大数据支持下的酒店业空问格局演进与预测：武汉案例

童昀 马勇 刘军 任洁

[摘 要]酒店互联网预订和电子导航广泛使用所积累的海量公开数据，为实现长时间序列和高精度的城市酒店业时空演化和预测提供可能。基于大数据挖掘和处理技术，获取武汉市1953年以来的酒店业名录数据、属性数据、空间信息，并构建多源数据的酒店业空间格局预测数据库。利用GIS空间分析工具揭示了各类酒店的空间集聚特征和时空演化规律，预测了星级酒店、经济型连锁酒店的未来选址区位与空间结构。研究发现：（1）星级酒店、经济型连锁酒店以及酒店业总体空间布局均呈现显著的空间正相关，且空间集聚程度不断强化;（2）两类酒店的时空演化格局在空间扩张范围、空间扩张类型、酒店微观行为等方面具有异质特征;（3）地理探测器因子解释力分析支持了包括社会经济基础、交通便捷程度、商业繁荣程度、公共服务水平等一级指标，共计11项二级指标的预测指标体系;（4）两类酒店的空间格局预测结果均呈现圈层结构，且以长江为轴对称分布，但经济型连锁酒店未来布局的核心区与过渡区中心性更强，可选区位更为集中;（5）酒店业空间结构演化影响机理中，稳定型因子、动态型因子和随机型因子分别通过约束机制、供需机制、触发机制作用于酒店企业，再经过个体积累效应和时间积累效应，最终形成酒店业空间演化动态特征;（6）文章形成了一套较为可行的城市酒店业空间格局动态展演和预测路径，可为相关主题研究提供借鉴，也可为城市管理者、酒店投资者提供实践指导。

[关键词]酒店业;时空演化;预测;大数据;地理探测器;武汉

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2018）12-0076-12

Doi： 10.3969/j.issn.1002-5 006.2018.12.015

引言

酒店业是旅游业的三大支柱产业之一，也是城市地域中重要的物质要素，因此酒店业空间结构演化规律和区位选择规律成为城市地理学、旅游地理学的传统与热点命题。国外的酒店业空间分布格局研究多基于商业区位论展开，发轫于20世纪80年代。研究总体上经历了由经验积累到空间模型建立和理论总结，由定性描述到定量研究，由单一学科到多学科参与的过程。研究内容主要集中在不同研究尺度的酒店业空间分布特征与扩散过程、区位选择因素、空间分布模型与影响机制等方面。研究萌芽阶段，Van Doren和Gustke发现区位条件优越、生态环境优良的佛罗里达、拉斯维加斯和夏威夷等是美国酒店业的增长热点区域。Wall和Dudycha等发现加拿大多伦多市酒店向交通集散地和商业发达地区集聚。Ritter提出交通导向型的酒店空间分布模式。随着研究深入，Ashworth和Tunbridge首次尝试将经验研究上升为理论，提出历史旅游城市酒店分布的空间模型。Ashworth模型成为后续很多研究的基础，并得到了实证和推进。进入21世纪以来，相关研究展现出新对象、多学科、多角度的特点，研究对象上转向酒店业高速发展的发展中国家或城市。研究视角也更加多元，不仅从决策者角度，还从旅游者视角进行了探索。国内相关研究则出现在酒店业高速发展的近10年。研究区域涵盖全国、省域、城市群、单一城市或其内部区域等多重尺度。研究方法上计量方法和手段日益复杂，由单纯依赖传统统计方法向综合使用GIS空间分析与计量模型分析转变。研究内容涉及酒店空间分布特征、集聚与扩张规律、微观选址、特殊事件对酒店业空间结构演变影响等方面。

但是不难发现，近年来国内外研究中，纵使研究手段和研究案例的丰富，却无法掩饰研究本身的老化，研究者似乎不断重复验证已有的、共识性的结论。相关研究主要有以下不足：（1）研究逻辑上，大部分研究遵循描述现象、解释成因的基本逻辑，却往往忽视了对于未来的预测（即对城市酒店业未来空间格局做出预测）。（2）研究数据上，既有研究采用的酒店业数据多来源于官方统计或实地考察数据，在数据的时效性和完整性上存在一定程度的缺失，且各酒店属性数据（特别是开业时间和客房数量）难以获取则制约了精度较高的城市酒店业空间格局的动态演化过程研究。同时，城市中数量庞大的各类物质要素的空间信息和属性信息通过传统测绘手段难以收集整理，则制约了酒店业空间结构的预测研究。（3）研究价值上，既有研究在发现影响酒店业布局和选址的诸多因素后，并没有构建一个完整可行的城市酒店业空间预测框架供酒店投资主体和城市管理者使用，造成学术研究与指导实践一定程度上脱钩。

