江苏省智慧旅游产业建设水平实证分析

张伟，刘慧香，杨世超，韩阳，

(1.华北理工大学 理学院，河北 唐山 063210；2.华北理工大学 学科建设处，河北 唐山 063210)

“智慧旅游”是将物联网、云计算、高性能信息处理和智能数据挖掘等新兴技术与旅游产业相结合，使旅游资源得到高度系统化整合和深度开发激活，并服务于社会大众的一种全新的旅游形态。“智慧旅游”[1]的提出源自于“智慧城市”[2]的建设，“智慧旅游”就是把先进的新兴技术与旅游产业结合起来，将旅游资源、服务信息化[3]。当前，旅游产业的建设处于滞后状态，要想使旅游产业得到有效的支撑，关键在于对智慧旅游产业建设的宏观把控。就目前国内各个省份“智慧旅游”发展的概况来看，江苏省智慧旅游发展现状在全国属于领先水平。如今，旅游已经成为了江苏省最大的特色和品牌，也是支撑江苏省经济社会发展的重要经济支柱，近年来，江苏省旅游局大力建设各市区的旅游产业，要求根据本地资源特色，提前谋划、主动对接，不断优化旅游产业建设。

江苏省位于长三角经济带，各地水利条件好，历史悠久，经济和文化发达，聚集了许多山水园林和名胜古迹，旅游资源极度丰富。但是江苏省各地区旅游产业智慧化程度参差不齐，智慧旅游的相关理论研究还不足以支撑智慧旅游产业的优化和发展。该研究基于江苏省13座城市的旅游数据，建立江苏省智慧旅游产业影响因素指标体系，并通过聚类分析和因子分析[4]对数据进行相关性分析，根据研究结果，可以发现江苏省各城市智慧旅游产业发展的不足之处，并提出针对性应对措施，对江苏省整体智慧旅游产业发展提出指导性和针对性的建议和对策，为江苏省智慧旅游产业的建设提供相关理论指导，以促进江苏省智慧旅游产业持续、健康和稳定发展。

1 智慧旅游产业影响指标构建

智慧旅游就是将云计算、物联网[5]等新技术运用到旅游当中去，使得旅游者能够通过移动设备获取旅游目的地等各类旅游资源[6]，提前计划和安排旅游活动提高旅游者的旅游体验。该研究从旅游者角度出发，在智慧旅游背景下，选取影响江苏省旅游产业发展的因素[7]。

对于旅游者而言，最关注的就是吃、住、行、购、游等具体的旅游服务，该研究从这几个具体方面选取影响因素指标[8]：智能交通、智能酒店、智能餐饮服务、智慧旅行服务、智慧景区、旅游购物[9]。具体如图1：

图1 智慧旅游产业影响因素指标体系图

假设图1中的一级指标由上至下分别为，二级指标由上至下分别为，6个一级指标数据收集是由其相应的二级指标数据加权综合得到。通过查阅资料，设定如表1所示二级指标权重：

表1 智慧旅游指标体系中二级指标的权重

2 江苏省智慧旅游产业影响因素实证研究

2.1 江苏省旅游产业现状

(1)江苏省旅游产业经济状况

近些年来，江苏省旅游业的发展稳中求进，取得了不小的进步。2018年江苏省接待入境游客超过400万人，同比增长8.3%。具体来看，2018年江苏省月度接待游客数量基本保持稳定，其中5月江苏省接待入境过夜游客人数38.36万人，为一年人数最高值，与2017年同期相比增长22.8%。

(2)江苏省旅游产业资源概况

截止到2018年12月31日，江苏省国家级度假区主要在苏州、南京、无锡和常州；江苏省省级度假区总计47处，远远超过别的省份；江苏省国家级生态旅游示范区主要在苏州、徐州、泰州、常州和无锡；江苏省省级生态区旅游区数量最多的是苏州和徐州，其次是扬州、盐城和无锡。

从总体上来看，江苏省旅游资源丰富。江苏省国家级度假区5个，省级度假区47个，国家级生态旅游示范区5个，省级生态旅游区34个。截止2018年10月17日，国家旅游局共确定了259个国家5A级旅游风景区，江苏省5A级景区34个，占比约13.13%，是全国拥有5A级景区最多的省份。

