基于多源数据的太原市休闲旅游空间与夜间灯光强度相关性研究

王庆伟，白怡然

（太原师范学院 地理科学学院，山西 晋中 030619）

一、引言

随着我国经济快速发展，居民可支配收入增加，生活水平上升到一个新的层次。同时，带薪休假规定给予了广大群众参与休闲活动所必需的时间条件[1]，参与休闲活动的方式日渐丰富。休闲旅游作为一种综合性的休闲方式[1]，已成为现代人的消费热点[2]。以市场需求为导向的休闲旅游产业迅速发展，在空间上则表现为休闲旅游空间迅速扩张[3]。《国民旅游休闲发展纲要（2022—2030 年）》提出优化旅游休闲空间以社区为中心打造休闲生活圈等。休闲生活圈的打造及其他举措能够强有力地推进太原市夜间经济的增长，地区夜间灯光亮度一定程度上反映了地区居民夜间活动强度。研究太原市休闲旅游空间与夜间灯光强度的相关性，对优化休闲旅游空间产业布局、增强地方休闲旅游业态竞争力具有重要价值。

现阶段对于休闲旅游空间的研究主要集中于空间结构特征[4-8]、空间结构演变[9-11]、空间结构优化[8-9][12-13]、影响旅游空间结构的因素[14-15]、休闲旅游空间的识别[16-17]等方面。在研究尺度方面，主要涉及省[7-10]市[3][11-12]等行政单元，研究方法上多为定性与定量相结合。韩洁和宋保平（2014）[7]、王宜强和朱明博（2019）[8]、孙建伟等（2017）[18]运用最邻近指数、多边形面积变异系数、空间结构识别等方法研究了山西、山东、湖北休闲旅游空间结构特征。汪明峰和周媛（2022）[11]结合以往数据，探讨了上海田子坊的空间演化模式，沈惊宏等（2015）[10]通过GIS 技术模拟了安徽旅游空间结构的动态演变过程。戢晓峰等（2015）[14]、李一曼等（2018）[15]通过实证分析，探讨了交通对云南、浙江休闲旅游空间结构的影响。近年来，大数据为科学精准地识别休闲旅游空间提供了更为准确的数据支撑，刘璐等（2021）[16]通过道路网及POI 数据识别城市休闲旅游功能区，王娟（2018）[17]通过POI 数据及热力地图等数据识别武汉市旅游空间，并对未来空间优化方向提出了建议。因此，结合POI 数据，获取太原市休闲旅游空间点数据，从宏观上把握城市休闲旅游空间特征，以期为城市发展规划提供理论指导。

POI（Point of Interest）是指地理实体通过抽象处理形成的点，如商店、景点等，POI 数据通常包含实体名称、类型、位置、行政区、坐标点等信息。将POI 数据应用于旅游空间研究中，可以反映出旅游相关要素的时空格局，但无法显示出夜间活跃程度，夜间灯光通常能够反映出区域内夜间经济活动状况。因此选取太原市休闲旅游相关POI 数据及夜间遥感数据对其空间结构及相关性进行研究。对太原市休闲旅游空间与夜间灯光强度相关性进行研究，可进一步推进太原市休闲旅游产业科学健康发展，提高外来游客体验质量及本地居民幸福生活指数[19]。

二、研究区及数据选取

（一）研究区概况

太原市位于山西省中部、晋中盆地北部地区，是山西省省会、国家历史文化名城，是中部地区重要的中心城市，地理坐标为37觷27'～38觷25'N，111觷30'～113觷09'E。汾河贯穿其中，三面环山，总面积6 988km2，辖6 区3 县1 市，包括小店区、迎泽区、杏花岭区、尖草坪区、万柏林区、晋源区、清徐县、阳曲县、娄烦县、古交市，如图1 所示。太原市是一座具有2500 多年建城历史的古都，名胜古迹众多，旅游资源丰富。2018 年2 月，国务院批复同意太原市以“资源型城市转型升级”为主题，建设国家可持续发展议程创新示范区，产业转型升级对太原市尤为重要。截至2021 年，太原市常住人口535.096 万人，城镇化率89.23%，建成区面积351.95km2，人口密度高，城镇化率高，对休闲旅游空间有较高的需求。因此，选取太原市作为研究对象，具有一定的理论及现实意义。

