国庆长假期间景区客源空间结构特征研究——以南京市国内客源市场为例

龚丽丹，顾秋实，黄羊山，刘洋阳,2

(1.东南大学人文学院，中国 南京 211189；2.香港理工大学酒店及旅游业管理学院，中国 香港 999077)

旅游业对经济发展具有重要作用，旅游市场繁荣程度是衡量旅游经济发展的重要指标之一，客源市场构成了旅游市场，分析客源市场对旅游目的地具有重要作用。对客源市场的研究，主要集中在境内客源市场[1]、入境客源市场[2]与国外旅游地客源市场[3]。其研究内容包括市场划分[3]、影响因素[4]、客源市场特征[5]、客源市场空间结构[6]等方面。采用的方法包括波士顿矩阵模型[3]、空间自相关法[1]、客源吸引半径[6]等。把握客源市场即能有效把握市场机遇，有助于促进精准营销，为政府、旅游目的地、旅行社等提供营销重点与依据。旅游客源市场的空间结构能反映出不同区域人群的偏好与需求，其空间特征不仅对市场细分与营销策略制定具有重要意义，对旅游目的地未来旅游发展、城市规划等也具有重要作用。

Pearce首次提出旅游流的概念并确立了旅游流与旅游供给和需求、旅游空间结构等诸多概念[7]的关系，旅游客源空间结构研究在此基础上广泛发展。对客源市场空间结构，学者多采用地理集中指数、客源吸引半径、引力模型等方法与模型开展研究[8-10]，研究的对象主要划分为入境客源市场空间结构[11]与国内客源市场空间结构[8-10]。其中，对国内客源市场空间结构的研究又可划分为对行政区域[12]、酒店[13]、景区[8]等旅游目的地的研究和影响客源市场空间结构的因素研究[14]。景区在大众旅游时代仍然是旅游研究的主要内容之一，研究景区客源市场的空间结构能反映出不同客源人群对景区的偏好，为景区发展及地方政策制定提供依据。当前，已有学者对遗产类景区[15]、自然类景区客源空间结构开展研究[8,16]。然而，学者较多地探讨单一景区的客源空间结构，较少对多个不同特征的景区客源空间结构进行探讨。根据景区特征划分景区，再进行客源空间结构研究，有助于更好地把握不同特征景区市场需求，从而对市场进行进一步细分，对政府统一规划、景区精准营销与旅行社线路制定等均有重要作用。

南京市景区类型多样、层次丰富，在国内旅游目的地市场中具有一定代表性，对其多种特征的景区进行分类并研究其不同的客源空间结构，可以为其他市域层面不同特征景区的发展提供借鉴。在当前关于南京市客源空间结构的研究中，研究对象一般为单体旅游景区[17]与多个单体景区[18]，采用的方法与模型一般为地理集中指数、客源吸引半径等，较少考虑多个景区特殊性与级别，不利于促进南京市开展精准旅游营销。近年来，大数据的蓬勃发展拓展了旅游需求、旅游行为与旅游满意度等方面的认知[19]，在旅游客源空间结构研究中，大数据具有涵盖面广、信息准确、采样简便的特点，能把握更广泛层面的景区客源真实状况，为景区客源市场监测提供了极大便利。南京市作为较早建立智慧旅游平台的城市，截至2019年，其智慧旅游平台已覆盖全市53个景区，监测范围广泛。依托智慧旅游大数据平台，学者已开展了广泛的研究[18,20,21]。然而，学者们使用大数据，研究对象仍为单体旅游景区和多个独立景区，且对时间(节假日)等影响因素关注较多，对景区本身特征的影响关注较少，且未针对不同层级的客源市场展开具体研究。

基于此，本研究以南京作为研究对象，基于智慧旅游平台所提供的2018年国庆长假期间南京市景区客源数据，首先根据景区特征进行分类，再划分客源市场，研究不同特征的景区在不同客源市场下的特征，以期从理论上拓展对市域层面不同特征景区客源市场空间结构认知，并为政府进行合理旅游规划、打造旅游副中心提供参考，同时为景区针对性营销与市场细分以及旅行社线路重构提供借鉴。此外，也为其他市域层面的景区发展提供思路。

