我国数字经济发展对旅游效率的空间效应研究

刘琪，张磊，杨淋杰

(新疆财经大学 经济学院，新疆 乌鲁木齐 830012)

自21世纪以来，新一代信息技术(人工智能、大数据、云计算等)高速发展，催生出一种新的经济发展模式——数字经济。据国家统计局公布的数据显示，2020年，我国数字经济总规模高达41.4万亿元，占当年GDP的41.02%，然2005年我国数字经济占比仅13.98%，我国数字经济占比年均增长1.8%。由此可见，数字经济作为我国经济发展的核心新动能的作用越发显现。

2017年，习近平总书记在十九大报告中指出，“要加快发展数字经济，推动实体经济和数字经济融合发展，推动互联网、大数据、人工智能同传统经济深度融合”[1]。《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》进一步提出,大力发展数字经济，推进数字产业化和产业数字化，推动数字经济和传统产业经济深度融合[2]。数字经济不断发展壮大，大数据、人工智能、云计算等不断应用到我国传统旅游产业当中，为解决传统旅游产业资源错配、市场扭曲、信息不完全等问题提供了可行性路径。数字经济为旅游产业提供了技术支撑，促进游客、企业与旅游目的地之间的信息对称。游客通过网络更充分地掌握旅游线路、食宿等信息，并据此定制个性化的旅游方案；企业根据游客多样化的需求及旅游目的地的特色调整服务模式，提高服务质量；旅游目的地结合当地特色文化及游客价值观开发并提供更具吸引力的旅游项目。以目前旅游市场发展为例，全球疫情严峻，尽管我国疫情整体可控，但局部地区仍有小幅度波动。游客旅行的周期、地点都受影响，但可以通过网络及时了解疫情旅游信息，景区也能根据当地疫情状况动态实施免费退票等举措，这就节省了大量成本和时间。数字经济的发展可谓是极大地颠覆了传统旅游产业的经营模式和业态，使得旅游的多样化需求得以满足，缩减了旅游地直接与间接成本，完善了信息的对称性，避免旅游重复建设，拓展了旅游产业的市场，为智慧旅游产业提供了新技术、新业态和新模式。所以，加快现代旅游业的数字技术融合和模式创新，推进旅游产业的供给侧结构改革，扭转旅游低效率的局面，对旅游产业高质量发展具有重大影响。鉴于此，本文探究数字经济对旅游效率影响的理论机理，从四个维度探究数字经济对旅游效率的空间异质性影响，并提出相关对策建议，以期为我国旅游产业创新发展提供参考。

一、数字经济与旅游的相关研究

有学者对数字经济、旅游效率及两者结合进行了研究。在数字经济方面，20世纪90年代OECD最先提出“数字经济”的概念。2016年，G20峰会将其定义如下：以数字化信息为关键资源，以信息网络为依托，通过信息通信技术与其他领域紧密融合的一系列经济活动[3]。国内对数字经济的研究相对较晚，目前，对于数字经济的测度主要有两种方法。一是将数字经济视为一个产业部门进行测度。刘方等人以数字产业部门总的增加值与该产业外的数字经济创造的增加值来评估数字经济总规模[4]。二是构建综合指标来评估数字经济发展水平。张雪玲、万晓榆等人针对不同区域应用不同方法多维度构建了数字经济发展的指标体系来测度其水平[5-6]。在对数字经济进行评估的基础上，学术界还对数字经济发展从微观、中观、宏观三个层面的效应进行探索。在微观层面，易加斌等人提出，数字经济影响商业模式创新的路径，通过数字机会识别能力、数字化能力、数字协同能力革新企业的价值主张、价值创造与传递、价值获取，最终实现商业模式的整体创新[7]；魏下海等人在对广东省企业数据的调查中发现，数字技术能通过替代传统生产方式减少劳动雇佣和提高劳动力市场的供求匹配效率来降低用工成本和搬迁意愿，从而形成推动企业升级的“数字红利”[8]；杜传忠等人基于2015―2018年A股企业数据研究提出，数字经济能通过规模经济、范围经济、技术创新和管理效率的效应促进企业生产效率增长[9]。从中观层面来看，贺远望利用我国2017年149个行业投入产出表数据，检验了数字技术投入对行业经营状况、盈利能力的推动作用，从而提高行业利润率[10]；陈晓东和杨晓霞通过实证分析，提出数字经济通过数字产业化、产业数字化推进产业结构升级，且这种作用在地域之间存在差异[11-12]，此外还有效促进了产业链强度的提升，且促进效应逐渐增强。宏观来看，丁志帆提出数字经济不仅通过丰富要素来源、改善要素配置效率和资本深化效应促进经济增长，还通过技术创新和扩散效应提高全要素生产率，推动经济高质量发展[13]；丛屹等人采用静态面板OLS和动态面板GMM方法检验了数字经济发展对劳动力资源配置的促进作用[14]。戚聿东等人认为数据要素不会单独创造价值，必须与劳动力相结合，形成正向反馈机制“数据—信息—知识—数据”的价值增值闭环，提升劳动力素质[15]，优化就业结构，推动高质量就业[16]。

