上海熱門旅游景點空間分布特征研究

葉偉婷 陳能 張萌萌 黃曉玲

本文通過網絡爬蟲技術獲取上海市綜合排名前200的熱門景點作為研究對象，利用GIS技術分析其分布情況，通過最近鄰分析法、地理集中指數、Ripleys K函數進行定量分析，分析總結上海市熱門旅游景點的空間結構特征。最終得出：①上海市熱門旅游景點在空間上呈現出明顯的聚集分布，最近鄰分析得到的ANN為-0.48，Z值為-14.06;②計算得出其地理集中指數等于16.98，景點分布集中，且黃浦區、浦東新區所占比重較大;③通過Ripleys K函數來描述熱門旅游景點在不同空間尺度上的分布特征，結果表明在0～27km的空間尺度上，景點都呈聚集分布。

引言

分析研究旅游景點的空間分布特征，了解其空間分布情況，有利于為相關部門的旅游規劃提出建設性意見，實現旅游資源的合理利用與開發，進一步帶動區域旅游業發展。現有研究從3個方面研究旅游景點空間分布格局。①空間規劃布局研究。周銳等以GIS可視化平臺為基礎，從土地適宜性方面出發，量化了影響旅游景點選址的因素，提出了新的景點選址分析模型。②空間可達性研究。潘竟虎等針對中國4A級及以上旅游景點的空間可達性和縣域單元的整體可達性進行了探究，以GIS技術為輔助，柵格成本加權距離算法為手段結合利用空間關聯方法對比了縣域可達性的差異性。③空間聚集性和空間可達性綜合旅游地形成機制研究。鄧華僑在探討自然地理環境因素等對成都市旅游景點空間布局和可達性所產生的影響基礎上總結了其空間特征。目前，研究多表現在宏觀尺度，中微觀尺度的研究不足，數量很不可觀，對于不同類型景點之間的差異對比研究也為數不多。本文從空間分析角度著手，通過GIS空間分析與空間模式識別分析方法對上海市熱門旅游景點空間分布狀態進行了研究，探究旅游景點空間尺度層面分布格局的內在規律，同時為上海市建設國際旅游城市，制定更加科學的旅游發展規劃提供一定的科學理論參考。

一、數據處理與分析

（一）數據來源

本文研究對象為熱門旅游景點，旨在比較具有特異性的旅游景點的空間分布差異，所以在數據來源的確定方面通過綜合比較幾種常用旅游類門戶網站排名，最終確定數據來源。綜合對比分析了目前國內常用的幾種旅游類服務網站的用戶訪問量、用戶覆蓋率等信息發現，去哪兒網的市場影響力更大，用戶覆蓋范圍廣、發展更全面，最終選取去哪兒網作為上海市熱門旅游景點數據的數據來源。通過Python網絡爬蟲從去哪兒網上獲取人氣和點評量綜合排名前200的熱門旅游景點，并根據旅游景點分類標準和區域特色，將景點分為6種類型：園林觀賞類、歷史文化類、藝術欣賞類、科技文化類、休閑購物類、海派文化類。

（二）旅游景點分布特征分析

上海市區位優越、人口密集，每年旅游人口數眾多。由于區域經濟發展差異以及地鐵公共交通布局等關系，旅游景點的分布整體呈現中心聚集，但不同類型的景點分布情況各有差異。

1.基于最近鄰分析的空間集聚性分析

最近鄰分析是將區域中點的分布相比較于同一區域中點的理論意義的隨機分布進行的。這個方法源于植物生態學定義的一個間距指數，用于比較觀測到的一個區域的植物聚落圖式與隨機分布之間的異同，Clark和Evans于1954年提出最近鄰分析這一理論概念，King在1969年將這種方法引入城鎮聚落的空間分布分析中。后來NNA作為一種新空間分析方法被引用其他學科，例如人文地理、城市地理學。理論上，假設所有的點完全隨機分布，那么其密度倒數值的一半等同于其平均距離。最近鄰指數（R尺度）由結果值與分布圖觀測值的比值得到。

最近鄰分析的過程主要為：首先，測算出區域內所有要素的質心和其最近距離要素的質心位置之間的距離;其次，計算總體的平均值。假如距離值小于隨機狀況下的平均距離，則為聚類要素;反之如果這個距離值大于隨機模式中的平均值，就看作分散要素。

平均最近鄰比率計算公式為：

ANN=Do/De（1）

式中，Do為實測要素與其最近鄰要素質心距離的平均值：

Do=∑di/n（2）

De為隨機分布模式下的距離期望值：

De=0.5/sqrt（n1/A）（3）

上面公式中，di表示要素i與其最鄰近要素之間的距離，n為研究區域內所有點要素總量，n1表示各類景點的數量，A為所在研究區域的面積。均勻分布情況下ANN大于1;隨機分布狀況下ANN接近于1;聚集分布模式下則ANN小于1。為了更好地反映出實際觀測的平均距離與期望值的差異程度，一般用正態分布進行檢驗，通過公式（4）（5）可以得到Z值及其置信水平：

