三大古城網(wǎng)絡關注度時空分布及其影響因素研究

(廣東工業(yè)大學 管理學院,廣東 廣州 510520)

近年來,古城以其獨特的建筑風貌、豐富的文化遺跡、深厚的人文內(nèi)涵受到人們的青睞,成為旅游市場的重要力量。麗江古城、烏鎮(zhèn)和鳳凰古城由于具有地方特色,是匯聚游客最多的古城區(qū),因此成為各類研究的重點。近年來的研究多傾向于游客滿意度和各項體驗研究[1-4],也有對當下古城空間和文化演變過程和進一步發(fā)展的探索研究[5-8],這些研究大多以問卷調(diào)查或探訪方式進行。在互聯(lián)網(wǎng)普及的時代下,網(wǎng)絡已成為了解旅游最重要的渠道,網(wǎng)絡對旅游的重要影響引起了學者們的重點關注,對古城區(qū)旅游與網(wǎng)絡關注度結(jié)合的研究仍然較少。

目前網(wǎng)絡關注度分析有通過國際最大旅游論壇Tripadvisor[9]和國際最大搜索引擎Google[10],也有通過國內(nèi)常用網(wǎng)站新浪微博[11]與新浪旅游博客[12]等獲取游客旅游關注度信息。百度是我國運用最廣泛、人數(shù)最多的搜索引擎,目前許多研究都采用百度指數(shù)獲取網(wǎng)絡關注度的信息。研究主要集中在兩類：第一類是通過網(wǎng)絡關注度預測旅游地的游客量[13-16];第二類是分析旅游地網(wǎng)絡關注度的時空分布特征及其影響因素[17-20]。本文通過百度指數(shù)獲取網(wǎng)絡關注度信息,以鳳凰古城、麗江古城和烏鎮(zhèn)作為我國中部、西部和東部的古城代表,分析網(wǎng)絡關注度的時空分布特征及其影響因素,為古城區(qū)旅游與互聯(lián)網(wǎng)的進一步結(jié)合提供參考。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

本文獲取百度指數(shù)起始年2011年、2013年、2016年我國31個省級行政單位對“鳳凰古城、麗江古城、烏鎮(zhèn)”三個關鍵詞的關注度(未包括香港與澳門特別行政區(qū)、臺灣地區(qū))。結(jié)合中國互聯(lián)網(wǎng)網(wǎng)絡發(fā)布中心發(fā)布的《中國互聯(lián)網(wǎng)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》獲取2011年、2013年、2016年省級行政單位互聯(lián)網(wǎng)上網(wǎng)人數(shù)和國家統(tǒng)計局官網(wǎng)發(fā)布的《中國統(tǒng)計年鑒》獲取各省份2016年的人均GDP水平。

1.2 研究方法

運用ArcGIS10.2軟件,對烏鎮(zhèn)、鳳凰古城、麗江古城各年網(wǎng)絡關注度在各省級行政單位分布狀況進行直觀化處理,并結(jié)合地理集中指數(shù)研究網(wǎng)絡關注度空間演變狀況,采取泰爾指數(shù)分析網(wǎng)絡關注度在各省份間、區(qū)域間和區(qū)域內(nèi)的差異情況,在網(wǎng)絡關注度的影響因素研究中涉及到經(jīng)濟聯(lián)系強度與溫濕指數(shù)。

地理集中指數(shù):它是研究要素在區(qū)域中的集中程度的重要指標[21],本文采用地理集中指數(shù)來衡量網(wǎng)絡關注度在31個省份中的分布情況,計算公式為:

(1)

式中,Xi為第i個省份的關注度總數(shù);t為關注度總數(shù);n為省份個數(shù);G為地理集中指數(shù)。當G趨向于100時,關注度在各省份分布越集中;當G趨向于0時,則分布越均勻。

泰爾指數(shù):將三個古城的網(wǎng)絡關注度按區(qū)域劃分為研究區(qū)域內(nèi)、區(qū)域間和省際間的差異,進一步分析區(qū)域內(nèi)與區(qū)域間的差異貢獻率[22]。區(qū)域內(nèi)古城關注度差異泰爾指數(shù)Tpi:

