国夜间旅游安全事件的影响较小。

(5) 产业发展响应。住宿与餐饮资产投资能够反映该地区有较大的夜间旅游市场，其相应的安全配套服务、配套设施也较为完善，能够为夜间旅游发展提供一个良好的产业发展环境。因此，住宿与餐饮资产投资对我国夜间旅游安全事件的形成具有抑制作用。

4 结论与建议

4.1 结论

(1)我国夜间旅游安全事件的发生时间呈现整体波动性与分布集中性。2010—2019年我国夜间旅游安全事件数呈现先增长后下降的趋势，7月和8月是夜间旅游安全事件高发期。夜间旅游安全事件的季节性差异较小，高发期集中于夏季。

(2)2010—2017年我国夜间旅游安全事件发生的区域差异较大，2018—2019年分布较为集中。夜间旅游安全事件高频区、较高频区呈扩大态势，中频区、低频区与较低频区呈缩减态势；夜间旅游安全事件的热点与次热点区域呈扩大趋势；2010—2017夜间旅游安全事件的重心有向西南方向转移的趋势，2017—2019年重心持续向东北方向迁移，夜间旅游安全事件发生面积逐年扩大。

(3)接待压力、环境压力是导致夜间旅游安全事件发生的重要原因。各省份接待入境过夜游客、各地区交通事故数对我国夜间旅游安全事件的形成产生了显著的正向影响，住宿与餐饮资产投资能够减少夜间旅游安全事件的发生。

4.2 建议

(1)强化夜间旅游安全管理意识，加强与多部门如电力、人文、气象等相关部门合作，识别夜间旅游安全事件发生时间段，及时通过相关平台发布公告。

(2)旅游企业应加强夜间旅游安全防控，在节假日及寒暑假期间强化夜间旅游安全防控措施，制定相应的应急预案，如增派安全管理人员，加强安全监控，完善景区内监控、播报等设施设备，尽可能有效规避安全风险。

(3)旅游者需要加强安全意识，尽量避免在事故高发区出游，7月、8月为我国夜间旅游安全事件的高发期，在此期间，青少年游客应在家长陪同下出游。

(4)旅游管理部门应结合夜间旅游安全事件的空间分布特征和发展态势制定安全防控策略。沿海地区、西南地区以及其他夜间旅游安全事件的高发地区的旅游管理部门应识别当地夜间旅游安全事故的形成因素、涉及环节以及具体地段，在夜间事故高发地区完善交通、住宿等基础设施，建立安全检测预警机制，设立安全紧急应急站，提高夜间旅游安全应急救援效率。

(5)夜间旅游场所需严格按照最大承载量进行游客接待，避免游客过载情况。交通部门应加强夜间交通管控，尽量减少交通事故的发生，为夜间旅游营造良好的社会环境。旅游企业、旅游部门应加强夜间旅游安全方面的投资，为游客打造安全的夜间旅游环境。