随着互联网预订的普及，大量酒店将属性数据主动披露在预订平台网站，因而形成海量公开数据，而电子地图导航等技术的应用，则使得城市各类物质要素通过POI数据形式加以收集整理储存。上述数据为本文研究的开展提供了基础。因此，本文在多源的互联网大数据的支持下，实现精度较高、时间序列较长的城市酒店业时空演化研究，并尝试构建一套较为可行的城市酒店业空间格局预测路径，以期动态展演城市酒店业空间布局的过去、现在与未来，并进一步为城市管理者、酒店投资者提供实践指导。

1 研究设计

1.1研究区域

本文研究区域为武汉市市域，总面积8594平方千米。具体包括13个辖区，分别是江岸区、江汉区、硚口区、汉阳区、武昌区、洪山区、青山区、东西湖区、蔡甸区、江夏区、黄陂区、新洲区、汉南区。武汉市作为我国中部地区的中心城市，全国重要的工业基地、科教基地和综合交通枢纽，酒店业发展历史较长，且速度较快，适宜做空间结构的演化分析。同时国家支持武汉建设国家中心城市等宏观利好将促使其区域引领辐射、要素集聚、科技创新和服务等功能的实现和升级，武汉市酒店业面临着重大发展机遇和广阔的市场空间，即将迎来全面增长和全新发展，因此预测其酒店业未来的空间格局也具有重要现实意义。

1.2数据来源

1.2.1酒店业空间格局演进分析所用数据

酒店名录及其属性信息（包括酒店类型、开业时间、客房数量、标准间价格等）利用网页信息抓取程序从携程网（www.ctrip.com）和去哪儿网（www.qunar.com）的酒店查询结果和子页面详细信息获得，共获取到326家星級酒店和400家经济型连锁酒店的属性信息。酒店地理信息（经纬度坐标）利用百度地图批量查询。底图数据中，武汉市行政区划空间数据来源于国家科技基础条件平台的1：400万全要素基础数据;湖泊、河流以及交通干线空间数据来源于ArcGIS Online提供的最新矢量化成果。

1.2.2酒店业空间格局预测所用数据

地理探测器因子探测所用数据与武汉市酒店业空间格局预测所涉及各图层要素及其属性字段、包含的具体内容以及详细数据来源见表1。

1.3研究方法

1.3.1空间自相关分析

为了定量判别点状要素的空间集聚特征，通常利用最邻近点指数、Voronoi多边形面积的变异系数等方法，但它们只能初步判别要素的空间分布类型是集聚、随机或是离散，无法进一步对空间相关性做出判断。本文选用全局空间自相关Moran's指数进行酒店业空间集聚特征的度量和分析。

当全局Moran's Ⅰ>0时表示研究对象之间存在空间正相关关系，即空间上研究对象之间的取值，存在高高相邻或低低相邻的情况;全局Moran's Ⅰ<0表示研究对象之间存在空间负相关关系，即空间上研究对象的取值分布存在高低相邻的情况。全局Moran's指数表达式为：

式（1）中：n为观测值的数量;y为观测值的均值;y_i，y_j分别表示第i，j个区域的观测值;w_ij为采用邻近标准或距离标准的空间权值，其中的任一元素可定义空间样本之间的邻近或距离远近关系。

1.3.2核密度分析

全局空间自相关分析只能判识武汉市酒店业的空间集聚特征，无法识别市域内部的分布特征和形态。核密度分析具有连续性，且不受选取区间长度影响的优势，通过赋予各要素不同的权重，能够准确将点状要素的空间分布进行可视化。因此引入核密度估计法，基本形式如式（2）：

式（2）中，f（x）为由样本点估计得到的f在x处的值;h为带宽;（x-x_i）为估计点到样本点x_i的距离;K（z）为核函数。ArcGIS软件中采用高斯核函数，如式（3）：

