上海迪士尼主题公园游客的市内消费溢出效应——基于手机信令数据和问卷数据的实证研究

罗子昕 王 德 邓良凯 杨俊宴

（1.香港大学建筑学院，香港 999077；2.同济大学建筑与城市规划学院，上海 200092；3.东南大学建筑学院，江苏南京 210096）

0 引言

旅游溢出（tourism spillover）指的是某一区域旅游产业或旅游活动对其他区域所产生的外部效应（Gooroochurn et al.，2005；Lazzeretti et al.，2009；Yang et al.，2012；Yang et al.，2014；纪小美 等，2015；徐冬 等，2020；Li et al.，2021；Zhu et al.，2022），因此通常来说，既包含由旅游产业自身前后向链条带来的外部效应（即产业外部性），也包含由游客移动过程，即旅游流（tourism flow）中各类行为，如食、住、行、游、娱、购等（吴玉鸣，2014；赵磊 等，2014；王佳莹 等，2021）所带来的空间消费溢出。当前学界对前者关注较多，而从需求端出发的旅游空间溢出（tourism spatial spillover），尤其是旅游空间消费溢出的讨论与成果仍不充分、理论不足。关注城市旅游目的地的地理外部性（Yang et al.，2012），即对城市其他空间带来的旅游溢出，有助于地方政府研判城市中重要旅游设施对地区的旅游带动作用。

大量研究已论证地理邻近对空间溢出的重要性——当游客在两地间的出游成本变低，两地之间更容易共享客源市场，从而更有利于产生正向的空间溢出效应（谢露露 等，2018）。此外，地区经济水平、基础设施水平、旅游资源禀赋、旅游资源规模差异、特殊事件等亦均是影响旅游空间溢出的因素（唐晓莉 等，2016；谢露露 等，2018；徐冬 等，2020）。目前，对旅游空间溢出的研究主要关注测算方法，如联立方程法、似不相关回归模型、空间计量经济模型、缺口模型等，且多以区域为尺度（唐晓莉 等，2016），近年来更是出现了基于游客个体的定量模型（agent-based modeling）（Li et al.，2021）。这些方法所使用的数据以游客主动回忆旅程的问卷数据，以及游客被动采集的GPS 轨迹数据为主（李渊 等，2017），有不可规避的局限，如问卷调查容易忽略一些微小但重要的行程（Lew et al.，2002），GPS 数据虽可完整记录行程，却因采集成本高而较难达到较大样本量。总体而言，由于缺乏城市内部海量时空行为数据及准确的个体消费数据，当前对旅游空间溢出的测算以大尺度区域为主（Marrocu et al.，2013；Yang et al.，2014；唐晓莉 等，2016；张茜 等，2018；陈晓艳 等，2020），即便有关注城市内部游客流动的研究（杨兴柱 等，2011；靳诚 等，2014），也几乎没有以具体旅游景点为研究对象的。

大数据中大规模、长时间个体行程记录为城市内部游客流动的研究提供了机会，已有研究者使用此类数据展开研究。其中一类大数据为网络开放大数据，主要有网络游记数据（王娟 等，2016；蔚海燕 等，2018；郭旸 等，2020）、新浪微博签到数据（徐敏 等，2019）、在线订单数据（徐敏 等，2018）等，研究内容局限在旅游流结构和游客目的地偏好等。另一类大数据为手机信令数据（方家 等，2016；郭旸 等，2020），它可在较长时间范围内完整追踪游客旅程，规避行程链缺失的风险，其精度之细又可使研究尺度缩小到城市内部。因而手机信令数据具备研究游客多目的地行程带来市内旅游空间溢出的天然优势。事实上，早有研究者在研究展望中呼吁使用移动通信数据直观测度多目的地旅行。他们认为这是验证既有旅游空间溢出模型与理论的绝佳方法（唐晓莉 等，2016）。然而，当前学界少有将两类数据结合的尝试。

