长三角城市群智慧旅游发展水平测度及其空间分异

刘莹

摘   要：智慧旅游具有更精准、更高效、更创新、更服务的优势，可以跨越时空障碍，在更广范围内实现旅游产业的供给侧改革与区域一体化发展，正成为现代旅游业的发展趋势。以长三角城市群为研究对象，通过构建智慧旅游基建、智慧旅游产业、旅游经济及旅游景区与环境的评价指标，运用熵权TOPSIS与空间计量的方法，综合评价长三角城市群的智慧旅游发展水平及空间差异。结果显示，从得分的角度来看，上海市智慧旅游连续五年是第一名，成为发展水平极高的区域，杭州市、南京市、苏州市为发展水平较高的区域，合肥市、无锡市、宁波市为发展水平一般的城市，得分相差较大，说明长三角城市群智慧旅游发展水平不平衡；从空间上看，长三角城市群呈现一个极点、南强北弱的空间格局，空间自相关的结果表明，发展水平高的城市对邻近城市智慧旅游的发展具有抑制作用，呈现屏蔽效果，与旅游产业竞争格局有关。

关键词：智慧旅游；长三角城市群；熵权TOPSIS；空间自相关

中图分类号：F592.7 文献标志码：A         文章编号：1673-291X（2023）04-0054-04

智慧旅游的跨时空特点能够有效缓解新冠疫情常态化背景下，外部因素增加了运行的风险与不确定性，因此，智慧旅游成为未来旅游发展的必然趋势。以长三角城市群为例，该城市群包括上海市及安徽省、浙江省、江苏省的26个城市，拥有独具江南特色的旅游资源，不仅是我国旅游市场最活跃的地区之一，也是我国新一代信息技术发展的重要产业基地和创新高地；其中苏州、上海等16个城市拥有的上市软件和信息服务企业与电子信息制造业数量占全国的四分之一。长三角地区虽然具备了发展智慧旅游的硬件条件与软件条件，成为发展智慧旅游的排头兵，然而智慧旅游还存在着普及范围小、涉及程度浅、创新与应用不够、区域不协同[1]等问题。因此，本文研究长三角地区的智慧旅游发展状况，以促进城市群旅游资源的合理配置与区域一体化发展。

一、文献综述

在信息科学发展的背景下，国外学者最先认识到先进的科学技术手段对旅游的作用[2-4]，直至2000年，加拿大旅游业协会的菲利普斯最早提出智慧旅游的概念[5]，并且应用于旅游营销之中。而国内学者则在国家旅游局提出发展智慧旅游的目标以后才提出相关概念以及进行相关研究[6]。虽然不同学者對智慧旅游的概念存在侧重点的差异[7]，但是公认的是借助智慧化的手段改变游客、旅游企业、旅游目的地等各个主体的思维方式与行为模式，这必将带动包括游客的体验、管理方式、旅游形态等在内的旅游业的深刻变革。

国内外学者对智慧旅游的研究内容主要包括从计算机科学角度出发的智慧旅游平台设计与优化[8，9]，以及从旅游环节与类型为角度的智慧化建设，包括景区的智慧化[10-12]、旅游目的地智慧化[13，14]、乡村旅游智慧化[15]、康养旅游智慧化[16]，智慧旅游与全域旅游的关系[17]和智慧旅游的发展评价与对策[18-21]等方面。

智慧旅游的评价方法主要有调查问卷法、模糊综合评价、专家打分法、结构方程模型、熵值法等。汪侠[21]从游客满意度的角度出发设计了九个景区智慧的评价体系；左晶晶[12]在参考汪侠的评价体系的基础上，运用调查问卷的方法对上海迪士尼的智慧化水平进行评价。本文从城市群的角度出发，以长三角城市为研究对象，因此，以可以比较为原则，运用熵权TOPSISI能够较为客观地评价智慧旅游的发展水平。

综上，国内外学者对智慧旅游的相关概念、理论体系以及评价方法进行了探索，但是仅仅从景区或者单个城市的应用层面展开论述，在城市群的层面研究的还较少，空间层面的相关性研究也比较少。因此，本文以具备软硬件设施的长三角城市为研究对象，运用定量分析与时空分析的方法对城市群的智慧旅游的发展水平进行测度，探究其发展的空间格局，从而促进长三角城市的智慧旅游的发展以及提出城市一体化、区域一体化发展的策略。

二、研究方法与数据来源

（一）评价指标的构建

刘利宁[18]认为，智慧旅游与智慧城市的建设密不可分，因此构建硬件支撑体系、综合应用系统和应用价值评价三大体系，覆盖了包含基础网络、公共安全、智慧交通、智慧酒店、智慧景区、经济效益指标在内的全方位评价。但是该评价是最理想的评价，数据的可获得性不强，不同城市的数据统一口径不同。穆学青[19]构建了旅游经济、旅游创新、旅游潜力、旅游环境来评估云南省智慧旅游的发展水平，其指标缺少对物联网、云计算、大数据的评价，不够全面。此外，还有学者针对景区的智慧化进行评估，如陈博[20]运用问卷调查的方法从基础建设、服务、营销、管理对景区智慧化进行评价，具有借鉴意义。基于以上分析，本文以全面性、数据可获得性和数据可比性、可适用性为原则，构建长三角城市群的智慧旅游评价指标。

