基于旅游數字足跡的訪滬國內游客時空行為特征研究

(上海師范大學 地理系,上海 200234)

基于旅游數字足跡的訪滬國內游客時空行為特征研究

郭雅婷,賈鐵飛

(上海師范大學 地理系,上海 200234)

采集攜程網2013—2016年間能表明訪滬國內游客出游時間和完整行程的游記,采用數理統計方法描述旅游資源的季節變化規律和各季節游客偏好的資源類型,運用空間分析方法分析游客到訪景區的空間分布特征。結果表明:①不同類型旅游資源季節變化規律存在差異,各季節游客偏好的資源類型大體一致;②游客到訪景區整體呈“大分散、小集聚”的空間分布特征,中心城區密集、城郊分散,且中心城區和城郊內部分布不均衡,城郊景區在春夏季占比高于秋冬季;③游客到訪景區存在明顯的“一心多點”等級集聚特征,核心熱點區位于中心城區,密度值由外灘等構成的最高密集區向四周遞減,其他區域的集聚呈飛地式點狀,未形成擴散和蔓延態勢,且從春季到冬季，次核心區域數量呈下降趨勢。

旅游數字足跡;時空行為;訪滬國內游客;空間集聚

1 引言

旅游者時空行為研究對旅游目的地可持續發展和景區管理具有重要作用。20世紀60年代中期國外學者開始對旅游者的行為進行了研究,主要集中在:①空間行為模式。通過實證研究,從早期對客源地—目的地、目的地之間行為模式的研究轉向目的地內部及景區內部旅游者空間行為模式的研究[1,2]。②空間流動特征與規律。利用數理統計方法和地理空間分析方法研究旅游者在目的地的流動路徑和集聚特征[3,4]。③影響因素。使用問卷調查和相關因子分析等方法,分析影響旅游者目的地選擇的因素及其影響程度[5,6]。國內學者的相關研究出現在20世紀末,主要從旅游空間行為模式[7-11]、旅游者流動結構和規律[12-18]等方面開展研究。

隨著移動互聯網的普及和社交網絡的興起,旅游數字足跡

已逐漸成為人文地理和旅游研究新的數據來源。旅游數字足跡是指游客在旅游過程中和旅游結束后在微博、博客等網絡社交空間以文本、圖片等表達形式所主動發布或共享的旅游游記、旅游攻略、旅游點評等[19]。因此,旅游數字足跡作為因游客活動所形成的具有地理標簽或位置信息的電子痕跡[20],能較清晰地反映出游客的旅游行為和時空運動軌跡[21]。國外學者基于通訊和社交媒體上的大數據,借助內容分析法、空間分析法等方法研究了游客的時空行為規律[22,23]。借鑒國外學者豐富的研究成果,國內學者也開始運用旅游數字足跡開展對旅游者行為的研究[24-31]。在研究區域方面,對入境旅游流研究從大中尺度、對國內游客行為研究從中小尺度展開,具體研究對象有旅游景區、歷史街區、活動空間等。在數據來源方面,照片采集于panoramio、flicker等照片共享網站,游記文本來自螞蜂窩、去哪兒網、攜程網、新浪微博等，研究方法主要是數理統計方法、核密度分析方法、網絡分析方法、對比分析方法。此外,也有學者利用旅游數字足跡開展旅游網絡關注與共現效應、客流關系等方面的研究[32-36]。

大多數學者采用問卷調查、面對面訪談或旅游數字足跡作為獲取數據的途徑,研究旅游者在區域或具體景區(點)的時空行為特征,而很少有學者將景區(點)和資源類型結合起來開展相關研究。本研究基于攜程網2013—2016年游記和照片數據,通過對上海市旅游景區(點)分類,研究不同季節游客偏好的資源類型、相同類型資源不同季節的變化規律、不同季節游客偏好的景區(點)空間分布特征。研究訪滬國內游客不同季節旅游資源類型和景區(點)的興趣偏好對進一步開發旅游市場、完善旅游服務具有重要意義。

2 研究范圍和數據處理

2.1 研究范圍

上海位于長江三角洲地區,旅游業發達,旅游資源豐富,截至2016年共有A級旅游景區(點)97個,其中5A級景區(點)3個、4A級景區(點)50個。2016年全市實現旅游總收入1689.70億元,比上年增長了6.9%；接待入境旅游者854.37萬人次,比上年增長6.8%；接待國內旅游者29620.60萬人次,增長了7.4%。作為著名的都市旅游城市,上海是國內旅游的重要目的地,特別是近年來“世博會”的舉辦、迪士尼度假區的建成開放,進一步推動了上海旅游業的發展,因此把上海作為都市旅游研究的案例地具有一定的代表性。