Tpi=ΣjSjSilnSj/SiNj/Ni

(2)

式中,Sj和Nj分別為區(qū)域i內(nèi)j省的古城網(wǎng)絡關注度指數(shù)和互聯(lián)網(wǎng)上網(wǎng)人數(shù);Si和Ni分別為區(qū)域i的古城網(wǎng)絡關注度指數(shù)和互聯(lián)網(wǎng)上網(wǎng)人數(shù)。區(qū)域間古城關注度差異泰爾指數(shù)TBP:

TBP=ΣSiSlnSi/SNi/N

(3)

式中,Si和Ni分別為區(qū)域i古城網(wǎng)絡關注度指數(shù)和互聯(lián)網(wǎng)上網(wǎng)人數(shù);S和N分別為全國古城網(wǎng)絡關注度指數(shù)和互聯(lián)網(wǎng)上網(wǎng)人數(shù)。

省際為單位古城網(wǎng)絡關注度差異泰爾指數(shù)Tp:

Tp=ΣiΣjSjSlnSj/SNj/N

(4)

式中,Sj和Nj分別為區(qū)域i內(nèi)j省的古城網(wǎng)絡關注度指數(shù)和互聯(lián)網(wǎng)上網(wǎng)人數(shù);S和N分別為全國古城網(wǎng)絡關注度指數(shù)和互聯(lián)網(wǎng)上網(wǎng)人數(shù)。區(qū)域i內(nèi)部古城關注度差異對我國古城關注度的差異形成的貢獻率可表示為Epi:

Epi=SiSTpi/Tp

(5)

區(qū)域間的古城關注度差異對我國古城關注度的差異形成的貢獻率可表示為EBR:

EBR=TBP/Tp

(6)

經(jīng)濟聯(lián)系強度:為了測度古城與各省份間經(jīng)濟聯(lián)系強度,引入經(jīng)濟測度模型[23,24],公式為:

(7)

式中,Pi、Pj分別表示古城省份i和省份j的人口規(guī)模;Vi、Vj分別為古城省份i和省份j的國內(nèi)生產(chǎn)總值;Dij為古城省份i和省份j的最短交通距離;Rij為兩地之間的經(jīng)濟聯(lián)系強度。由于省份間的出行方式大多以飛機高鐵為主,而高鐵未普及全國,因此采用飛行里程作為省份間的最短交通距離。其中,Pi、Pj、Vi、Vj可通過各省統(tǒng)計年鑒的數(shù)據(jù)獲取。

溫濕指數(shù)的計算公式為:

THI=(1.8t+32)-0.55(1-f)(1.8t-26)

(8)

式中,t為攝氏溫度;f為相對濕度;THI為溫濕指數(shù)。參考有關溫濕指數(shù)研究的文獻[25,26],將溫濕指數(shù)分為9個等級,分級標準見表1。

表1 溫濕指數(shù)分級標準

2 古城各省網(wǎng)絡關注度空間分布及其影響因素

2.1 古城關注度的空間演變

在百度指數(shù)統(tǒng)計中,麗江古城、鳳凰古城、烏鎮(zhèn)三大古城的網(wǎng)絡關注度中烏鎮(zhèn)一直位居首位,依次是鳳凰古城、麗江古城。除了古城自身所在省份網(wǎng)絡關注度始終位居前列外,東部地區(qū)網(wǎng)絡關注度較高。本文利用ArcGIS10.2繪制各省份2011年、2013年、2016年的三大古城網(wǎng)絡關注度空間變化圖(圖1—3)。從圖1—3可見,三大古城的網(wǎng)絡關注度集中在我國的東南部即廣東、浙江、江蘇等經(jīng)濟發(fā)達和互聯(lián)網(wǎng)普及的省份;而青海、西藏、新疆等西北省份由于互聯(lián)網(wǎng)上網(wǎng)人數(shù)少、地廣人稀,對三大古城的網(wǎng)絡關注度貢獻偏低。就網(wǎng)絡關注度分布而言,麗江古城在全國范圍內(nèi)的分布更均勻,這是由于昆明旅游業(yè)在全國范圍內(nèi)具有代表性,且麗江古城自身具備悠長的文化底蘊。

