中国三大城市群旅游景点空间分布与影响因素研究

张城铭，张子昂

（1.佛山科学技术学院 环境与化学工程学院，佛山 528225；2. 中山大学 地理科学与规划学院，广州 510275）

引言

大数据以其容量大、速度快、多样性、可变性和波动性的特点，在科学、工程、医疗、管理、商业、旅游等领域得到广泛应用[1]。近年来，旅游研究不断寻求新的数据来源，以补充来自传统和官方统计数据的信息[2]。大数据源的多样性使得研究人员减少对人口统计、经济活动、交通和其他城市指标对官方统计数据的依赖，其中用户生成的内容数据、设备数据和交易数据等多种大数据类型倍受青睐，并取得很大进展[3]。然而，这些研究或多或少受到库珀对游客行为研究的影响，使得现有研究主要集中在包含游客空间行为的大数据分析上，包括照片共享、旅游体验分享和预订业务等，较少文章讨论在宏观旅游视角下旅游景点大数据的作用。为此，本文重点围绕旅游景点大数据的应用展开研究。

1955年，迪士尼乐园（Disneyland）在美国加利福尼亚州开业，旅游景点的地位和作用开始得到学界和业界的关注[4]。旅游景点是旅游供给的物质载体，是旅游业赖以发展的重要依托[5]。旅游景点空间结构不仅涉及景点分布状况、品味和数量组合关系，而且往往会影响旅游活动的空间结构。因此，旅游景点空间结构和分布规律一直是旅游地理学的核心研究内容之一。目前旅游景点空间结构研究包括：旅游区域空间结构特征[6]、交通建设对旅游空间结构的影响[7]、旅游景点空间分布规律[8-9]。已有研究采用的分析方法包括：分形理论[10]、地理集中度指数[11]、空间句法[12]、GIS空间统计分析[13]等。分析对象往往以A级景区为主[8，14]，亦有研究以乡村旅游景点[13]或古代时期旅游景点[15]为分析对象。已有研究的分析尺度多样，包括全国[5，16]、省级[8]、市级[17-19]、景区[20]等。可以看出，旅游景点空间结构在研究内容和分析方法上都在不断完善。然而，仍有一些问题亟待补充。由于数据种类的限制，现有研究主要集中在单个城市的旅游景点的空间结构上[21]，个别学者以两个城市或整体区域为研究对象[22]，而对多区域旅游景区空间结构的研究较为匮乏，尤其对于具有国家重要意义的地区、经济带或城市群的比较研究较少涉及。

京津冀地区（京津冀）、长江三角洲城市群（长三角）、珠江三角洲城市群（珠三角）是中国经济最发达的城市群，这3个地区的发展往往关系整个中国的国计民生，因而其发展也得到了国家层面的大力支持和前瞻规划。2014年2月习近平总书记在北京召开座谈会，强调实现京津冀协同发展，打造新的首都经济圈。2015年4月，中共中央政治局审议通过《京津冀协同发展规划纲要》，京津冀迎来一次大发展机遇，届时三省市共同推进旅游发展“一本书、一张图、一张网”合作项目。2016年5月，国务院通过《长江三角洲城市群发展规划》，到2030年把长三角建成与世界五大城市群并肩的世界级城市群。其中提到“旅游职能、旅游体育、旅游安全”，长三角的旅游进一步发展[23]。2009年10月，粤港澳三地政府发布《大珠江三角洲城镇群协调发展规划研究》。2019年2月，中共中央、国务院印发《粤港澳大湾区发展规划纲要》，预计将粤港澳大湾区建成世界四大湾区之一，其中12次提到“旅游”，欲将该地区建成世界级旅游休闲中心。简言之，京津冀、长三角、珠三角作为引领中国旅游经济发展的三大城市群[24]，这些城市群的旅游研究和旅游发展实践将会给其他城市或地区带来启示意义。

在当前这个数据时代，地理位置大数据的价值日益凸显，数据分析也在城市规划、旅游研究、社区发展等领域有着重要应用。通过挖掘地理位置大数据，可以获得某些地理要素的空间分布，能够把握该区域的发展格局与扩张方向。基于此，本文收集旅游景点地理位置大数据与旅游产业统计数据，使用最近邻指数、核密度分析、方向分布、重力模型和多元回归等定量分析方法，综合分析包括京津冀、长三角和珠三角在内的中国三大城市群旅游空间结构及其影响因素，并为三大城市群的旅游发展建言献策。

