城市旅游客流量—网络关注度空间分布特征与耦合分析

汪 秋 菊 ,黄 明 ,刘 宇*

(1.北京联合大学旅游学院，北京 100101；2.北京建筑大学测绘学院，北京 100044)



城市旅游客流量—网络关注度空间分布特征与耦合分析

汪 秋 菊1,黄 明2,刘 宇1*

(1.北京联合大学旅游学院，北京 100101；2.北京建筑大学测绘学院，北京 100044)

为反映城市旅游客流量与网络关注度空间分布特征及两者耦合关系，结合杭州市38个3A级以上景点(区)旅游客流量与网络关注度数据，采用ArcGIS生成Voronoi多边形构造旅游景点的地理空间边界，测算各景点客流量与网络关注度密度，利用局部多项式空间插值方法，生成客流量、网络关注度密度空间分布图，并采用非参数计量方法，分析两者空间对应变动关系。研究表明：旅游客流量与网络关注度数据空间化是实现空间表达及分析两者关系的重要手段。杭州旅游客流量、网络关注度分别形成“双峰”、“多中心”的空间格局。除千岛湖风景区和浙西大峡谷两个景点外，杭州3A级以上景点旅游客流量与网络关注度密度存在显著正相关。这一结论揭示了多个景点旅游客流量与网络关注度密度具有明显呼应的关系，同时也表明了旅游需求的变化及景区的区位交通条件是影响两者耦合的重要因素。

客流量；网络关注度；空间分布；Voronoi多边形；杭州

0 引言

随着网络信息技术的发展，旅游网络信息与实际客流量关系的研究备受国内外学者关注。旅游网络关注度是基于网络数据的旅游信息，反映与旅游相关的不同关键词在一定时间内的“用户关注度”和“媒体关注度”[1]。研究旅游网络关注度与现实旅游客流量空间分布特征与关系，对于调整旅游产业空间布局，促进旅游目的地可持续发展具有重要意义。

西方学者围绕着旅游客流量空间分布格局进行了大量的理论研究[2]，一些学者在空间分布规律识别的研究方法和技术手段上也做了大量研究，特别是对大尺度下的客流空间集散规律研究相对深入，重点分析了客流空间分布集中程度[3，4]和客流量空间分布密度[5]。但上述研究都基于“研究区域是一个封闭可度量的空间”这样的假设，将其应用到中小尺度旅游目的地的研究尚有难度，因为中小尺度上旅游目的地客流量统计数据多以旅游景点为统计对象，而旅游景区空间边界在动态变动且呈现一定的模糊性。随着旅游产业融合迭出的新业态，尤其是以城市旅游为主要吸引物的区域，城市资源内化为旅游资源，城市活动空间与景区空间的边界正在模糊甚至消失。因此，对于中小尺度旅游客流量空间格局的研究，需要空间分布识别技术方法的突破。

国内外学者关于网络关注度空间分布格局的研究较少。在空间分布识别的手段上，一般结合基于百度指数搜索平台获取网络关注度数据[6]或加权测算的旅游网络关注度数据[7，8]，采用区域比较法进行空间分析。旅游网络关注度在空间识别上与旅游客流量面临同样的技术问题。客流量与网络关注度密度(为旅游网络关注度与相应面积的比值)空间分布从本质上看是离散的，但随着城市活动空间与景区空间边界的模糊化，客流量与网络关注度密度可近似看成以空间坐标为自变量连续分布的函数，这使采用数据空间化手段表达客流量与网络关注度空间分布成为可能，但目前此方面的研究成果较少。

一些学者采用数据比较法[9-11]、相关分析法[12]、最小二乘法[13]、自回归分布滞后模型[14，15]、MIDAS[16]、向量自回归模型[17]等，围绕旅游目的地客流量与网络关注度的关系进行了大量研究，并得出了两者正相关的结论。但上述研究大都直接利用旅游客流量与网络关注度统计数值进行分析，没有考虑旅游客流量与网络关注度所依存的地理空间。值得注意的是，在对多个旅游景点研究时，忽视它们依存空间大小的差异，就无法了解它们各自的区域形态和空间分布，也无法有效确定其间的关系；另一方面，这些研究所采用的方法大都以预设函数关系为基础，而多个旅游景点旅游网络关注度与实际客流量之间的关系本身存在一定的复杂性，预设函数的分析方法难免存在一定的局限性。近年来非参数建模已在国内外被广泛应用，其优点为在拟合时并不需要预先设定因变量与自变量数据之间的函数关系，在一定程度上可以避免人为设定函数造成的偏差，能较好地反映变量之间的细微变化，在变量关系分析中具有独特的优越性[18]。

