0 引言

高速公路具有快速通行、舒适性高等优点，以自驾方式通过高速公路快速到达目的地是居民中短途出行的主要方式。高速公路造价高，新建高速公路车流量增长有限^[1]，仅依靠收取高速公路通行费回收投资十分缓慢，不利于吸引更多资金投入到高速公路基础设施的建设中，制约了高速公路网的长期建设与发展。为增加高速公路产业群收入，甘肃省人民政府颁布了《甘肃省打造路衍经济千亿级产业集群行动计划(2022—2025)》，以推动路衍经济的发展。交旅融合产业是路衍经济的重要产业方向，是交通和旅游要素在技术进步、设施建设、产品开发、空间优化、运营管理和客户服务等方面相互渗透、交叉汇合或整合重组的现象与过程。通过发展交旅融合产业，可以推动多元产业深度融合发展，破解公路建设发展筹融资难的问题，为公路建设提供新的动力^[2]。

随着中国经济发展水平和城乡居民收入的不断提高，旅游对品质化、个性化的出行需求与服务体验日益迫切，拓展交通基础设施旅游服务功能成为经济发展新的增长点。高速公路服务区兼具交通服务与旅游双重功能，是促进交通与旅游融合发展的重要载体，其基础功能主要为解决高速公路通行人员的需求，比如能源补给、用餐休憩等。相较于传统服务区，交旅融合服务区更注重结合周边旅游文化，带动地方特色产业发展，为游客提供感受地方文化的高质量服务。传统高速公路服务区周边多为开阔荒地，少部分服务区周边为农田，土地利用效率较低，也无法较好带动周边乡村经济发展。如何利用服务区周边荒地多、高速公路交通量大、游客数量多的特性，进而带动路衍经济产业的发展，成为急需解决的问题之一。

路衍经济产业主要通过多产业联动融合发展创造更高的经济效益，除依托服务区进行交旅融合建设外，同样存在路旅融合、旅游租车、商贸物流等多元化方式^[3]。路衍经济的发展可以盘活沿线土地资源^[4]，对高速沿线的土地进行针对性开发，最大程度发挥新开发土地所能带来的经济效益。路衍经济的良好发展同样有利于提升地区影响力，打造良好形象^[5]。

近年来，许多学者研究了不同地区依托其独特文旅优势打造的交旅融合服务区。苏兴炬等^[6]研究了福建夏蓉高速公路上的适中、古田服务区，对规划建设、新业态引入及运营效果进行了分析。研究发现通过设置当地特色文化展区与儿童乐园等设施，可以有效提高服务区的经营效益。刘安等^[7]对高速公路旅游主题型开放式服务区进行了分析，对其规划设计的基本要求及相关原则进行了总结，并以祁婺高速公路龙腾服务区为例，对该服务区的选址与客群特征进行了分析。除了将服务区与周边文化旅游特色相结合，直接打造以现代化商业综合体为特色的服务区也是一种选择^[8]。可见，交旅融合服务区不仅能依托周围的旅游资源打造以旅游文化为主题的服务区，也可以利用过路客流量大、旅途中优质补给少的优势直接打造商业化、现代化的服务区，补足过路游客在旅途中的舒适性服务需求缺口，进而创造经济效益。

已经有许多学者针对交通量、客流量的预测方法进行了研究。传统的研究方法主要采用线性回归、时间序列预测等方法进行交通流预测。线性回归方法中较为常用的是多元线性回归。邱世崇等^[9]在其研究中通过分析交通流的时空特性以及时空相关性基础上，以相邻路段流量为自变量，采用多元逐步线性回归方法对目标路段的流量进行了估计预测，最终将时间序列预测结果与空间回归估计结果进行融合，得到的最终结果表明该方法相较于单一的时间或空间预测方法预测精度有所提高。但传统方法只能用于处理线性交通流的表达，对于非线性交通流的高度可表达性无法接受与处理，丢失了数据中潜在的多项影响因素的表达^[10]。因此，基于机器学习的交通流预测方法应运而生，他可以有效处理流量数据的复杂非线性问题。邵毅明等^[11]在其研究中证实了机器学习方法相较于传统方法的优越性。通过提出的TOPSIS法评价各交通流预测模型的性能，最终结果表明，在考虑7个评价指标的情况下，XGBoost，LightGBM等机器学习方法优于线性回归以及神经网络的预测效果。线性回归方法需要通过已知的自变量与因变量对系数进行确定与验证；基于机器学习的交通流预测方法则需要大量的历史数据进行训练，才能具有较高的预测精度。本研究所能获取到的数据均不满足以上2种方法的要求，因此需要寻找对历史交通流数据依赖性相对较低的方法对新建服务区客流进行预测。