江苏省旅游产业的优势在于：江苏省位于长三角地区，地理位置优越，旅游资源丰富；劣势在于：在旅游产业中资金投入不足，旅游产品结构不合理，旅游产业开发效率低，其可持续化发展受威胁；机会在于：经济增长带动旅游需求增多，同时，“一带一路”、长江经济带建设等国家战略的实施，为旅游业发展带来了更为广阔的发展空间；挑战在于：信息化时代到来，旅游需求结构增加，信息化和可持续化发展挑战。

2.2 数据采集

数据来源：城市公共交通总公司网站、携程旅游网、来源于择城网、途牛旅游网、江苏省统计局2018年统计年鉴以及江苏省各市级统计局2018年统计年鉴。通过上述数据对6个指标进行综合评分[10]，结果如表1所示：

表1 江苏省各地区旅游产业影响因素指标综合数据

2.3 因子分析

利用SPSS 25.0软件对数据进行筛选和分析：

表2 KMO和巴特利特检验

通过KMO和巴特利特球形度检验发现，智慧旅游产业影响因素指标的KMO检验为0.809，巴特利特球形度检验值为85.195，显著性=0.000，说明非常显著，对江苏省智慧旅游产业发展的6个影响因素进行因子分析是可行的。

表3 特征值与方差贡献表

从特征值与方差贡献表来看，当成分数为2时，公共因子的方差贡献率超过90%，说明因子分析提取2个主成分就可以解释6个原始变量的绝大部分信息。

表4 旋转后的因子载荷矩阵

因子得分及综合因子得分情况：综合因子得分为F，通过SPSS“转换→计算得分”进行计算并排序，其结果如表5所示：

表5 因子得分及综合因子得分

由表5可知，基于智慧旅游产业的6个影响因素的江苏省13座城市旅游产业发展现状的排名。其中，南京市、苏州市和无锡市智慧旅游产业发展状况较好；南通市、徐州市、常州市和扬州市智慧旅游产业发展状况一般；盐城市、淮安市、镇江市 、泰州市、连云港市和宿迁市智慧旅游产业发展状况较差。

2.4 K-means聚类分析

根据表5给出的江苏省13个市的2个因子的得分数据，运用matlab软件对江苏省13个市的智慧旅游产业进行K-means聚类，结果如图2所示：

图2 江苏省13个市K-means聚类图

从图2中可以看出，将13个市分成了3类。第1类：苏州市、南京市；第2类：镇江市、连云港市、淮安市、泰州市；第3类：无锡市、常州市、扬州市、徐州市、南通市、盐城市、宿迁市。

2.5 江苏省各市智慧旅游发展对策

(1)苏州市、南京市

作为领先城市，南京、苏州要继续完善智慧旅游城市监督体系服务，确保智慧旅游城市持续健康发展。另一方面，要有更大的担当和作为，在高水平创建全域旅游示范区、高质量提升旅游国际化水平方面要进一步扎实推进、迈出更大步伐，推进重要国际旅游目的地和国家旅游中心城市建设。

(2)镇江市、连云港市、淮安市、泰州市

政府要加强对城市智慧旅游产业建设的意识，进一步制定相关旅游产业发展规划，加大资金支持比例。另一方面，要加大对旅游资源的开发，开创具有地方特色的旅游项目，吸引更多国内外游客。同时，维护城市环境质量，更加注重对旅游景区的环境保护和优化。

(3)无锡市、常州市、扬州市、徐州市、南通市、盐城市、宿迁市

首先，各市政府要加强对旅游基础设施的建设，为智慧旅游城市提供强有力支撑；其次，要加强智慧旅游城市建设的科技以及资金方面的投入力度；最后，加强智慧旅游城市建设的信息沟通和区域合作，实现合作共赢。

3 结论

(1)由因子分析的结果可知第一个因子包含5个指标，解释了原变量82.579%的信息量，综合指标信息将第一个因子命名为旅游辅助服务因子。在智慧旅游的大背景下，江苏省旅游产业的影响因素主要集中在交通、酒店、饭店以及旅行社等旅游辅助服务方面。

(2)通过K-means聚类将江苏省13个市旅游智慧化程度进行分类，结合实际情况，可以看出江苏省城市智慧旅游发展层次分化明显，这主要跟各城市的旅游资源开发和旅游发展规划密切相关，因此各城市要更加关注自身的特点，不断开发出具有地方特色的旅游资源，做好更加完善的旅游发展规划，促进江苏省智慧旅游产业向更高的水平发展。