本文结合杭州市38个3A级以上景点(区)旅游客流量与网络关注度数据，测算各景点客流量与网络关注度密度，利用局部多项式空间插值方法，生成客流量、网络关注度密度空间分布图，对它们的空间分布特征进行分析，并采用非参数回归方法，分析杭州市客流量与网络关注度密度的对应变动关系。其次，本文针对旅游景点地理空间边界模糊的问题，采用ArcGIS生成Voronoi多边形来构造旅游景点的地理空间边界，由于Voronoi多边形内任何位置距此景点的距离都比该多边形到其他景点的距离要近，采用这样的替代方法符合旅游者在游历过程中会在距离其较近的景点周围活动的客观事实。

1 数据来源与研究方法

1.1 数据来源

本文以杭州市域范围内42个3A级以上旅游景点(区)为研究对象，其中5A级景区(点)3个，主要包括杭州西湖景区、千岛湖风景区、西溪国家湿地公园；4A级景区(点)27个，主要包括雷峰塔景区、清河坊历史特色街区、京杭大运河、宋城旅游景区、野生动物世界景区、杭州乐园、余杭双溪竹海漂流景区、瑶琳仙境景区、超山风景名胜区、浙西大峡谷、东方文化园等；3A级景区12个。由于天钟山旅游景区、余杭区农夫乐园、杭州新沙岛及良渚玉文化产业园等景点目前尚未创建百度搜索指数，在研究中舍去这4个旅游景点，只研究其余38个旅游景点。

旅游景点客流量数据主要来源于2011-2013年《杭州旅游概览》及《中国旅游统计年鉴》。根据百度统计分析报告，目的地名和地区名是旅游网民搜索最多的信息，其次是交通地图、旅游攻略、门票查询、口碑评价、特产购物等。本文选取景点名、景点交通地图、景点旅游攻略作为查询关键词，收集各年每个关键词每天的网络关注度，然后汇总得到每个关键词一年的网络关注度，最后将每个关键词所对应的网络关注度汇总求和，得到各景点年网络关注度(表1)。

表1 2011-2013年数据统计摘要

Table 1 The statistical summary during 2011-2013

变量平均值标准差最小值最大值景点客流量(万人/年)315．58651．662．032651．63景点网络关注度(万人/年)29．9140．003．32176．87

1.2 研究方法

1.2.1 基于Voronoi多边形的数据空间化 在测算旅游景点客流量与网络关注度密度时，都面临一个问题，即只能收集到各个景点所对应的客流量和网络关注度，很难获得旅游景点地理空间边界数据。为解决这一问题，本文依据杭州38个景点中心位置，借助Google earth和ArcGIS12.0软件对所有景点进行了地理空间可视化表达；采用ArcGIS生成Voronoi多边形构造旅游景点地理空间边界，并将超出杭州整个市域边界的多边形进行剪切；然后，利用2011-2013年杭州38个旅游景点客流量与网络关注度数据，进行密度化数据处理，计算各Voronoi图形上相应客流量与网络关注度的密度(即景点客流量数据与网络关注度数据分别除以Voronoi多边形的面积)，结果见表2。

表2 2011-2013年密度化数据摘要

Table 2 The density data summary during 2011-2013

变量平均值标准差最小值最大值景点年客流量密度(万人/km2)6．337828．09660．0032170．2080景点年网络关注度密度(万人/km2)0．39321．74930．000210．6801

根据测算，2011-2013年杭州旅游景点年客流量密度平均为6.3378万人/km2，客流量密度最大的3个景点分别为西湖风景名胜区、西溪国家湿地和宋城旅游景区，客流量密度最小的景点为建德灵栖洞、建德大慈岩和九咆界景区。2011-2013年杭州旅游景点年网络关注度密度平均为0.3932万人/km2，密度最大的3个景点分别为西湖风景名胜区、清河坊历史街区和浙西大峡谷风景区，最小的景点为建德灵栖洞、建德大慈岩和塘栖琵琶湾。

但基于Voronoi多边形数据密度化的结果为同一多边形内密度相同，相邻多边形之间呈现数值突变的情况。为此利用各景点客流量与网络关注度密度数据，采用局部多项式空间插值方法，生成客流量与网络关注度密度空间分布图，以实现对两者空间分布的现实模拟。局部多项式插值是以研究区域相似性为基础，采用多个多项式，由已知景点数据创建景点客流量和网络关注度密度光滑表面。此方法并非精确的插值方法，但能描述短程变异[18]。