吸引力模型使用非交通流数据预测新增客流，能有效解决历史交通量数据不足的问题。部分学者采用层次分析法构建吸引力评价模型。赵烨^[12]运用层次分析法对亲子旅游的吸引力评价模型进行了构建，最终发现亲子旅游目的地的基础配套权重最大，达到0.416；亲子旅游目的地产品与特色服务权重居中，为0.346；对目的地的网络宣传与网络评价权重最小，为0.238。层次分析法中的专家打分过程存在一定程度的主观因素影响，导致分析结果有偏差。熵值法凭借其仅依靠客观数据求解模型变量权重的优点，大量应用于吸引力模型中不同影响因素权重的求解。路鹏飞等^[13]则是采用熵值法对智能网联车的信息安全综合评价方法进行研究，在辨别关键指标、确定指标权重方面起到了重要作用。崔勇^[14]采用熵值法对乡村发展的影响因素权重进行求解，并认为权重值越大的影响因素对乡村发展的影响程度越大。同时，学者们采用熵值法对各城市的人才吸引力进行综合评价，并对城市进行排序^[15-19]；也有学者采用熵值法对高铁开通对沿线城市吸引力的影响评价^[20-21]。综上，利用熵值法可以考虑不同类型因素的特性，将不同功能区的各类影响因素进行综合考虑。本研究根据建筑面积、业态定价等已知的客观因素，构建了基于熵值法的交旅融合服务区新增客流预测方法，对开业后的客流规模进行预测，为管理方提供预期客流规模的数据支持。

本研究提出的基于熵值法的交旅融合服务区新增客流预测方法主要是为在已有服务区基础上进行改扩建，打造交旅融合服务区的新建项目提供新增客流预测。本研究以G75兰海高速甘肃省太石服务区交旅融合项目为依托进行客流预测。该交旅融合项目的特点为：原服务区具有一定客流基础，但新增的交旅融合服务区仅有建筑面积、预期价格等已知信息，因在建而无法获得客流信息。因此，通过预测交旅融合项目建成后诱增的游客量，可以对项目建成后产生的预估经济效益提供数据支持。

1 模型构建 1.1 影响因素

(1) 占地面积

占地面积指具有对应功能的分区占用的地理空间面积，该指标的大小直接影响服务区内各功能区所能提供的服务和吸引的客流量。占地面积越大，该区域的吸引力也越大，因此占地面积这一影响因素在模型中为正向指标。根据传统高速公路服务区的基本特性，将功能分区分为餐饮区、住宿区与途中补给区。交旅融合服务区除传统功能外，还具有娱乐休闲与旅游观光等功能，因此增加商务招待区与娱乐休闲区。本研究的研究对象是交旅融合服务区，在占地面积方面需增加商务招待区、娱乐观光区等新增功能区块。

(2) 游客承载力

游客承载力指设施所能容纳的游客数量或负荷，分为最大游客承载力与适宜游客承载力。考虑到游客舒适度等因素，需要保证设施的服务水平，因此采用适宜游客承载力进行计算。当游客数量超过承载力时，可能造成服务区评价下降等负面影响，进而对服务区的吸引力产生影响。由此可以看出适宜游客承载力的大小也会影响该区域的吸引力大小，承载力越高，吸引力也越大，在模型中为正向指标。

由于不同功能区的服务时间不同，较少的承载力在相同的时间内可能解决更多需求。例如1辆小客车占据1个油枪，但仅需约2 min即可完成1次服务；但1个游客占据1个房间，一次服务时间长达24 h。如果不考虑服务时间，会使得诱增客流数量预测不准，因此在考虑功能区的游客承载力时，需要根据服务时间将其增大，研究中将单位时间设置为24 h。通常，客车平均加油时间为2 min，货车平均加油时间为4.5 min^[22]，电动汽车平均充电时间为30 min，餐饮区服务时间约为1.5 h。根据以上数据，对各功能区的承载力进行扩大，由于每日00 : 00—6 : 00驶入服务区的数量相较其他时间极少^[23]，该时段不进行扩充。

