網絡空間關注下優勢旅游資源空間分布特征分析

李得發+邵長芬+王毅品

基金項目：黔江區科技計劃項目（編號為黔科技2016002-03）；國家旅游局2015年度“萬名旅游英才計劃”項目（編號為WMYC20154-1164）

中圖分類號：F590 文獻標識碼：A

內容摘要：網絡旅游信息訪問量與現實旅游市場、旅游者消費需求、旅游資源的知名度密切相關，并如實地反映著旅游資源的特征和空間分布態勢。本文利用“欣欣旅游網”旅游景點關注量，獲得旅游資源的網絡空間關注度數據，運用ArcGIS軟件分析了網絡空間關注指數影響下的優勢旅游資源的特征和空間分布，其時空分布特征可為區域旅游流的預測提供一定的理論指導。

關鍵詞：網絡空間 關注度 優勢旅游資源 特征分析

引言

隨著旅游業的轉型發展和互聯網時代的到來，互聯網成為旅游者獲取旅游信息的重要來源，很多旅游企業不再局限于旅游資源本體的競爭優勢，開始從旅游者出發，關注旅游者的消費偏好和旅游需求，同時將互聯網作為開拓旅游市場的重要途徑。在一個網絡旅游信息日益豐富并逐漸高度發達的時代，旅游者可以利用網絡搜索旅游目的地，任何一個地方都是潛在的旅游目的地，任何一個人都是潛在的旅游者，從而產生了因網絡空間關注度上升而產生的優勢旅游資源。相對于依托區域資源調查與評價結果的傳統優勢旅游資源評定方法，基于網絡空間關注度的優勢旅游資源評定方法能夠反映出一定時期內旅游者關注的熱門旅游資源，這些熱門旅游資源是當前或在未來一個時期內旅游者選擇的主要旅游目的地，因而成為具有比較優勢的旅游資源。

優勢旅游資源是一個相對概念，這里所指的優勢旅游資源是指旅游者根據自己的親身體驗對一個或一個以上的旅游景區（點）就整體質量進行定性評估，在網絡上回答有關旅游景區（點）的優劣順序，通過統計旅游景區（點）的訪問量確定一國或地區最出色的旅游資源。優勢旅游資源相對于一般旅游資源而言，除了具有一般旅游資源的特征之外，優勢旅游資源還代表了一個區域旅游資源的品質和主要形象，反映了一定時期內旅游者的旅游偏好和消費趨勢。通過對優勢旅游資源的分析，可以把握旅游市場的“主要戰場”，以及未來旅游業發展的總體趨勢，為旅游資源的開發和旅游市場營銷戰略的選擇提供可參考的依據。

數據獲取與研究方法

（一）數據來源與處理

通過網絡搜索獲取旅游信息作為出游決策的依據已經成為很多旅游者慣用的方式，旅游者根據自己的旅游偏好和消費需求，在旅游網站提供的旅游信息中訪問可能出游的旅游目的地或旅游景點，最終形成某一時間內旅游者關注的主要旅游景點。通過這一現象分析可以直接、客觀地反映旅游者的興趣和需求以及旅游市場的空間分布，從而為旅游經營者和旅游景區提供決策的依據。本文利用欣欣旅游網中旅游景區（點）的關注數量，對排名在前十位的自然景觀（名山、草原、峽谷、湖泊）、人文景觀（古城、古鎮、故居、寺廟）、休閑度假（溫泉、海島、鄉村、療養）3大類12小類旅游資源的網絡關注度進行統計和縱、橫向對比，以了解它的時空分布情況及影響機理。

對獲取的原始數據進行檢查，歸并重復的數據，然后對數據進行標準化處理，獲得不同類型旅游資源的綜合關注指數（見表1），并采用國家基礎地理信息中心制作的1∶400萬行政區劃數據，在ArcGIS軟件中將獲取的旅游景點的空間位置信息生成shape格式的點數據，作為優勢旅游資源空間分析的基礎數據。