本文采用2015年上海市新調整的行政區劃,研究范圍確定為浦東新區、黃浦區、靜安區、徐匯區、虹口區、長寧區、楊浦區、閔行區、普陀區、嘉定區、松江區、青浦區、奉賢區、寶山區、金山區、崇明區16個區。

2.2 數據處理

本文使用游記和照片兩種旅游數字足跡,游記用于提取旅游者、旅游時間和旅游景區(點),照片用于印證是否與游記中提到的旅游景區(點)相吻合。利用攜程網,選取2013—2016年能表明游客旅游時間和完整旅游行程的游記共2370篇。

對游記中出現的景區(點)篩選標準:①從資源的組合角度出發,地處研究范圍內的綜合性景區,以該景區為研究對象,具體景點不予列出。②對大型旅游度假區,如佘山旅游度假區包含許多景區,并且景區具有一定吸引力的,以每個景區為研究對象,而不以度假區為研究對象。③對歷史文化風貌區、特色社區等,旅游資源單體數量眾多,此時不以風貌區、特色社區內的資源單體為研究對象,而以風貌區、特色社區為研究對象,同一位游客參觀其內一個或若干個單體,參觀該風貌區、特色社區的頻數記為1。④對特色街區中的商業街區,以其為研究對象;對歷史文化街區,如果街區中有3A以上景區,則把該景區單獨列出,否則以該歷史文化街區為研究對象。⑤對小型的旅游資源單體,如一個佛塔和非物質型的旅游資源,為了便于空間分析予以忽略。我們將2370篇游記的文本信息轉化為Excel數據庫,涉及旅游者、旅游時間、旅游景區(點),利用Google Earth確定旅游景區(點)的坐標值,創建Shapefile格式文件,將Excel數據庫導入ArcGIS中,不同地理坐標生成不同的點,地理坐標相同的點相互疊合,建立2013—2016年訪滬國內游客的地理信息數據庫,作為研究的基礎數據庫。

3 訪滬國內游客時間行為特征

依據《上海旅游資源圖志》對上海旅游資源的分類[37],本文研究景區(點)涉及旅游資源的基本類型包括以下方面:AAA山岳型旅游地、AAD灘地型旅游地、BAA觀光游憩河段、BBA觀光游憩湖區、BBB沼澤與濕地、FAA教學科研實驗場所、FAB康體游樂休閑度假地、FAC宗教與祭祀活動場所、FAD園林游憩區域、FAE文化活動場館、FAG社會與商貿活動場所、FAH動物與植物展示地、FAK景物觀賞點、FAZ創意產業集聚區、FBC展示演示場館、FBD體育健身場館、FCI廣場、FCZ地方標志性建筑、FDB特色街巷、FDC特色社區、FDD名人故居與歷史紀念建筑。

表1 訪滬國內游客到訪景區(點)類型季節特征

注:↑表示高于100%。

本文采用季節變動指數和各季節各類旅游資源占該季節所有旅游資源的百分比分別描述2013—2016年訪滬國內游客參觀某類旅游資源的季節變化規律和各季節游客偏好的旅游資源類型。季節變動指數指連續多年的各季節某類旅游資源平均流量指標值對連續多年所有季節該類旅游資源總平均值的相對數,以100%作為基準值。連續多年的各季節指數值越趨向于基準值,說明該類資源旅游流的季節性越小;反之，說明旅游流具有較強的季節性[38]。各季節某類旅游資源占該季節所有旅游資源的百分比指連續多年各季節某類旅游資源流量指標值對連續多年該季節所有旅游資源流量指標值的相對數,該值越大，說明該季節游客越偏好該類型旅游資源,具體數值見表1。