本文采取地理集中指數(shù)的變化情況衡量網(wǎng)絡關注度空間分布及演變情況,結(jié)果見表2。結(jié)合圖1—3得出結(jié)論,麗江古城、鳳凰古城和烏鎮(zhèn)的網(wǎng)絡關注度呈集中分布且集中在我國的東南部。麗江古城網(wǎng)絡關注度的地理集中指數(shù)在2011—2016年間不斷增大,鳳凰古城、烏鎮(zhèn)的網(wǎng)絡關注度地理集中指數(shù)則減小,因此可判斷鳳凰古城、烏鎮(zhèn)網(wǎng)絡關注度呈分散發(fā)展,而麗江古城呈集中發(fā)展。

表2 三大古城網(wǎng)絡關注度地理集中指數(shù)變化

2.2 古城網(wǎng)絡關注度的區(qū)域差異

運用泰爾指數(shù)得出結(jié)果(表3),體現(xiàn)了三大古城關注地被劃分為東部、中部與西部三大區(qū)域后網(wǎng)絡關注度在省際間,區(qū)域間及區(qū)域內(nèi)的差異情況。麗江古城的網(wǎng)絡關注度總差異在研究期間變化不大,區(qū)域間的差異差距在0.0062之間,因此區(qū)域間的網(wǎng)絡關注度差異無明顯變化;區(qū)域內(nèi)的關注度差異變化最大,22011—2016年變化了0.035。研究期間西部地區(qū)的網(wǎng)絡關注度差異逐步擴大,而東部與中部地區(qū)的網(wǎng)絡關注度差異則在逐步縮小。數(shù)據(jù)顯示,云南、四川等西部省份的網(wǎng)絡關注度在2016年顯著上升,使西部地區(qū)關注度差異得到提升。鳳凰古城總差異指數(shù)小于麗江古城,因此網(wǎng)絡關注度在各省際間的差距比麗江古城小。研究期間省際間差異指數(shù)總共下降了0.0331,可得出網(wǎng)絡關注度總體差異在2011—2016年間顯著縮小;區(qū)域間的差異逐步減小,且變化情況比麗江古城顯著;區(qū)域內(nèi)網(wǎng)絡關注度差異總體減小,中部區(qū)域的網(wǎng)絡關注度差異變化最大;西部地區(qū)網(wǎng)絡關注度差異總體上減少,而東部地區(qū)變化不明顯。烏鎮(zhèn)網(wǎng)絡關注度總體差異及變化情況在三大古城間最明顯,研究期間總差異減少了0.0378;區(qū)域間差異的變化先增加后減小,整體變化小;區(qū)域內(nèi)網(wǎng)絡關注度差異總體減小,中部地區(qū)的差異逐年減少,西部地區(qū)變化幅度不明顯。東部地區(qū)一直是網(wǎng)絡關注度差異最大的地區(qū)且變化最為明顯的地區(qū),這是由于烏鎮(zhèn)位于我國東部地區(qū),是我國上網(wǎng)人數(shù)最多和經(jīng)濟最發(fā)達的地區(qū),所占網(wǎng)絡關注度高,使差異較顯著。

圖1 麗江古城2011年、2013年、2016年各省份網(wǎng)絡關注度分布變化

圖2 鳳凰古城2011年、2013年、2016年各省份網(wǎng)絡關注度分布變化

圖3 烏鎮(zhèn)2011年、2013年、2016年各省份網(wǎng)絡關注度分布變化

綜上所述,結(jié)合三大古城網(wǎng)絡關注度區(qū)域差異情況分析:烏鎮(zhèn)總差異最大,這與圖3網(wǎng)絡關注度分布在省份間差異明顯相符;就區(qū)域間網(wǎng)絡關注度情況而言,麗江古城區(qū)域間差異情況較明顯,鳳凰古城與烏鎮(zhèn)差異情況相似;區(qū)域內(nèi)的網(wǎng)絡關注度差異大多集中在東部地區(qū)。