1.3.3地理探测器

地理探测器（GeoDetector）是王劲峰等结合GIS空间叠加技术和集合论，提出“因子力”度量指标，以实现分异及因子探测、交互作用探测、风险区探测等功能的模型。本文主要使用分异及因子探测模块，用因子决定力q，探测各因素在多大程度上解释了酒店业空间演进格局。q值越大表示因子X对因变量Y（酒店数量）的解释力越强，反之则越弱。公式和原理如式（4） ：

式（4）中，L为酒店密度和初选因子的分类数;N_h和Ⅳ分别为分类h和研究区域的单元数;σ²_h和σ²分别是分类h和研究区域Y值的方差。SSW和SST分别为类内方差之和与全区方差。且q值的简单变换满足非中心F分布，根据λ可检验q值是否显著，如式（5）、式（6）：

式（5）、式（6）中λ为非中心参数;Y_h为分类五的均值。

地理探测器针对类别数据的算法优于连续数据，先利用ArcGIS软件提供的Jenks自然断裂点法将所有连续变量聚为5类，并将各变量绝对值转化为分类值，再用地理探测器软件进行因子探测。1.3.4大数据支持下的酒店业空间格局预测方法

为预测酒店业整体空间结构，需要对城市地域内每个地块的酒店选址可能性做出判断。首先，在大数据支持下建立酒店业空间格局预测数据库，再将案例城市用网格进行分割，利用空间连接打通各图层要素与网格图层进行关联，赋予每个网格各指标观测值，并极差标准化。其次，在综合前人研究和地理探测器因子解释力结果的基础上，确定酒店业空间格局预测指标体系，并选择因子解释力和专家打分结合的组合赋权法确定各指标权重。最后，加权叠加算出每个网格的酒店选址可能性得分，利用Jenks自然断裂点方法进行可视化绘制案例地酒店业空间结构预测图谱。

2 酒店业空间格局演进

2.1基于空间自相关的空间集聚特征分析

测算Moran's指数首先要确定待观测的空间单元，本文利用1 km×1km的格网将武汉市域空间进行分割（酒店业空间格局预测也如此），并将格网数量作为全局Moran's Ⅰ公式中的n值。再计算每个格网中各类酒店客房数量的密度，作为全局Moran，s Ⅰ公式中的y观测值。最后利用ArcGIS 10.3软件进行全局Moran's Ⅰ的计算，其中，空间权重矩阵的确定采用反距离权重方法，阈值采用默认值，计算結果如表1。

空间集聚特征分析表明：（1） 2000-2016年间星级酒店的空间自相关关系表现为显著的正相关，全局Moran，s Ⅰ由0.6970稳步上升到0.8100，体现了星级酒店16年间的集聚速率较为稳定，星级酒店空间异质性不断加强，具体表现为高高热点区集聚类型的强化;（2）经济型连锁酒店在武汉发展的10年，全局Moran's Ⅰ由0.6127跃升至0.7890，Moran's Ⅰ每5年上升0.1左右，表明经济型连锁酒店空间结构塑造正处于中前期，表现出较为剧烈的集聚过程以及迅猛的发展态势;（3）将星级酒店和经济型连锁酒店合并视为武汉市酒店业总体，全局Moran's Ⅰ从0.6970稳步上升到0.8123，每5年增加0.03～0.04，显示出武汉市酒店业整体的集聚态势较为平稳，主要是由于星级酒店的空间结构塑造已基本稳定。

2.2基于核密度分析的时空演化特征分析

空间自相关分析只初步判识了武汉市酒店业的空间集聚程度和变化，但无法直观地识别酒店业空间分布形态和细节特征的动态演进过程。因此需利用核密度估计法，做进一步时空演化特征分析。利用ArcGIS软件核密度分析工具，经过多次试验，以3 km为带宽，设定客房数量为权重字段，依次生成2005年、2010年、2016年武汉市星级酒店和经济型连锁酒店的客房空间分布核密度图。