從季節變動指數來看,季節變化明顯的旅游資源類型有山岳型旅游地、灘地型旅游地、觀光游憩湖區、沼澤與濕地、園林游憩區域、動物與植物展示地等自然旅游資源和教學科研實驗場所、康體游樂休閑度假地、文化活動場館等人文旅游資源。春季春暖花開,園林游憩區域、動物與植物展示地、景物觀賞點春季季節變動指數明顯高于其他季節;夏季正值暑假,教學科研實驗場所、康體游樂休閑度假地、文化活動場館等對學生具有吸引力的旅游資源和山岳型旅游地、灘地型旅游地、觀光游憩湖區等自然資源夏季季節變動指數明顯高于其他季節;特色街巷、特色社區、名人故居與歷史紀念建筑、地方性標志建筑、創意產業集聚區秋季季節變動指數略高于其他季節;冬季正值元旦,展示演示場館季節變動指數較高。縱向來看,2013—2016年各季節訪滬國內游客偏好的旅游資源類型大體一致,主要集中在特色社區、園林游憩區域、特色街巷、文化活動場館、地方標志性建筑和創意產業集聚區,代表性景區(點)分別為外灘歷史文化風貌區、豫園、思南路、中華藝術宮、東方明珠廣播電視塔、田子坊,這些類型的旅游資源等級高、數量多、分布廣,對游客具有較高的吸引力。

4 訪滬國內游客空間行為特征

4.1 到訪景區(點)分布

根據訪滬國內游客數據,得到2013—2016年游客到訪景區

(點)的分布特征(圖1)和到訪上海各區數量的對比(圖2,見封四),按照季節對游客出游景區(點)分別進行統計(表2),得到其空間分布特征(圖3)。訪滬國內游客到訪景區(點)分布在全上海境內,總體呈現高度的地理集聚,形成“大分散、小集聚”的空間分布特征。即中心城區分布密集、城郊分布稀疏,由中心向外圍遞減,且中心城區和郊區內部旅游資源分布不均衡。上海城市核心區占主導,主要集中在黃浦區、浦東新區、徐匯區、虹口區。黃浦區是上海的老城區,旅游資源豐富,外灘、南京路步行街、豫園、城隍廟是上海市的品牌形象；浦東新區是上海著名的休閑度假區,擁有東方明珠廣播電視塔、上海科技館、上海野生動物園等品位度較高的景區；徐匯區和虹口區是上海重要的商業文化區,歷史文物古跡眾多、基礎設施完備、交通便捷,對游客具有較大的吸引力。靜安區保留上海傳統特色建筑,松江區、嘉定區、青浦區、崇明區隨著休閑旅游的發展成為次熱點吸引區。中心城區普陀區、長寧區、楊浦區的旅游資源較少,與其他中心城區有著巨大差異,而遠郊金山區、奉賢區距離市中心遠、景區(點)分散,旅游發展緩慢。以季節劃分,我們對2013—2016年訪滬國內游客到訪頻次前30位的景區(點)進行了統計,中心城區景區(點)數多于城郊,外灘、南京路步行街、城隍廟、豫園、東方明珠電視塔、田子坊始終排在前列,但春季和夏季游客到訪景區(點)中城郊景區(點)所占的比重要高于秋季和冬季。

圖1 訪滬國內游客到訪景區(點)空間分布

序號 春季 夏季 秋季 冬季 景區頻數景區頻數景區頻數景區頻數1外灘396外灘428外灘538外灘3962南京路步行街212南京路步行街272南京路步行街340南京路步行街2283城隍廟200城隍廟248城隍廟270城隍廟1844田子坊192東方明珠廣播電視塔192東方明珠廣播電視塔222田子坊1745東方明珠廣播電視塔150田子坊192豫園218豫園1666豫園116豫園182田子坊204東方明珠廣播電視塔1527新天地78迪士尼樂園*178迪士尼樂園*128上海杜莎夫人蠟像館728朱家角古鎮*78新天地118新天地102新天地689辰山植物園*60上海博物館78人民廣場94朱家角古鎮*6410世紀公園58朱家角古鎮*72朱家角古鎮*90環球金融中心6011上海植物園56上海科技館68上海博物館68上海博物館5612佘山國家森林公園*54上海杜莎夫人蠟像館56武康路68靜安寺46131933老場坊50中華藝術宮521933老場坊641933老場坊4414顧村公園*50環球金融中心50環球金融中心64七寶古鎮*4215人民廣場50南翔古鎮*48七寶古鎮*60人民廣場42

(續表2)