(3) 价格

各功能区的服务定价也是影响服务区吸引力的重要因素，当定价过高时，游客的游玩意愿下降，而定价过低则无法收回成本。由于交旅融合服务区中不仅含有传统服务区的基本功能，同时也含有服务于短途出行的娱乐休闲功能，可以进行类比定价的服务区较少，因此对于新增的娱乐休闲功能采用同级服务水平与规模的游乐设施价格作为参考定价，餐饮、加油等原有功能则与临近城市定价相同。价格越高，该区域的吸引力越低，因此价格这一影响因素在模型中为负向指标。

1.2 影响因素相关性分析

在建立模型或分析数据时，需验证变量之间的相关性，寻找到相关性较高的变量并剔除，以减少多重共线性对模型产生的影响，增加模型的稳定性和可靠性，同时使模型更加简洁，便于理解，提高模型的可解释性。本研究采用皮尔逊相关系数检验各影响因素之间的相关性，如式(1)所示。当其系数的绝对值接近1时，表示2个影响因素间的相关性越强，需要剔除其中1个影响因素以保持模型的稳定性。

(1)

式中，R为2个变量间的皮尔逊相关系数；x_i和y_i为2个变量的第i个观测值；x和y分别为x和y的均值；a为观测值的数量。

1.3 吸引力模型构建

新增客流数量不能通过1.1节所描述的3种影响因素直接计算，需要通过吸引力这一概念表示不同功能区可以吸引的客流数量。吸引力模型是以各功能区吸引力为因变量，各影响因素为自变量构建的。本研究所要构建的吸引力模型中的因变量吸引力是指基于占地面积、游客承载力、平均价格这3种客观因素的考虑，每个功能区可以吸引的客流数量的表征。以1.1节中确定的影响因素构建吸引力计算公式为：

(2)

式中，A_j为第j个功能区的吸引力；ω_i为第i个影响因素的权重；S_j为第j个功能区的占地面积；C_j为第j个功能区的承载力；F_j为第j个功能区的平均价格；n为功能区的数量。

通过该模型计算出各功能区的吸引力值，即可得知建成交旅融合服务区后，不同功能区间吸引力的差异大小。此时，如果能够计算出某一功能区的客流情况，即可通过其余功能区与该已知客流数量功能区间的吸引力差异计算出其余功能区的客流量。对于新建或改扩建的功能区，其客流量为新增客流量，即本研究所求目标：交旅融合服务区新增客流。

1.4 模型系数确定

本研究采用熵值法进行吸引力模型系数的确定。熵值法依据变量对模型的贡献度确定各个变量的系数(权重)，以减少主观因素对权重的影响。熵值法不依赖于对变量分布的具体假设，适用于各种类型的数据，也适用于多变量问题；通过将数据进行归一化，还可以很好解决不同变量间的单位与量级不同造成的差距。熵值法的基本计算流程如下。

(1) 将各指标数据进行min－max标准化：

(3)

(4)

式中，x_i为原始序列；y_i为标准化后的序列。标准化后的新序列均落在[0, 1]区间上，从而起到消除量级和量纲的作用。该步骤是为了将各指标进行归一化处理，去除各指标间量纲与数量级等方面的差距。本研究采用min-max标准化的方法进行数据归一化处理，如遇负向指标，则采用式(4)进行求解。相较于其他数据标准化方法，min-max标准化具有不会改变数据的分布形状、易于逆变换的特点，适用于非正态分布的数据。

(2) 计算第j项指标在第i功能区中的指标值所占比重p_ij：

(5)

由此得到各指标在不同功能区所占比重组成的标准化矩阵：

(6)

(3) 计算第j项指标的熵值H_j：

(7)

式中常数K与功能区数量m有关。熵是系统无序状态的量度，系统中所包含的信息量越大，不确定性越小，熵也就越小；反之，信息量越小，不确定性越大，熵也就越大。因此对于一个信息完全无序的系统，有序度为0，熵值最大。此时H_j=1，且m个功能区数量处于完全无序状态，p_ij=m^-1，代入式(7)，得：