1 数据来源与研究方法

1.1 数据来源与处理

本研究选取南京市智慧旅游平台中53个景区的客源数据作为原始数据，同时，在旅游与休假行为高发的闲暇时间中，春节、清明节、端午节等为传统节假日，在一定程度上部分游客会受传统习俗影响而不选择出游，五一小长假与十一小长假期间南京气候舒适，为南京的旅游旺季，其中十一小长假较五一小长假休假时间更长，达到了“全民皆游”的状态[22]，因此本研究选取2018年十一小长假(2018年10月1日至10月7日)作为研究时间范畴，其客源来源更为广泛，更具典型性与代表性。对获得的53个景区客源数据按照客源地进行列表，获得以景区为行、客源地为列的矩阵(客源地不含香港、澳门和台湾)，对7日的客源数据累加求和，从而获得国庆长假期间每一个景区不同客源地的客源数据。

1.2 研究方法

1.2.1 地理集中指数 地理集中指数是衡量地理集中程度的重要指标[6]，取值范围为[0,100]，若指数越接近100，则说明该地客源市场越集中；反之则越分散，其公式如下：

(1)

式中：G为客源地集中指数；n为客源地总数(本研究中n为31，不包括台湾、香港和澳门)；T为景区接待游客人数；Xi为第i个客源地游客人数。

1.2.2 相关性分析 相关性分析是探究变量X与Y相关关系的一种方法，有助于掌握二者之间的关联程度。本研究使用SPSS 22.0对两两景区不同客源市场下的客源数据进行相关性分析，即对景区A客源市场数据与景区B客源市场数据进行相关性分析，将Person值大于0.8定义为强相关性，Person值在0.7～0.8间定义为中等强度相关性，而小于0.7为弱相关性。具体操作方法为，首先通过相关性分析探究景区A与景区B客源市场数据的相关性关联，再通过相似归类(即具有类似相关性表现的划分为一组)对景区进行分组，分组后再通过相关性关系选取组中代表进行客源空间结构可视化。最终获得53×53的景区相关性关系矩阵，再进行分组。

2 南京市景区特征与景区客源空间结构特征

2.1 南京市景区特征

使用ArcGIS对南京市53个景区地理位置进行可视化，其地理位置如图1所示。南京市景区主要分布在 5个区域：中心城区、东部郊区、南部郊区、西部郊区和北部郊区。中心城区位于南京市地理中心位置，包含夫子庙、钟山风景区等；东部郊区临近扬州市；东南方与常州市、镇江市交界；西部、南部、西北部与安徽省毗邻。

图1 南京市53个景区区域地理位置分布Fig. 1 The geographical distribution of 53 scenic spots in Nanjing

本研究对景区按照其自身特征进行分类，对上述53个景区按照景区等级、区位、类型与热门程度进行划分。景区等级可划分为5A,4A,3A,2A和A景区[23]，结合南京市景区等级评定与乡村景区未评级的现实情况，本研究将53个景区划分为5A,4A,3A和2A及以下4个等级。根据景区区位[24]，结合南京市行政区划划分，将景区划分为中心城区与郊区。景区旅游资源类型也常作为景区分类的标准[25，26]，本研究结合南京市景区发展状况，将旅游景区分为人文景观景区、自然景观景区、人工开发景区及乡村生态景区。旅游景区可按照游客接待量进行划分[26]，游客在空间移动时会出现游览人数相对集中的点，这些点可将其视为热门景区。一般而言，景区等级与游客到访率成正比[27]，而景区共有5个等级[23]，基于此，本研究结合国庆期间南京市景区接待游客人次实际情况，将景区也划分为5个等级，即最热门景区(游客总人次超过70万人次)、热门景区(游客总人次21万～70万人次)、较热门景区(游客总人次7万～21万人次)、普通景区(游客总人次2.1万～7万人次)、冷门景区(游客总人次少于 2.1万人次)。南京市53个景区特征如表1所示(由于篇幅限制，仅罗列其中10个)。

表1 南京市景区等级、位置、类型与热门程度特征Tab. 1 The grade,location,type and popularity of scenic spots in Nanjing

2.2 南京市景区客源空间结构分析

根据客源占比数量划分客源市场是划分不同层级客源市场的重要依据，结合前人客源分级方法[28]及景区实际情况，本研究将国庆期间景区的客源地划分为4个层级：第一级别南京层次(53个景区南京的客源占比数量均高于5%)、第二级别江苏省(除南京)层次(超过90%以上的景区客源占比数量高于5%)、第三级别长三角区域层次(安徽省70%以上的景区客源占比数量高于5%，上海市20%以上的景区客源占比数量高于5%，浙江省15%以上的景区客源占比数量高于5%)。其余省市客源占比较低，因此将其他省、市、自治区列为第4级别客源地，即长三角外其他地区。在客源市场分层基础上，分别对不同层级客源市场下不同特征的景区客源空间结构作分析。