由于手机信令大数据缺乏消费信息，无法直接测算消费溢出，本文将结合问卷数据，对上海迪士尼主题公园游客的市内消费溢出效应进行研究。具体而言，本文将利用问卷数据构建以地理空间、消费时间及游客属性为变量的游客个体空间消费模型，再利用手机信令数据获取游客在迪士尼景区之外的时空活动信息，两者结合推算出迪士尼对上海市内其他地方所产生的总体消费溢出。

1 研究设计

1.1 研究范围与对象

上海迪士尼是全球最具人气和知名度的“迪士尼乐园”在中国内地的第一个项目。自2016 年运营以来，已成为上海最具吸引力、最高等级的景点。随之带来的一系列旅游生产与消费也使上海迪士尼成为浦东乃至上海最重要的休闲娱乐产业（保继刚，1997）。因而，上海迪士尼的空间溢出效应广受社会各界关注。作为上海最重要的旅游景点之一，迪士尼对城市的溢出效应亟待解答。已有研究多从旅游经济角度论证其对宏观产业发展的影响（毛润泽 等，2010a，2010b；庞博，2017），或从周边土地价格（黄静 等，2018）等微观要素切入，暂无从需求端出发的溢出效应研究。

因而本文选取上海迪士尼为研究对象，以川迪河为界，包含迪士尼乐园、迪士尼小镇、星愿公园、迪士尼乐园酒店、玩具总动员酒店及周边预留地上的若干项目，下文简称“内部”（见图1）。尽管周边预留地（现已开发为其他游乐项目如薰衣草公园）名义上不属于迪士尼乐园，但这些地方相比迪士尼人流量小，且在实际运营中归由上海申迪（集团）有限公司统一管辖经营①资料来源于作者调研。。因而在下文中，川迪河以外的地方均被定义为迪士尼“外部”。

图1 上海迪士尼范围

从区位上来说，上海迪士尼位于浦东新区川沙新镇②百度百科.上海迪士尼乐园［EB/OL］.［2018-02-28］.https：//baike.baidu.com/item/%E4%B8%8A%E6%B5%B7%E8%BF%AA%E5%A3%AB%E5%B0%BC%E4%B9%90%E5%9B%AD/3246958？fr=ge_ala.，占地共4.1 平方千米，依托张江镇、康桥镇、周浦镇与六灶镇，由轨道交通11号线连通。本文研究范围为上海市域，面积约6340平方千米③百度百科.上海市［EB/OL］.［2018-02-28］.https：//baike.baidu.com/link？url=XT5N3DLG5NOilIay7XZB 2SIsGApjN5cE5jzsOas4FBSujcglYHdK1fcX81XIjqtxNGPOXTqRPHmUfKeHXmphleyxQPLc5E5oQNmIzxn5vCS.。

1.2 研究思路与方法

本文对空间消费溢出的定义为上海迪士尼游客对上海市除迪士尼以外的其他地方带来的消费贡献。由于居住地在上海的游客通常为“迪士尼-家”之间的单目的地行程，不会对市内其他地方产生溢出，因而本文仅对外地游客展开分析。

总体研究技术路线见图2。本文使用问卷数据，对迪士尼游客市内总体旅游消费及分类消费溢出特征进行分析。进而从地理空间属性、时间属性和游客个体属性3个方面，构建游客个体市内空间消费模型。另外，利用手机信令数据提取游客市内多目的地时空行程链，包括游客的停留点、停留时间、游客个体属性等信息。进而，将游客个体市内空间消费模型与游客迪士尼外活动行程链结合，推算得出上海迪士尼游客市内总体消费溢出。