（二）熵权TOPSIS

熵权TOPSIS法[21]是结合了熵权法与逼近理想解排序法对评价对象的属性进行综合评价的方法。熵权法根据指标数据所包含的信息量大小来判断指标的权重，熵值越小，信息量越多，权重越大。逼近理想解排序法（TOPSIS）是通过计算有限个评价对象与理想化目标的接近程度来对多个评价对象进行优劣排序的综合评价方法。熵权法与TOPSIS法相结合，能够更加准确地对评价对象进行排序。

（三）空间自相关

空间自相关分析[22]是一种常见的空间统计方法，用来描述某个区域的属性与周围区域的同一属性在空间上的相似程度，在分析要素的空间分布特征中被广泛使用。本文采用全局Moran’s I指数对长三角城市智慧旅游发展的空间相关性进行分析[22]。

（四）数据来源

智慧旅游评价指标的数据主要来源于EPS数据库，缺失数据通过2015—2019年长三角各城市的统计年鉴以及国民经济与社会发展统计公报来补充，景区来源于各个城市的文化旅游局，具有权威性与客观性。

三、结果分析

（一）智慧旅游得分评价

2015—2019年，长三角城市智慧旅游水平在逐渐提升，城市之间差距较大。智慧旅游综合得分极高的城市，即第一梯队的城市是上海市，2015—2019年綜合得分均在0.85分以上，且逐年递增；2019年综合得分接近于1，远远超过第二梯队的城市；在智慧旅游基建、智慧产业发展、旅游经济得分为1，表现最好。智慧旅游综合得分较高的区域，即第二梯队的城市是杭州市、南京市、苏州市，综合得分在0.15—0.3之间，且逐年递增，但与第一梯队相差过大；其中，杭州市、南京市在智慧产业发展与智慧景区发展的较好，苏州市在智慧基础设施建设与智慧景区发展较好。智慧旅游综合发展水平中等的区域，即第三梯队的城市是合肥市、无锡市、宁波市，综合得分在0.07—0.1之间，且增速缓慢，仅仅在智慧景区及环境表现较好。智慧旅游综合发展水平较差的城市共11个，大多属于浙江省，有温州市、金华市、舟山市、嘉兴市、湖州市、台州市、绍兴市、常州市、池州市、芜湖市、南通市等，综合得分在0.03—0.07之间。智慧旅游综合发展水平最差的区域集中在安徽省与江苏省，有盐城市、扬州市、滁州市、宣城市、镇江市、安庆市、泰州市、马鞍山市、铜陵市等，综合得分在0.01—0.03之间，增速缓慢，综合得分相差不大。

（二）智慧旅游的空间分布

运用自然间断点分级法，将26个城市智慧旅游发展水平分为五个层级，即极高水平、较高水平、中等水平、较差水平、差水平，并得出如下结论。

第一，2019年智慧旅游综合得分的空间布局呈现一个极点、南强北弱的格局，长三角城市群所在省份中浙江省智慧旅游发展水平高于江苏省和安徽省。上海市为极大点，带动了周围南通市、苏州市、无锡市智慧旅游的发展。杭州市、南京市、合肥市为省会城市，智慧旅游的建设较好。盐城市、滁州市、安庆市、宣城市的智慧旅游水平较低，省会城市对其带动作用还不强。

第二，长三角城市群智慧旅游综合水平的全局莫兰指数为负值，即Moran’s I的值为-0.025 9。说明长三角城市智慧旅游不具有空间统计上的相关性，但是负数表明城市之间智慧旅游发展呈现负相关，高水平城市对低水平城市的发展具有抑制作用，主要是因为数据之间的差距过大，上海市综合得分是第二名的5倍，表明智慧旅游的发展不平衡。

第三，分别计算2019年四个维度的全局莫兰指数，仍未通过显著性检验。其中智慧旅游产业的发展呈现负相关，智慧旅游基础设施建设、旅游经济、智慧景区与环境呈较弱的正相关性，说明智慧旅游的负相关作用主要通过智慧旅游产业发挥的抑制作用，进一步表明长三角城市之间旅游业处于竞争的状态，旅游产品同质化。

第四，运用Arcgis对长三角智慧旅游进行冷热点分析，从而进一步显示出城市智慧旅游发展水平的聚类区域（如图2b）。结果表明，高水平的区域主要集中在嘉兴市（置信度为99%）、上海市（置信度为95%）与南通市（置信度为90%），无低水平聚类的区域，并且其他区域并未通过显著性检验。由此说明，长三角地区呈现南强北弱的空间格局，主要集中在以上海市为中心的周边城市，南京市与合肥市的智慧旅游发展带动作用弱，仍处于抑制阶段。

参考文献：

[1]   黄平，曾绍伦.城市群同城化与智慧旅游一体化研究综述[J].生态经济，2015，31（11）：108-113.