1 数据来源与分析方法

1.1 数据来源

本文利用百度地图的API接口抓取2018年京津冀、长三角和珠三角地区的旅游景点相关位置和特征属性数据。随后进行一系列的数据清洗步骤，最终在中国三大城市群范围内确定超过12万个旅游景点，包括城市公园、宗教场所、博物馆和美术馆、祠堂、主题公园、纪念遗址等（图1）。此外，本文还使用2018年各城市的旅游景点数量（NTS）、国内生产总值（GDP）、职工平均工资（AWE）、固定资产投资（IFA）、历史文化名城（HCC）和公路客运量（HPT）等社会经济统计数据，这些数据来源于各城市的年度旅游统计公报和《中国城市统计年鉴》等。

图1 京津冀、长三角、珠三角城市群旅游景点原始数据

1.2 分析方法

1.2.1 最近邻指数

公式（1）和（2）中，di指第i个点与其最近邻点之间的距离，n是总点数，A是所有要素包络线面积。

当最近邻指数小于1时，点要素集聚分布；当最近邻指数大于1时，点要素离散分布。指数越小，集聚程度越大。为更好地反映实测平均距离和预期平均距离的偏离程度，用正太分布检验得出Z值及P值。

1.2.2 核密度分析

核密度分析（Kernel Density）工具是ArcGIS平台常用的分析工具，用于计算要素在其周围邻域中的密度。对于点要素，每个点上方均覆盖着一个平滑曲面。在点所在位置处表面值最高，随着与点的距离的增大表面值逐渐减小，在与点的距离等于搜索半径的位置处表面值为零。仅允许使用圆形邻域。曲面与下方的平面所围成的空间的体积等于此点的Population字段值，如果将此字段值指定为None，则体积为1。每个输出栅格像元的密度均为叠加在栅格像元中心的所有核表面的值之和。通过对景点大数据的核密度分析，再对各地区景点核密度的大小进行聚类，可以得知某区域旅游景点的分布格局和聚集程度。

1.2.3 方向分布

方向分布（Directional Distribution）和平均中心（Mean Center）都是ArcGIS平台开发的空间统计工具。方向分布的算法最早是由美国南加州大学社会学教授韦尔蒂·利菲弗（D. Welty Lefever）在1926年提出，该算法亦被称为利菲弗方向性分布，是用来度量一组数据的方向和分布。平均中心用于计算地理要素的质心的平均中心，利用平均中心，研究者可以掌握要素或者事件的分布情况。

1.2.4 多元回归模型

多元回归分析更适合控制变量分析，因为它允许研究人员明确控制同时影响因变量的许多其他因素。本文运用这一方法，找出影响这3个地区旅游景点数量的社会经济因素。经过几次尝试，本文建立线性回归模型如下：

1.2.5 旅游重力模型

旅游重力模型来源于万有引力模型。在引力模型的基础上，进一步演变出一种分析各城市群城市间关系强度的相似方法。

式中，TIi和TIj代表城市i和j的旅游收入，TNi和TNj代表i、j市旅游人数；Dij代表城市i与j之间的空间距离；TRIij代表i市和j市的旅游关系强度。本文中，TRI的单位为百万元×人次/m2。旅游关系强度有助于反映一个地区内城市间旅游合作或旅游协同发展的程度。

2 三大城市群旅游景点空间分布

2.1 旅游景点空间集聚

表1 中国三大城市群旅游景点最近邻分析

2.2 旅游景点空间分布特征

在ArcGIS10.1的基础上，本文首先利用核密度分析工具对京津冀、长三角和珠三角3个旅游景区进行分析。在处理过程中，搜索半径设置为10 km，输出单元大小设置为1 km2。然后，利用方向性分布工具分析旅游景区分布的方向性和平均中心。结果如图2所示。

2.2.1 京津冀城市群旅游景点的分布呈现“三核”结构

京津冀景点核密度范围是0.00—7.25个/km2（图2a）。景点分布明显地呈现“三核”结构，分别是“北京核”“天津核”和“石家庄核”，而且“北京核”明显强于其余两核，可谓“一核独大”，是非常强势的旅游景点核心和旅游收入核心，这与徐程瑾等的研究结论有共通之处[25]。由此，可以得出京津冀城市群中北京属于一级旅游核心，天津和石家庄属于二级旅游核心。