(8)

解得：

(9)

代入式(6)中，可得此时熵值H_j为：

(10)

(4) 计算第j项指标的差异系数g_j：

由于信息熵H_j是用来度量j项指标信息的效用价值，当完全无序时，H_j=1，此时对评价的效用值为零。统计学中认为影响能力与离散程度成正比，即离散程度越大，数据影响能力越强。而信息量越大，熵值越小，说明数据离散程度越大，其影响能力(即权重)越大。因此，某项指标的信息效用价值取决于该指标的信息熵H_j与1的差值g_j，称为差异系数：

(11)

(5) 计算第j项指标的权重ω_j：

熵值法估算各指标权重的本质是利用该指标的信息价值系数计算，价值系数越高，差异系数越大，对最终结果的贡献越大，即体现为权重越大。但计算出的所有指标的差异系数之和不一定为1，而对于一个模型，所有指标的权重之和应为1，因此需要对差异系数进行归一化处理，以获得各项指标的权重。因此第j项指标的权重可表示为

(12)

由此，通过式(3)~(12)，可以在已知各指标值的情况下求解各项指标对应的权重分配情况，由此得出吸引力模型(见式(2))中ω_i的取值情况。

1.5 新增客流求解

通过1.3节构建的吸引力模型，可以求得不同功能区的吸引力值，进而求得本研究的研究目标——交旅融合服务区新增客流数量。新增客流的整体求解思路如图 1所示，具体步骤如下。

(1) 采用历史交通量数据，通过近3 a的交通量年增长率预测未来1 a的月均交通量数据，此时预测出的数据仍是原有服务区的交通流数据，不包含由于新建交旅融合服务区新增的客流量。

(2) 分别确定1.3节中的吸引力模型的自变量及权重数值。其中，3种自变量的数值通过实地调查与项目数据获取，权重则采用熵值法进行求解。熵值法具有只依靠客观数据求解权重，不受专家打分等主观因素影响的特点，同时适用于多变量问题。通过此步骤可以计算出各功能区的吸引力值。

(3) 在原有服务区进行问卷调查，通过统计进入服务区的目的是途中补给这一项的问卷数占所有问卷数量的比例，由此确定途中补给功能区对应的游客数。由于在新建交旅融合服务区前后，不会对以途中补给为目的进入服务区的游客数量产生较大影响，因此以该功能区为中介计算新增交旅融合服务区所能吸引的客流量。

(4) 根据步骤(2)中计算出的各功能区间吸引力值的比例关系与步骤(3)中计算出的途中补给功能区吸引的客流量，等比例计算出各功能区的新增客流量，由此计算出交旅融合服务区新增客流数量。

综上，本研究的主要创新点主要包括：(1)所需要使用的已知数据较少，并且多为历史车流量数据和项目数据，具有客观性强、所需数据较少的特点；(2)客流预测目标为新建交旅融合服务区，兼具有传统服务区功能与旅游娱乐功能，不存在原始客流数据。这类服务区由于建设经验不足，层次分析法中存在一定主观因素的影响可能导致对各功能区的评价不同。同时由于存在新建部分，仅能获取到原有部分所吸引的客流量，新建部分客流量未知，因此无法使用机器学习方法进行预测。在这种情况下，本研究所提出的基于熵值法的交旅融合服务区新增客流求解方法十分适用。

2 算例分析

太石服务区位于兰海高速，距离兰州市77.5 km，车程约为72 min；距离临洮县33.4 km，驾车仅用24 min即可到达。优越的地理位置使得太石服务区成为交旅融合项目试点的最佳选择，不仅依靠兰海高速获得了交通的便捷性，同时也可以吸引兰州市与临洮县的居民进行周末短途出行游玩。

2.1 服务区现状客流 2.1.1 主路交通流

研究采用2023年1月至4月的高速公路门架数据，统计主路交通量，按照交通量变化趋势进行拓展后，得出2023年全年各月份交通流情况。本研究所采用的门架数据涵盖了多种交通需求背景：春节假期前的返乡与假期后的离乡阶段；春节假期期间的出行游玩或走亲访友阶段；非节假日期间的高速公路通行。这基本实现了全样本数据的覆盖，为新增客流预测提供数据支撑。通过对兰海高速近3年收费数据的统计与分析，发现交通量年增长率为1.67%，进而据此预测得出2024年包含自然增长部分各月份交通量，如表 1所示。