2.2.1 第一级别客源地——南京市客源空间结构分析 根据式(1)计算南京市53个景区的地理集中指数，并将南京市客源占比、客源地理集中指数分别与景区等级、热门度、距离新街口距离(即为距离市中心距离，反映区位)作分析，绘制箱线图与散点图，如图2，3和4所示。由图2和3可知，景区等级越低，南京本地游客比例越高，客源集中度越高；景区热门程度越低，南京本地游客比例越高，客源集中度越高。由图4可知，南京市客源占比与距离新街口距离散点图拟合后符合多项式函数(y=-9×10-5x2+ 1.155×10-2x+ 0.378)，R2为0.404 4，拟合程度较高。客源地理集中指数与距离新街口距离散点图通过拟合和符合乘幂函数(y=44.711x0.151)，R2为0.468 5，拟合程度较高。从中可以发现，随着景区地理位置距市中心变远，南京本地游客客源比呈现先上升后下降的趋势，而地理集中指数则呈现出集中的趋势。整体而言，景区等级越低，热门程度越低，越位于南京市郊区，南京市本地客源占比越高，这些景区更受南京本地人欢迎。

图2 南京景区客源比例、客源集中程度与景区等级关系Fig. 2 The relationship between the proportion,the concentration of tourists and the grades of scenic spots in Nanjing

图3 南京景区客源比例、客源集中程度与景区热门度关系Fig. 3 The relationship between the proportion,the concentration of tourists and the popularity of scenic spots in Nanjing

图4 南京景区客源比例、客源集中程度与距离新街口(市中心)驾车距离关系Fig. 4 The relationship between the proportion,the concentration of tourists and the driving distance from Xinjiekou (Downtown)to Nanjing scenic spots

2.2.2 第二级别客源地——江苏省客源空间结构分析 使用ArcGIS对第二级别客源地江苏省(除南京市)的客源空间进行可视化分析，由于景区数量较多，且部分景区特征存在相似性，因此选取景区代表作为可视化对象，从而探究其所代表的一类景区的客源空间结构，选取依据为相关性分析。首先对53个景区的第二级别客源地的客源数据进行相关性分析，从而获得一个53×53的相关性分析结果矩阵，再根据相似归类原则，得到A～H组景区，再基于相关性分析结果选取组内代表。A～H组分别为：①A组共20个景区，主要是高等级、热门、距中心城区近的景区。其中，钟山风景名胜区客源分布情况与其余19个景区呈现强相关性，故以此为代表。②B组共10个景区，主要是位于高淳区、溧水区的乡村类旅游景区。高淳国际慢城与其余9个景区呈现强相关性，故以此为代表。③C组共5个景区，主要为位于郊区的乡村、人文景区。其中，石塘人家与其余4个景区的相关性最为明显，故以此为代表。④D组共5个景区，主要位于南京市东部地区，靠近栖霞区。龙潭水一方生态休闲旅游区与其余4个景区呈现强相关性，故以此为代表。⑤E组共4个景区，主要为乡村农庄景区。巴布罗生态谷与其余 3个景区呈现强相关性，故以此为代表。⑥F组为不老村、南京市博物馆(朝天宫景区)，共2个景区，以南京市博物馆(朝天宫景区)为代表。F组景区为较热门的乡村、热门人文景区。⑦G组栖霞山风景区单独成一类，其客源分布情况与其余52个景区均没有强相关性或中等强度相关性，故独立作为代表。栖霞山风景区特征与D组类似，但其热门程度、景区等级更高。⑧H组明文化村(阳山碑材)景区单独成一类，其客源分布情况与其余52个景区均没有强相关性或中等强度相关性，因此独立作为代表。H组景区主要为冷门人文景区。