表3 三大古城網(wǎng)絡關注度區(qū)域差異

為了進一步分析網(wǎng)絡關注度區(qū)域差異形成的原因,通過計算得到區(qū)域間、區(qū)域內(nèi)的差異貢獻率,見表4。從表4可知，三大古城的區(qū)域差異貢獻率的情況大致為:區(qū)域內(nèi)的貢獻率顯著高于區(qū)域間的貢獻率,說明區(qū)域內(nèi)的差異是古城網(wǎng)絡關注度差異形成的最主要原因;區(qū)域內(nèi)的差異貢獻率最明顯的古城是烏鎮(zhèn),區(qū)域間差異貢獻率最明顯的古城是麗江古城;對區(qū)域內(nèi)差異而言,除麗江古城在2016年西部差異貢獻率大于東部貢獻率外,區(qū)域內(nèi)差異貢獻率最高的地區(qū)都是東部地區(qū);研究期間三大古城網(wǎng)絡關注度區(qū)域間差異貢獻率逐漸減小,而區(qū)域內(nèi)的差異貢獻率逐漸增大。

表4 三大古城網(wǎng)絡關注度區(qū)域差異形成分解

2.3 三大古城網(wǎng)絡關注度空間分布影響因素分析

對三大古城的網(wǎng)絡關注度空間分布影響因素主要考慮古城與關注地因素,以及兩者之間相互關聯(lián)的影響因素。由于古城對于關注地的影響因素大致相同,因此主要考慮關注地的因素。本文選取2016年三大古城網(wǎng)絡關注度數(shù)據(jù)對網(wǎng)絡關注度空間分布影響因素進行分析。其中以三大古城各省份網(wǎng)絡關注度為因變量,三個自變量為:關注地經(jīng)濟發(fā)展水平、上網(wǎng)人數(shù)、經(jīng)濟聯(lián)系強度。借助SPSS21.0軟件,采用多元線性回歸分析。本文將三大古城與我國31個省份間的經(jīng)濟聯(lián)系強度、各省份間人均GDP水平和上網(wǎng)人數(shù)作為自變量,各省份對三大古城的網(wǎng)絡關注度作為因變量進行回歸分析,建立回歸模型為:①鳳凰古城。該方程模型的判定系數(shù)R2=0.776、AdjR2=0.75、F=30.032(P=0),說明回歸方程的擬合度良好,被解釋變量與解釋變量全體的線性關系是顯著的,可建立線性方程。因此,建立回歸方程,系數(shù)為人均GDP(X1)、上網(wǎng)人數(shù)(X2)、經(jīng)濟聯(lián)系強度(X3)。該方程三個系數(shù)都通過了顯著性檢驗,顯著水平分別為0.026、0、0.015,顯著性均小于0.05。建立回歸方程模型為:y=0.224X1+0.61X2+ 0.311X3,標準化系數(shù)分別為0.224、0.61、0.311,說明各省份對鳳凰古城網(wǎng)絡關注度的上網(wǎng)人數(shù)影響最大,其次是經(jīng)濟聯(lián)系強度,人均GDP水平。②麗江古城。該方程模型的判定系數(shù)R2=0.857、AdjR2=0.84、F=51.821(P=0),說明回歸方程的擬合度高,被解釋變量與解釋變量全體的線性關系顯著,可建立線性方程。因此,建立回歸方程的系數(shù)為人均GDP(C1)、上網(wǎng)人數(shù)(C2)和經(jīng)濟聯(lián)系強度(C3),該方程三個系數(shù)都在0.1的顯著性水平上通過了檢驗,顯著水平分別為0.09、0、0.1。建立回歸方程模型為:y=0.212C1+0.812C2+0.132C3,標準化系數(shù)分別為0.212、0.812、0.132,說明對鳳凰古城的上網(wǎng)人數(shù)影響最大,其次是人均GDP水平和經(jīng)濟聯(lián)系強度。③烏鎮(zhèn)。該方程模型的判定系數(shù)R2=0.833、AdjR2=0.814、F=43.227(P=0),說明回歸方程的擬合度高,被解釋變量與解釋變量全體的線性關系顯著,可建立線性方程。因此,建立回歸方程,系數(shù)為人均GDP(A1)、上網(wǎng)人數(shù)(A2)和經(jīng)濟聯(lián)系強度(A3),該方程三個系數(shù)都在0.1的顯著性水平上通過了檢驗,分別為0,0,0.052。建立回歸方程模型為:y=0.423A1+0.658A2+0.175A3,標準化系數(shù)分別為0.423、0.658、0.175,說明對鳳凰古城網(wǎng)絡關注度的上網(wǎng)人數(shù)影響最大,其次是人均GDP水平和經(jīng)濟聯(lián)系強度。