[2]   Li，Y.；Hu，C.；Huang，C.；Duan，L.The concept of smart tourism in the context of tourism information services[J].Tour.Managment，2016，（58）：293，300.

[3]   Ben Haobin Ye；Huiyue Ye；Rob Law.Systematic Review of Smart Tourism Research[J].Sustainability，2020，（12）：3401.

[4]   Robert B Bentley. Information Technology and Tourism.An update，2003：141-144.

[5]   Phillips S G.The tourism industry association of Canada [EB/OL].www.slideshare.com，2000-12-05.

[6]   胡鞍钢，周绍杰，任皓.供给侧结构性改革——适应和引领中国经济新常态[J].清华大学学报：哲学社会科学版，2016，31（2）：17-22，195.

[7]   李云鹏，胡中州，黄超，段莉琼.旅游信息服务视阈下的智慧旅游概念探讨[J].旅游学刊，2014，29（5）：106-115.

[8]   袁晶，张彰.“互联网+”思维下智慧旅游平台优化探讨——以江西省为例[J].企业经济，2018，（12）：143-147.

[9]   贺剑武.基于大数据分析技术的旅游智慧平台设计[J].现代电子技术，2020，43（14）：183-186.

[10]   王建英，谢朝武，陈帅.景区智慧旅游设施的优化布局——以泉州古城为例[J].经济地理，2019，39（6）：223-231.

[11]   王艳丽，姜海涛.智慧旅游背景下中国二线城市景点门票价格策略研究[J].价格月刊，2020，（10）：32-35.

[12]   左晶晶，唐蕙沁.智慧旅游建设对游客满意度的影响——基于上海迪士尼乐园的研究[J].消费经济，2020，36（5）：79-89.

[13]   José Luis Cornejo Ortega;Christopher D.Malcolm.Touristic Stakeholders’ Perceptions about the Smart Tourism Destination Concept in Puerto Vallarta，Jalisco， Mexico[J].Sustainability ，2020，（12）：1741.

[14]   Pam Lee；William Cannon Hunter；Namho Chung.Smart Tourism City： Developments and Transformations[J].Sustainability，2020，（12）：3958.

[15]   宋罡，唐凌云.“互聯网+”背景下辽宁乡村智慧旅游发展路径研究[J].北方园艺，2020，（14）：170-175.

[16]   李静，谢小雨，潘旭东，姜楠.面向康养旅游的北戴河智慧骑行服务策略研究[J].包装工程，2021，42（8）：115-123.

[17]   吴海燕.以智慧旅游视野发展全域旅游的理论和实践[J].经济问题探索，2018，（8）：60-66.

[18]   刘利宁.智慧旅游评价指标体系研究[J].科技管理研究，2013，33（6）：67-71.

[19]   穆学青，郭向阳，陈亚颦.云南省智慧旅游发展水平测度及空间差异研究[J].地理与地理信息科学，2019，35（4）：123-129.

[20]   陈博，陆玉麒，舒迪，潘颖，丁正山.景区智慧化发展水平测度及空间分布差异研究——以江苏省4A级及以上景区为例[J].南京师大学报：自然科学版，2019，42（2）：129-135.

[21]   张焱，赵鸭桥，周铝，王奇，冯璐.基于改进TOPSIS法的乡村振兴评价及地区比较[J].中国农业资源与区划，2021，42（2）：207-217.

[22]   仲昭成，沈丽珍，汪侠.长三角智慧产业空间演化特征及影响因素[J].经济地理，2021，41（11）：106-117.

The Measurement and Spatial Differentiation of Smart Tourism Development Level in Yangtze River Delta Urban Agglomeration

Liu Ying

（School of Management， Shanghai University of Engineering Science， Shanghai 201620， China）

Abstract： Smart tourism has the advantages of more accurate， more efficient， more innovative and more service. It can surmount the barriers of time and space and realize the supply-side reform and regional integration development of the tourism industry in a broader range， which is becoming the development trend of modern tourism. Taking the Yangtze River Delta urban agglomeration as the research object， by constructing the evaluation indicators of smart tourism infrastructure， smart tourism industry， tourism economy， scenic spots and environment， and using the method of entropy weight TOPSIS and spatial measurement， the development level and spatial difference of smart tourism in the Yangtze River Delta urban agglomeration are comprehensively evaluated. The results show that from the point of view of scores， Shanghai has ranked first in smart tourism for five consecutive years， and has become a region with a high level of development. Hangzhou， Nanjing and Suzhou are regions with a high level of development， while Hefei， Wuxi and Ningbo are cities with an average level of development， with a large difference in scores， indicating that the development level of smart tourism in the Yangtze River Delta urban agglomeration is unbalanced; from the perspective of space， the urban agglomeration in the Yangtze River Delta presents a spatial pattern of poles， strong in the south and weak in the north. The results of spatial autocorrelation show that cities with high development level have a restraining effect on the development of smart tourism in neighboring cities， showing a shielding effect， which is related to the competitive pattern of tourism industry.

Key words： smart tourism; Yangtze River Delta urban agglomeration; entropy weight TOPSIS; spatial autocorrelation

[责任编辑   彦   文]