对A～H组景区代表进行可视化，如图5所示。由图可知，江苏省内经济最发达、人口最多的苏州游客对高等级、热门、距南京中心城区近的钟山风景名胜区更感兴趣，为其最主要客源地；高淳国际慢城位于高淳区，以其为代表的B组乡村类旅游景区受地理位置影响较大，与其接壤的常州市是最大客源地，临近的无锡市和镇江市则是第二、三大客源地位于郊区的石塘人家(C组)，其客源市场空间结构受地理位置影响较大，主要客源为苏州、无锡、常州、镇江4市；位于南京市东部、靠近栖霞区的景区龙潭水一方生态休闲旅游区(D组代表)，同样其受地理位置影响，镇江市、扬州市的游客对其更感兴趣；以巴布洛生态谷为代表的E组景区，即乡村农庄类景区主要位于六合区、浦口区(主要位于南京市北部地区)，地理位置上接近扬州市，扬州客源占比最高；F组景区，包含不老村和南京市博物院，其中，不老村业态丰富、环境优美，为首批全国乡村旅游重点村，南京市博物院藏品众多，为国家级博物馆，是南京代表性景点之一，二者均在全国范围内有较高知名度，因此对各地游客吸引力均较强，客源市场空间结构无明显偏向，较为平均；G组景区与D组景区相似，受地理位置邻近效应影响，镇江、扬州游客对其更感兴趣，但G组代表栖霞山风景区其热门度更高、景区等级较D组更高，其客源市场空间结构在其余地级市中分布也较为显著；明文化村较为冷门，代表冷门景区(H组)，无明显结构偏向规律。可以总结出，第二级别客源市场位于郊区的乡村型景区受地理位置影响较大，其客源较符合距离衰减现象，客源市场空间结构呈现由近及远的同心圆分布规律(B组、C组、D组、E组、G组)，等级越高、越热门的景区受距离因素影响越小(A组、F组、G组)。

图5 江苏省内景区客源空间结构Fig. 5 The spatial structure of tourism sources in Jiangsu province

2.2.3 第三级别客源地——长三角客源空间结构分析 与第二级别客源地景区空间结构分析操作类似，对第三级别客源地进行相关性分析，同样可得53×53的长三角层级景区矩阵，根据结果进行分组并选取组中代表。分组情况为：①A组共17个景区，主要为高等级、热门、距中心城区近的人文景区。红山森林动物园与其余16个景区呈现强相关性，故以此为代表。②B组共13个景区，主要为乡村农庄类景区。大塘金香草谷与其余12个景区呈现强相关性，以大塘金香草谷为代表。③C组共10个景区，主要特征为位于南京市西部郊区。巴布洛生态谷与其余9个景区呈现强相关性，以巴布洛生态谷为代表。④D组共4个景区，该组景区主要为人文类景区，且与历史、战争等因素紧密关联。雨花台风景区与其余3个景区呈现强相关性，以雨花台风景区为代表。⑤E组共4个景区，主要为乡村类景区，楚韵花香与其余3个景区关联性明显，故以楚韵花香为代表。⑥F组包括紫清湖生态旅游温泉度假区、天生桥景区2个景区，它们互相存在较强相关性而与其余51个景区均没有强相关性或中等强度相关性，选择其中之一的紫清湖生态旅游温泉度假区为代表。⑦G组为总统府景区，其与石塘人家、黄龙岘茶文化村等6个景区存在较强的负相关性，因此以总统府景区为代表。⑧H组为大报恩寺遗址公园景区，其与石塘人家、黄龙岘茶文化村等9个景区存在较强的负相关性，因此将其单独进行可视化，其特征主要表现为较热门、人文类景区。上述组代表空间分布如图6所示。

由图6可得，以红山森林动物园为代表的A组景区为高等级、热门、距中心城区近的人文类景区，其受江苏本地游客欢迎，其次是安徽省，而浙江省和上海市仅占很小的比例；大塘金香草谷(B组)为乡村农庄景区，其客源市场空间结构与A组相近，但上海市游客比例显著增加，说明上海游客对南京市乡村农庄景区更感兴趣；巴布洛生态谷(C组)位于南京市西部，相比江苏省其他城市，与安徽省距离更近，安徽省是主要客源地，其次是江苏省、上海市和浙江省，距离为影响该类景区客源空间结构的重要因素；雨花台风景区为民族战争专题类人文景区，以其为代表的D组人文(历史、战争相关)景区客源分布情况较为平均，无明显结构偏向规律；E组与B组景区同为乡村农庄类型景区，但E组景区(以楚韵花香为典型代表)更靠近安徽省，安徽游客对其更感兴趣，游客占比较高，除此之外，该组景区对上海市的游客吸引力也较强；F组景区紫清湖生态旅游温泉度假区为人工开发的度假景区，江苏游客与上海游客对此较为感兴趣；G组总统府景区与D组特征类似，均为文化类景区，总体上客源分布也较为平均；H组景区与G组特征类似，同样为人文类景区，江苏、浙江客源较多，总体客源市场空间结构较乡村类景区更为平均。可以总结出，乡村类景区更具距离敏感性，当景区位于南京市西部、更靠近安徽时，乡村类景区的最大客源地为安徽省而非江苏省(C组、E组)，人文类景区的距离敏感性相对较低(D组、G组、H组)。除此之外，也可以显著发现，上海市游客对乡村类景区、农庄类景区、度假型景区更感兴趣(B组、E组、F组)。