图2 研究技术路线

1.3 研究数据

研究数据包括问卷数据（简称“问卷”，下同）与手机信令数据（简称“手机信令”，下同）。问卷数据于2018年12月至2019年3月在迪士尼园区内通过随机抽样方式采集，涵盖平日与周末。内容包含个人基本信息（如性别、年龄、收入、来源城市等）、在沪旅游基本情况（如在沪天数、到沪次数、到沪目的、是否以迪士尼为主要目的地等）、在沪出行与消费日志（包括时间、地点、消费金额，如某月某日上午在南京东路消费1000 元）三大部分。问卷共获得166 个有效样本，1085 条有效行程记录，人均6.54个停留点。手机数据系上海市2017年9月某运营商平台合作数据，因涉及人口身份识别、活动位置等敏感信息，并非开放数据。具体包含停留点、出行起讫点及简单个人信息（如性别、年龄、手机注册地、手机品牌等）。本文对手机数据设立了较严格的筛选标准，该用户必须在迪士尼内停留超过3小时，且注册地为外地、不可在上海有规律的通勤行为。为了减少数据截断问题，本文还剔除了该月第一天及最后一天的用户。最终共识别有效外地游客10861名，停留点117324个，人均停留点达10.8 个。两类数据游客个人属性基本描述见表1，两类数据的结合方式见1.2。需要说明的是，两类数据获取方式不同，在客观上难以保证采集时间相同，但本文已避开旅游高峰期，因而采集时间内容流量相似且平稳，对结果影响不大。

表1 两类数据游客个体属性构成

2 基于问卷数据的迪士尼游客个体空间消费模型构建

为深入探究不同消费类型差异，本文将“住宿”与“餐饮”等每日刚需消费统称为“刚性消费”，将“观光游览”“购物”等其余消费统称为“弹性消费”。

2.1 市内总体消费特征

游客消费空间主要分布在内环以内，尤其是中央活动区①中央活动区范围出自《上海市城市总体规划（2017—2035）》。具体内容见：https：//www.shanghai.gov.cn/newshanghai/xxgkfj/2035001.pdf内各大城市中心，如南京东路、陆家嘴、静安寺、徐家汇、世博等。此外，虹桥、迪士尼周边的上海野生动物园、川沙新镇与周浦镇亦是主要的消费空间（见图3a）。刚性消费空间范围广泛，弹性消费空间范围集中。前者分散在市内不同等级的商圈周边，以及川沙、周浦等迪士尼周边镇区（见图3b），后者仅集中在南京东路、陆家嘴等城市高等级商圈内（见图3c）。

图3 迪士尼游客外部消费空间分布

在分类消费中，迪士尼内部人均住宿消费最高，达3130 元，远高于外部消费（见表2）。其次为购物消费，内、外均在1000 元/人左右，但外部略高于内部。但从总量来说，购物消费外内比（即外部消费与内部消费的比值）达5.28，反映了游客在迪士尼外部，主要是南京东路、淮海路等城市高等级商圈（见图3c）具有较强消费需求与能力。总的来说，刚性消费总量外部略多于内部，弹性消费总量外部远低于内部（见表2）。

表2 不同类型外部与内部消费

2.2 不同游客消费特征

在不同年龄段中，中年游客人均消费最高，其次为青年群体，最低为老年群体。对不同城市游客来说，一线城市游客人均消费最高，其次是四线城市，二、三线城市游客消费相对乏力。对于不同旅游天数游客而言，一日游游客因不在沪过夜，弹性消费占比高。两日及以上的游客刚性消费高于弹性消费（见图4）。除了购物消费随在沪时间增加趋向平缓，其余刚性和弹性消费支出随在沪天数增加同步增加（见图4）。