1.2.2 非参数回归方法 本文利用2011-2013年38个旅游景点杭州市客流量密度Yi与网络关注度密度xi建立非参数回归模型：

Yi=m(xi)+εi(i=1，…，n)

其中，m(xi)为待估计的函数(反映杭州市旅游客流量密度与网络关注度密度的关系)，εi为随机干扰项，i为每个景点对应的样本数据，n为研究的总样本数量(即各年度样本数之和)。假设函数m(xi)是p阶可导的，在某一点x=x0处作泰勒展开：

本文采用二阶多项式进行回归估计，即p=2，并使用“交叉核实”(Cross Validation)的方法确定最优带宽h*为0.49，进行参数估计。

2 旅游客流量—网络关注度空间格局与耦合关系

2.1 旅游客流量—网络关注度空间格局

利用基于Voronoi多边形的数据空间化方法，生成杭州市域旅游客流量密度分布图(图1，见封3)和旅游网络关注度密度分布图(图2，见封3)。从图1可以看出，杭州市旅游客流空间布局呈现“双核”空间结构特征。其中，旅游客流量密度最高峰值主要集中在杭州主城区，围绕着西湖、西溪国家湿地公园、清河坊历史街区等景点(区)客流量密度较高。旅游客流量密度另一个峰值出现在淳安县，围绕着千岛湖风景区客流量密度较高。从图2可以看出，杭州市旅游网络关注度空间布局已具有多中心空间结构特征，形成3个旅游网络关注度密度高峰值。旅游网络关注度密度最高峰值出现在杭州主城区，围绕着西湖、西溪国家湿地公园、清河坊历史街区等景点(区)网络关注度密度较高。旅游网络关注度密度另一个峰值在淳安县，围绕着千岛湖风景区、千岛湖情人谷吧等景区网络关注度密度较高。除了这两个峰值，不同于客流量空间分布格局，在浙西大峡谷附近形成了旅游网络关注度密度峰值，介于杭州西湖与千岛湖网络关注度密度两个核之间。

不管是旅游客流量空间结构的“双峰”特征，还是网络关注度空间结构的“多中心”特征，围绕西湖为中心旅游客流量与网络关注度密度都远远高于其他景点，两者的空间布局都是由杭州主城区所主导，具有城市单中心主导的强中心结构特征。这主要是由于杭州西湖景区自古以来享有盛名，2002年西湖成为中国第一家免票的5A级景区，西湖的知名度也非其他旅游景点可比。

2.2 旅游客流量与网络关注度密度非参数估计

为进一步考察旅游客流量密度与网络关注度密度的关系，本文采用非参数估计方法——局部多项式回归模型，对2011—2013年38个景点客流量与网络关注度密度数据进行分析，通过数据自身呈现的变化规律，探索旅游目的地客流量与网络关注度密度的对应关系。由于西湖客流量及网络关注度密度远远大于其他旅游景点，在研究中去除西湖景区这一样本点。

旅游客流量密度与网络关注度密度的回归结果如图3所示。菱形、圆形、三角形分别代表2011-2013年各年景点客流量密度与网络关注度密度的点对。为便于对比，按旅游网络关注度密度大小分为3个区间进行分析：网络关注度密度高的区间(1.75～2.57)，主要景点有西溪国家湿地、杭州清河坊历史文化街区、宋城旅游景区；网络关注度密度中的区间(1.35～1.75)，主要景点有千岛湖风景区、浙西大峡谷；网络关注度密度低的区间(0～1.35)为以上5个景区之外的其他31个景点。旅游网络关注度密度处于(0，1.35)及(1.75，2.5)区间时，旅游目的地客流量密度与网络关注度密度存在显著的正相关。

图3 客流量与网络关注度密度非参数估计

Fig.3 Nonparametric estimate of tourist flow and consumer attention degree of travel network

图3中，旅游网络关注度密度处于(0，1.35)区间的景点(区)，如建德大慈岩、建德灵栖洞、临安钱王陵公园、临安柳溪江景区、九咆界景区、江南水乡文化博物馆等网络关注度低，客流量也较低。这些旅游景区大都地处建德、临安、桐庐等县级及以下区域，旅游公共服务体系处于起步阶段，旅游发展整体水平较低，且对外宣传力度不够，知名度不高，旅游客流量有限。

旅游网络关注度密度处于(1.75～2.57)区间的景点(区)如西溪国家湿地、杭州清河坊历史文化街区、宋城旅游景区等网络关注度高，客流量也高。这些景点地处杭州主城区，交通便捷，加之2003年杭州实施了西湖、西溪湿地、运河“三保”工程以及历史文化街区的保护与修复，提升了这些旅游景点的吸引力。同时杭州开发一系列旅游在线平台项目，针对这些景点进行了大力宣传，提升了网络关注度。