（二）研究方法

核密度估計方法（ kernel density estimation，KDE）是從樣本數據本身出發研究數據整體分布特征的一種方法，該方法非常適用于分析和顯示點狀分布的樣本數據，經常用于測量樣本分布格局中的局部密度變化、探索樣本分布熱點區域等。借鑒上述研究思路，以網絡空間關注指數排在前十位的旅游景點為樣本數據，根據旅游景點空間尺度關系，利用核密度估計法測量旅游景點的聚集程度，分析網絡空間環境下旅游者對旅游目的地關注度的空間格局；同時，以網絡用戶對旅游景點的訪問量為權重，分析潛在的旅游者對旅游目的地的關注度。計算公式如式（1）所示：

（1）

式（1）中，f（x，y）表示單位面積的旅游景點訪問量，wi表示第i個旅游景點的用戶訪問量，h為以待估算柵格單元為中心的圓形搜索窗口半徑，n為搜索窗口范圍內的旅游景點數量。本研究中根據每個像元大小為13km，核密度搜索半徑取值100km，對旅游資源關注指數進行核密度分析。

網絡空間關注的優勢旅游資源及其特征分析

（一）網絡空間旅游者對優勢旅游資源的選擇偏好

根據欣欣旅游網站中訪問者對旅游景點的關注指數顯示，自然景觀旅游資源、人文景觀旅游資源和休閑度假旅游資源綜合關注指數分別為0.306、0.316和0.378，可見三大類旅游資源對旅游者的吸引力相當，其中休閑度假旅游資源具有較高的關注指數，說明休閑度假旅游資源更受旅游者的青睞，也反映了旅游者對旅游資源類型的選擇有一定的偏好，因此休閑度假游在未來一個時期內將會成為旅游的主流。而在12種小類旅游資源中，湖泊、古鎮、故居、寺廟和療養類旅游資源更是受旅游者歡迎，關注指數分別為0.438、0.333、0.290、0.268和0.385，都高出0.25的平均水平，成為旅游者關注的主要旅游資源，同時在12種不同類型的旅游資源中關注指數較高的旅游景（區）點成為旅游者重點關注的旅游對象，證明了這些旅游資源在同類旅游資源中具有明顯的競爭優勢，也反映了旅游者對旅游資源的選擇具有明顯的偏好，從而成為同類旅游資源中的優勢旅游資源。

（二）網絡空間關注的優勢旅游資源等級分布

通過分析訪問者在網絡空間中關注的旅游景區（點）分析可以得出，被關注的優勢旅游資源主要為5A級和4A級旅游景區（點），其中5A級旅游景區（點）為37個，4A級旅游景區（點）為44個，其他等級旅游景區（點）為19個（見表2）。自然景觀旅游資源中5A級旅游景區（點）為14個、4A級旅游景區（點）為16個，其他等級旅游景區（點）6個；人文景觀旅游資源中5A級旅游景區（點）為9個、4A級旅游景區（點）為15個，其他等級旅游景區（點）7個；休閑度假旅游資源中5A級旅游景區（點）為14個、4A級旅游景區（點）為13個，其它等級旅游景（點）區6個。從優勢旅游資源的等級分布可以看出，不論是自然景觀旅游資源、人文景觀旅游資源還是休閑度假旅游資源，5A級和4A級旅游景區（點）是旅游者關注的焦點，因此高等級、高品質的旅游資源具有更大的競爭優勢，也反映了旅游資源的等級和品質會影響旅游者的旅游偏好，從而在不同程度上對旅游市場的分布產生潛移默化的引導作用。

（三）網絡空間關注的優勢旅游資源地域分布

本文借助ArcGIS軟件將名山、草原、峽谷、湖泊、古城、古鎮、故居、寺廟、溫泉、海島、鄉村、療養12類旅游資源網絡空間關注指數排在前十位的優勢旅游資源矢量化，運用核密度估計法（KDE）對采集的優勢旅游資源點數據進行計算，并制作優勢旅游資源的核密度分布圖（見圖1）。