2.1.2 服务区客流

由于无法获取太石服务区驶入率相关数据，因此服务区驶入率需通过相关文献中展示的兰州附近相似服务区各月份驶入率情况而定^[24]。根据与兰州市间的距离、服务区初始规模等因素，确定兰州北部的龙泉寺服务区为参考服务区，采用其驶入率计算太石服务区的客流情况。服务区驶入率如表 2所示。根据各月份交通量及对应驶入率计算进入服务区的客流，可得2024年各月份平均进入服务区的客流数, 如表 3所示。

2.2 吸引力模型计算

通过服务区实地调查与查阅项目文件，可获得服务区客流影响因素原始数据(见表 4)。服务区实地调查内容主要包括原有服务区各项服务与商品的价格、可供加油补给的油枪数、车位数等，用以计算承载力和价格。占地面积通过百度地图进行测量得到。新增功能区的占地面积与承载力通过以往研究数据给出，价格则通过同级服务水平的游乐设施和商务设施进行拟定。其中，价格为负向指标。各功能区定义及包含内容为：餐饮类包含服务区原有餐饮及超市等项目，也包含新建服务区中的美食街部分，增加了占地面积以及承载力；商务招待类与娱乐休闲类均为新建项目，不含有传统服务区项目；住宿类既包含了原有服务区的旅馆，也包含了新建服务区内的露营地、船坞酒店、房车营地等新增项目内容；途中补给类仅包含原有服务区的加油站及充电车位，新建服务区中并未有新增加油站等补给设施。

太石服务区新建娱乐休闲设施主要为露天亲子水上乐园，营业期受气温影响较大。兰州市位于西北地区，其夏季时间较短且平均气温相较于东部和南部地区较低。通过查询历史天气资料可得，兰州市6—9月份的平均高温在20 ℃以上，因此仅在6—9月份(旺季)将太石服务区的休闲娱乐空间作为可以产生吸引客流的空间。其余时间，即娱乐休闲设施不开放时间为10月至次年5月(淡季)。

2.2.1 影响因素相关性计算

通过采用式(1)计算各影响因素间的皮尔逊相关系数：占地面积与承载力之间的相关系数为0.314，承载力与价格之间的相关系数为― 0.077，价格与占地面积之间的相关系数为0.301。这3个因素间相关系数的绝对值均未超过0.4，呈弱相关，因此这3个影响因素均可保留。

2.2.2 模型系数计算

通过1.4节中展示的熵值法求解的基本流程，各步骤对案例数据计算结果如下。

(1) 将各指标数据进行min-max标准化。通过该步骤对表 4中的原始数据进行处理，分淡旺季进行计算。其中，占地面积与承载力为正向指标，采用式(3)计算，价格为负向指标，采用式(4)计算。服务区客流影响因素数据标准化结果如表 5所示。

(2) 计算指标比重。根据式(5)对表 5中数据进行计算，得到各功能区的指标比重如表 6所示。

(3) 计算熵值。根据式(10)计算各项指标的熵值，得到：旺季时，占地面积熵值为0.395 559，承载力熵值为0.634 411，价格熵值为0.800 869；淡季时，占地面积熵值为0.626 456，承载力熵值为0.414 490，价格熵值为0.765 338。

(4) 计算差异系数。根据式(11)计算各项指标的差异系数，得到：旺季时，占地面积差异系数为0.604 441，承载力差异系数为0.365 589，价格差异系数为0.199 131；淡季时，占地面积差异系数为0.373 544，承载力差异系数为0.585 510，价格差异系数为0.234 662。

(5) 计算权重。根据式(12)计算各项指标的权重，得到：旺季时，占地面积的权重为0.516 987，承载力的权重为0.312 693，价格的权重为0.170 320；淡季时，占地面积的权重为0.312 925，承载力的权重为0.490 493，价格的权重为0.196 580。由此得到式(2)中ω_i的取值在旺季时分别为0.516 987，0.312 693，0.170 320；在淡季时分别为0.312 925，0.490 493，0.196 580。

