山岳型景区旅游网络关注度的时空分异特征及其成因

许 艳，赵海溶 ，胡 悦 ，沈惊宏 ，周葆华

（1.安徽师范大学 地理与旅游学院，安徽 芜湖241000；2.安庆师范大学 资源环境学院，安徽 安庆246133；3.中山大学 旅游学院，广东 珠海519000）

一、引 言

互联网是人类文明史进步发展的重要成果表现之一。截至2019年上半年，中国网络用户总规模接近8.54亿人次，网络覆盖率高达61.2%，其中使用在线旅行功能的网络用户规模约为4.18 亿人次[1]，信息化时代的到来使得人们渐渐惯于借助互联网获取数据信息、表达自身观点乃至拓宽社交空间。旅游网络关注度意指某一个旅游事物、某一个旅游者或者某一个旅游相关话题在互联网上受到所有社会公众关注的程度。近年来，谷歌、百度、新浪等网络运营商陆续推出了谷歌指数、百度指数、微博指数等信息数据共享平台，它们为研究人员开展旅游网络关注度研究提供了诸多帮助。综合来看，国内“旅游网络关注度”研究主要表现为以下两方面：一是研究某一主题旅游活动或某一类型旅游地网络关注度的时空演变规律[2-6]，二是研究某旅游地网络关注度与现实客流量的耦合协调关系[7-10]。

山岳型景区是中国乃至全世界最早的旅游景区表现形态之一。2015年6月中国山岳旅游联盟组织在黄山宣布成立，同年10月首届国际山地旅游大会在贵州省拉开序幕，2018年12月中国旅游景区协会山岳分会在黄山风景区正式成立，这些活动不断引发了人们对山岳型景区和山岳旅游的话题热议。回顾发现，相关研究多侧重于探讨山岳型景区旅游资源的分类评价、规划开发与发展、管理与治理模式等[11]，包括山岳旅游资源特性与质量评价[12]、山岳旅游环境质量与影响[13]、山岳旅游客流市场与营销战略[14]、山岳旅游产品设计与开发模式[15]等。另有部分学者偏向探讨山岳型景区的旅游者形象感知[16]、山岳型景区旅游者的轨迹聚类与线路选择[17]、特殊时段的山岳型景区旅游拥挤现象与调控模式[18]等议题。

比较来看，国内研究多倾向从政府、营运者等管理部门的视角探讨山岳型景区的规划与发展，虽然有部分学者转向关注山岳型景区旅游者、门户社区居民的情感认知与态度判定，但这些研究多依赖实地调研，样本量相对有限，难以呈现出各山岳型景区的旅游需求差异。因此，鉴于海量网络数据信息的可获取性，以“旅游网络关注度”为研究切入口，以关注“黄山”“泰山”“华山”“衡山”“恒山”和“嵩山”六个山岳型景区的网络用户为研究对象，采取时间集中指数、周内分布偏度指数、地理集中指数等研究方法，系统分析六个山岳型景区旅游网络关注度的时空分异特征及其成因，希望能够展现国内山岳型景区的旅游市场需求特征，为山岳型景区市场拓展与管控分流提供借鉴。

二、数据来源与研究方法

（一）数据来源

百度指数是百度公司于2006 年7 月上线发布的一款海量数据在线免费搜索应用程序。它以百度平台海量网民的行为数据为基础，能够清晰地反映出一段时间内某一关键词的涨跌态势，以及与其相关的新闻舆情，最终以曲线图的形式呈现。统计2018 年 1 月 1 日至 12 月 31 日期间黄山等六个山岳型景区百度用户的分地区逐日搜索指数，共计67890个数据。随后将它们作为基础数据用于分析山岳型景区旅游网络关注度的时空分异特征。

（二）研究方法

主要从时间和空间两个视角比较分析山岳型景区旅游网络关注度的时空分异特征。

1.季节性集中指数

季节性集中指数（或时间集中指数）是用以描述山岳型景区旅游网络关注度时间分布集聚性的重要指标。其计算公式是：

式中：R 为山岳型景区旅游网络关注度的时间集中指数；xi为分月或分地区旅游网络关注度占全年或全国的比值。R 值越靠拢零，表明时间分布越均衡；R值越大，表明时间分布越失衡。

2.周内分布偏度指数

周内分布偏度指数是用以描述山岳型景区旅游网络关注度时间分布集中性的一个指标，但它主要描述某一星期内分布的偏离对称性。其计算公式是：

式中：T 为山岳型景区旅游网络关注度周内分布偏度系数；Pi为第i日与这一周旅游网络关注度的比值。T 值小于零，表示分布偏向该周前期；T 值等于零，表示该周内分布对称；T 值大于零，表示分布偏向该周后期。

