旅游统计数据一直是行业长期关注的焦点问题，也是引导旅游业实现高质量发展的关键和难点之一。国务院印发的《“十四五”旅游业发展规划》明确提出了健全旅游统计指标体系、提高旅游统计准确性和科学性、深化旅游统计应用以及大数据支持决策等的要求。尽管我国旅游主管部门按照联合国世界旅游组织推荐的《2008年旅游统计国际建议》和《旅游卫星账户建议的方法框架2008》修订了我国旅游统计调查制度，规范了我国的旅游统计工作，但由于官方发布的统计数据出现调查结果与实际情况有偏离，从而受到学界和业界的质疑，比如国内旅游统计数据的“横向不可比、纵向不可加”“国内游客统计口径太过宽泛”等，以上对旅游统计数据的质疑可归因于认知偏差、学科背景不同、调查方法局限等。近年来，我国在旅游统计方法上已经开始尝试运用大数据技术，但大数据在旅游统计中的应用尚未发挥出其全样本、客观性、多样性及多维度的全部潜力，仍然处于辅助工具的地位。当前讨论的旅游活动边界主要是从“惯常环境”到“流动的惯常环境”“跨境的惯常环境”的一元情景，但对公务出差人员或国际航班机组人员等类似移动性较复杂的群体，利用工作之外的休闲时间购物或是前往街区、景点游玩活动是否属于旅游统计的范畴，工作之外的旅游活动边界如何认定等问题，目前尚未有共识。显然，在旅游统计中，哪些活动属于旅游范畴等问题还有待进一步讨论。因此，本文聚焦于惯常与非惯常二元情景，以旅游人数统计所面临的问题为切入点，深入探讨我国旅游统计的困境，提出从旅游者行为视角反向推导旅游活动边界的优化思路，以期对未来大数据运用于旅游统计中的工作有所启发。

1.2 旅游统计核算方法

当前官方公布的旅游统计数据中，其旅游统计方法在操作性定义中做了进一步的改进，将惯常环境定义为住所周边和职学地周边一定距离范围内构成的空间集合，利用空间聚类算法确定更优的40km半径作为以居所为中心的惯常空间。可见，该方法在新的统计方法和技术手段上有所突破，在很大程度上提高了旅游活动识别的准确性，使得惯常环境不同区域之内的通勤等非旅游活动的出行被有效地排除，但在调查方法方面存在样本覆盖范围小、颗粒度较粗等局限性，具体表现为：主要采用计算机辅助电话调查的方式，调查时点上是让受访者回忆季度出游及其花费，受被调查人员心情的影响，调查结果的准确性无法保证。进一步地，通过抽样调查，按照常住人口比例将样本分配给各个城市，随后依据样本中的出游率来估算全面的国内旅游人数，该推算方法忽略了城乡居民出游能力的差异导致的统计偏差问题。

自联合国世界旅游组织于1999年开始在旅游定义中使用“惯常环境”来代替“常住地”“居住地”之类的概念后，国外学者对“惯常环境”在统计上的应用，提出了操作性概念。史蒂芬·史密斯认为它不包括日常旅行或离家近的旅行概念，并介绍了加拿大以80km作为旅游门槛距离的历史，指出这一数值并非是从实证分析得出的，而是一种妥协平衡的结果。研究还对将国民家庭旅游的门槛距离减半至40km或加倍至160km两种做法进行了实证研究，结果显示降低门槛距离将大量低价值旅行视为旅游，不符合联合国世界旅游组织对旅游的定义。罗伯特·戈韦尔等认为从多个视角重新构建和重置了传统观点的“惯常环境”，提出了“惯常的感知与距离并非是线性关系”的观点，这代表工作环境与日常居住环境可以不在同一个行政区域内，异地性并不是旅游的绝对条件。国内学者张凌云将惯常环境进一步区分为“流动惯常环境”“跨境惯常环境”等概念。在此基础上，也有相关学者基于心理认知层面探讨新兴旅游业态下旅游者的心理以及行为，尝试完善“惯常环境”与“非惯常环境”理论层面的建构，尽管在实际统计工作中难以操作和推广，但从理论的角度出发，学术定义为我们界定旅游活动提供了思路，即更准确的划分应是让旅游者决定用何种时间和地点的数据来划分惯常环境和旅游、旅行的界限。

目前信息技术和大数据的迅猛发展为解决复杂问题提供了全新的思路和工具，包括改进数据收集方法、变革数据分析方法、改变数据表现形式等方面，其中大数据的兴起是信息技术广泛应用的产物，将其整合到旅游统计中已经成为不可避免的趋势。国外已经在大数据旅游统计方面积累了实际应用经验，如西班牙通过交通环路和交通控制摄像头的数据来估算入境游客的数量；爱沙尼亚中央银行长期通过移动定位数据收集跨境统计信息等。相较于传统抽样调查以及网上填报的方法，大数据的旅游统计方法有着客观性、多样性、多维度以及非结构性等特点，这些方法能够处理各种不同来源的海量数据，通过高效的数据解析技术挖掘其中的内在规律，有效地弥补了传统抽样调查在估计精度方面的不足。一方面，利用大数据捕捉到的数据来源和游客旅游消费、旅游游览等活动，切实记录了联网的交易、到达地点、停留时间等，使游客游览记录有迹可循；另一方面，过去很难从游客需求方面获取准确的数量和收入数据，旅游统计通常局限于从供给侧获取汇总的宏观信息。随着移动网络的广泛应用，现在可以从需求侧进行统计，实现多样性、多维度的数据收集（表5），如社交媒体上带有地理标签的数据以及健康与活动应用提供的数据，能够补充传统信令数据在路径记录上的不足，有效地弥补了依赖单一数据源可能导致的信息缺失。在多维数据收集基础上再进行数据清洗、处理数据颗粒度和数据脱敏等步骤，将能够获得比依赖传统抽样调查方法更精确的数据。

学界对于非惯常环境既是地理空间概念、更是心理行为概念已初步达成共识，并通过聚焦旅游者行为，揭示旅游的本质和特殊性。由于行为可观察和测量，旅游活动首先表征为外在身体行为。如流动性较频繁的机组乘务人员这一类特殊性质工作人群利用休息时间购物或者观光游览，他们的服饰由正式职业装变为休闲便装，显然后者的行为表现才可被认为是进入了非惯常环境，才能纳入统计范畴。因此，旅游者表征的决策、消费和交往等行为为大数据手段获取需求端数据提供了线索，一定程度上补充了以时间颗粒度和空间颗粒度处理数据的方式。通过回顾已有文献，结合旅游“食住行游购娱”六大系统要素，将非惯常环境下的行为分为旅游目的地、旅游消费、旅游社交和其他异化等行为，并梳理其行为特征（表6）。

作者：邓媛元，北京联合大学旅游学院硕士研究生；

张公鹏，北京联合大学旅游学院教授；

张凌云，中国社会科学院旅游研究中心特约研究员，《旅游学刊》执行主编

原文刊载于《旅游论坛》2024年第6期，参考文献略