通過圖1可以看出訪問者在網絡空間關注的旅游資源主要集中分布在華東、中南和西南地區，包括浙江、福建、山東、四川、江蘇、陜西、河南等?。ㄊ校?，而在東北、華東、西北地區優勢旅游資源分布較少，說明優勢旅游資源的空間分布具有很強的地域性，也反映出旅游者在選擇優勢旅游資源的過程中考慮了距離和地域的因素。同時三大類旅游資源在空間上分別呈現出相對聚集分布的狀態，自然景觀旅游資源主要集中在山東、陜西、河南、湖北、內蒙古；人文景觀旅游資源主要集中在浙江、江蘇、四川、河南；休閑度假旅游資源主要集中在東南沿海地區，包括福建、山東、廣東、江蘇等省（市），這說明地域環境特征對旅游者選擇出游對象具有一定的影響，旅游者會根據自己的偏好選擇能夠代表地域環境特征的典型旅游資源作為旅游對象，從而使同一類旅游資源在空間上呈現出相對聚集的趨勢。

（四）優勢旅游資源網絡空間關注度的核密度分析

分析優勢旅游資源的網絡空間關注度在各?。ㄊ校┑臄祿兓?，能夠為旅游市場的開發和營銷提供依據，由于優勢旅游資源網絡空間關注度是潛在旅游市場需求在網絡空間的訴求，因此可將優勢旅游資源網絡空間關注度與現實旅游市場聯系起來反映現實旅游市場的發展動態和變化趨勢。

根據圖1可以發現旅游者在網絡空間對優勢旅游資源的總體關注度格局和空間分異特征表現為旅游者對優勢旅游資源的關注集中分布在東南沿海地區和中南地區，根據優勢旅游資源的總體關注度格局和空間分異特征可以將優勢旅游資源的市場秩序劃分為三個級別，網絡空間關注度在26-197為一級消費市場，網絡空間關注度在7-25為二級消費市場，網絡空間關注度在0-6為三級消費市場。其中一級消費市場分布在上海、江蘇、浙江、四川、陜西、福建、山東、重慶、江西、遼寧等省（市），表現出旅游者對該地區旅游資源的高度關注；二級消費市場分布在北京、河南、山西、湖北、湖南、安徽、云南、海南、新疆等?。ㄊ校┑膬瀯萋糜钨Y源也受到旅游者較高程度的關注；三級消費市場分布在西北和東北地區的旅游資源沒有明顯的聚集關注現象。

結論

從全國層面來看，網絡空間旅游景點的關注度與現實旅游景點游客的到訪量基本一致。在互聯網逐漸發達的時代，優勢旅游資源的網絡空間關注指數對旅游者的消費偏好和旅游資源的品質特征具有指示性，從而影響旅游者對旅游目的地的選擇和訪問。旅游者對旅游對象和旅游目的地的選擇不僅受到旅游景區（點）影響力和知名度的影響，旅游者首先會通過互聯網搜索旅游對象和旅游目的地的相關內容，而網絡空間中關于旅游景區（點）的關注指數會成為影響旅游者選擇旅游對象和旅游目的地的主要參考對象，因此在很大程度上影響了旅游者的消費偏好和對旅游目的地的選擇，從而使網絡空間旅游景點的關注度與現實旅游景點游客的到訪量在空間上存在一致性特征。

從區域層面來看，優勢旅游資源的空間分布差異顯著，呈現出東南多、西北少的分布態勢和大分散、小聚集的特征。從優勢旅游資源的空間分布圖可以看出，因網絡空間關注指數的高低而得出的優勢旅游資源，在空間上主要集中分布在上海、江蘇、浙江、四川、陜西、福建、山東、重慶、江西、遼寧等省（市）。網絡空間關注度的核密度分析反映了上海、江蘇、浙江、四川、陜西、福建、山東、重慶、江西、遼寧是主要的優勢旅游資源旅游市場，其中上海、江蘇、浙江在優勢旅游資源旅游市場中占有更大優勢。

從省域層面來看，優勢旅游資源表現出空間上的聚集效應。根據優勢旅游資源網絡空間關注度的核密度分析，優勢旅游資源在各省的分布并不均衡，而是以優勢旅游資源為中心，形成具有一定輻射范圍的區域，以點狀或塊狀的形式集聚分布。在一個省內可能有一個或數個不同等級和輻射力的優勢旅游資源，研究表明上海、江蘇、浙江、四川、重慶等省市優勢旅游資源的等級高、數量多、輻射范圍大、旅游資源開發潛力大，并且在旅游市場中具有較強競爭力。