序號 春季 夏季 秋季 冬季 景區頻數景區頻數景區頻數景區頻數16七寶古鎮*48人民廣場48中華藝術宮60中華藝術宮4017環球金融中心481933老場坊44徐家匯天主教堂52野生動物園*3618迪士尼樂園*46歡樂谷*40上海杜莎夫人蠟像館50迪士尼樂園*3419泰晤士小鎮*46陸家嘴中心綠地38上海科技館44徐家匯天主教堂3420武康路44復旦大學36多倫路文化名人街42淮海路3021中華藝術宮40金茂大廈36復旦大學38上海老街3022上海杜莎夫人蠟像館38佘山國家森林公園*32靜安寺38世紀公園3023上海博物館36瑪雅海灘水樂園30淮海路36甜愛路3024靜安寺32七寶古鎮*28野生動物園*36武康路3025甜愛路32上海交通大學28思南路36多倫路文化名人街2826徐家匯天主教堂32淮海路26甜愛路36南翔古鎮*2427多倫路文化名人街30泰晤士小鎮*26金茂大廈30上海科技館2428上海鮮花港*28徐家匯天主教堂26衡山路28陸家嘴中心綠地2429野生動物園*28東平國家森林公園*24陸家嘴中心綠地28魯迅公園2230思南路28多倫路文化名人街22上海動物園28中共一大會址22

注:*為城郊景區(點)。

圖3 各季節訪滬國內游客到訪景區(點)空間分布(前30位)

4.2 到訪景區(點)的空間集聚

本文運用ArcGIS10.0軟件中的核密度分析工具對2013—2016年各季節訪滬國內游客到訪景區(點)頻次進行了核密度估計,并采用自然間斷點分級法分為極高、高、次高、中、低5類,高以上的區域被定義為核心熱點地區,中和次高的區域被定義為次核心熱點區,其他區域被定義為冷點區(圖4,見封四)。

春季訪滬的國內游客到訪景區(點)存在較為明顯的“一心多點”等級集聚特征。“一心”即中心城區,特別是外灘、南京路步行街、人民廣場、豫園、城隍廟、陸家嘴金融區等是游客到訪最為集聚的區域；“多點”即迪士尼度假區、佘山國家旅游度假區、淀山湖度假區、奉賢海灣旅游區、閔行七寶古鎮、寶山顧村公園形成次核心熱點區,其密度值高于城郊其他地區,說明游客在這些區域有一定的集聚,但集聚度沒有中心城區高。

夏季訪滬的國內游客到訪的景區(點)高密度核心區也位于中心城區,密度值從外灘一帶向四周呈現出下降的趨勢,在迪士尼度假區、佘山國家旅游度假區、淀山湖度假區形成了較低密度的集聚區。秋季訪滬國內游客到訪景區(點)的核心熱點區位于黃浦區、浦東新區西北與黃浦區接壤地帶,密度值在中心城區由高密度核心區向四周遞減,迪士尼度假區和淀山湖度假區次核心熱點區的范圍較春秋兩個季節有所縮減;對冬季訪滬的國內游客而言,訪問景區(點)的高密度區域同樣集中在中心城區,城郊密度值低,未形成熱點聚集區,說明游客流量極小。

5 結論

各季節游客偏好的旅游資源類型大體一致,主要集中在特色社區、園林游憩區域、特色街巷、文化活動場館、地方標志性建筑和創意產業集聚區,這些類型的旅游資源等級高、分布廣、數量多。但不同類型旅游資源季節變化存在差異,園林游憩區域、動物與植物展示地、景物觀賞點的春季季節變動指數明顯高于其他季節;教學科研實驗場所、康體游樂休閑度假地、文化活動場館和山岳型旅游地、灘地型旅游地夏季季節變動指數高于其他季節;秋季特色街巷、特色社區、名人故居與歷史紀念建筑、地方性標志建筑和創意產業集聚區的季節變動指數高于其他季節;冬季展示演示場館季節變動指數較高。

訪滬國內游客到訪景區(點)分布在上海全境,形成了“大分散、小集聚”的空間分布特征,中心城區密集,城郊分散,且中心城區和城郊內部存在分布不均衡狀態。黃浦區、浦東新區最集中,徐匯區、虹口區、松江區、青浦區、靜安區、嘉定區次之,普陀區、長寧區及遠郊的金山區、奉賢區對游客的吸引力較小。此外,各季節游客對中心城區景區(點)的偏好明顯高于城郊,但春夏季游客到訪景區(點)中城郊景區(點)所占比重要高于秋冬季。

訪滬國內游客景區(點)選擇非常集中,存在明顯的“一心多點”等級集聚特征。核心集聚區位于中心城區,在外灘、南京路步行街、陸家嘴金融中心等的輻射下,中心城區密度值整體上由輻射中心向四周梯級遞減,其他區域的集聚呈飛地式點狀結構,未形成擴散和蔓延態勢,點狀集聚區主要有迪士尼度假區、佘山國家旅游度假區、淀山湖度假區、奉賢海灣旅游區、閔行七寶古鎮、寶山顧村公園,不同季節點狀集聚存在差異,從春季到冬季集聚點呈下降趨勢。總體而言,夏季和秋季的熱點區域的密度值高于春、冬兩季。

[1]Oppweman M.A Model of Travel Itineraries[J].Journal of Travel Research,1995,33(4)∶57-61.