图6 长三角景区客源空间结构Fig. 6 The spatial structure of tourism sources in the Yangtze River Delta

2.2.4 第四级别客源地——长三角外其他地区客源空间结构分析 在第4级别层次划分上，由于部分景区游客较少(许多客源地游客量为0)，不具代表性，因此将该部分游客量较少的景区(游客总量<1 000人次)从中剔除，共剔除20个景区。再对余下景区的客源市场进行与第二级别、第三级别类似的分组操作。分组情况为：①A组包括30个景区，主要为一些高等级、高热度景区，夫子庙及秦淮河风光带与其余29个景区呈现强、中度相关性，故以其为代表。②B组为龙袍镇长江渔村、C组为河岸花海、D组为楚韵花香，这三组景区较其他景区而言，其客源结构特殊，因此分别单独进行可视化。

由图7可得，高等级、高热度的景区如夫子庙及秦淮河风光带，在第4级别客源市场上，其客源市场空间结构主要偏向距南京市较近的山东、河南、湖北、江西、广东、福建6省，呈现以南京为中心向外同心圆减弱模式，符合距离衰减规律。龙袍镇长江渔村，受到长江沿线的湖北省、重庆市游客的欢迎。河岸花海景区，其客源空间结构偏向山东、河南、陕西3省。楚韵花香景区，其客源市场空间结构主要偏向河南、湖北两省。这是因为国庆长假期间，南京正处于气候最为适宜期，且初秋南京许多花草植物仍然生长旺盛，而此时的北方地区温度已开始大幅下降，气候较为寒冷，几乎无赏花机会，与此同时，河岸花海景区与楚韵花香景区又均与“花”有关，因此此类景点对北方游客的吸引力强于南方游客。

图7 长三角外景区客源空间结构Fig. 7 Spatial structure of tourism sources in national scenic spots

由上述4个级别客源市场景区客源空间分析可得，不同区位、等级、类型、热门程度的景区，客源市场空间结构存在差异。景区特征不同，客源市场空间结构也不同，具体总结如表2所示。南京市客源级别中，总体而言，景区等级、热门程度越低，地理位置距市中心越远，南京本地游客的比例越高，客源集中度越高。江苏省内的高等级、高热门度、位于中心城区的景区客源市场空间结构偏向苏州，位于东部郊区的景区客源空间结构重心较多地偏向镇江市和扬州市，乡村类景区偏向苏州、镇江、无锡、常州4市。长三角地区的高等级、高热门度、位于中心城区的景区偏向江苏省，位于西部郊区景区则偏向安徽省，乡村类景区偏向安徽省与上海市，人文类景区总体平均。全国其他地区的客源级别，高等级、高热门度、位于中心城区的景区客源空间结构重心偏向距南京较近的山东省、河南省、湖北省和江西省，其余特殊景区遵从特殊分布规律。

表2 南京景区特征与客源空间结构关系Tab. 2 Relationship between the characteristics of Nanjing scenic spots and the spatial structure of tourist sources

3 结论与讨论

3.1 结论

本研究通过大数据与ArcGIS可视化相结合的方式，探究了南京市不同区位、等级、类型、热门程度的景区在南京市、江苏省内、长三角地区和长三角外地区不同客源市场级别的客源空间结构特征，得出如下主要结论。

1)在以十一小长假为代表的短期旅游中，观光型旅游者仍占主流，而休闲与度假更多集中于南京本地人与上海游客。南京市低等级、热门度较低、地理位置位于郊区的乡村类景区主要客源为南京，与此相反，除少数特殊景区，非南京市本土的游客较多选择高等级、热门度较高的传统景区，这说明当前游客在短期旅游中，仍将景区游览作为重要内容，而对于本地游客而言，观光并不是其主要需求，其更多关注度假、休闲与放松。上海游客在选择旅游景区时，也更加倾向于休闲、度假类乡村、郊区型景区，这与以往文献发现苏南乡村旅游重要客源市场为上海相一致[14]。