3 三大古城關注度時間演變及其影響因素

3.1 三大古城網(wǎng)絡關注度時間演變

從圖4可見,鳳凰古城、麗江古城及烏鎮(zhèn)2011年、2013年、2016年各月份網(wǎng)絡關注度的變化情況具有以下幾個特征:①2011—2016年三大古城各月份網(wǎng)絡關注度明顯提高,說明隨著信息化時代的發(fā)展,人們通過網(wǎng)絡獲取旅游信息的人數(shù)逐年上升,且2013—2016年的網(wǎng)絡關注度有大幅度提升,這是由于智能手機的高速發(fā)展。②2011年、2013年、2016年鳳凰古城、烏鎮(zhèn)的網(wǎng)絡關注度上半年均在4月份達到一個高峰值,麗江古城相對平穩(wěn)。除特殊情況外,三大古城年初和年末的搜索量處于低谷期。③鳳凰古城下半年搜索量從2011年、2013年無明顯高峰期,2016年高峰期集中在7月和8月。麗江古城2011年與2013年下半年網(wǎng)絡關注度呈現(xiàn)平穩(wěn)趨勢,2016年下半年有7月、10月兩個明顯高峰值。烏鎮(zhèn)在2011年和2013年下半年的網(wǎng)絡關注度高峰值均出現(xiàn)在9月,2016年高峰值出現(xiàn)在10月。④在2011年、2013年三大古城全年網(wǎng)絡關注度分布較平穩(wěn),除特殊情況外變化幅度不大,而到了2016年三大古城全年網(wǎng)絡關注度變化幅度明顯,說明隨著互聯(lián)網(wǎng)進一步普及和節(jié)假日的調(diào)整,網(wǎng)絡關注度隨時間的變化更加顯著。值得注意的是,由于2013年4月出現(xiàn)鳳凰古城收費事件,使鳳凰古城當月的網(wǎng)絡關注度顯著升高,因此在下文采取關注度平均值進行計算,排除特殊情況帶來的影響。

圖4 三大古城2011年、2013年、2016年各月份網(wǎng)絡關注度

3.2 三大古城網(wǎng)絡關注度時間分布特征的影響因素

數(shù)據(jù)顯示,古城網(wǎng)絡關注度在不同年份,不同月份上有不同的分布趨勢。本文主要以月為時間段對三大古城的網(wǎng)絡關注度進行研究。為了得到總體各月份網(wǎng)絡關注度的變化趨勢及其影響因素,求出三年的各月份網(wǎng)絡關注度的一個平均數(shù)并與其擬影響因素進行回歸分析。隨著人們旅游體驗要求的提高,旅游的舒適性得到重視,其中氣候舒適度是多數(shù)游者關注的一個重點。在選擇旅游景點時,通常會審視當?shù)靥鞖鉅顩r,從而影響了出行月份,而溫濕指數(shù)是評價氣候舒適度一個常見的指標。

在借鑒馬麗君等學者有關氣候舒適度對游客網(wǎng)絡關注度的影響研究上[27],本文選取三大古城所在城市累年各月份攝氏氣溫及相對濕度(數(shù)據(jù)來源于中國氣象科學數(shù)據(jù)共享服務平臺)計算并求出三大古城平均各月份溫濕指數(shù),代表氣候舒適度。根據(jù)三大古城三年平均各月份網(wǎng)絡關注度,計算平均各月網(wǎng)絡關注度平均月指數(shù)(即各月份網(wǎng)絡關注度占全年的比重),研究氣候舒適度與各月份網(wǎng)絡關注度的相關性。排除2013年4月鳳凰古城事件的影響外,結(jié)果見表5。