此外，京津冀的景点呈东北—西南走向分布，标准差椭圆偏转角度为29.49度，可以直观地理解为椭圆长轴方向为北偏东29.49度。京津冀景点平均中心经纬度坐标为（116.317，39.473）。基于百度地图坐标反查功能，可以找出京津冀景点平均中心位于河北省廊坊市固安县。

2.2.2 长三角城市群旅游景点的分布呈现“Z”字形结构

长三角景点核密度是0.00—11.39个/km2（图2b），最高核密度明显高于京津冀景点的最高核密度。景点格局呈现“Z”字形带状分布，长三角的大部分景点位于这个分布带上，该分布带串联的城市有11个，包括南京、扬州、镇江、常州、无锡、苏州、上海、嘉兴、杭州、绍兴和宁波。结合核密度分析的结果，可以进一步将上述城市分为三级旅游核心城市。其中一级旅游核心为上海市；二级核心旅游城市包括宁波、杭州、苏州、南京；三级核心旅游城市，包括扬州、镇江、常州、无锡、嘉兴、绍兴。这与靳诚等基于旅游流强度构建的长三角三级旅游目的地[26]大体一致，在二级和三级核心旅游城市的构建上次序略有不同。此外，长三角景点呈西北—东南走向分布，标准差椭圆偏转角度为131.21度，即椭圆长轴方向为北偏西48.79度。长三角景点的平均中心经纬度坐标为（120.236，30.927）。利用百度地图坐标反查工具，可以找出长三角景点平均中心位于浙江省湖州市吴兴区。

2.2.3 珠三角城市群旅游景点分布呈现“N”字形结构珠三角地区景点核密度是0.00—5.97个/km2。最高景点核密度是3个城市群中最小的。景点格局呈现“N”字形带状分布，该分布带环绕珠江口，串联6个城市一级延伸到两个特别行政区，包括广州、佛山、东莞、中山、深圳、珠海、香港和澳门。这与刘少和等研究中的“大珠三角都市群旅游休闲区”[27]的结果有相似之处。根据图2c，进一步将其划分为三级：一级核心为广州；二级核心为深圳、佛山；三级核心为东莞、中山、珠海。此外，珠三角景点呈西北—东南走向分布，标准差椭圆偏转角度为101.47度，可以直观地理解为椭圆长轴方向为北偏西78.53度。珠三角旅游景点核心的经纬度坐标为（113.536，22.847），同样，利用百度地图坐标反查可以找出珠三角景点平均中心位于广东省广州市南沙区。

图2 京津冀、长三角、珠三角城市群旅游景点空间结构

整体而言，京津冀景点分布集中，形成“三核”的空间结构，而长三角和珠三角尽管旅游景点表现为集聚，但是并没有集聚在特别少的核心上，而是分别形成“长三角景点分布带”和“珠三角景点分布带”。就区域联动而言，景点的“带状”分布特征相较于“核状”分布特征更有利于城市进行旅游联动发展。这在一定程度上可以解释“京津冀旅游整合难度很大，旅游资源互补性差，凝聚力弱”的实际情况[28]，因为“核状”的景点格局在客观上对京津冀旅游联动发展产生制约效果。反观长三角和珠三角，这两个城市群的旅游联动效果要强劲很多，张祥等研究发现长江经济带旅游合作潜力总体处于中等水平且不断提升[29]，陈浩等认为珠三角各城市旅游业均取得高速发展，尽管珠三角旅游发展的空间布局存在不平衡性，但是会随着港珠澳大桥和城际轨道交通的建成而改善”[30]。

3 旅游景点空间分布的社会经济影响因素

经济驱动的旅游增长假设表明，经济发展对旅游业增长有积极影响[30]。旅游景区是旅游业发展的基础，旅游业发展好的地方总是有大量的旅游景点。影响旅游业发展的社会经济因素通常会影响旅游景点的数量。此外，旅游业的发展会受到国内生产总值、工资的影响[32-33]；投资已被证明是农村社区发展和旅游业发展的关键[34]；交通对旅游业的促进有显著影响[35]。除以上这些因素外，经验表明历史悠久、文化底蕴深厚的地方总是吸引着游客。因此，本文选取国内生产总值（GDP）、职工平均工资（AWE）、固定资产投资（IFA）、历史文化名城（HCC）、公路客运量（HPT）作为社会经济变量来分析对旅游景点数量（NTS）分布的影响。根据不同参数的拟合优度，最终得出的模型如下：