Z值計算公式為：

Z=（Do-De）/SE（4）

SE計算公式為：

SE=0.26136/sqrt（n12/A）（5）

式中Z值為負且越小，則越能反映出點分布呈聚集狀態，反之則為離散分布。利用Arcgis10.2軟件導入熱門旅游景點shp類型的數據，并利用ArcToolBox工具箱中的分析模式進行相關分析，最終得到各類熱門旅游景點的ANN，并根據相關公式檢驗其顯著性，結果見表1。

由表1可知，上海市所有景點的ANN均不超過1，Z值為-14.06，呈現出顯著聚集狀態。其中Z值小于-2.58的僅有園林觀賞類，說明該類景點在空間上呈現出顯著聚集狀態;藝術欣賞類、歷史文化類以及科技文化類3類景點ANN接近（分別為0.88、0.87、0.85），Z值均小于-1，聚集分布的顯著程度不高，為聚集-隨機分布;休閑購物類ANN為1.00（p=0.97）、海派文化類景點ANN為0.94（p=0.49），且Z值分別為-0.38、-0.69，更加趨近于0，說明景點呈隨機分布狀態。

2.地理集中指數

地理集中指數能夠衡量研究對象的集中程度。如果地理集中指數G值越大，說明旅游景點分布越不平衡;反之，地理集中指數越小說明景點分布均衡化程度高。

G=100·sqrt∑（Xi/T）2（6）

其中，Xi為第i個子區的景區數量，T為研究區域景點總數量，Xi為子區域內景點總數。G取值范圍為小于100但大于1，分布越集中則G值越趨近于100;反之分布越分散，G值越趨近于1。

3.基于Ripley's K函數（多距離空間聚類分析）的空間尺度分析

為了展現出點空間分布依賴尺度的程度，Ripley通過K（d）函數來衡量相關結果，并廣泛地應用到地理學、景觀生態學中。K函數統計結果在很大程度上會由于研究區域面積大小的不同而產生差異。點所在研究區域面積大小不同，所呈現的點排列模式也有所差異，可劃分為聚類或離散。采用由Ripley所提出的點格局分析法，克服了只能從單一尺度進行空間分布格局分析的傳統方法所表現出的缺憾之處，不同空間尺度下地理實體的空間分布特征有所差異，由此所產生的分析結果更具有說明性和全面性。K（d）值則可以反映出景點在空間尺度上的分布格局，計算公式如下。

K（d）=A·∑（δij（d）/n2） （1

其中，A代表所研究區域面積;n表示研究區域內景點個數;d表示空間尺度，dij表示點i到點j之間的距離;當dij≦d時，δij（d）=1，反之則δij（d）=0;Besag提出用L（d）代替K（d），L（d）與

d的關系圖可以對多尺度空間格局進行分析與檢驗。簡化如下：

L（d）=sqrt（K（d）/π）-d（8）

點數據的分布類型通常由L（d）函數的偏離值大小來判斷。當L（d）<0時，為均勻分布;當L（d）=0時，屬于隨機分布;當L（d）>0時，L（d）值的大小與空間聚集性呈正相關。隨機分布下所得觀測K值落在置信區間范圍內;特定距離下如果K期望值位于K觀測值下方，則該分布的聚類程度比隨機分布更高;若K觀測值位于K預期值下方，則為離散分布;如果K觀測值位于置信區間上方，則說明該距離下為顯著空間聚類;反之為顯著空間離散。

二、結果分析

本文通過最近鄰分析計算達到上海熱門旅游景點的最近鄰指數為0.48，Z值為-14.06（p<0.05），證明上海旅游景點的空間聚集分布特征十分明顯。地理集中指數為16.98，表明景點分布集中，其中黃浦區、浦東新區的景點數量比重稍大。不同類型的旅游景點表現上有所差異，海派文化類、休閑購物類景點呈隨機分布狀態。經過分析可以發現，上海熱門旅游景點的空間分布格局以2.7km為起點，在0～27km的空間尺度范圍內，在遞增尺度為2.7km的空間上，景點的空間分布都呈現出聚集分布狀態。由3種空間點格局分析方法分析檢驗得出上海市熱門旅游景點整體空間分布為聚集狀態的結論。

三、結語

本文利用GIS空間分析和計量地理學方法對上海市旅游熱門景點的空間結構進行了初步探索與研究，計算了共6類200個熱門旅游景點的空間分布特征，所得結論如下：①以定量分析上海市熱門旅游景點為基礎可知，其具有顯著的空間聚集分布特征;②基于地理集中指數的分析可以看出熱門景點分布集中，且黃浦、浦東新區為主要的熱門旅游區域;③通過分析上海市熱門旅游景點可以發現景點分布格局依賴于特定的空間尺度，隨著尺度的變化，景點的空間聚集性也相應發生變化。

針對上海市熱門旅游景點分布不均衡，景點集中分布于個別區域中的情況，據核心—邊緣理論可在集聚區域發展多個旅游核心區域，利用核心區域高度集聚的有利條件來促進邊緣地帶發展，擴大區域旅游發展的廣度，逐步實現旅游發展均衡化。

（作者單位：上海師范大學環境與地理科學學院）