三大古城是國內(nèi)著名旅游景點,網(wǎng)絡關注度變化除了可能受到氣候舒適度影響之外,還可能受到節(jié)假日的影響。借鑒國內(nèi)學者對于節(jié)假日影響網(wǎng)絡關注度的研究,根據(jù)古城具體情況設定虛擬指數(shù)[28]。4月清明節(jié)和“五一”假期搜索量都集中在4月,4月的虛擬指數(shù)設為“0.75”；5月受勞動節(jié)的影響,6月是高考完出行高峰期,因此設虛擬指數(shù)為“0.5”；7、8月是暑假旅游高峰期,虛擬指數(shù)設為“1”;9月、10月受國慶長假影響,將虛擬指數(shù)設為“0.75”；其他月份設為“0”。

表5 三大古城溫濕指數(shù)和網(wǎng)絡關注度的平均月指數(shù)

擬定影響因素溫濕指數(shù)(Ci)和節(jié)假日虛擬指數(shù)(Ti)為自變量,以網(wǎng)絡關注度平均月指數(shù)(P)為因變量,運用SPSS21軟件分別對三大古城進行OLS回歸分析,所得方程為:①鳳凰古城。P=5.115+0.168Ci+5.311Ti。式中,R2=0.788、AdjR2=0.741、P=0.01,說明模型對數(shù)據(jù)的擬合度良好,模型整體線性關系顯著,可以建立回歸方程。溫濕指數(shù)顯著性檢驗結(jié)果為0.406,未通過顯著性檢驗。節(jié)假日虛擬指數(shù)對鳳凰古城網(wǎng)絡關注度平均月指數(shù)影響水平顯著(Sig=0.000)。由該方程可見,當溫濕指數(shù)每變化1個單位,鳳凰古城網(wǎng)絡關注度平均月指數(shù)變化為0.168個單位;當節(jié)假日虛擬指數(shù)每變化1個單位,鳳凰古城網(wǎng)絡關注度平均月指數(shù)變化5.311個單位。節(jié)假日因素對鳳凰古城網(wǎng)絡關注度的影響明顯大于氣候舒適度的影響。②麗江古城。P=5.381+0.398Ci+0.376Ti。式中,R2=0.762、AdjR2=0.709、P=0.02,說明模型對數(shù)據(jù)的擬合度良好,模型整體線性關系是顯著的,可以建立回歸方程。溫濕指數(shù)對麗江古城網(wǎng)絡關注度平均月指數(shù)影響水平顯著(Sig=0.018),節(jié)假日虛擬指數(shù)對麗江古城網(wǎng)絡關注度平均月指數(shù)影響水平不顯著(Sig=0.526)。由該方程可見,當溫濕指數(shù)每變化1個單位,麗江古城網(wǎng)絡關注度平均月指數(shù)變化0.398個單位;當節(jié)假日虛擬指數(shù)每變化1個單位,麗江古城網(wǎng)絡關注度平均月指數(shù)變化0.376個單位。節(jié)假日因素對麗江古城網(wǎng)絡關注度的影響小于氣候舒適度對關注度的影響。③烏鎮(zhèn)。P=4.87+0.374Ci+3.932Ti。式中,R2=0.789、AdjR2=0.742、P=0.01,說明模型對數(shù)據(jù)的擬合度良好,模型整體線性關系顯著,可建立回歸方程。溫濕指數(shù)和節(jié)假日虛擬指數(shù)對烏鎮(zhèn)網(wǎng)絡關注度平均月指數(shù)影響在0.05水平上顯著(分別為0.034、0.01)。由該方程可見,當溫濕指數(shù)每變化1個單位,烏鎮(zhèn)網(wǎng)絡關注度平均月指數(shù)變化0.374個單位;當節(jié)假日虛擬指數(shù)每變化1個單位,烏鎮(zhèn)網(wǎng)絡關注度平均月指數(shù)變化3.932個單位。節(jié)假日因素對烏鎮(zhèn)網(wǎng)絡關注度的影響明顯大于氣候舒適度對網(wǎng)絡關注度的影響。