图1 研究区示意图

（二）数据来源与预处理

数据主要包括行政区划数据、POI 数据和夜间灯光数据等。行政区划数据来源于中国科学院资源环境与科学数据云网站（http://www.gscloud.cn/）。

POI 数据包含实体名称、类型、位置、行政区、坐标点等信息，可根据其数据快速定位，具有非常好的时效性，能更直观地反映出区域产业的聚集程度。通过高德地图官方提供的API，爬取了餐饮服务、住宿服务、交通设施服务、风景名胜、购物服务等五大类休闲旅游业POI 数据，包括名称、经纬度、分类和地址等，如表1 所示，爬取时间为2022 年。对原始数据进行坐标转换及数据清洗，共保留88 337 条有效数据，如表2 所示。购物服务类POI 数据所占比重最大，为40.05%。

表1 太原市POI 数据信息

夜间灯光数据来源于“珞珈一号”，具备夜间灯光数据拍摄能力[20]，分辨率与先前其他卫星拍摄相比具有显著提高[21]，更能有效地反映人类空间活动特征[22]。通过珞珈一号官方下载网站（http://59.175.109.173:8888/app/login.html）进行筛选、下载，通过重投影、裁剪、校正等预处理[23]，最终效果如图2 所示。

图2 太原市珞珈一号夜间灯光影像

三、研究方法

（一）核密度分析法

核密度分析法广泛应用于聚集性问题研究。在设定的带宽范围内，中间要素密度值最大，随着与中心距离增大，密度值逐渐减小，直至带宽最外围，密度为零。核密度的计算公式为：

式（1）中：n 表示距离阈值范围内已知点数；K[ ]为核函数；h 为带宽（距离阈值）；D 为两点之间的欧氏距离[24]。

（二）多距离空间聚类分析（Ripley's K 函数）

基于Ripley's K 函数的多距离空间聚类分析，是分析事件点空间上集聚规模和聚集尺度的常用方法。可以对一定距离范围内的空间相关性进行汇总，研究多尺度范围和空间尺度范围内的集聚特征。设n 为研究区域休闲旅游POI 点个数，A 是研究区域面积，则Ripley's K 函数如下[25]：

式（2）中：d 为距离尺度；A 是研究区面积；n 为POI 点个数；dij是POI 点i 与j 之间的距离。本文使用Besag（1977）[26]提出的L（d）函数,是Ripley's K 函数的一种常见变换。在随机分布的假设下，L（d）期望值为0，公式为：

（三）标准差椭圆法

标准差椭圆的中心点、长轴、短轴及方向角度能够揭示要素空间分布范围、中心位置、方向等特征。长轴、短轴表示要素的分布范围及分布方向。长轴和短轴的差值越大，要素分布方向越明确，差值越小，分布方向特征越不显著[27]。椭圆的大小可以体现要素的分布范围、聚集程度，中心点表示要素的中心位置，方向角度为主导方向角度。计算方式如下：

式（4）中：Ex、Ey分别表示标准差椭圆的长轴和短轴；xi、yi表示要素i 的坐标表示所有要素的平均中心；n 表示要素的数量；θ 为标准差椭圆的旋转角度；ai、bi代表要素i 到平均中心的长短轴方向的距离，椭圆X 和Y 轴分别表示POI 分布方向和范围。

（四）多尺度地理加权回归（MGWR）

MGWR 模型是基于广义加性模型提出的分析空间异质性的重要方法，允许不同自变量使用各自最优带宽，相较于传统GWR 更具有稳健性和更强的解释力[28]。计算公式如下：

式（5）中：yi为第i 个格网夜间灯光亮度；βbw0（ui，vi）为常数项；（ui，vi）为第i 个格网中心点坐标；xij为模型的解释变量；βbwj代表了第j 个变量回归系数使用的带宽；εi为残差。

四、休闲旅游空间分布特征

（一）基于核密度分析的太原市休闲旅游空间集聚热点识别

在实际研究中要根据研究范围设置合适的带宽h，一般研究范围越大，所需设置的带宽越大，研究范围越小，带宽越小。进行多次实验后，将POI 核密度分析带宽h 设置为3km，像元大小为20，采用自然间断点法通过ArcGIS 进行可视化处理[29]，最终得到太原市休闲旅游POI 核密度分析的栅格结果（见图3）。