[2]Smallwood C B,Bekley L E,Moore S A.An Analysis of Visitor Movement Patterns Using Travel Networks in a Large Marine Park,North-western Australia[J].Tourism Management,2011,6(1)∶1-12.

[3]Verbeke M J.A Regional Analysis of Tourist Flows Within Europe[J].Tourism Management,1995,16(1)∶73-80.

[4]Orellana D,Arend A K,Ligtenberg A,etal.Exploring Visitor Movement Patterns in Natural Recreational Areas[J].Tourism Management,2012，33(3)∶672-682.

[5]Lew A,Mckercher B.Modeling Tourist Movements：A Local Destination Analysis[J].Annals of Tourism Research,2006,33(2)∶403-423.

[6]Gonzalez M E A,Comesana L R,Brea J A F.Assessing Tourist Behavioral Intentions Through Perceived Service Quality and Customer Satisfaction[J].Journal of Business,2007,60(2)∶153-160.

[7]楊新軍,牛棟,吳必虎.旅游行為空間模式及其評價[J].經濟地理,2000,20(4)∶105-108.

[8]黃瀟婷.基于時間地理學的景區旅游者時空行為模式研究——以北京頤和園為例[J].旅游學刊,2009,24(6)∶82-87.

[9]史春云,朱傳耿,趙玉宗,等.國外旅游線路空間模式研究進展[J].人文地理,2010,25(4)∶31-35.

[10]朱明,史春云,袁欣,等.基于旅行社線路的國內旅行空間模式研究[J].旅游學刊,2010,25(9)∶32-37.

[11]陸林,湯云云.珠江三角洲都市圈國內旅游者空間行為模式研究[J].地理科學,2014,34(1)∶10-18.

[12]吳必虎.上海城市游憩者流動行為研究[J].地理學報,1994,49(2)∶117-127.

[13]鄭鵬,馬耀峰,王潔潔,等.基于“推—拉”理論的美國旅游者旅華流動影響因素研究[J].人文地理,2010，25(5)∶112-117.

[14]鐘士恩,張捷,韓國圣,等.旅游流空間模式基本理論：問題分析及其展望[J].人文地理,2010,25(2)∶31-36.

[15]王永明,馬耀峰,王美霞.上海入境旅游流對長江流域各省區空間場效應研究[J].經濟地理,2010,30(5)∶854-858.

[16]呂麗,陸林,凌善金.上海世博會旅游者空間擴散網絡分析[J].旅游學刊,2013,28(6)∶111-119.

[17]盧松,吉慧,菜云峰.黃山市自駕車入游流旅行空間行為研究[J].地理研究,2013,32(1)∶179-190.

[18]賈鐵飛,劉蓉.訪滬國內游客旅游行為空間特征研究[J].人文地理,2015,30(5)∶140-146.

[19]Girardin F,Calabrese F,Fiore F D.Digital Footprinting：Uncovering Tourists with User—generated Content[J]. Pervasive Computing IEEE,2008,14(4)∶36-43.

[20]Gartner G,Bennett D A,Morita T.Toward Ubiquitous Cartography[J].Cartography and Geographic Information Science,2007,34(4)∶247-257.

[21]李君軼.旅游數字足跡：在線揭示游客的時空軌跡[J]. 思想戰線, 2013(3)∶103-107.

[22]Andrea V,Liang L,Assaf B,etal.A Holistic Framework for the Study of Urban Traces and the Profiling of Urban Processes and Dynamics[C].Intelligent Transportation Systems,ITSC′09.12th International IEEE Conference on Intelligent Transportation Systems,2009∶1-6.

[23]Crandall D,Backstrom L,Cosley D,etal.Inferring Social Ties from Geographic Coincidences[C].Proc National Academy of Sciences(PNAS),2010,107(52)∶22436-22441.