效率是用来表征资源充分合理利用及效果的指标，本文研究的旅游效率是指实现旅游产业发展过程中单位要素投入在特定时间范围内能够实现产出最大化，使所有的利益相关者得到总剩余最大化的性质[17]。学术界主要通过构建旅游资源投入及产出的指标体系，运用数据包络分析方法(Data Envelopment Analysis，DEA)对旅游效率进行综合评价，研究范围涉及各级行政区域、各大流域、经济带等。程慧、陈园园等人基于DEA模型分别对我国31个省域、长江经济带11个省市的旅游效率进行测度，区域之间空间关联性存在差异，缺乏旅游资源配置和新技术开发上的联系性，提出应增强旅游地区间的协同能力[18-19]。王兆峰等人综合运用Super-DEA模型和社会网络分析法探究了中国省域的旅游效率空间网络结构演化特征及其成因，研究表明旅游业整体空间网络的“核心—边缘”结构趋向于组团式发展，旅游投资水平、各省会间距离和信息技术水平共同驱动旅游效率空间网络结构优化[20]。曹芳东、郭向阳、张洪等人在实证研究中发现，产业结构、产业集聚、交通发展、地理区位、人才规模、政府作用及旅游资源禀赋也是旅游效率的驱动因素，引进技术人才、加强区域间合作、优化旅游资源配置是提升旅游效率的重要途径[21-23]。

针对数字经济与旅游之间关系的研究主要集中于信息技术对旅游产业发展的影响的研究。罗浩认为信息技术能改变旅游业的营销模式、组织结构，推动旅游产业创新改革，提高服务质量[24]。周琳、戴克清等人认为互联网技术为旅游产业带来了新的经营理念、发展战略、产业格局的改革，提升了旅游创新效率[25-26]。黄蕊等人基于数字技术与旅游效率的相关特性，对数字技术投入旅游业前后的旅游效率展开对比分析，提出数字技术可拓展旅游市场认知边界，创新旅游应用场景，数字技术“链接、集聚、赋能”的技术特性引致旅游业形成去中心化、平台化和柔性化的全新组织结构。在开放竞合的关系下，终将实现旅游效率全面提升[27]。

综上研究，随着数字经济的发展，首先，数字平台的建立，打破信息壁垒，增加游客、旅游目的地信息的完全性，降低运营成本。其次，数字经济边际成本递减的特征，使得新技术更易融入原有旅游技术轨道，推动旅游技术升级，拓展了认识边界、市场，创新旅游产品，提升旅游质量；旅游技术链接、集聚、赋能的特性，促进旅游业形成去中心化、平台化、柔和化的新组织结构，这样旅游业价值链是由旅游各相关利益者共同创造的，重构了旅游业价值链，促进资源配置优化，从而提高旅游效率[27]。学术界对数字经济对旅游产业发展的影响进行了大量研究，但尚无直接将数字经济发展与旅游效率联系起来进行分析的研究，无法充分解释其内在联系及其空间异质性。鉴于此，本文从旅游投入产出角度构建旅游效率综合指标，从基础设施、规模水平、应用水平、发展环境四个维度建立数字经济发展的指标体系，运用熵权法对数字经济的指标赋权并计算出评价值，采用超效率DEA方法对旅游效率进行测定，采用聚类冷热点分析对数字经济和旅游效率的时空演变路径加以描述，运用Moran′s I验证旅游效率、数字经济的空间自相关性，最后引入空间SDM模型，探究数字经济发展对旅游效率的空间效应，并提出数字经济发展背景下旅游效率提升的对策建议。