图3 太原市休闲旅游空间核密度分析

总体来看，休闲旅游总体POI 呈现出“双核大连片、零星点分散”的特征。两大高值区分别位于杏花岭区西南部与迎泽区西北部的交界处、小店区临近迎泽区的西北部。杏花岭区西南部与迎泽区西北部的交界处位于太原市汾河河段沿岸，历史底蕴深厚，太原市政府在此打造了府城文道巷历史文化街区，还有钟楼街、汾河公园、迎泽公园等著名风景区，因此汇聚了大量的旅游POI。小店区临近迎泽区的西北部，太原茂业天地、王府井百货、天美新天地等综合性商场形成集聚大商圈，商业贸易繁华，汾河公园景观丰富，为休闲旅游业提供了优良的发展环境。两个次级高值区位于万柏林区东部（与两大高值区呈连续状）及小店区中部。万柏林东部坐拥太原理工大学、太原科技大学等高校，东部有汾河景区，与迎泽区小店区接壤，道路纵横，是太原市重要的交通集散地，人流量大，为休闲旅游业的开展提供了良好的条件。小店区中部以康宁街、富康街为主线的汾东康宁商圈，汇集了美都汇、万马仕商贸城、康宁大卖场等综合购物中心，小店区致力于将其打造为网红夜间经济街区、便民服务街区，因此休闲旅游相关产业集聚。其他区县也呈现出1～2 个区域范围较小的点，多位于区县商业中心，商业贸易往来较多，有一定的人流量，存在休闲旅游产业发展潜力。从不同类别来看，餐饮服务类POI 核密度值相对较高，空间分布呈集聚状态，主要分布在万柏林区、杏花岭区、迎泽区、小店区临近汾河的东西部，如钟楼街、迎泽公园、茂业百货、天美新天地等区域；风景名胜类POI 核密度值相对较低，分布较为分散，高值区在青龙古镇、龙潭公园、迎泽公园、汾河景区、山西博物馆、晋祠公园一带。购物服务类POI 和交通设施服务类POI 核密度空间分布较为相似，住宿服务类与餐饮服务类空间分布规律相似。

（二）基于多距离空间聚类分析的太原市休闲旅游空间集聚特征

利用ArcGIS 软件中多距离空间聚类（Ripley's K函数）分析工具，对太原市总体休闲旅游POI 点进行分析、检验，得出表3，得到d 值（预期K 值Expected K）、L（d）值（观测K 值Observed K）、低置信区间（LwConfEnv）、高置信区间（HiConfEnv）及L（d）值与d 值的差值Diff K。当d 值小于L（d）值，Diff K 为正值，表示POI 点集聚分布，值越大集聚程度越强；当d 值大于L（d）值，Diff K 为负值，表示POI 点离散分布，值越小离散程度越强。若L（d）值大于HiConfEnv值，说明POI 点为显著集聚分布；若L（d）值小于LwConfEnv 值，说明POI 点为显著均匀分布；若L（d）值大于LwConfEnv 值且小于HiConfEnv 值，说明POI点为显著随机分布。

表3 太原市休闲旅游空间多距离空间聚类分析

总体来看，L（d）值均大于HiConfEnv 值，说明太原市休闲旅游空间呈现显著集聚的空间分布模式，d 值均小于L（d）值，Diff K 值呈现先增大后减小的趋势，则太原市休闲旅游空间聚集程度为先增强后减弱，且当d 值为18 939.058 14 时Diff K 值最大，为46 028.334 81，集聚的显著性最强。

（三）基于标准差椭圆的太原市休闲旅游空间分布趋向分析

通过ArcGIS 软件对太原市各类休闲旅游POI进行标准差椭圆分析，探索太原市休闲旅游空间分布的方向及趋势，得到图4 及表4。通过太原市各类休闲旅游POI椭圆形状来看[30-31]，不同类型的休闲旅游POI分布方向有所差别。休闲旅游总体、住宿服务类分布方向近似呈西北—东南向；购物服务类、餐饮服务类大致呈南—北向分布，方向性不显著；交通设施服务类呈东—西向分布，与太原市行政区域整体形状吻合；风景名胜类分布方向为西南—东北向，与太原市主要风景名胜分布方向一致。从X 轴长度来看，由短到长排列依次为：住宿服务类、餐饮服务类、休闲旅游总体、购物服务类、风景名胜服务类、交通服务类，分布方向显著性逐渐增强。因此，交通服务类分布方向最为明显，住宿服务类分布方向最不明显，其他几类分布方向的显著程度介于两者之间。从Y 轴长度来看，由短到长排列依次为：住宿服务类、餐饮服务类、购物服务类、休闲旅游总体、交通设施服务类、风景名胜服务类。通过观察Y 轴的长短变化，可以得出各类休闲旅游POI 空间分布范围的大小与向心性的明显程度。因此，住宿服务类Y 轴最短，说明其空间分布范围最小，集聚程度最高，向心性也最为明显；风景名胜服务类Y 轴最长，说明其空间分布范围最广，集聚程度最低，且向心性最不明显。从椭圆的偏转角θ 来看，交通设施服务类偏转角角度为91.324 868，与正北方向夹角近似直角，与太原市行政区域形状有关，向东、西延伸。