2.2.3 空间吸引力计算

根据2.2.2节中计算出的权重，将标准化后的数据(见表 5)代入式(2)中，得到旺季和淡季的空间吸引力如表 7所示。旺季时，娱乐休闲设施的吸引力最大，其次为途中补给。分析其原因为娱乐休闲项目的占地面积与游客承载力均较大，而途中补给由于其服务时间短，承载力高，相对于其他项目的吸引力也较强。在淡季，吸引力最高的功能区为途中补给，其次为餐饮和住宿。在除去娱乐休闲设施后，途中补给的游客承载力最大，导致其吸引力最大；餐饮和住宿因其承载力高，价格也相对较低而获得了较强的吸引力。尽管商务招待的承载力与住宿接近，由于其价格过高导致其吸引力也相对其他功能区较低。

2.3 新增客流预测 2.3.1 出行目的划分系数

相较于原有服务区，新建交旅融合服务区中新增了商务招待类及娱乐休闲类功能区的设置；同时对餐饮类及住宿类2种功能区也进行了一定的优化，主要体现在增加功能区内消费品类、占地面积及可承载客流量上。选择途中补给这一功能区作为连接原有服务区与新建服务区的中间变量的原因，主要是考虑到新建交旅融合服务区中，无论是新增功能区还是优化功能区，均未涉及途中补给相关客观影响因素的变动(如占地面积、价格、承载客流量)。并且新建交旅融合服务区的新增客流群体主要预估为周边县市居民，到服务区进行加油、充电等行为的概率较低，因此可以认为在服务区改建前后，中途补给这一功能所吸引的客流数量基本不变，可以作为连接新老服务区的中间变量。

对进入太石服务区的旅客开展问卷调查，调查内容主要包括出行目的、进入服务区的目的、新建成交旅融合服务区后来游玩的意愿以及功能区意愿排序，再根据进入服务区目的是途中补给的人数确定途中补给类可以吸引的游客数量。本次共收集到有效调查问卷216份，其中52份进入服务区目的为途中补给，占比约为24%。根据表 3所示2024年各月份进入服务区的客流量，可得2024年各月份进入服务区目的为途中补给的日均人数如表 8所示。

2.3.2 各空间新增客流预测

根据进入服务区目的是途中补给的人数，以及其余功能区与途中补给间的吸引力比例，计算得出2024年不同月份其余功能区可吸引游客的数量。

2.3.2.1 餐饮

(1) 旺季。根据表 7中不同空间的吸引力值，采用旺季时餐饮类的空间吸引力与旺季时途中补给的空间吸引力做比，如式(13)所示，计算得到旺季时餐饮设施的预测诱增客流数量。

(13)

式中，N_res，i为第i月餐饮设施的预测诱增客流数；N_{s, i}为途中补给第i月的现状日均客流数。

(2) 淡季。根据表 7中不同空间的吸引力值，采用淡季时餐饮类的空间吸引力与淡季时途中补给的空间吸引力做比，如式(14)所示，计算得到淡季时餐饮设施的预测诱增客流数量。

(14)

采用式(13)和式(14)计算后，餐饮设施各月份的预测诱增客流数如表 9所示。即使在淡季，餐饮区吸引的游客人数也没有显著减少。由于餐饮是高速公路服务区的基本功能，无论是否存在交旅融合项目，餐饮对游客的吸引力都相对显著，因此淡季时餐饮区的游客量也不会显著减少。旺季时，由于交通量的增长以及娱乐休闲项目的存在，使得餐饮区吸引的人数也有所增加。

2.3.2.2 商务招待

(1) 旺季。根据表 7中不同空间的吸引力值，采用旺季时商务招待类的空间吸引力与旺季时途中补给的空间吸引力做比，如式(15)所示，计算得到旺季时商务招待设施的预测诱增客流数量。

(15)

式中N_b，i为第i月商务招待设施的预测诱增客流数。

(2) 淡季。根据表 7中不同空间的吸引力值，采用淡季时商务招待类的空间吸引力与淡季时途中补给的空间吸引力做比，如式(16)所示，计算得到淡季时商务招待设施的预测诱增客流数量。

(16)