3.地理集中指数

地理集中指数是用以描述山岳型景区旅游网络关注度空间分布集聚性的重要指标。其计算公式是：

式中：G 为山岳型景区旅游网络关注度的地理集中指数；wi为第i 个地区的旅游网络关注度；W 为全国各地区的旅游网络关注度总和。G 值越接近100，表示空间分布越集中；G 值越接近0，表示空间分布越离散。

三、时间维度的分布特征

（一）年时段变化特征

旅游网络关注度是旅游者或潜在旅游者对山岳型景区的百度搜索指数，反映的是他们的旅游需求动机和对各个山岳型景区的偏好程度。搜索指数值越高，景区偏好情绪越强烈，消费倾向可能性越高。统计整理得到各景区2018 年度网络关注度总值的柱状排列图。如图1所示，黄山、华山、泰山、衡山、嵩山、恒山六个山岳型景区旅游网络关注度的年度总值分别为 2829968、2613695、2508853、675386、511200 和 444411，表明 2018 年山岳型景区受追捧程度由高到低分别为：黄山＞华山＞泰山＞衡山＞嵩山＞恒山，符合古代先贤“黄山归来不看岳”的个人情感选择，也符合现代游客“黄山位列周边山地游目的地排行磅首位”的大众投票结果[19]。黄山已经成为人们意向体验山岳型景区或山岳旅游活动的首选目的地。

图1 2018年六个山岳型景区年际旅游网络关注度的柱状排列图

（二）月时段变化特征

从图2 可以看出，2018 年六个山岳型景区的分月旅游网络关注度具有明显的波峰和波谷，泰山、华山和衡山三个景区表现为“三峰”型变动曲线，且分布曲线较为相似，主高峰均为4月份，小高峰均为10月份；恒山、嵩山和黄山三个景区表现为“M”型双峰曲线，高峰值均为4 月份和10 月份，但恒山和嵩山两个景区主高峰出现在4 月份、次高峰出现在10月份，而黄山景区恰恰相反，主高峰出现在10月份、次高峰出现在4 月份。由此可见，六个山岳型景区的分月旅游网络关注度存在明显差异，但4 月份和10月份是山岳旅游网络关注度的高峰期，表明人们更倾向选择这两个时段出游山岳型景区。

图2 2018年六个山岳型景区的分月旅游网络关注度

采用公式（1）进一步分析山岳型景区旅游网络关注度的月时段分布差异，详见表1。结果显示，黄山、华山、泰山、衡山、嵩山、恒山六个山岳型景区旅游网络关注度的季节性集中指数分别为1.81、2.78、1.86、1.17、1.04、1.04，表明2018 年各山岳型景区存在旅游网络关注度的季节性差异，华山景区最为突出。此外，各山岳型景区旅游网络关注度存在月内分布差异，以10月份和2月份最为突出。对照2018年国家法定节假日安排发现2 月份和10 月份与春节假期和“十一”国庆节假期的时间点相符。一般情况下，人们在小长假期间选择出游的动机较为强烈，景区较之以往的受关注度也会上涨，故而特殊月度内旅游网络关注度大多存在时间差异，与同时段内的实际客流涨跌规律相似[20]。

表1 2018年六个山岳型景区的分月旅游网络关注度与季节性集中指数

（三）节假日变化特征

2018 年六个山岳型景区在2 月份和10 月份存在时间分布差异，因此选取2月份春节假期和10月份国庆节假期为例，分别对各山岳型景区假期前、中、后时段的旅游网络关注度变化特征进行统计分析。为便于行文说明，统一选取法定假期和假期前后各一周的逐日旅游网络关注度作为基础数据。

图3 2018年春节假期前后六个山岳型景区的逐日旅游网络关注度分布曲线

图3 为2018 年春节假期前后六个山岳型景区的逐日旅游网络关注度变化曲线。由图可见，山岳型景区旅游网络关注度在春节假期前后总体变化态势相仿，假期之前普遍较为平缓，假期期间较节前大幅增长，假期之后又逐渐回落至一个稳定状态。经公式（2）测算发现，各山岳型景区旅游网络关注度的周内分布偏度指数在春节假期内普遍偏右，多集中于春节假期后期，以华山最为明显（表2），这一分布特征恰恰与我国“新年不远行”的传统过年文化相呼应。春节二字蕴含着中国人的“过年”情结，尽管随着时代的飞速发展，人们总说现在过年的年味越来越淡，但辞旧迎新、阖家团圆的传统习俗仍然为人们所重视，因此春节前期关注出游的网络用户相对较少。此外观察比较发现，春节假期内，六个山岳型景区旅游网络关注度高峰值显现日期略有不同。黄山和衡山分别在假期第三天（17日）和第四天（18 日）达到峰值，泰山等其他四岳均在假期第五天（19日）达到峰值。查阅资料发现，黄山景区在17日全天累计接待游客共27779人次，云海和日出共同显现的壮观景象吸引了众多的家庭游和自助游，创造了2018年春节黄金周的首个旅游高峰日；泰山景区19日游客量突破30万人次，登弘德楼祈福国泰民安成为旅游者的首选。这一实际现象与各山岳型景区旅游网络关注度基本一致，表明人们在开展短程近郊活动时，逐渐习惯在游程中完成信息搜索、查询和反馈，旅游网络关注度的前兆预判功能正在慢慢弱化。[21]