4 結(jié)論與討論

本文將鳳凰古城、麗江古城和烏鎮(zhèn)劃分為中部、西部和東部的三大標志性古城?；?011年、2013年、2016年三大古城在我國31個省份的網(wǎng)絡關注度數(shù)據(jù),從空間和時間角度進行了分析,得出以下結(jié)論:①隨時間增長三大古城網(wǎng)絡關注度逐漸集中于東南部經(jīng)濟網(wǎng)絡條件發(fā)達的省份。麗江古城的網(wǎng)絡關注度分布往集中發(fā)展而鳳凰古城與烏鎮(zhèn)網(wǎng)絡關注度分布趨向分散發(fā)展,表明鳳凰古城與烏鎮(zhèn)的發(fā)展在全國范圍內(nèi)更加均衡,知名度提升。②烏鎮(zhèn)網(wǎng)絡關注度在省份間的差異最明顯,而麗江古城區(qū)域間差異最明顯;區(qū)域內(nèi)的差異是古城網(wǎng)絡關注度差異形成的最主要原因,其中區(qū)域內(nèi)貢獻率最明顯的古城是烏鎮(zhèn),差異貢獻率最高的地區(qū)主要是東部地區(qū);2011—2016年,三大古城網(wǎng)絡關注度區(qū)域間差異貢獻率逐漸減小而區(qū)域內(nèi)的差異貢獻率逐漸增大。③關注地的經(jīng)濟發(fā)展水平、上網(wǎng)人數(shù)、與古城的經(jīng)濟聯(lián)系強度同古城的網(wǎng)絡關注度密切相關。上網(wǎng)人數(shù)是影響三大古城網(wǎng)絡關注度的最主要因素,其次鳳凰古城網(wǎng)絡關注度主要受與關注地經(jīng)濟聯(lián)系強度影響,麗江古城和烏鎮(zhèn)主要受關注地經(jīng)濟發(fā)展水平影響。④就三大古城而言,氣候與節(jié)假日因素都對烏鎮(zhèn)網(wǎng)絡關注度有顯著影響,但節(jié)假日因素影響更大;麗江古城網(wǎng)絡關注度受節(jié)假日因素影響不顯著,而受氣候影響顯著;鳳凰古城網(wǎng)絡關注度受氣候影響不顯著而受節(jié)假日因素影響顯著。受節(jié)假日影響顯著的古城,可在淡季增加優(yōu)惠等措施吸引人流;受氣候影響顯著的古城,可挖掘淡季旅游新風貌來吸引旅客。

本文選取百度數(shù)據(jù)起始年份2011年、2013年、2016年具有時間代表性的年份對三大古城進行研究,但無法排除在中間年份出現(xiàn)特殊變動的可能性,因此研究僅圍繞著2011—2016年整體性的變動趨勢。網(wǎng)絡關注度數(shù)據(jù)僅基于百度指數(shù),但網(wǎng)絡信息的高速發(fā)展,對旅游地的關注已不僅僅停留在百度搜索層面,微信、微博、各大旅游網(wǎng)站也應成為游前攻略不可或缺的一部分,因此本文的數(shù)據(jù)采集范圍仍存在局限。隨著信息技術的發(fā)展,大數(shù)據(jù)信息流與現(xiàn)實經(jīng)驗相結(jié)合對古城的關注度展開研究,值得進一步關注。

參考文獻:

[1]高燕,鄭焱.鳳凰古城景觀真實性感知比較研究——基于居民和旅游者視角[J].旅游學刊,2010,25(12)∶44-52.

[2]周運瑜,田金霞,陽芳.鳳凰古城休閑旅游滿意度研究[J].旅游論壇,2010,3(5)∶525-529.

[3]周永博,沙潤,楊燕,等.旅游景觀意象評價——周莊與烏鎮(zhèn)的比較研究[J].地理研究,2011,30(2)∶359-371.

[4]王昕,王雪君.旅游者對旅游目的地形象的感知行為研究——以麗江古城為例[J].重慶師范大學學報(自然科學版),2011,28(3)∶64-68.