旅游网络关注度密度处于(1.35，1.75)区间的景点有千岛湖风景区和浙西大峡谷，旅游景点(区)网络关注度密度较高，客流量密度却不高。究其原因，千岛湖为国家5A级景区，是中国面积最大的森林公园，是世界上岛屿最多的湖。浙西大峡谷位于浙皖接壤的清凉峰国家级自然保护区区域内，被誉为“华东第一旅游峡谷”，峡谷最长，植被保护最好，山水风光最佳。千岛湖风景区与浙西大峡谷凭借这些优势，一定程度契合了旅游发展的新需求，近些年随着工作节奏加快，越来越多的都市人向往自然、回归本色，追求恬静的环境、清新的空气、秀丽的风景、淳朴的生活风味[20]。旅游需求的转变，使千岛湖风景区与浙西大峡谷得到越来越多游客的关注，旅游网络关注度密度较高。然而千岛湖风景区、浙西大峡谷的交通区位条件明显不如主城区旅游景区，且游客旅游成本相对较高，使这些景区目前并没有达到与旅游网络关注度密度值相对应的客流量密集度。因此，旅游需求变化和交通区位条件限制了旅游客流量与网络关注度耦合关系。

3 结论与启示

本文结合2011—2013年杭州市38个3A级及以上景点(区)客流量与游客网络关注度数据，采用基于Voronoi多边形的数据密度化手段，利用局部多项式空间插值方法，生成客流量、网络关注度密度空间分布图，分析其空间分布特征，采用非参数计量方法进一步分析两者空间分布对应变动关系，得出以下结论：

(1)采用ArcGIS生成Voronoi多边形构造旅游景点的地理空间边界，测算各景点客流量与网络关注度密度，采用局部多项式空间插值方法，创建了旅游客流量和网络关注度密度空间分布图，解决了旅游景点地理空间边界模糊的问题，改进了旅游空间分布研究的手段与方法，实现了中小尺度旅游空间分布的有效表达，也有助于将大尺度旅游相关的空间分布规律的研究技术，较好地应用于中小尺度旅游地的研究上。在本文旅游客流量数据空间化研究的基础上，可以对超过旅游客流量容量的区域进行预报预警，为中小尺度旅游空间客流量预警研究奠定了基础。

(2)采用旅游客流量与网络关注度密度分析两者的空间对应关系，弥补了目前研究中只关注各景点客流量和网络关注度数量关系，忽视它们依存的地理空间而导致空间表达偏差及两者关系误判的不足。

(3)2011—2013年，杭州旅游客流量已形成“双峰”的空间结构，网络关注度则为“多中心”的空间结构，除了西湖名胜区和千岛湖景区两个集聚区外，还形成了浙西大峡谷等网络关注度密集区。但总体而言，旅游客流量与网络关注度空间格局都是由杭州主城区所主导，依然具有单中心主导的“强中心”结构特征。除千岛湖风景区和浙西大峡谷两个景点外，杭州3A级以上景点旅游客流量与网络关注度密度都存在显著正相关。这揭示了多个景点旅游客流量与网络关注度密度具有明显呼应的关系，同时也表明了旅游需求的变化及景区的区位交通条件是影响两者耦合的重要因素。

杭州实证研究结论可以较好地理解杭州“旅游西进”战略的引导作用，并为进一步促进杭州旅游产业空间合理布局提出建设性建议。一是杭州旅游发展应充分重视旅游需求新发展趋势，重新调整旅游产业布局，充分利用千岛湖风景区、浙西大峡谷的旅游资源，加快发展生态游、乡村游、休闲度假游，促进旅游产业向杭州西部、北部地区延伸，推进杭州城乡的区域统筹发展一体化新格局；二是要进一步完善旅游信息服务体系、旅游交通便捷服务体系、旅游行政服务体系等公共服务体系，特别是杭州五县(市)旅游公共服务的发展，实现旅游公共服务在杭州各区域间、主城区与五县(市)间协调发展。

[1] 李君轶.国内旅游市场研究——Internet环境下的新透视[M].北京：科学出版社，2010.

[2] 吴必虎，俞曦.旅游规划原理[M].北京：中国旅游出版社，2010.

[3] 马晓龙，吴必虎.西安旅游区旅游流空间结构研究[J].地理与地理信息科学，2004，20(9)：95-97.