表4 太原市各类休闲旅游POI 标准差椭圆参数

图4 太原市休闲旅游空间标准差算法分析

五、休闲旅游空间与夜间灯光强度相关性分析

考虑研究尺度过大会影响研究精度，因此利用ArcGIS 10.2 在研究区域范围内创建1km×1km 的渔网，得到太原市格网数据，进一步提取各个格网夜间灯光亮度均值，亮度均值充当因变量，以网格作为基本单位统计各类POI 数量作为自变量。筛选亮度均值不为0 的网格数据，经过检验，自变量间不存在明显的多重共线性，可以利用MGWR 模型进行分析。

（一）模型对比

由表5 可知，MGWR 模型拟合优度R2与经典GWR 模型相比更高，AICc 值更低，且MGWR 模型残差平方和相比于GWR 模型更小，说明MGWR 模型更接近真实值的回归结果，拟合优度更高，更适合分析本研究的解释变量[32]。经典GWR 模型仅能反映出各解释变量作用尺度的平均值，而MGWR 模型可以反映不同解释变量的作用尺度差异性。

表5 GWR、MGWR 模型参数统计

（二）尺度分析

MGWR 带宽越接近全局尺度，说明解释变量越能从较大或者全局尺度影响夜间灯光亮度，带宽越小，表示解释变量在局部或是更小范围内对亮度均值产生影响。

通过模型计算得出：GWR 的带宽为106，占样本总量的5.35%。而MGWR 的带宽在58～1981 之间变动，作用尺度差异很大。在MGWR 模型回归结果中，常数项、住宿、交通、风景名胜、购物5 个变量回归系数整体表现较为显著，而餐饮回归系数表现不显著。常数项表示在其他自变量确定的情况下，不同位置对夜间灯光亮度的影响。常数项带宽为58，占样本总量的2.93%，表示夜间灯光亮度受区位变化影响显著；购物、餐饮、住宿带宽为1981，为全局尺度，表示基本不存在空间异质性；交通和风景名胜带宽分别为137、70，占总样本的6.92%、3.53%，说明在局部范围内，交通和风景名胜对夜间灯光亮度影响较大，存在较大的空间异质性。

（三）系数空间格局分析

MGWR 模型回归系数描述性统计结果如表6所示，提取自变量表现为显著影响的回归系数结果利用ArcGIS 10.2 进行可视化处理（见图5）。常数项的回归系数自东中部向四周递减，由正转负（见图5a），常数项回归系数取值为-0.413～1.548，标准差为0.441，从系数绝对值来看，影响强度较强。负向影响较弱，主要分布在远离太原市区的其所辖的外部县区。太原市小店区北部、晋源区东北部、万柏林区东部、迎泽区西部、杏花岭区西南部、尖草坪区南部表现为正向影响，不同区位对于夜间灯光强度的影响差异较大。

表6 经典GWR 与MGWR 模型回归系数描述性统计结果

图5 多尺度地理加权回归系数的空间分布格局

购物空间分布因素影响不显著，且为负向相关。系数取值在-0.075～-0.072 之间，均值为-0.074，如图5b 所示，系数在研究区域内呈现出自南向北逐渐减小的趋势，负向影响程度自南向北逐渐增强。住宿空间分布因素为正向相关，且影响不显著，系数取值在0.054～0.057 之间，均值为0.056，如图5c 所示，呈现自南向北圈层式递减的趋势。购物、餐饮因素MGWR 回归结果近似全局带宽，表现出局部特征，虽然在空间有一定的变化，但变化不大。在空间上系数表现相对平稳，空间差异不明显。

