多维视角下的广州市酒店分布及影响因素研究

淦立琴,柳春生,高俊,何骞

(1.广州市城市规划勘测设计研究院,广东 广州 510060; 2.广东省城市感知与监测预警企业重点实验室,广东 广州 510060)

0 引 言

作为旅游业的支撑产业,酒店业充当着城市对外服务窗口的重要角色,反映了城市旅游服务能力和与外界的联系紧密程度[1～3]。在我国快速的城市化发展背景下,酒店业的空间格局和影响因素研究成为评价城市经济发展水平、旅游产业结构的重要组成部分之一[4,5],对于引导城市旅游产业更新、重塑城市内部结构、促进城市经济发展具有重要的参考价值[2,6]。近年来,表征城市活动类型和发生位置的兴趣点(Point of Interest,POI)数据凭借其覆盖面广、数据量大、免费获取等优势,被越来越多地应用于城市功能区识别、空间区位评价、酒店业空间格局等相关研究当中[7～9]。龙飞等[2]基于百度地图住宿业POI和OSM(Open Street Map)路网数据,发现了上海市不同类型的住宿设施对路网的依赖存在显著的差异。LI et al.[6]从酒店在线预定网站上获取酒店业POI数据,研究了北京市在2003-2018年间酒店业的时空演变规律,并且利用地理探测器分析方法探讨了不同影响因素对酒店业空间分布的解释能力,结果表明交通因素、行政机关、休闲娱乐、企业分布等因素的解释力较强。

2021年,我国一线城市广州市发布《广州构建世界级旅游目的地三年行动计划(2021-2023)》,提出对标世界一流旅游名城、打造世界级旅游目的地目标。在此背景下,分析广州市酒店业的空间差异和影响因素具有重要的现实意义。然而目前关于广州市酒店业的相关研究主要具有几点不足[10-13]。一是研究区域大多为广州市的传统中心城区,涉及偏远城区或者整个广州市的研究较少;二是在对酒店空间格局影响因素研究中,运用的数据大部分为传统的经济、人口统计面板数据,数据体量小,数据类型不够全面;三是影响因素分析大多是基于整个研究区,分区建模探讨酒店业空间分布区域差异性的研究较少。因此,本文将充分利用多类型的POI数据和地理探测器分析方法,从酒店类型、区域差异和影响因素等多维观测视角,充分探讨广州市酒店业空间分布差异和影响因素规律,为全面了解广州市酒店业当前分布情况和驱动机制、促进酒店业相关基础服务设施规划布局、旅游产业结构调整提供参考支撑。

1 研究方法和数据来源

1.1 数据来源

本文使用的酒店分布数据是基于高德地图API获取的广州市住宿业POI点,获取时间为2021年10月,共获得 11 882个点位数据。根据高德POI编码小类,将酒店分为宾馆和旅馆两类,其中宾馆 5 726家,包括宾馆酒店、经济型连锁酒店、三星级宾馆、四星级宾馆和五星级宾馆;旅馆 6 156家,包括旅馆招待所、青年旅舍。另外,同步获取了广州市的餐饮服务、购物服务、体育休闲、科教文化、金融保险、商务住宅、政府机构及社会团体(行政机关)共7类POI数据。POI数据分布情况如表1所示。对POI数据进行坐标纠偏、投影变换、异常值处理、数据去重等数据清洗操作。路网数据来自OSM网站。

表1 POI数据分布表

1.2 研究方法

本文的研究内容分为两部分。一是利用方向分布分析和核密度估计研究广州市不同类型酒店的空间分布总体格局和局部差异。二是分析影响广州市不同辖区的酒店空间分布特征的主要因素,具体方法如下:在各个辖区内,分别利用缓冲分析方法,刻画不同类型酒店对交通要素的空间依赖性;利用地理探测器方法,定量分析其他类型服务业POI空间布局对不同类型酒店空间布局的解释能力。

(1)核密度估计

核密度估计是常用的计算离散点密度空间分布的方法。不同于点密度估计,核密度估计的基础是地理学第一定律,即离中心点越近的要素对密度的贡献度越大。核密度估计通过一定范围内离散点的距离加权,将离散点数据转化为连续的密度分布。核密度估计的计算公式为:

(1)