[5]周霖,顧媛媛.“麗江古城"歷時態(tài)生長演化及其空間形態(tài)對比研究[J].城市發(fā)展研究,2010,(7)∶106-112.

[6]墨紹山.歷史城鎮(zhèn)人口置換問題研究——基于云南麗江古城的再思考[J].經(jīng)濟地理,2013,33(11)∶1-6.

[9]王琨,郭風華,李仁杰,等.基于Tripadvisor的中國旅游地國際關注度及空間格局[J].地理科學進展,2014,33(11)∶1462-1473.

[10]梁志峰.基于Google趨勢分析的區(qū)域網(wǎng)絡關注度研究——以湘潭為例[J].湖南科技大學學報(社會科學版),2010,13(5)∶41-48.

[11]唐佳,李君軼.基于微博大數(shù)據(jù)的西安國內(nèi)游客日內(nèi)時間分布模式研究[J].人文地理,2016,(3)∶151-160.

[12]靜恩明,郭風華,李仁杰,等.基于新浪旅游博客的河北省A級景區(qū)網(wǎng)絡關注度研究[J].地理與地理信息科學,2015,31(3)∶118-122.

[13]黃先開,張麗峰,丁于思.百度指數(shù)與旅游景區(qū)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)∶93-100.

[14]馬麗君,孫根年,黃蕓瑪,等.城市國內(nèi)客流量與游客網(wǎng)絡關注度時空相關分析[J].經(jīng)濟地理,2011,(4)∶680-685.

[15]王碩,曾克峰,童潔,等.黃金周風景名勝區(qū)旅游客流量與網(wǎng)絡關注度相關性分析——以廬山、華山、八達嶺長城風景名勝區(qū)為例[J].經(jīng)濟地理,2013,33(11)∶182-186.

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

[17]張曉梅,程紹文,劉曉蕾,等.古城旅游地網(wǎng)絡關注度時空特征及其影響因素——以平遙古城為例[J].經(jīng)濟地理,2016,(7)∶196-202.

[18]蔣大亮,孫燁,楊鈿,等.基于百度指數(shù)的東南亞國家網(wǎng)絡關注度區(qū)域差異[J].熱帶地理,2015,(5)∶708-718.

[19]徐凡,尤瑋,周年興,等.基于百度指數(shù)的網(wǎng)絡空間關注時空分布研究——以長三角5A級景區(qū)為例[J].資源開發(fā)與市場,2016,(4)∶489-493.

[20]林志慧,馬耀峰,劉憲鋒,等.旅游景區(qū)網(wǎng)絡關注度時空分布特征分析[J].資源科學,2012,34(12)∶207-213.

[21]李亞娟,陳田,王婧.黔東南州旅游吸引物空間結(jié)構(gòu)研究[J].資源科學,2013,35(4)∶858-867.

[22]馬仁鋒,倪欣欣,張文忠,等.浙江旅游經(jīng)濟時空差異的多尺度研究[J].經(jīng)濟地理,2015,35(7)∶176-182.

[23]孟德友,陸玉麒.基于引力模型的江蘇區(qū)域經(jīng)濟聯(lián)系強度與方向[J].地理科學進展,2009,28(5)∶697-704.

[24]李慧芳,謝雙玉,張琪,等.武漢市國內(nèi)旅游客源市場空間結(jié)構(gòu)及其影響因素研究[J].河南科學,2015,(7)∶1258-1264.

[25]馬麗君,孫根年,王潔潔.中國東部沿海沿邊城市旅游氣候舒適度評價[J].地理科學進展,2009,28(5)∶713-722.

[26]馮粉粉,溫家洪,王慧敏.基于GIS的華東地區(qū)旅游氣候舒適度分析[J].上海師范大學學報(自然科學版),2012,41(2)∶196-202.

[27]馬麗君,孫根年,楊睿,等.城市氣候舒適度與游客網(wǎng)絡關注度時空相關分析[J].地理科學進展,2011,30(6)∶753-759.

[28]張麗峰,丁于思.北京5A級旅游景區(qū)網(wǎng)絡關注度分布特征研究[J].資源開發(fā)與市場,2014,30(11)∶1382-1384.