交通空间分布因素与夜间灯光亮度正相关，回归系数取值在0.093～1.306 之间，均值为0.435，从系数绝对值来看，其影响程度居中。由于太原市中心交通POI 数量较多，向四周发散的过程中，交通POI的数量逐渐降低，格网中交通POI 数量固定，夜间灯光强度从太原市中心向四周降低的幅度小于交通POI 的幅度，基本呈现出（图5d）由太原市中心向四周递增的趋势。古交市交通POI 由古交市中心沿主要交通道路分布，数量较多，但夜间灯光亮度较弱，因此在古交市形成一个向西部分散的树状型低值区。

风景名胜空间分布因素回归系数自四个高值中心（自南向北分别为南寨公园附近、玉泉城郊森林公园附近、太原和平公园附近、郑村烈士陵园附近）向四周由正转负，如图5e 所示。回归系数取值在-0.974～2.863 之间，均值为0.079，从系数绝对值来看，其影响最为显著。南寨公园附近，配有体育设施、休息设施及其他服务设施，是附近市民活动集聚地，因此形成高值中心；玉泉城郊森林公园附近，风景名胜面积较小，且接近居民区，灯光溢出形成高值中心；太原和平公园附近，设有篮球场、羽毛球场、跑道等体育设施、儿童乐园及相应的休息广场，周边伴有多个居民区，人流量大，夜间休闲活动频繁，形成高值中心；郑村烈士陵园附近，接近太原南站，周边多学校，人口密集，活动频繁形成高值中心。万柏林中南部低值区、杏花岭中部低值区、小店西部中段低值区，靠近村庄，这些区域交通较为不便、夜间人流量少、基础设施不够完善、开发程度有待提高，不适合夜游；尖草坪南部低值区位于太原市森林公园附近，占地面积大，多水域、地文景观，不适合夜游；晋源区东部低值区，风景名胜相对集中，多地文、水域等自然景观，因此负相关程度较小。

六、结论

基于旅游POI 数据和珞珈一号夜间灯光数据，借助GIS 空间分析法，探讨了太原市休闲旅游空间的分布特征，并将MGWR 模型应用于太原市休闲旅游空间对夜间灯光亮度研究中。主要结论如下：

一是太原市休闲旅游空间分布总体呈现出明显的“双核大连片、零星点分散”的特征，除风景名胜外，其他类型的休闲旅游空间分布集聚区都位于太原市行政区的东南部，太原市中心城区内，而其他边缘县城集聚效应表现较弱。在迎泽区的西北部、小店区的西北部呈现出高度集中的趋势，说明这两个区域是太原市休闲旅游最为集中的区域。风景名胜空间分布集中区域主要是位于汾河的东、西两侧，分布方向最显著，为西南—东北方向，同时在晋源区的晋祠景区附近也出现一个集聚区，风景名胜类有多个较小的集聚区，集聚程度最低。

二是通过MGWR 模型的回归结果来看，餐饮、住宿、购物因素作用尺度为全局尺度，系数在空间上表现平稳；交通作用尺度居中；风景名胜作用尺度最小，在局部范围内对夜间灯光亮度影响较大，存在较为显著的空间异质性。

三是夜间灯光亮度是多重因素共同作用的结果，不同类型的休闲旅游空间与夜间灯光亮度的关系不同。其中，购物与夜间灯光亮度呈负相关，住宿与夜间灯光亮度呈正相关，影响较小，空间差异不明显；交通因素为正相关，影响强度居中，近似表现为由太原市中心向四周逐渐递增的趋势，在古交市区域内影响程度较弱；风景名胜因素由四个高值区向外部由正转负，影响程度最强。

休闲旅游空间分布深刻影响夜间灯光亮度，发展夜间休闲旅游，一方面要在夜间灯光亮度强的区域，合理布置购物、餐饮、交通、住宿、风景名胜等休闲旅游实体单位，充分激发夜间经济活力；另一方面在人流量少且休闲旅游空间集聚区域，通过完善夜间休闲设施，进一步推动夜间经济发展。

夜间灯光亮度受多种旅游因素影响，旅游发展水平、适游期、旅游者收入水平、旅游资源类型及等级等因素也深刻影响夜间灯光，受数据获取及MGWR 模型计算量庞大、计算时间长等条件限制，未能将其他变量纳入研究，仅从休闲旅游空间分布方面探讨休闲旅游业对夜间灯光亮度产生的影响，同时，POI 数据缺少面积属性，具有一定的局限性。可进一步完善变量，尝试加入面积数据，进一步完善休闲旅游业对夜间灯光亮度的影响研究。