二、指标体系和研究方法

研究选取全国30个省份(由于西藏港澳台地区的数据不可获得，故剔除)2008―2017年的相关数据。其中数字经济数据来源于2008―2017的《中国统计年鉴》《中国电子信息产业统计年鉴》《中国互联网统计报告》《全国科技经费投入统计公报》和各省份统计年鉴。旅游效率指标数据来自各省份统计年鉴与《中国旅游统计年鉴》；旅游产业发展指标数据来自各省份统计年鉴与《中国文化与文物统计年鉴》；其他测量指标均来自《中国统计年鉴》和国家统计局官网。

(一)指标体系

本文的指标体系构建遵循系统性、真实性和数据可得性的原则，借鉴前人的研究成果，其中数字经济发展水平体系细分为数字经济基础设施、数字经济规模、数字经济应用水平、数字经济发展环境4个因素层，其下又设置了10个指标。旅游效率测量指标体系的构建既要客观反映我国旅游业的投入产出状况，又要避免各个指标之间出现强共线性问题，保证指标选取的科学性。旅游产业运营资本投入和人力资本投入是旅游业投入的主体要素，借鉴相关学者的研究，以旅行社数、星级酒店数、A级景区数量、旅游固定资产投资总额作为旅游资本投入指标；旅游业从业人数作为旅游劳动力投入指标。旅游产出不仅包括旅游经济效益可量化的指标，还包括游客参与旅游活动的满意度指标，但考虑到游客满意度受到个人感知程度差异的影响，很难对其量化和横向对比，本文采取多数研究者的方法，用旅游总收入和旅游接待人数对其进行替代。如表1所示。

表1 数字经济发展水平与旅游效率指标体系

(二)研究方法

本文主要采用熵权法对我国各省份数字经济的发展水平进行测度，运用DEA模型估计旅游效率水平，然后通过聚类冷热点分析方法对数字经济、旅游效率的冷热点区域进行识别，最后采用空间计量的方法测度数字经济对旅游效率的空间效应。

1.熵权法

通过熵权法，利用相关变量分别计算我国30省的数字经济综合发展指标，计算步骤如下。

首先，为消除各指标计量单位不同所产生的误差，对原始数据进行极差无量纲化处理。

(1)

公式(1)中，Xij代表标准化处理之后的数据;Aij表示在第i年中第j项指标的原始值；max(A1j,A2j,…,Anj)表示各年中第j项指标的最大值；min(A1j,A2j,…,Anj)表示各年中第j项指标的最小值。为避免无纲量化处理时出现负值或零的现象，在公式后整体加上0.01。

其次，计算各个评价指标熵值。

(2)

(3)

公式(2)中，Pij表示第j项指标在第i年的比重；公式(3)Ej表示第j项指标对应的熵值。

再次，确定每个评价指标的权重。

dj=1-Ej

(4)

(5)

公式(4)中，dj表示第j项指标的差异系数；公式(5)中，wj表示第j项指标的权重。根据上述公式计算步骤，将2008―2017年的各研究指标数据代入计算，得出各个评价指标的熵值权重。

最后，根据权重和无量纲化的数据计算出最后得分。

2.DEA(data envelopment analysis)模型

DEA模型是Charnes等人于1978年最早开始使用，集运筹学、数理经济学和管理科学相互融合的一个新领域。它主要通过数学规划模型评价具有多投入和多产出的决策单元(diesel multiple-unit，DMU)，实质是判断决策单元是否位于可能的生产前沿面上[28]。本文使用此方法对城市经济发展的投入产出效率问题进行评价，模型如下。

(6)

其中：M代表省域个数；L代表投入指标；K为产出指标；设xml>0，xml表示第m城市第l种资源投入量；ymk表示第m城市的第k种产出量。最终测算结果中CRS为综合效率，是指决策单元的资源配置能力，资源使用效率等多方面的综合衡量评价。综合效率可进一步分解为纯技术效率(VRS)和规模效率(SCAL)。纯技术效率是管理和技术等因素影响的生产效率，规模效率是由于企业规模而影响的生产效率。

3.空间相关性检验

空间经济学认为不同区域间属性值存在空间自相关性，一般用莫兰指数来衡量，其公式如下。

∈[-1,1]

(7)

(8)

(9)

其中，Xi为观测值，Wij为空间权重矩阵，数字经济空间自相关矩阵选择为邻接矩阵。当莫兰指数大于0小于1，表示空间正相关；小于0大于-1，负相关；等于0，则不相关性。