2.2.1星级酒店

星级酒店核密度图估计直观表现出星级酒店业空间结构演变的两个阶段和类型。（1） 2005-2010年以接触扩散为主导作用的空间扩张模式。2005年武汉市星级酒店核心区由一主一次两个核心組成：主核心位于武昌区域（包括水果湖、珞珈山、关山街、中南路、卓刀泉、洪山等区域），次核心则位于汉口区域（台北街、西马街、万松街等区域）。与武汉城市功能区划基本匹配，主核心区域是武汉市金融商务和省级行政中心，次核心区域承担武汉服务中部、面向全国的金融贸易和商业服务功能，星级酒店是发挥上述功能的重要服务配套设施。到了2010年，武汉市星级酒店核心区域范围明显向外扩张，体现出空间上的连续性。同时，由主城区向沌口方向和光谷方向的延伸尤为明显，主要体现了城市产业发展和产业空间调整对酒店业布局的影响。光谷是高教科研和光电子、生物产业等高新技术产业的城市新兴板块，而沌口则是武汉汽车及机电等高端制造业聚集区。虽然上述区域旅游产业均非主导产业，但是高新技术产业与高端制造业推动下的城市扩展，为星级酒店布局提供了潜在区位，并形成了星级酒店集聚。（2） 2010-2016年以跳跃扩散为主导的空间扩张模式，星级酒店在木兰乡、前川、邾城、蔡甸、军山、梁子湖、九峰等地布局扩张，与主城区星级酒店核心地带空间分离。原因可能是一方面由于武汉中心城区星级酒店趋向饱和，另一方面武汉市在远城区构建以休闲度假和生态旅游为主的环城游憩带，并重点建设木兰生态旅游区、梁子湖旅游区、中山舰文化旅游区等重点旅游景区。这些区域凭借生态环境和旅游业发展成为众多高端休闲度假型酒店的目标区位。

2.2.2经济型连锁酒店

2005年最先登陆武汉的如家酒店和莫泰168酒店，占据了武汉市最中心最繁荣的区域（首义路、黄鹤楼、二七），画下了武汉市经济型连锁酒店空间扩张的原点。到了2010年以2005年原点为基础，经济型连锁酒店在武汉市中心城区扩张发展。因为中心城区人流量较大、城市发展较为成熟，而且文旅产业布局上，中心城区是武汉市旅游资源集聚区，汉口滨江区、武昌旧城风貌区、洪山广场地区是武汉重要的人文景观区，以黄鹤楼为中心的两江四岸大滨江旅游区与以东湖风景名胜区为主体的大东湖旅游区则几乎成为来汉普通旅游者的必游之地。而且这一布局策略在2010-2016年经济型连锁酒店的扩张过程中得到了继续贯彻和再次印证，也因此2005-2016年的10余年间，武汉市经济型连锁酒店的扩张类型以接触扩散为主。观察核密度估计图，发现2010-2016年经济型连锁酒店迅速扩张，并迅速覆盖三环以内的主城区，这一趋势与城市产业功能空间布局相匹配。武汉主城区集中发展金融商贸、行政办公、科教文化、信息咨询、旅游休闲等服务业，同时武汉城市总规中明确提出在主城构建以观光游览和商务会展为主的核心旅游区。

2.2.3星级酒店与经济型连锁酒店空间演进的差异分析

已有研究表明，星级酒店与经济型酒店在选址偏好、扩张模式等方面存在差异。本文发现武汉市星级酒店和经济型连锁酒店时空演化也具有异质特征。（1）空间扩张范围：当中心城区星级酒店逐步趋于饱和时，经济型连锁酒店在中心城区的集聚成为武汉市酒店业总体集聚的主要驱动力。星级酒店的远郊布局则扩大了武汉市酒店业的服务地域范围。（2）空间扩张类型：星级酒店前期以接触扩散为主导，后期以跳跃扩散为主导。而经济型连锁酒店则一直以接触扩散为主导。（3）酒店微观行为：酒店选址偏好和行为是城市酒店业空间格局的微观基础，较星级酒店而言，经济型连锁酒店区位选址和布局策略上表现出更强的中心性，近10年新增的经济型连锁酒店几乎均布局在三环以内的主城区。一定程度上表明交通可达性、周边设施便捷程度、商业繁荣程度、企业集聚程度是经济型连锁酒店区位选择的重要指标，然而远离中心城区的自然环境优良、用地成本较低的区域往往不是经济型连锁酒店最倾向的布局策略。这一发现与Egan和Nield等人研究得出“由于支付地价意愿和能力的差异，高星级酒店多集中于城市中心，而商务型和经济型酒店则分布在边缘城区和城市外环地带”的结论恰恰相反。（4）差异原因分析：造成两类酒店空间演进差异原因还来自需求侧，游客群体对不同类型酒店的需求存在差异，商务会议、休闲度假等需求客群多选择星级酒店，普通差旅等需求客群则更偏好经济型酒店。两类客群在目的地偏好和支付能力的差异，通过供需机制影响酒店业空间格局。