图4 不同游客人均消费特征

2.3 游客个体空间消费模型构建

影响游客空间消费高、低的因素很多。通常来说，旅游天数、旅游地点类型、旅游消费类型等均会影响游客的消费水平（Divisekera，2010；Divisekera et al.，2010）。考虑到手机信令数据字段及旅游消费研究的相关结论，本文对问卷数据中的变量进行提炼，将解释变量总结为消费地理空间（是否在商圈、景点内）、消费时间（早上、午餐、下午、晚餐、晚上与住宿时段）及游客属性（包含了能代表游客消费能力的年龄、性别、来源城市及旅游天数变量）三部分，消费地理空间与时间可表征旅游地点类型与消费类型（主要是弹性与刚性消费）。解释变量采用“进入”的筛选策略导入线性回归模型中，被解释变量为被访游客所填写的在某旅游目的地（一般是景点或者商圈）的单次消费金额。最终，性别等变量被剔除，表明这些变量对模型拟合并未产生统计意义上的影响（见表3）。

表3 个体空间消费线性回归模型

剩余进入模型的变量中，商圈、景点对消费金额产生显著的正向影响。其中，若景点在商圈内，游客消费金额将大幅度提高165.30元。而时间属性的结果显示，相较于早上时段，住宿时段消费可显著提升407.40 元，其余消费不同程度低于早上，如午餐、晚餐显著低于其他消费，证明餐饮消费贡献较低，又如晚上消费相较早上无明显增幅，证明了上海迪士尼未带动显著的夜间经济，却带动了较多住宿消费。游客属性结果表明，中年、老年游客较青年游客次均多消费80.72 元与34.35元，证明中年群体是旅游消费能力最强的人群。二线城市、三线城市和四线城市游客消费比一线城市游客次均消费分别少116.42 元、120.12 元与97.17 元，这同样证明一线城市仍是迪士尼旅游消费溢出的主力军。在沪停留五日游客分别比一日和二到五日的游客次均多消费69.45 元与61.84 元，反映了游客旅游天数增多能一定程度促进旅游消费溢出。总体而言，变量解释度高。

最终，个体模型整体拟合优度为R2=0.28，将游客个体消费统计到城市普查区单元①城市普查区单元是指城市人口普查所采用的地理单元。后，拟合优度R2达0.71，效果较佳。

因而，后文将对手机信令数据中地理空间、时间与游客属性三部分变量赋值，推算手机数据所有游客的个体消费，从上海市整体、上海市旅游目的地及上海市内各行政区层面，探究迪士尼游客在上海市内旅游消费溢出效应。

3 基于手机信令数据的游客行程特点及溢出效应推算

3.1 基于手机信令数据的游客市内多目的地行程特征

手机数据显示，全体游客在沪活动范围面积达2109 平方千米，占市域面积约33.3%（见图5a）。游客停留点核密度前10%，即活动最密集的区域面积为126 平方千米，集中在内环，轨道交通2 号线、11 号线周边及迪士尼周边若干镇区。对停留点进行停留时长加权可得停留人时①停留人时指的是人次与停留时长的加和。分布情况（见图5b）。较停留点而言，停留人时地区差异更小。但无论停留点还是停留人时，全体游客活动均呈现“城市中心密集，城郊稀疏”的特征。较为突出的目的地为城市中心的高等级商圈，如陆家嘴、南京东路。浦东新区内主要目的地为川沙新镇、周浦镇及上海野生动物园。

图5 迪士尼游客停留点核密度

在沪旅游天数不同的游客停留特征差异明显。一日游游客集中在中央活动区，二日及以上游客在主城区的活动范围变大，且随着天数增加，游客的核心活动范围明显增大，扩展至五角场、四川北路等城市副中心（见图6）。

图6 在沪旅游天数不同的游客停留点核密度

根据旅游行程理论（tourist itinerary theory），行程中不同节点具有不同意义。位于出发点后的第一个旅游目的地，对后续行程具有潜在影响，被称为“门户节点”（gateway destination）（Lew et al.，2002）。因而，迪士尼是否为门户节点反映了迪士尼溢出潜力。手机信令数据结果显示，将迪士尼作为门户节点的游客接近九成，平均在沪3.22天；其他游客仅有一成，平均在沪4.03天。将迪士尼作为行程中门户节点的游客在上海市的活动密度更大、范围更广（见图7）。