表2 2018年六个山岳型景区旅游网络关注度在黄金周期间的周内分布偏度指数

图4 2018年国庆节假期前后六个山岳型景区的逐日旅游网络关注度分布曲线

图4 为2018 年国庆节前后六个山岳型景区逐日旅游网络关注度的变化曲线。观察发现，各山岳型景区关注度在“十一”黄金周前后的变动态势较为相近，均表现为“节前稳步增长、节中攀至高峰、节后平缓回落”的分布特征。运用公式（2）测算发现，各山岳型景区旅游网络关注度的周内分布偏度指数在国庆节周内普遍偏左，均小于零，可见各山岳型景区在国庆节前期的网络搜索指数集中性更强，黄山尤为突出，T 指数为-15.65（表2）。资料显示，2018年国庆期间黄山景区游客接待规模累计达18.96 万人次，其中前两日全天游客接待量分别为16135 人次和29621 人次，第三日上午截至11 时已达29699人次，几近容量饱和，统计发现它前三天的游客接待规模已经占国庆小长假总接待量的40.14%，可见人们较为倾向在国庆前三天到访黄山风景区，这与黄山国庆节内旅游网络关注度的变化态势几近一致。

四、空间维度的分布特征分析

通过百度指数提供的趋势研究功能，设定自定义时间和省份，分别获取2018 年全国31 个省、市、区对黄山、华山、泰山、衡山、嵩山和恒山六个山岳型景区的百度用户搜索指数，共计67890 个基础数据。

表3显示，除黄山景区外，其他五个山岳型景区的全国分地区旅游网络关注度时间集中指数并不稳定，表明各地区网络用户对黄山景区的关注时间较为分散，对其他五个山岳型景区较为集中。其次，全国各地区对山岳型景区的旅游网络关注度分布并不均衡。统计排名前五的省份，黄山景区分别是安徽、江苏、广东、浙江和上海，华山景区分别是陕西、广东、河南、江苏和四川，泰山景区分别是山东、江苏、北京、广东和河南，衡山景区分别是广东、湖南、北京、广西和江苏，嵩山景区分别是河南、广东、山东、江苏和北京，恒山景区分别是山西、北京、广东、河北和山东。比较发现，除衡山景区以外，其他五个山岳型景区旅游网络关注度位居首位的省份均为山岳景区所属省份；广东省网民对各山岳型景区的旅游网络关注度普遍较高。运用公式（3）对山岳型景区全国31 个地区的旅游网络关注度进行计算，得到各个山岳型景区旅游网络关注度的地理集中指数，分别为 21.91、20.98、22.28、21.82、20.55和19.67，表明各山岳型景区旅游网络关注度的地理分布相对集中。为增强可视化表达，利用Arc-GIS10.2 绘制各山岳型景区旅游网络关注度的省域空间分布图，如图5所示。整体来看，各山岳型景区旅游网络关注度的空间分布规律较为相似，均表现出“东部地区偏高、西部地区偏低”的空间分布特征，并且网络用户搜索热度较高的地区多集中在山岳型景区所属省份及其周边区域，关注热度较低的区域多是与山岳型景区相距较远的地区，空间分布符合距离衰减定律，可见人们更倾向关注与自己相距较近的山岳型景区。