式中,f(x)为位置x处的核密度估计值;h为带宽;n为带宽内的POI点数;xi为带宽内的第i个POI的位置;K为核函数。

(2)方向分布分析

方向分布分析,也称标准差椭圆,是一种常见的度量地理数据空间分布方向和离散程度的空间统计方法,其中,长短轴的长度能够反映数据空间分布的集中程度,转角能够反映数据分布的主导方向。因此,可以利用方向分布结果定量分析不同类型酒店的总体空间分布差异。

(3)缓冲区分析

以广州市主干道为中心建立多环缓冲区,统计各缓冲区内酒店数量占比,分辖区分析酒店分布密度和距主干道距离的响应关系差异,找到广州市各个区的酒店布局的交通距离阈值,分析酒店空间分布对交通因素的空间依赖程度区域差异。

(4)地理探测器

地理探测器是常见的一种定量评价地理要素的空间分异性,并揭示空间分异驱动因素的统计方法[14]。其基本假设是,如果根据自变量分布对因变量进行分区,区内方差和小于全区方差,则说明自变量的分布和因变量的分布相似,且自变量对因变量的空间分布具有解释力,解释力的大小用q值表示。自变量一般为类型变量,因变量可以为连续变量,当自变量为连续变量时,一般通过自然断点法或者分类方法将其离散化。本文的自变量为其他类型服务业POI的核密度值,因变量为宾馆和旅馆POI的核密度值。q值计算模型如下:

(2)

2 结果分析

2.1 酒店业空间分布格局

首先利用方向分布法研究广州市不同类型的酒店总体分布格局(如图1所示)。对比宾馆和旅馆方向分析椭圆,发现广州市的宾馆和旅馆的空间分布范围大体一致,分布中心较为接近,宾馆的分布中心位于天河区的华南植物园西部附近,旅馆的分布中心位于宾馆分布中心东北方向的白云区和天河区交界的广河高速附近。然而二者的主导方向和集中程度差异明显:宾馆呈现“东北-西南”的走向分布,旅馆呈现“西北-东南”的走向分布;宾馆的短轴长度小于旅馆,但是长轴长度大于旅馆,说明宾馆的集中分布趋势和方向分布趋势更显著。

图1 宾馆(a)和旅馆(b)的核密度空间分布

接着利用核密度估计方法来具体研究不同类型酒店的局部差异。从图1可以看出,宾馆和旅馆的空间聚集程度差异明显。高等级的宾馆密集热点区域集中分布在越秀区、天河区和白云区南部的广州主城区,其中越秀区和天河区内部密度超过 15家/km2,呈现“杠铃状”的连片分布。此外,在各区的中心也形成了较高密度(≥9家/km2)的宾馆分布区域。同时在重要交通枢纽如白云国际机场、广州南站和具有较好的旅游资源禀赋区域如番禺区长隆欢乐世界、从化流溪河两岸同样形成了密集分布区域。而较低等级的旅馆高密集区分布较为广泛,呈“多核”零散分布,主要分布在广州的外围新兴发展区域,如白云区、花都区和增城区的中心。同时,在外围地价较为便宜、产业聚集的区域如花都区的狮岭皮革皮具产业区也形成了高密度聚集的旅馆类型酒店分布区域。此外,有较高密度的旅馆分布在大学城、广州南站、天河区棠下城中村。

2.2 酒店业空间布局影响因素

(1)对交通因素的空间依赖

①主干道缓冲区分析

以广州市主干道为中心,10 m为间隔建立多环缓冲区,分区计算每个缓冲区内不同类型的酒店数量占比,结果如图2所示。随着离主干道的距离增加,酒店数量占比呈现先增加后下降最后趋于平稳的变化趋势,数量峰值出现在距主干道 30 m处,且旅馆数量峰值明显低于宾馆,说明宾馆对主干道的空间依赖程度高于旅馆。

图2 广州市主干道附近酒店数量占比分布

不同辖区范围内的酒店对主干道的空间依赖差异较为明显(图2a-图2k)。可以将11个区的酒店对主干道的空间依赖强度分为4类。第一类是高度依赖,属于该类型的有越秀区和荔湾区,表现为高峰值(约20%)和低距离阈值(20 m);第二类是中度依赖,属于该类型的有海珠区、白云区、番禺区、增城区、花都区和南沙区,表现为较高峰值(10%)和较低距离阈值(30 m);第三类是轻度依赖,属于该类型的有天河区和黄埔区,分别表现为峰值平台和较大的距离阈值(40 m);第四类是不依赖,属于该类型的是从化区,表现为很低的峰值,说明酒店的空间分布与距主干道的距离不存在关系。