本研究是在大數據時代背景下，利用空間分析方法對“互聯網+旅游”開發研究的一次嘗試，通過對網絡空間旅游資源訪問數據的分類、篩選、匯總和表達方式轉換等有序化處理，獲得網絡空間關注下優勢旅游資源的種類和空間分布，進而對網絡空間關注下優勢旅游資源的特征和網絡空間關注度的密度進行了分析。研究發現：在互聯網逐漸發達的時代，優勢旅游資源的網絡空間關注指數對旅游者的消費偏好和旅游資源的品質特征具有指示性，從而影響旅游者對旅游目的地的選擇和訪問。優勢旅游資源的空間分布差異顯著，呈現出東南多、西北少的分布態勢和大分散、小聚集的特征。優勢旅游資源表現出空間上的聚集效應。本文主要對網絡空間旅游者對優勢旅游資源的關注態勢以及優勢旅游資源的特征進行了分析，但本文僅以欣欣旅游網提供的數據作為研究，并不能完全反映整個網絡空間優勢旅游資源的關注度，對指引實際的旅游活動具有一定的局限性，因此分析的結論可能并不全面。為了使網絡空間關注度的研究能夠為旅游景區和旅游者提供決策參考，今后還應從多方面開展旅游關注度與現實客流的耦合關系、以及旅游關注度相關影響因素和旅游經濟等方面的研究。

參考文獻：

1.黃先開，張麗峰，丁于思.百度指數與旅游景區游客量的關系及預測研究—以北京故宮為例[J].旅游學刊，2013（11）

2.馬麗君，孫根年，黃蕓瑪，周瑞娜.城市國內客流量與游客網絡關注度時空相關分析[J].經濟地理，2011（4）

3.王碩，曾克峰，童潔，劉超.黃金周風景名勝區旅游客流量與網絡關注度相關性分析—以廬山、華山、八達嶺長城風景名勝區為例[J].經濟地理，2013（11）

4.李君軼，楊敏.西安國內游客旅游網絡信息搜索行為研究[J].經濟地理，2010（7）

5.胡興報，蘇勤，張影莎.國內旅游者網絡旅游信息搜尋動機與搜尋內容研究[J].旅游學刊，2012（11）

6.李君軼，楊敏.基于關鍵詞選擇的在線旅游信息搜尋行為模式研究[J].旅游學刊，2013（10）

7.李照航，郭風華，李仁杰，傅學慶，嚴正峰.大量網絡游記文本中熱度地名提取方法與實證研究[J].地理與地理信息科學，2015（1）

8.劉國炳，黃大學.比較優勢理論與區域旅游資源開發—以荊門市為例[J].華中師范大學學報（自然科學版），2009（1）

9.鄧德勝，祝海波.資源優勢理論對我國旅游資源開發的啟示[J].中南林學院學報，2003（3）

10.杜瑩瑩，吳小根，張健.中國古都旅游資源優勢與旅游發展態勢分析—以北京、洛陽、南京、西安、杭州為例[J].北京第二外國語學院學報，2009（11）

11.欣欣旅游網.國內旅游景點排行榜[OL].http：//www.cncn.com/paihang/，2015-07-16/2015-10-26

12.李存華，孫志揮，陳耿，胡云.核密度估計及其在聚類算法構造中的應用[J].計算機研究與發展，2004（10）

13.王守成，郭風華，傅學慶，李仁杰.基于自發地理信息的旅游地景觀關注度研究—以九寨溝為例[J].旅游學刊，2014（2）

14.梁保爾，潘植強.基于旅游數字足跡的目的地關注度與共現效應研究—以上海歷史街區為例[J].旅游學刊，2015（7）

15.王章郡，方忠權，杜坤.中國自駕車旅游網絡空間關注度的時空演變—基于Google搜索解析的分析[J].地域研究與開發，2011（5）