观察淡季与旺季间的商务招待设施预测诱增客流数变化，如表 10所示。可以发现淡季商务招待类的接待人数要高于旺季，主要因为旺季时娱乐休闲项目吸引更多的客流。淡季中2月份与10月份又相对较高，产生这种现象的原因是2月与10月均含有假期，无论是企业团建出行还是家庭出行均有所增长。

2.3.2.3 娱乐休闲

由于娱乐休闲设施仅在旺季开放，因此其诱增客流预测时间仅为6-9月份。

(17)

式中N_{f, i}为第i月娱乐休闲设施的预测诱增客流数。由于娱乐休闲设施的占地面积与游客承载力都很高，尽管人均价格不低，其吸引力依然很高，在其开放阶段属于人数较多的功能区，旺季娱乐休闲人数如表 11所示。

2.3.2.4 住宿

(1) 旺季。根据表 7中不同空间的吸引力值，采用旺季时住宿类的空间吸引力与旺季时途中补给的空间吸引力做比，如公式(18)所示，计算得到旺季时住宿设施的预测诱增客流数量。

(18)

式中N_room，i为第i月住宿设施的预测诱增客流数。

(2) 淡季。根据表 7中不同空间的吸引力值，采用淡季时住宿类的空间吸引力与淡季时途中补给的空间吸引力做比，如式(19)所示，计算得到淡季时住宿设施的预测诱增客流数量。

(19)

采用式(18)和式(19)计算后，餐饮设施各月份的预测诱增客流数如表 12所示。淡季住宿人数略高于旺季住宿的人数，其形成原因与商务招待人数类似，即娱乐休闲设施的开放分流所致。全年住宿人数也并不低，其原因同餐饮一样，是服务区的基本功能，无论淡季旺季均能有部分过路旅客居住。

2.3.3 平均日新增客流总计

在太石交旅融合服务区中，新建功能项目为娱乐休闲区与商务招待区，餐饮区与住宿区也有新建部分。因此，新增客流为以上4个功能区的客流之和，平均日新增客流数量如表 13所示。

由表 13可见，餐饮与住宿方面由于其具有服务区基础功能这一特性，全年的波动并不大，即使是淡季也有着较为良好的客流。娱乐休闲设施受制于其水上亲子乐园的特性，仅在旺季开放，但因其占地面积广，游客承载力高导致其游客吸引量非常高。旺季时因休闲娱乐设施的开放使得新建交旅融合服务区新增的客流较大。其余功能区的开放也会吸引一定客流，但因其价格高、占地小等因素导致其游客增量并不大。

3 结论

本研究提出了一种基于熵值法的交旅融合服务区新增客流预测方法。该方法通过确定影响服务区客流规模的因素，构建以吸引力为因变量、影响因素为自变量的吸引力计算模型。该模型可以确定不同功能区的吸引力大小，结合问卷调查获得的现有功能区的客流分布情况，预测可得新建功能区的新增客流情况。对计算出的影响因素权重与新增客流情况进行分析，可得出结论如下：

(1) 相较于价格，不同功能区的游客承载力与占地面积对其吸引力的影响更大。

(2) 休闲娱乐区和途中补给区的吸引力相对于其他几个功能区更高，这是由于其游客承载力明显高于其余几个功能区。商务招待的吸引力最低，是由于其价格这一负向指标最高导致。

(3) 对比不同月份的平均日新增客流总量，发现在旺季，即娱乐休闲设施开放阶段，新建项目的诱增客流显著上升，也与本新建项目中娱乐休闲设施为建设重点相互印证。

本研究选用的方法能够根据新建功能区的各项指标数据及现有功能区的客流情况对新建功能区吸引的新增客流进行预测。由于数据可获取性的限制，仅采用3种影响因素进行计算，未来可以通过引入更多影响因素指标使模型预测结果更加准确。根据模型计算新增客流量时，是以随着交旅融合服务区的建成，途中补给部分的车辆不会发生明显变动为前提进行预测，但在实际情况下可能会由于服务区整体服务质量的提高，吸引过路车辆在服务区修正，进而增加中途补给的车辆数。在服务区运营一段时间后，若能获取更加稳定可靠的运营数据，可以通过运营数据对模型进行优化矫正，使模型预测结果更加合理准确。通过预测得出的新增客流，可以为新建交旅融合服务区提供数据支持，提高服务区的经营效益和资源利用率。