图7 不同行程游客停留点核密度

3.2 基于手机信令数据的上海迪士尼游客市内总体消费溢出

基于问卷数据构建个体空间消费模型，结合手机信令数据中游客完整时空行程链，推算得到上海迪士尼对上海市其他地方的总体溢出消费。问卷数据结果显示，迪士尼游客人均溢出消费2241.97 元。结合手机信令数据游客完整时空行程，推算得迪士尼游客在2017年9月共产生消费约2435万元，其中外部消费约1192万元，园区外部消费与内部消费比值为0.96。参考美国主题娱乐协会（TEA）和艾奕康工程顾问公司（AECOM）发布的《2017年度全球主题公园和博物馆调查指数》，上海迪士尼2017 年游客量共1100 万人次①调查报告具体内容见：https：//aecom.com/content/wp-content/uploads/2018/06/2017-Theme-Museum-Index-CN.pdf.，结合人均溢出消费，得到迪士尼在2017年溢出总消费可达246.62亿元。

图8 展示了基于手机信令数据的上海市总体消费溢出分布。所示结果与图3b、图3c 相似，消费高值点分布在中央活动区内，如南京东路、陆家嘴等。刚性消费广泛分散在市内不同等级的商圈，以及迪士尼周边（见图8a）。而弹性消费更集中在南京东路、陆家嘴等城市高等级商圈内（见图8b）。由于上海迪士尼运营方对周边商业进入严格控制，迪士尼周边弹性消费低，出现了“环迪士尼空白带”的溢出阴影效应（shadow effect）。

图8 基于手机信令数据的上海迪士尼外部消费溢出推算（月）

从游客在上海主要目的地的溢出推算结果看（见表4），南京东路-外滩月消费溢出达86.48 万元，豫园、淮海路与陆家嘴紧随其后；打浦桥-田子坊、川沙新镇、南京西路、徐家汇等为第二梯队，月消费溢出在10 万元到20 万元；上海野生动物园、世博、五角场、周浦镇及虹桥位属第三梯队，月消费溢出在10 万元内。川沙新镇、周浦镇、五角场及虹桥刚性消费占比高于弹性，证明这些地方主要承担住宿、餐饮等刚性服务职能。

表4 上海主要目的地溢出推算结果（月）

从主要行政区溢出推算结果看（见表5），迪士尼所在腹地——浦东新区月消费溢出最高，约470 万元；其次为中心城区的黄浦区，达386 万元。这两个区占据了绝大多数的溢出消费，但两者却略有不同：黄浦区刚性、弹性消费较为均衡，浦东新区则以刚性消费溢出为主，主要业态为酒店与餐饮，弹性消费势能未被充分开发。

表5 上海主要行政区溢出推算结果（月）

3.3 空间模式总结

根据上海迪士尼实证研究结果，本文提出城市大型旅游设施的市内消费溢出“双圈”模式（见图9）。该模式由位于中心城区的“核心溢出圈”与大型旅游设施周边的“周边溢出圈”构成基本骨架。

“核心溢出圈”主体位于中心城区内，也包含部分在中心城区外的旅游景点与商业副中心。其中，中央活动区内溢出量最大，由以弹性溢出为主的各类具有特色的旅游景点与城市商业中心组成，如豫园、田子坊等。中央活动区同时也有能提供住宿与餐饮服务、刚弹性溢出相近的均衡溢出点，如南京东路-外滩、淮海路等。值得注意的是，弹性溢出量与旅游设施、景区及商业中心等级正相关，即越高级别的旅游、商业设施溢出量越大。而且一旦旅游景点与商业中心结合，溢出量将大幅度提高。另外，溢出量随着与城市中心的距离增大，呈衰减态势。