运用聚类冷热点分析方法，针对数字经济发展与旅游效率水平的空间分布做出分析，其公式如下。

(10)

5.空间计量模型

依据空间计量LM及LR检验，选择同时具有Durbin模型，模型构建如下。

Scalsit=α0+ρα1WijScalsit+α2基础设施it+α3应用水平it+α4产业规模it+α5发展环境it+α6Wij基础设施it+α7Wij应用水平it+α8Wij产业规模it+α9Wij发展环境it+uit

(11)

其中，Crsit为各省域在不同年份的规模效率，Vrsit为各省域在不同年份的纯技术效率，Wij为空间关系矩阵，与Moran指数测度方法所使用的矩阵相同，uij为误差项。

三、实证分析

根据2008―2017年数字经济发展和旅游效率的数据，分别进行空间自相关检验、冷热点区域分析，然后从不同维度就数字经济发展对旅游效率的空间效应进行分析。

(一)数字经济发展、旅游效率空间自相关分析

如表2所示，基于邻接空间矩阵所测度的全局Moran′s I指数，可以看出各项指标中研究的自变量根据熵权法测度的30个省域的数字经济发展综合指标在2008―2017年Moran指数均大于0，呈现出较强的正向空间相关性，整体呈现出相同的空间溢出扩散作用，拥有较高数字经济发展水平的省域呈现空间聚集，相互影响，同时较低的数字经济水平的省份也呈现空间相关性。从时间轴上看，数字经济发展在2008―2017年，由于数字经济发展的扩散性和高发展区域的发展相对放缓及技术饱和，整体数字经济发展的空间相关性呈现出下降趋势，从0.245波动下降到0.123，得益于“十二五”及“十三五”的经济快速发展以及中西部地区的区域政策导向，数字经济发展趋于均衡，基础设施建设不断扩展、衍生。整体的平衡性不断加强，空间分布也趋于平衡。

表2 2008―2017年数字经济发展、旅游效率综合全局Moran′s I

因变量旅游效率的空间相关性更为复杂，总体上看，综合旅游效率及规模效率两项指标，在观测时间段中呈现较为平稳的空间相关性，其中部分年份有所波动，整体上Moran值均大于0，高效率省份对周围省域有较强的正向溢出作用，带动周围省域的旅游产业高效发展，尤其是旅游规模效率，形成了较好的旅游联线。与之相对的是旅游纯技术效率，在测度时间范围内整体Moran值小于0，呈现空间虹吸现象，高效率省份会对周边各省产生虹吸效应，在局部呈现“高—低”空间分布，并且整体时间轴上空间效用不断加强，说明旅游纯技术效率的发展在省域间虹吸效应不断加强，高纯技术效率省份的发展不仅优先于低纯技术效率省份，还会不断将资源从低效率省份吸纳过来，使效率差距增大。

(二)旅游效率、数字经济的聚类冷热点分析

为进一步探究相关变量的时空分布规律，利用探索性空间数据分析(Exploratory Spatial Data Analysis，ESDA)与地理信息系统相结合的方法，探索性空间数据分析是一种空间数据分析技术，可以揭示出研究属性在研究区域内的空间联系、集聚以及其他异质性的空间模式及空间相互作用机制[29]。使用gets-ord冷热点技术研究30个省域的旅游规模效率(scales)以及数字经济综合水平的局部时空分布状况如下。

1.2008年、2012年、2017年旅游规模效率gets-ord冷热点分析

根据表3所示，从空间来看，旅游规模效率整体分布情况以东南沿海及部分邻接中部省份为热点区域，热点区域的规模效率值呈现相互带动的状态；新疆、青海、甘肃三省为冷点区域，主要是因为西北地区受制于自然地理要素影响，其旅游联系相较于南方各省更为稀疏；其他区域呈现的局部聚集并不明显。从时间维度来看，热点区域从2008年起由北部区域逐步向南扩张，且聚集度及关联情况逐渐紧密，同时部分北部省份在发展过程中逐步与南方省份脱节，不再处于热点区域；冷点区域的变化相对较小，甘肃省在2008―2012年逐渐摆脱冷点区域，但新疆及青海的冷聚集更为明显，从一定程度上也反映了其旅游业发展进程相对缓慢且落后。