表3 2018年六个山岳型景区全国各地区的旅游网络关注度与季节性集中指数

图5 2018年六个山岳型景区旅游网络关注度的省域空间分布图

五、形成时空分异的影响因素分析

观察表4 可见，各山岳型景区旅游网络关注度的多元线性回归方程可以分别表示如下：

Y黄山=0.525X1+0.412X2-0.252X4，Y华山=0.574X1+0.344X3-0.343X4，Y泰山=0.634X1+0.367X2-0.202X4，Y衡山=0.486X1+0.312X3-0.313X4，Y嵩山=0.572X1-0.346X4，Y恒山=0.478X1+0.389X3-0.419X4，式中X1、X2、X3和X4分别代表地区人口规模、人均GDP、互联网普及率和两地空间距离。黄山和泰山两个景区回归模型的调整后判定系数R2分别为0.723 和0.732，F 值分别为27.141 和28.297，表明模型的拟合优度较好，自变量变化分别可以解释因变量变化的72.3%和73.2%。方差膨胀因子VIF 小于10，X1、X2、X4自变量之间不存在多重共线性。表明全国各地区的人口规模对黄山和泰山两个景区旅游网络关注度影响力最强，另外是人均GDP，两地间的距离表现为负向影响。华山、衡山和恒山三个景区回归模型的调整后判定系数R2分别为0.672、0.568 和0.696，F 值分别为 21.464、14.148 和 23.842，各自变量对因变量的解释能力较好，且VIF 均小于5，表明这三个山岳型景区均受地区人口规模、互联网普及率和两地空间距离的作用影响。嵩山景区回归模型的调整后判定系数R2为0.589，F值为22.524，VIF小于5，表明回归模型拟合状况良好，该景区主要受地区人口规模和两地空间距离的影响。

比较来看，地区人口规模是山岳型景区旅游网络关注度产生时空分布差异的主要成因之一。由于现代信息技术的快速发展，人们拥有和使用移动设备的概率大幅提高，因而各地区人口基数越大该区域内用户通过网络查询山岳型景区旅游信息的可能性越大，搜索指数相应越高。例如2018年广东省常住人口为11169万人，位居全国首位，因而广东省网民对各山岳型景区的旅游网络关注度普遍较高（表4）。山东省常住人口为10006万人，仅次于广东省，因此山东泰山景区旅游网络关注度的影响最为强烈，显著高于其他山岳型景区。另外，两地空间距离与各山岳型景区旅游网络关注度均呈现负相关，由高到低依次为泰山、黄山、衡山、华山、嵩山和恒山，这主要取决于各山岳型景区的品牌知名度和复杂的客源市场结构。数据显示，泰山和黄山景区的品牌指数①分别为500.17和593.17，表明全国各地旅游者对这两个景区的认可度相对较高，全国各地的旅游者慕名而来，因而两地的空间距离对其旅游网络关注度产生的影响较其他景区更为直观。

表4 六个山岳型景区旅游网络关注度多元线性回归模型的回归系数表

六、主要结论与不足

通过统计整理黄山等六个山岳型景区的百度用户搜索指数，从年、月、节假日和省际差异等多个视角切入，分层次探讨了山岳型景区旅游网络关注度的时空分布规律及其影响因素，主要结论如下。

从时间分布特征来看，2018 年六个山岳型景区旅游网络关注度之间存在一定差异，由高到低分别表现为：黄山＞华山＞泰山＞衡山＞嵩山＞恒山，黄山已经成为当代游客倾向体验山岳型景区或山岳旅游活动的首选之地。月时段变化特征显示，4 月份和10月份是山岳型景区旅游网络关注度的高峰期，与现实客流几近吻合，旅游网络关注度的前兆预判功能正在慢慢弱化。同时，节假日变化曲线显示，人们在小长假期间选择出游的动机较为强烈，但与春节黄金周相比，人们更倾向选择国庆时段游览山岳型景区，且多集中在假期前三天。

从空间分布特征来看，山岳型景区旅游网络关注度整体表现为“东部地区偏高、西部地区偏低”的空间分布特征，各山岳型景区所属省份的旅游网络关注度大多较高甚至位居首位，网络用户或潜在旅游者多考虑交通因素，倾向选择与自己相距较近的山岳型景区。同时，全国各地区对各山岳型景区的旅游网络关注度存在时间差异，中西部地区较东部地区的季节性差异现象更明显。

山岳型景区旅游网络关注度产生时空差异的成因各不相同，但地区人口规模和两地间的空间距离是主要成因，与前者均呈现正相关关系，与后者均呈现负相关关系。此外，研究也存在以下不足之处：一是检索关键词设定的合理性欠缺。以“黄山”“华山”“泰山”“衡山”“嵩山”和“恒山”作为各山岳型景区的表征符号，但它们能否全面反映出人们的网络搜索行为尚且有待考量。二是检索平台选择的全面性欠缺。人们利用网络进行旅游信息检索时不仅仅拘囿于百度网站，也包括360、搜狗等其他网站，仅检索百度平台不足以覆盖整个网络系统。网络关注度是旅游者消费愿景、消费动机和消费偏好在网络空间中的典型数字足迹，希望未来能有更多学者关注并探讨相关研究。

注释：

①数据来源于迈点指数（https://i.meadin.com），它是一个聚焦商业空间产业品牌价值查询的检索平台。本研究选取2018年下半年与2019年上半年的品牌指数均值作为黄山和泰山两个景区的品牌指数。