3 酒店业空间格局预测

3.1大数据支持下的酒店业空间格局预测数据库

挖掘预测武汉市酒店业空间格局可能涉及的城市各类物质要素数据，分别按照点要素、线要素、面要素3类进行收纳。空间数据库的图层名称、属性字段、包含的具体内容以及数据来源，见表2。构建好空间数据库之后，需按照表4给出的统计方法和观测半径，为每个网格的11项指标赋予观测值，并采用Jenks自然断裂点法，根据观测值的大小划分为7类进行可视化，结果见图4。

3.2酒店业空间格局预测指标体系

3.2.1 预测指标体系构建思路

构建武汉城市尺度的酒店业空间格局预测指标体系，按照如下思路进行：首先，将国内城市尺度下酒店业布局影响因素和区位决策的代表性研究，进行梳理，将基本形成共识的影响因素纳入酒店业空间格局预测指标体系中，作为一级指标，最终选定了社会经济基础、交通便捷程度、商业繁荣程度、公共服务水平，4类一级指标。其次，综合武汉实际情况，考虑指标数据的可获性，以及具体指标的代表性，确定初选二级指标，包括人口密度（X1）、地价（X2）、道路（X3）、地铁站（X4）、餐饮店（X5）、购物设施（X6）、大厦写字楼（X7）、休闲娱乐（X8）、高校科研院所（X9）、金融服务（X10）、旅游景区（X11）等。再次，基于地理探测器因子解释力分析，对武汉酒店业时空演变各阶段中初选预测指标的解释力和显著性进行甄别检验，以确保入选指标符合武汉酒店业时空过程。最终确定武汉酒店业空间格局预测指标体系。

3.2.2预测指标体系构建结果

根据表3地理探测器因子探测结果，发现初选的11项指标对于两种类型酒店空间分异的解释力均达到99%水平上的显著，因此全部纳入正式的预测指标体系。在指标权重确定方面，先利用时空过程三阶段的地理探测器因子解释力q值均值进行客观赋权，同时为了体现星级酒店与经济型连锁酒店区位选择偏好的不同，再用专家打分修正客观赋权确定两种类型酒店的指标权重。预测指标体系构建结果见表4。

3.3酒店业空间格局预测结果与分析

利用前文1.3.4构建的城市酒店业空间格局预测方法路径，分别绘制了星级酒店和经济型连锁酒店未来的空间格局预测图谱，如图5。色块颜色越深则意味着该类型酒店未来在此布局可能性较大，长期来看酒店业集聚密度也将较高，色块颜色越浅则相反。通过观察两个预测图谱，结果发现：（1）星级酒店和经济型连锁酒店的空间格局预测结果具有共性，具体表现为基本形成了圈层结构，以中心城区为核心区，以二环与三环之间区域为过渡区，外围为边缘区，且形成了以长江为轴对称分布的空间格局。除此之外，各新城还出现了点状高值区，未來将成为酒店布局可选区位;（2）星级酒店和经济型连锁酒店的空间格局预测结果具有显著区别，与前文时空演化特征分析的相关结论相符，具体表现为经济型连锁酒店未来布局的核心区与过渡区中心性更强，可选区位更为破碎，且面积小于星级酒店的对应区域，反映了经济型连锁酒店更偏向市场导向，注重人流和商业繁荣、设施便利。而星级酒店对这些因素的敏感程度相对较低，可布局区位则范围更广，特别是在黄陂、蔡甸、东西湖的布局倾向高于经济型连锁酒店，所以空间格局预测结果范围较分散;（3）通过对比《武汉市城市总体规划（2010-2020）》的绿地系统规划与用地规划图件，发现不论是何种类型酒店，未来其空间结构形态都将受到武汉市城市总体规划所设定的风景区、森林公园、生态湿地、自然保护区等构成了生态绿楔区域和其他禁建区、限建区的制约。从现有预测图谱来看，已经体现了城市规划因素对于城市酒店业空间格局预测结果的影响。