“周边溢出圈”主体为大型旅游设施所带动的、以刚性溢出为基调的周边溢出。周边溢出圈主要提供住宿、餐饮等服务，如迪士尼周边一些非正式民宿。在刚性溢出环上分布有可提供少量弹性消费服务的商业中心与镇区，如川沙新镇及周浦镇。大型旅游设施周边的旅游景点有弹性溢出。周边溢出圈外亦包含部分特色景点或镇区，但总体溢出量不高。

在“核心溢出圈”与“周边溢出圈”的骨架上，城市综合交通枢纽可同时提供以购物为代表的弹性消费及以食宿为代表的刚性消费，从而形成功能复合的均衡溢出。另外，游客在地铁沿线的就餐与住宿，会导致在综合交通枢纽、中心城区与大型旅游设施相连的交通通道周边分布有刚性溢出。其中又以中央活动区与大型旅游设施之间的交通通道两侧最强。

此外，尽管迪士尼位于有较丰富旅游资源的浦东新区内，但受能级所限，迪士尼对腹地浦东的旅游空间溢出有限。这表明对市内尺度而言，地理邻近因素的影响下降，取而代之的是基础设施水平与旅游资源规模。譬如，正是因为中心城区旅游资源等级更高、基础设施更完善，迪士尼的空间溢出才会在中心城区高等级景点高度集聚。另一方面，空间邻近对刚性溢出的影响更大，而旅游资源规模则对弹性溢出影响更深远。本文中“环迪士尼空白带”溢出阴影现象同样挑战了现有研究中地理邻近因素对空间溢出的影响，即并非两地距离越近，空间溢出越强。这也是以区域为尺度、以城市为对象的旅游空间溢出研究所无法揭露的。总的来说，本文基于上海迪士尼的空间消费溢出实证研究，对旅游空间溢出的影响因素在市内层面进行再探索。其中，对溢出类型的进一步划分有助于精细化理解空间溢出机理。

4 结论与讨论

本文结合手机信令数据与问卷数据，对上海迪士尼游客市内旅游消费溢出效应展开研究。首先根据问卷数据，揭示迪士尼游客消费特征，并以消费地理空间、消费时间及游客个体属性为解释变量、游客单次消费金额为被解释变量，构建个体空间消费模型。继而，利用手机信令数据获取游客完整行程链。最后，结合迪士尼实际游客量，在模型基础上推算得出迪士尼在上海市的总体消费溢出。最终研究结论为：（1）上海迪士尼游客人均溢出消费2241.97 元，园区外部消费与迪士尼内部消费比值为0.96，根据年游客量推算得出2017 年总溢出消费达246.62 亿元；（2）消费溢出最高目的地为南京东路-外滩，其次为城市中心区的豫园、淮海路及陆家嘴，以及迪士尼周边的川沙新镇、周浦镇及上海野生动物园等。具体到上海市内的各行政区，迪士尼所在腹地浦东新区及城市中心黄浦区消费溢出远高于其他区域。然而黄浦区刚、弹性消费均衡，浦东新区则刚性消费远高于弹性消费；（3）实证结果揭示了由“核心溢出圈”与“周边溢出圈”构成的城市大型旅游设施市内消费溢出“双圈”空间模式。其中弹性消费集中在具有特色的旅游景点与商圈，刚性消费分布广泛，在旅游设施周边及与其相连的主要交通通道两侧分布较集中。

总体而言，本文从旅游空间溢出角度理解上海迪士尼对地区的带动作用，可为上海市及浦东地方旅游发展提供参考。本文提出了基于手机信令数据和问卷数据、适用于城市大型旅游设施的空间消费溢出两步推算法。该方法利用大数据反映模式，小数据挖掘机制，可集两类数据之长而互补两类数据之短。囿于现阶段技术，本文的研究方法仍可继续完善，譬如纳入其他开放数据来提高模型精度，亦可进一步区分不同旅游目的游客群体，以提高溢出推算准确度。