NTS=-1779.708+0.922GDP+0.021AWE-0.001/FA2+316.199HCC+160.060log（HPT）

地区的国内生产总值是影响旅游景点分布的最重要社会经济因素，而公路客运量对旅游景点的分布影响最弱。如表2所示，本文通过比较标准化系数，发现模型中自变量对因变量都有不同程度的影响。其中，（1）国内生产总值（GDP）是影响旅游景点数量分布的最重要因素，当国内生产总值每提高10亿元时，旅游景点数量相应增加0.922个。换而言之，一个地区的经济发展越好，这个地区的各类旅游景点就越多。（2）职工平均工资（AWE）是第2个重要因素，所在地区职工平均工资每上涨1元时，各类旅游景点数量相应增加0.021个，这意味着随着居民收入的提高，人们会花更多的钱在休闲或旅游上，这种需求可以刺激旅游景点的供给。（3）当固定资产投资（IFA）改善时，旅游景点数量呈现先上升后下降的趋势。（4）历史文化名城（HCC）作为一个虚拟变量，对旅游景点数量有很大的影响。当HCC值为1时，旅游景点数量增加316.199，也可以简单理解为历史文化名城要比非历史文化名城的旅游景点数量多。这一结果与人们的经验相吻合，一个历史文化底蕴深厚的城市，发展旅游业的资源基础深厚，能够开发出更多的旅游景点。（5）当公路客运量(HPT)增加1%时,旅游景点数量相应增加160.060个。这意味着当交通条件改善时，旅游景点将会增加。

表2 中国三大城市群旅游景点数量影响因素拟合结果

4 三大城市群旅游景点关联强度

旅游景点往往伴随着协同发展，除景点自身特征外，景点间还相互依赖，以实现相同的目标、寻求市场机会或找到共同的兴趣点[36]。旅游景点合作是指两个或两个以上的旅游景点相互作用或协作，共享信息和旅游市场，共同创新旅游产品，实现区域旅游发展目标。旅游景点也可以形成网络，从而创造出一个比各部分加总还要复杂的旅游系统[37]。因此，协同发展不仅被视为集体推广品牌、主题和旅游景点产品包装的有效手段，而且被视为旅游景点生存的必要策略[38]，以往还有研究强调，信任、沟通、交流、互惠、尊重和互惠等因素是合作关系的关键维度[38]。然而，景点之间的吸引力结构和关联网络也同样重要，本节比较中国三大城市群旅游地旅游关联强度的差异。

利用重力模型计算出3个地区城市的旅游关系强度。如表3所示，京津冀旅游关联强度为0.485—6 540，总强度为18 847，平均强度为242。长三角旅游关联强度为1.763—8 541，总强度为101 604，平均为313。珠江三角洲旅游关联强度为15—30 197，总强度为85 693，平均值为1 558。长三角地区城市旅游关联强度明显最强，其次是珠三角和京津冀地区。然而，在平均旅游关联强度比较中，珠三角最强，其次是长三角和京津冀地区。进一步根据旅游关联强度值将城市旅游关系分为3个层级：1级包括3 000关联度以上；2级为1 000—2 000关联度；2级为1 000以下的关联度（图3）。

表3 三大城市群旅游景点关联强度分析

在图3a中，可以发现在京津冀，“北京—廊坊”的关联处于1级，“天津—廊坊”和“北京—保定”的关联处于2级，其余74对关联均为3级；图3b中显示长三角地区城市群关联网络最为复杂，其中10对关联属于1级关联，11对关联属于2级关联，其余304对属于3级关联，其中与苏州的1级关联成为这一复杂关联网络的核心，可见苏州旅游地位的重要性。图3c所示的珠江三角洲，显示共有5对1级关联，3对2级关联，3对3级关联。其中广州与各城市之间的关联成为整个网络的核心。

图3 京津冀、长三角、珠三角城市群旅游景点关联结构

通过以上分析，本文发现长三角地区和珠三角地区的旅游结构和关联度优于京津冀地区。虽然长三角和珠三角地区的旅游景点在空间统计学上表现为空间集聚特征，但是旅游景点并没有过于集中在某个点区域，而是分别形成“Z”字形和“N”字形的旅游景区带。相比之下，京津冀旅游景点过度集中，最终形成“三核”的空间结构，没有形成带状的空间分布。此外，长三角地区城市旅游关联强度最强，其次是珠三角和京津冀地区。