2)乡村类景区客源市场空间结构具有显著距离敏感性，呈现以景区为核心，客源空间以同心圆、半圆式点轴分散，而人文类景区客源市场空间结构对空间距离敏感性较低。以往研究表明，南京市景区客源市场空间结构呈现距离衰减现象[20]。本研究在此基础上，发现不同类型景区距离衰减程度敏感性不同。由第3级别客源市场空间结构可以发现，位于西部、郊区的巴布洛生态谷、楚韵花香等景区，更受安徽省游客欢迎，而人文类景区则无明显偏向，距离敏感性较低。由于南京作为“六朝古都”，其历史文化悠久，人文荟萃，人文类景区等级较高，对游客的吸引力强，因此人文景区客源市场空间结构受距离影响较小。同时，也说明当前南京市旅游目的地形象仍主打人文品牌，乡村景区知名度较低，乡村景区对游客的吸引范围局限于邻近地区，受距离影响大。

3)特殊主题内容的景区受到特定群体欢迎，游客在选择景区时存在求同心理与求异心理。以往研究发现游客在选择旅游目的地尤其是文化旅游目的地时，既有求同心理，也有求异心理[29]，这在本研究亦得到印证。求同心理表现在，如南京市作为长江沿线城市，与长江有关的景区较多，其他同样位于长江沿线的城市，对其有较高认同度，龙袍镇长江渔村对长江沿岸客源地湖北和重庆有极强的吸引力。求异心理表现在，在十一期间，南京气候舒适，植被等仍然较为丰富，而北方地区气温骤降，植被较为单一，花卉种类减少，而此时南京仍然有一些花卉展，气候上的差异使得北方游客寻求与居住地不同的风景，因此南京市一些花卉景区如河岸花海对其具有明显吸引力。

3.2 讨论与对策建议

本研究结合景区特征分类探究国庆期间南京市景区客源结构，具有理论与实践意义。从理论上看，首先，本研究对南京市不同特征类型景区的客源市场结构进行研究，丰富了前人仅对单一景区或多个不分类景区开展讨论[17,18]。其次，本研究选择国庆假期作为时间节点，证明在短期旅游中，南京市外游客仍将传统景区观光作为旅游主要内容，与本地游客在景区选择上存在差异。再次，本研究发现不同特征的景区对距离敏感性存在差异，较前人所探讨的南京市景区客源存在距离衰减现象是一个补充[20]。最后，本研究对景区使用相关性分析以选取组内代表具有一定参考意义与创新价值，可应用于其他研究。

从实践上看，本研究有助于促进政府建设支持旅游业发展、景区营销与旅行社线路设计。(1)政府层面。结合南京市景区“高聚中，低分聚”(高等级景区聚集在中心城区，低等级景区分散在郊区)与南京本地游客选择郊区景区、外地游客选择热门度高景区的特点，率先将高等级、高知名度景区打造成为“景区带”，提升外地游客旅游效率，同时，兼顾本地游客旅游权力，规划旅游副中心，通过道路交通建设与地铁等公共交通建设联通郊区景区带与旅游副中心，一方面服务本地游客，另一方面依托中心优势，加强对周边的引流。(2)景区层面，不同特征的景区应针对其主要客源市场，构建人群画像，开展精准营销、联合营销及捆绑营销，如对于乡村类景区而言，应将营销市场对准上海市与苏州、无锡、常州、镇江4市，对于西部郊区景区，应将营销市场对准安徽省等地，对于一些特殊景区，可提供特色服务，如长江渔村提供特色垂钓服务等。(3)旅行社层面。旅行社可结合客源市场空间结构设计特定路线，如以相似客源空间结构及景区特征的夫子庙秦淮风光带、南京博物院、明文化村景区为元素设计“六朝古都线路”等，也可结合中心城区、郊区设计旅游线路。一方面不仅符合各景区客源空间体现出的游览偏好规律；另一方面也能延长游客停留时间，从而带来更好的旅游经济效益并提升南京旅游市场水平。

本研究仍存在一些局限性。首先，客源数据范围精确度不高，除江苏省数据精确到地级市，其余数据均以省作为数据单位。第二，研究时间选定为2018年国庆长假期间，缺乏纵向对比。第三，研究对象为智慧旅游系统中的53个景区，未能涵盖南京所有景区。除此之外，本研究在对景区进行分组中，根据相似归类进行分组，存在一定局限性。在未来的研究中，可对上述几个方面进行优化并开展深入研究，使南京市景区客源空间结构更加完整且精确。