②到地铁站邻近性分析

计算酒店到最近地铁站的距离,以 100 m为间隔,统计区间内酒店数量占比,结果如图3所示。随着离地铁站越远,酒店数量呈现先增加后下降的趋势,到距地铁站 2 km外,酒店数量占比趋于平稳且接近于0。宾馆集中分布在距地铁站 500 m范围内,旅馆则集中分布在距地铁站 1 km范围内。具体分析各个区的情况,越秀区、荔湾区、天河区由于地铁路网分布相对密集,酒店聚集在距地铁站 500 m范围内;而地铁路网分布相对稀疏的区域如番禺区、白云区、南沙区、增城区,酒店均匀地分布在距地铁站500～1 500 m的范围内。对于交通条件差、地形地貌复杂的从化区,酒店空间分布与地铁站不存在关系。

图3 广州市距地铁站不同距离区间内酒店数量占比分布

(2)酒店业集聚与其他服务业集聚相关性

本文使用地理探测器计算各影响因素对酒店空间格局的解释力,对广州11个区分别构建地理探测器模型。结果如图4所示,各影响因素均对酒店业的空间分布产生正相关的影响,且对宾馆的影响大于旅馆,其中体育休闲、金融保险、商务住宅类服务业对宾馆的空间格局解释力最大,而商务住宅和餐饮服务对旅馆的空间格局解释力相对较大,特别是餐饮服务是花都区的旅馆空间格局的最大驱动因素。具体研究11个区的影响因素,发现酒店业的影响因素类型与区域的经济水平存在一定关系,尤其是对于宾馆来说:经济发展水平较高的广州市中心城区包括白云区、荔湾区、天河区、越秀区和海珠区,体育休闲、科教文化、金融保险和商务住宅类服务业的影响力大,而对于发展水平相对较低的花都区、增城区、黄埔区和南沙区,影响力大的影响因素还包括餐饮服务业。

图4 广州市各区宾馆和旅馆类型酒店空间分布影响因素q值探测结果

3 结 论

本文基于高德POI数据和OSM路网数据,综合运用核密度估计、方向分布分析、缓冲区分析和地理探测器方法,对广州市的酒店业空间分布差异和影响因素进行了分酒店类型、分辖区、分影响因素的多维观测维度的研究和分析,得到以下几点结论。

(1)广州市酒店总体布局:宾馆呈现“东北-西南”走向分布,旅馆呈现“西北-东南”走向分布,且宾馆的集中分布趋势和方向分布趋势更显著。

(2)广州市酒店局部差异:宾馆在越秀、天河和白云南部的主城区连片密集分布,在其他区中心“单核”分布,此外在重要交通枢纽和热门景点区域也形成较高密度分布区域;旅馆则呈现“多核”零散分布,主要分布在白云、花都和增城的中心和产业聚集区等广州外围新兴发展区域。

(3)广州市酒店空间分布与交通因素:宾馆对交通因素的空间依赖程度高于旅馆。广州市老城区包括越秀、荔湾区的酒店表现出对交通要素的最强空间依赖性。由于商圈、金融圈和科技电子圈的吸引,减弱了天河区酒店对交通因素的依赖。由于从化区的酒店大部分分布在流溪河两岸,距离主干道和地铁站较远,主要依靠流溪河吸引的度假人流量,故而从化区的酒店对交通要素的依赖性最低。

(4)广州市酒店空间分布与其他服务业集聚:其他服务业集聚对宾馆空间格局的影响大于旅馆,其中,体育休闲、金融保险、商务住宅类服务业对宾馆的空间格局解释力最大,而商务住宅和餐饮服务对旅馆的空间格局解释力相对较大,这主要与酒店的等级水平、服务定位、消费水平相关。关于影响因素的区域差异,发现经济发展水平较高的中心城区酒店的主要影响因素为体育休闲、科教文化、金融保险和商务住宅类服务业,而对于发展水平相对较低的辖区,影响力大的影响因素还包括餐饮服务,这与新兴发展区域大力推动乡村振兴的战略规划实施政策有关。