表3 2008年、2012年、2017年旅游规模效率冷热点区域分布

2.2008年、2012年、2017年数字经济发展水平gets-ord冷热点分析

如表4所示，从空间维度来看，数字经济发展综合水平的整体分布变化较大，热点区域主要集中在我国东北地区，我国西南地区属于冷点区域。从时间维度来看，2008―2017年，区域之间的联系呈现下降状态，一方面受到特殊时间的重大历史事件影响，同时也与信息行业技术密集、资本驱动关系较为紧密。伴随着全国的经济全面快速发展及区域战略的调整，使得整个热点区域由北部区域向南收缩，同时西部崛起也使四川省、重庆市、广西省逐步摆脱了冷点区域，这主要得益于数字经济为西南地区旅游宣传提供了技术支撑。如重庆的“4D魔幻”“长江索道”“轻轨穿梭”，四川的“火锅美食”“墨石公园”，广西的“桂林山水甲天下”等都是以数字技术为依托得以迅速发展。加之信息行业技术更迭的放缓及产业不断聚集成熟，南方地区获得了更好的经济动力及人才环境，成了数字经济的最终落脚点，在保留关键省份中心的情况下，数字经济发展整体呈现出由北向南的收缩及全面平衡的态势。

表4 2008年、2012年、2017年数字经济水平冷热点区域分布

(三)数字经济对旅游效率的空间效应

结合局部空间探索分析以及统计数据检验，从基础设施、应用水平、发展环境、产业规模四个维度来探索信息时代数字化技术对于旅游纯技术效率与规模效率的影响，在进行LM、R-LM和LR、R-LR检验后，依据空间计量的权威ANSLINE指出的，在LM与LR检验中lag与err项、R-lag与R-err项均通过检验，选择同时具有滞后效应与误差效应的Spital-Durbin Model(SDM)模型作为参数回归的计量模型。从表5可以看出，不同类别的旅游效率与自变量在LR、LM检验中均通过了检验，并且其lag、R-lag、err、R-err项均显著，所以最终为两个不同类别的旅游效率都选择空间杜宾模型。

从表5可看出，两组模型拟合度较好，R2分别为0.781和0.801，纯技术效率组的模型拟合度更高；两组计量模型中的空间自相关系数ρ均为正数，且通过了1%和10%的检验，说明旅游规模效率和旅游纯技术效率均有正向的空间溢出效应，但从参数上看，规模旅游效率的溢出高于纯技术旅游效率，说明各省份间规模效率更容易形成旅游联线；数字经济发展四个维度中的基础设施、应用水平对旅游纯技术效率和规模效率影响较为明显，普通回归和空间回归都通过了检验，但作用方向有所不同。对于旅游规模效率而言，数字经济发展的基础设施和应用水平对旅游规模效率具有正向空间溢出效应，说明基础设施空间布局和数字技术的应用有利于规模效率的提升。对于纯技术效率而言，基础设施、发展环境与之具有负向空间溢出效应，说明当前基础设施、发展环境不利于旅游技术进步拉动旅游效率。

表5 数字经济与旅游效率的空间计量结果

四、结论与建议

(一)结论

总体而言，数字经济发展、旅游效率整体水平不断提升，在区域之间存在较大差异，随着社会经济的发展，数字经济发展的热点区域逐步向南方转移，南方的环境越来越比北方更适合数字经济的发展。南方的旅游产业以数字技术为依托，将其文化更好地融入旅游产业当中，拉动旅游产业结构升级，提高旅游效率。

数字经济对旅游效率的影响较大，由实证研究得出，数字经济的发展对旅游效率具有空间溢出效应，基础设施与应用水平对旅游规模效率具有正向溢出效应，这说明数字经济的技术手段为旅游出行提供了很大的信息便利，能极大满足消费者在信息爆炸时代的多样化消费倾向与创造性需求理论，促进旅游规模效率增长；数字经济基础设施、发展环境对旅游纯技术效率具有负向空间溢出效应，说明当前数字经济发展的基础设施空间布局不合理及竞争、地方资源禀赋、可进入性阻碍了旅游通过技术引进拉动旅游效率提升。同时也反映了旅游业数字技术投入不足，与旅游产业尚未充分融合，旅游业对于原有技术较为依赖，数字经济发展为旅游业带来的递增规模效应阻碍了旅游技术的更迭[27]。数字技术尚未适应各地旅游产业特征发展，同时旅游产业自身的发展不足，不能充分接纳数字经济发展带来的效应。