3.4酒店业时空演化的影响机理

在前文对武汉市酒店业空间结构演变进行分析和预测的基础上，还需进一步揭示表征背后隐藏的机理。本文尝试从影响因子、作用机制、作用过程3个方面构建了武汉市酒店业空间演化机制，见图6。（1）总体机理过程：影响武汉市酒店业空间格局的因子包括稳定型因子、动态型因子和随机型因子，3类因子分别通过约束机制、供需机制、触发机制作用于酒店企业。由于星级酒店和经济型连锁酒店企业偏好不同，因此具有不同的微观行为，进而导致酒店个体选址的差异，经过个体积累效应，形成静态的酒店业空间格局特征，再经过时间积累效应，最终形成动态的酒店业空间演化规律。（2）稳定型因子与约束机制：自然地理条件是影响酒店空间格局的稳定型因子，例如水系、山体、森林等组成的城市生态绿楔等，它们对酒店选址产生约束机制，酒店将无法在这些区域布局。（3）动态型因子与供需机制：动态型因子主要包括城市中可变的物质要素，例如景区、商圈、公司、基础设施等。自然地理条件对物质要素产生制约作用，城市历史发展和规划调控则分别决定了物质要素当期和预期情况，因此将其纳入影响机理框架中。动态型因子并不直接作用于酒店，而是基于企业地价支付意愿和市场目标的差异，通过地价、市场两个中介将供需机制传导给酒店企业。（4）随机型因子与触发机制：随机型因子主要指城市地域中突发的重大事件或重大决策，例如武汉园博会和长江新城建设等，随机型因子一旦发生，就会刺激和影响包括产品供给决策在内的企业微观行为。

4 结论与讨论

大数据的挖掘和处理技术解决了酒店业空间格局动态演化分析和预测的数据获取问题，获取的数据在信息完整度、时效性以及种类丰富程度较传统官方统计数据和实地调研数据具有优势，因此实现了长时间序列、较高精度的研究。同时本文还探索了一套大数据支持下的酒店业空间格局预测路径，并分别对武汉市经济型连锁酒店和星级酒店空间格局进行了应用。

（1）酒店业空间集聚特征分析表明：星级酒店、经济型连锁酒店以及酒店业总体空间布局均呈现显著的空间正相关，且全局Moran's指数逐步上升，空间集聚程度不断强化，但不同类型酒店的空间集聚特征和阶段具有差异性。

（2）酒店业时空演化特征分析表明：星级酒店和经济型连锁酒店时空过程具有显著差异。扩张类型上星级酒店前期以接触扩散为主导，后期以跳跃扩散为主导;经济型酒店则一直以接触扩散为主。企业微观行为上经济型连锁酒店区位选址和布局策略上表现出更强的中心性，然而按照传统区位论观点，由于地价支付意愿和能力不同，经济型连锁酒店布局应该选择地价较低的区域。造成这种理论和现实差异的原因值得关注和进一步分析。

（3）酒店业空间格局预测结果表明：星级酒店与经济型连锁酒店未来空间结构既具有共性，也存有显著差异。一方面，两个类型酒店未来会形成圈层结构且以长江为轴对称分布，各新城将成为酒店扩张的点状高值区;另一方面，较星级酒店而言，由于经济型连锁酒店未来布局的核心区与过渡区更为集中，均为城镇化发展较为成熟、配套设施完善的区域。某种程度上意味着，星级酒店的扩张是城市开荒拓土的大胆先行者，而经济型连锁酒店则是分享城市建设成果的谨慎跟随者。

（4）酒店业演化影响机理研究表明：稳定型因子、动态型因子和随机型因子分别通过约束机制、供需机制、触发机制作用于酒店企业，再经过个体积累效应和时间积累效应，最终形成酒店业空间演化动态特征。

（5）受制于数据的可获性和可量化性，本文构建的酒店空间格局预测指标体系还有一些因素未纳入，如城市规划因素、企业策略因素等，今后研究可做进一步完善。