[4] 张春晖，马耀峰，吴晶，等.供需视角下西部入境旅游流与目的地耦合协调度及其时空分异研究[J].经济地理，2013，33(10)：174-181.

[5] 丁佼，黄晓霞.国内旅游客流时空集散规律研究进展[J].云南地理环境研究，2012，24(5)：44-49.

[6] 林志慧，马耀峰.旅游景区网络关注度时空分布特征分析[J].资源科学，2012，43(12)：2428-2435.

[7] 冯娜，李君轶.外向在线旅游信息流与入境旅游流的耦合分析——以美加入境旅游流为例[J].旅游学刊，2014，24(4)：79-87.

[8] 王琨，郭风华.基于Tripadvisor的中国旅游地国际关注度及空间格局[J].旅游学刊，2014，24(4)：79-87.

[9] 路紫，李晓楠，杨小彦，等.基于旅游网站交互功能的访问者行为多时间维度研究[J].经济地理，2010，30(12)：2100-2103.

[10] 李山，邱荣旭，陈玲.基于百度指数的旅游景区网络空间关注度:时间分布及其前兆效应[J].地理与地理信息科学，2008，24(6):102-107.

[11] 马丽君，孙根年，黄芸玛.城市国内客流量与游客网络关注度时空相关分析[J].经济地理，2011，31(4):680-685.

[12] 龙茂兴，孙根年，龙珍付.遵义红色旅游网络关注度的客流响应研究[J].地理与地理信息科学，2013，20(5)：98-101.

[13] 龙茂兴，孙根年，马丽君，等.区域旅游网络关注度与客流量时空动态比较分析——以四川省为例[J].地域研究与开发，2011，30(3):82-87.

[14] XIN Y，BING P.Forecasting Chinese tourist volume with search engine data[J].Tourism Management，2015(46)：386-397.

[15] 黄先开，张丽峰，丁于思.百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例[J].旅游学刊，2013，28(11):93-100.

[16] PROSPER F,BANGWAYO-SKEETE.Can Google data improve the forecasting performance of tourist arrivals mixed-data sampling approach[J].Tourism Management，2015(46)：454-464.

[17] 汪秋菊.奥运场馆水立方的客流量与网络关注度关系分析[J].东北石油大学学报，2013(6)：67-75.

[18] 陈强.高级计量经济学[M].北京：高等教育出版社，2014.

[19] 汤国安.ArcGIS地理信息系统空间分析实验教程[M].北京：科学出版社，2012.

[20] 张建辉.中国城市居民旅游需求空间差异及变化研究[J].旅游学刊，2010，25(2)：29-35.

Research on Spatial Feature and Coupling Correlation between Urban Tourist Flow and Network Attention-Degree

WANG Qiu-ju1,HUANG Ming2,LIU Yu1

(1.TourismInstituteofBeijingUnionUniversity,Beijing100101;2.InstituteofSurveyingandMapping，BeijingUniversityofCivilEngineeringandArchitecture,Beijing100044,China)

To explore the spatial feature and coupling correlation between tourist flow and network attention-degree，this paper firstly collects the data of the network attention-degree as well as the tourist flow of 38 scenic spots above 3A levels in Hangzhou,generates geospatial boundaries of scenic spots through Voronoi polygons of ArcGIS,and calculates spatial density of the network attention-degree and the tourist flow.Then,this paper generates the spatial density distribution of tourist flow and network attention-degree with local polynomial interpolation,and analyzes the coupling correlation of them with nonparametric estimation.The result shows that data spatialization of the network attention-degree and the tourist flow is an important method to realize spatial express and explore the correlation of the two.The tourist flow has formed a "Twin Peaks" spatial structure in Hangzhou,which is different from "multi-center" spatial structure of the network attention-degree.There is a positive correlation between the spatial density of the tourist flow and the network attention-degree of Hangzhou′s 38 scenic spots above 3A levels except Qiandao Lake and Zhejiang Western Grand Canyon.This conclusion confirms that there is a coupling correlation between the density of the tourist flow and the network attention-degree,and the change in tourism demand and transportation conditions are the vital factors to influence the coupling correlation between the two.

tourist flow;network attention-degree;spatial distribution;Voronoi polygons;Hangzhou

2015-02-24；

2015-06-05

北京市教育委员会社科计划面上项目 (SM201411417007)

汪秋菊(1972-)，女，博士,副教授，研究方向为旅游经济、旅游地理与旅游管理。*通讯作者E-mail：kyshm@126.com

10.3969/j.issn.1672-0504.2015.05.021

F592

A

1672-0504(2015)05-0102-05