数字经济发展对旅游效率的影响是复杂的，数字技术边际成本小，其广泛应用能缩小空间距离，打破资源壁垒，增加信息完全性。随着数字技术在旅游产业的不断渗透，为旅游带来新的经营理念、运营模式，拓展了旅游市场，丰富了旅游需求，同时也使其能满足旅游的多样化消费。在带来更多需求的同时，也将旅游产品、服务信息透明化，旅游目的地、旅游中介等的不规范操作都会及时被广大消费者知晓，使得消费者更能甄别和趋向合理有效的消费，在一定程度上也增加了对旅游的监督职能。与此同时，类似于“东北雪乡”“青岛大虾”“云南旅行团”这种负面热点，也使得部分地区在短期内成为消费者避开的热点区域，这也解释了部分省份在时间轴上从热点区域退出的现象，但总归来说都是短期疼痛，反映在模型中，对于纯技术效率来说，数字经济的几个维度呈现出负相关，在此更愿意将其视为一种市场对于过热行业的合理调节。再者，人脸识别等人工智能技术在旅游方面的应用增加了游客隐私泄露的风险，让心存妄念之人有了可趁之机，但我国对于数字技术引发的一系列问题的制度尚不完善。

(二)建议

数字经济不断发展，信息完备性越来越高，消费者在旅游的选择上从口耳相传，转向电视、网络这些更新速度更快、反映的情况越发详尽的方式上。省域的旅游热点来的快，“走红”现象越来越多，一个景点或是一个城市突然在网络走红，一方面会在短期内带来大量的消费流，另一方面也会帮助相近景区或者相似的景点。但同样旅游业发展中的缺陷也暴露得更为明显，传统的坑害消费者行为传播速度更快，游客在选择上更多，也更容易，一个景点的名声下落也很快，同样负面“走红”也会使得周边的景区受到负面影响。在整体及走向由规模发展转向高效发展以及消费者由“玩的多”转向“玩的精”的背景下，结合实证结论提出以下几点建议。

第一，加大数字技术投入，建立人才交流平台。许多地区对信息技术的投入远远不够，比如新疆、青海等地，数字经济发展一直处于较低水平，许多地区只有规模上的投入，并不会带来效率的提升，反而会增大投资风险，所以地方政府应加大数字技术的投入。与此同时，要建立人才交流平台，有利于人力资源的流动，提高劳动力配置效率，且为当地引进高素质人才奠定基础，有人才、技术投入才会有载体，从而创造价值。

第二，注重旅游“内容化”，打造自身旅游品牌，精准营销。当前旅游业地区间的竞争十分激烈，部分地方政府规模竞争导向的投资开发，使当地旅游产品多地重复，其规模效应抑制了旅游技术升级，导致旅游低端低效率。但旅游发展很大部分受到其资源禀赋(文化、自然)的影响，要发展旅游，应当做到因地制宜，充分利用当地自然文化优势，打造专属于当地的旅游品牌，借助互联网平台精准营销。这是一个信息更迭迅速的时代，如果旅游不能“内容化”，不能与文化自然相融合，那终究只是“昙花一现”，只有不断拓展认识边界，将文化自然等资源优势品牌化，才能可持续发展。

第三，注重基础设施空间合理布局，加强区域间合作。尚有地方政府为了“冲业绩”进行一系列不合理的基础设施投入，为了地方竞争，规模导向性的旅游开发，导致旅游重复无效建设，造成资源浪费、环境破坏等严重后果。数字技术加强了景区、省域之间的联系，在空间上更易形成跨省旅游链，应该利用这种空间联动效应，加强区域间的资源信息交流，合力打造独特的旅游体验，避免景区特性重叠造成的效率低下。如成都与重庆两地高铁的开通，两地通勤缩短到一个半小时，在旅游发展方面，联合宣传成渝两地游，打造巴蜀旅游超级品牌。

第四，完善数字经济与旅游业相融合的相关法律制度。数字技术在各行各业的应用为这个社会带来不少便利的同时，也引发了许多诸如游客信息泄露、市场监管不足、旅游目的地违规操作等一系列社会问题。新技术是否能与旅游原有技术相融合，关键在于制度结构是否适合新技术轨道的形成，应以长远的视角看待旅游发展，不断调整与旅游技术升级相关的法律制度，以保障旅游的持续高质量发展。