5 结论与建议

本文利用旅游景点空间大数据与旅游产业统计数据相结合的方式，对中国三大城市群的旅游空间结构、影响因素、关联强度进行探究，结论如下：（1）三大城市群旅游景点的空间分布显著聚集。京津冀旅游景点的空间聚集程度最高，其次是珠三角和长三角。这些旅游景点通常集中在中国的中心城市，比如北京、苏州和广州等。（2）对于旅游景点的空间结构，本文识别出京津冀城市群以北京、天津和石家庄为核心的“三核”结构；长三角城市群内部连接11个城市的“Z”字形分布带；珠三角城市群连接8个城市的 “N”字形分布带。（3）影响旅游景点数量的社会经济因素中，GDP对旅游景点数量的影响最大，其他社会经济因素如固定资产投资、职工平均工资、历史文化名城数、公路客运量等亦对其有不同程度的影响。（4）长三角地区城市旅游关联强度最强，其次是珠三角和京津冀地区。从平均旅游关联强度来看，珠江三角洲地区最强，其次是长三角和京津冀地区。北京、苏州和广州分别是京津冀、长三角和珠三角地区关系网络的核心。（5）长三角与珠三角的旅游联动发展更为有效，京津翼的旅游联动发展相对较弱。长三角旅游合作潜力总体处于中等水平，并持续增长。珠三角城市旅游发展迅速，虽然还存在区域旅游发展空间不均等的问题，但随着港珠澳大桥以及城际轨道交通的建成，珠三角旅游发展空间格局将会有很大改善。北京、天津、石家庄这种“三核”结构相对孤立，短时间内将继续维持这种结构。

中国旅游业在某种程度上是政府主导产业，政府在旅游景点合作中起主导作用。政府对于市场的反应能力以及宏观战略的制定对旅游经济发展至关重要。因此，本文针对三大城市群提出一些区域旅游发展建议。第一，京津冀旅游协同发展较差，政府应在保持“北京—京津”“北京—廊坊”1级旅游关联的同时，从需求和供给两侧进一步提高“天津—廊坊”和“北京—保定”等2级旅游关联，一方面从需求侧出发，通过发展廊坊市和保定市整体经济，增加居民收入，促进旅游需求；另一方面从供给侧出发，对于保定，依托雄安新区大发展时期，大力提高保定旅游供给数量和旅游服务能力；对于廊坊，毗邻北京和天津，应做好“周末休闲度假旅游”的供给数量和质量。第二，珠三角有改善自身旅游关联的潜力，“广州—佛山”“珠海—澳门”“深圳—香港”的旅游关联都处于1级关联水平，而且远高于“广州—东莞”“广州—深圳”等的关联。因此，可以通过强化“广州—东莞”和“广州—深圳”的旅游关联来进一步提高该地区旅游业的协同发展水平。考虑到珠三角地区的国内生产总值和职工平均工资都较高，因此改善这些城市的交通运输条件是路径之一，特别是加强广州与东莞和广州与深圳之间的城际高铁交通，比如增加对开列车车次、修建跨城地跌、轻轨等，都是可以考虑的方式。第三，长三角城市群旅游结构和关联发育良好，但是也表现出一定的“东强西弱”的格局，因此需要增强长三角西部城市（比如合肥、南京）与东部城市（比如上海、苏州）的旅游联系，从而进一步提高整个地区的旅游联动，促进旅游发展更上一层楼。

6 结语

全球经济面临着新冠肺炎疫情的威胁，其中旅游经济更是遭受到严重的打击。中国的新冠肺炎疫情防控走在世界的前列，随着疫情防控的常态化，中国的旅游经济也表现出缓慢复苏的迹象。京津冀、长三角、珠三角一直是中国人口最为集中、经济最为发达、旅游经济发展最为强劲的三大城市群。无论是疫情防控期间中国旅游经济缓慢恢复，还是未来中国旅游经济的跨越式发展，这3个地区都应该是重中之重。京津冀的“三核”结构、长三角的“Z”字形结构、珠三角的“N”字形结构决定中国旅游经济发展的基本板块，可以为旅游管理部门和当局政府提供管理和评价依据。随着“十四五”的到来，国内生产总值、职工平均工资、固定资产投资、公路客运量等社会经济因素进一步发展和提高，中国的旅游供给和需求得到相应提升，届时京津冀、长三角、珠三角各个城市间的旅游关联强度也会进一步强化和网络化。形象地理解，旅游景点空间结构是骨架，社会经济因素是血液，旅游关联是肌肉，中国旅游经济的基本骨架长期稳定，随着血液的增加，肌肉会越来越发达。