[24]紀星,李君軼.基于地理參考照片的西北五省游客時空格局研究[J].河南科學,2015,33(11)∶2013-2049.

[25]張妍妍,李君軼,楊敏.基于旅游數字足跡的西安旅游流網絡結構研究[J].人文地理,2014,29(4)∶111-118.

[26]楊興柱,蔣鍇,陸林.南京市游客路徑軌跡空間特征研究——以地理標記照片為例[J].經濟地理,2014,34(1)∶181-187.

[27]吳靜,楊興柱,孫井東.基于新地理信息技術的南京市游客流動性空間特征研究[J].人文地理,2015，30(2)∶148-154.

[28]靳誠,徐菁,黃震方,等.南京城市內部景點間游客流動特征分析[J].地理學報,2014,69(12)∶1858-1870.

[29]李春明,王亞軍,劉尹,等.基于地理參考照片的景區游客時空行為研究[J].旅游學刊,2013,28(10)∶30-36.

[30]楊敏,李君軼,楊利.基于旅游數字足跡的城市入境游客時空行為研究——以成都市為例[J].旅游科學,2015,29(3)∶59-68.

[31]丁娟,李俊峰.基于Web地理圖片的中國入境游客POI空間格局[J].經濟地理,2015,35(6)∶24-31.

[32]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,2015,30(7)∶80-90.

[33]布倩楠,楊勇,滕茜,等.上海旅游景區冷熱均衡及聯動效應研究——基于網絡游記與要聞動態的比較分析[J].資源科學,2015,37(1)∶184-192.

[34]姚占雷,許鑫,李麗梅,等.網絡游記中的景區共現現象分析——以華東地區首批國家5A級旅游景區為例[J].旅游科學,2011,25(2)∶39-46.

[35]王波,甄峰,魏宗財.南京市區活動空間總體特征研究——基于大數據的實證分析[J].人文地理,2014,29(3)∶14-21.

[36]龍茂興,孫根年,馬麗君,等.區域旅游網絡關注度與客流量時空動態比較分析——以四川為例[J].地域研究與開發,2011,30(3)∶93-97.

[37]高峻.上海旅游資源圖志[M].上海：科學普及出版社,2012.

[38]李永軍.西安海外旅游流時空動態分析[D].西安：陜西師范大學碩士學位論文,2000.

[39]楊興柱,顧朝林,王群,等.南京市內部旅游客流空間測度與模擬[J].地理科學,2011,31(7)∶802-808.

[40]王遠飛,何洪林.空間數據分析方法[M].北京：科學出版社,2007∶66-69.

StudyonTemporal-spatialBehaviorCharacteristicsofDomesticTouristsinShanghaiBasedonTourists′DigitalFootprints

GUO Ya-ting,JIA Tie-fei

(Department of Geography,Shanghai Normal University,Shanghai 200234,China)

This paper firstly collected the online travel notes of tourists who visited Shanghai from 2013 to 2016 through trip and then sorted out the travel time and travel spots.Using seasonal variation index and the percentage of a certain type of tourism resource accounted for all types of tourism resources to describe the seasonal variation regularity of a certain type of tourism resource and the types of tourism resources that tourists preferred in different reasons respectively.Based on these previous data,this paper made used of GIS spatial analysis methods,trying to figure out the spatial distribution feature.The results showed that:①Different tourism resources had different seasonal variation regularity,the types of tourism resources that tourists preference were largely consistent in different seasons.②The spatial distribution feature was “scatter in a large area and cluster in a small area”,the spots were intensive in central city and scattered in suburb and the distributions were unbalanced within central city and suburb.Also,the percentage of spots in suburb were more in spring and summer than in autumn and winter.③The spots that tourists visited formed a hierarchical clustering characteristics“one center and several dots” and city center was a core hot region,the density was decreased from the highest concentration area that was consist of the Bund,Nanjing Road and Lujiazui Financial Center,in addition,the structure in other areas was dots enclave and didn′t spread,the number of sub-core hot regions was decreased from spring to winter.

tourists′ digital footprints;temporal-spatial behavior;domestic tourists in Shanghai;spatial agglomeration

10.3969 /j.issn.1005-8141.2017.09.0025

F592.68

A

1005-8141(2017)09-1147-06

2017-07-27；

2017-08-11

及通訊作者簡介：郭雅婷(1992-),女,山西省長治人,碩士研究生,主要從事旅游者行為、旅游資源研究。