武漢市國內旅游客源市場空間區域熱點探析

徐松華

(武漢商學院 武漢旅游研究院，湖北 武漢 430056)

2014年以來，武漢市國內游客人數增長明顯放緩，年均增長率回調至20%以內，武漢市國內游客市場也隨著經濟新常態的變化，步入客源結構調整的新階段. 地理學意義上的“熱點”具有高值且被其他同樣具有高值的要素所包圍，并具有顯著統計學意義的地理要素. 單個高值要素往往容易引起注意，但可能不具有統計學顯著性意義. 因此，準確識別具有統計學意義的武漢市國內游客市場的熱點區域，探討客源分布的集中區域，對于武漢市制定針對性的客源開拓戰略、高效拓展客源市場具有十分重要的意義.

國外對旅游客源市場的空間分布研究，主要集中在旅游者的空間位移及分布特征[1-2]. 國內學者比較關注的是旅游客源市場空間結構及演化規律[3-8]，研究方法也由簡單的數量描述性研究逐漸轉向利用地理集中指數、客源地吸引半徑等地理指標體系來度量旅游地客源的空間聚集形態和程度，以及使用距離衰減、引力結構等模型對旅游地客源市場空間結構特征進行研究. 總體來看，國內學者都將距離衰減規律作為研究的基本假設，多采用地理集中指數、客源吸引半徑、引力模型等定量研究的方法. 熱點分析是基于空間自相關理論，可以有效識別具有統計學意義上的地理要素的高值或低值屬性的聚集區域，被廣泛應用于零售設施、犯罪活動等方面的空間分布研究[9-13]. 本文以地(市)級區域為空間研究尺度，將武漢市國內游客市場分為329個地市客源區域，在構建空間權重矩陣的基礎上，運用熱點分析法(Getis-Ord Gi*統計指數)來識別武漢市國內游客分布的熱點區域，以期為武漢市國內游客市場的開拓提供理論指導.

1 研究設計

1.1 研究區域

武漢國內游客來自國內31個省份(不含港澳臺地區)，但本文剔出了湖北省內游客，僅限于以湖北省外的國內游客為研究對象. 將北京、上海、天津和重慶四個直轄市，按市區和郊區劃分為8個地(市)級區域，海南劃分為海口、三亞和其它縣市3個地(市)級區域，其它省區根據現有行政區劃，劃分為318個地(市)級區域. 所以，武漢市國內游客市場因此被劃分為329個地(市)級游客市場. 此外，在研究期內(2012年3月—2018年10月)，海南省于2015年新設三沙市，但三沙市的設立對武漢市國內游客市場結構影響很小，在此忽略之，故武漢仍為329個地(市)級國內游客市場.

1.2 數據來源及準備

首先利用ARCGIS在線服務功能，獲取全國行政區劃圖，經地理配準和校正，依前述區劃法將全國30個省市區劃分為329個地(市)級研究區域，隨后為各研究區域添置“行政代碼”屬性字段和賦值，以形成工作底圖. 然后以2012—2018年《武漢國內旅游抽樣調查問卷資料》為數據源，通過Spss提取游客“客源地”“年份”和“游客數”等屬性數據，最后通過ArcGIS 10.2中將空間數據導入工作底圖，并計算武漢329個地(市)級游客市場的份額，從而構建2012—2018年武漢市國內游客的地理分布數據庫.

1.3 研究方法

1.3.1 多距離空間聚類(Ripley’s K函數分析)Ripley’sK函數可對一定距離范圍內的空間相關性(要素聚類或擴散)進行匯總，以探討要素的空間聚集擴散隨鄰域大小變化的規律. Ripley’sL(d)函數是Ripley’sK(d)函數的一種常見變體，具體定義如式(1)：

(1)

式(1)中，d是預期距離，n為研究區域內游客市場數量，A代表研究區面積，dij為游客市場之間的距離，Wi，j為權重(當dijd，Wi，j=0). 此外，DiffK定義如式(2)：

DiffK=L(d)-d

(2)

如果DiffK>0，則觀測距離L(d)相對于預期距離d(分析尺度)的隨機分布的聚類程度更高. 如果DiffK<0，則觀測距離L(d)相對于預期距離d的隨機分布的離散程度更高. 如果DiffK取得最大值且L(d)大于置信區間上限(HiConfEnv)值，則該距離的空間聚類程度最高且具有統計顯著性. 如果DiffK取得最小值且L(d)小于置信區間下限(LwConfEnv)值，則該距離的空間離散程度最高且具有統計顯著性.

1.3.2 局域Getis-Ord Gi*指數法(熱點分析)Getis-Ord Gi*統計量由Getis和Ord提出并進一步修改，是一種基于距離權矩陣的局部空間自相關指標，能探測高值聚集和低值聚集. 通過得到的z得分和p值，可以探查高值或低值要素在空間上發生聚類的位置，高值聚集區稱為熱點區，低值聚集區稱為冷點區. Getis-Ord Gi*計算公式如式(3)：

(3)

其中，Xj是要素J的屬性值，Wi，j是要素i和j之間的空間權重，且Xj的平均值和標準差定義如式(4)：

(4)

由于Gi*統計的是Z的得分，無需進一步轉換計算. 如果要素z得分高且p值小，則表示存在一個高值的空間聚類. 如果z得分低并為負數且p值小，則表示存在一個低值的空間聚類.z得分越高(或越低)聚類程度就越大. 如果z得分接近于零，則表示不存在明顯的空間聚類. 本文依據329個地(市)級的市場份額來計算武漢市國內游客空間分布的熱點聚集區特征.

溫室氣體排放強度：農田“單位產量的GWP”-溫室氣體強度（Greenhouse Gas Intensity，GHGI），表示農業中生產單位產量的糧食對氣候的影響（Li et al.，2004；Mosier et al.，2006；Qin et al.，2010；Shang et al.，2011）。根據公式：

1.4 技術路線

本文以武漢市國內游客地理分布數據庫為基礎，運用增量空間自相關、熱點分析等空間統計學方法，定量測度武漢市客源市場的空間作用距離和329個地(市)級游客市場之間的空間關系，并探究武漢市國內游客的熱點區域位置和空間分布特征. 各項研究的邏輯關系如圖1所示.

2 結果與分析

2.1 統計性描述

2012—2018年武漢市國內地(市)級游客市場的基本統計結果如表1所示，可以看出，武漢市國內游客市場的份額從2012年的7.28%下降至2018年的6.31%，且呈持續下降的趨勢；4年間的標準差和偏度均呈減小的趨勢；但均值和中位值相對穩定，變化不大. 這6項統計指標綜合反映了武漢市國內游客市場空間分布差異趨于縮小，客源空間分布呈均衡發展的態勢.

表1 武漢市國內游客市場份額描述統計結果

2.2 確定空間距離閥值

為了進一步研究觀測距離是如何影響武漢國內游客各地(市)級客源市場空間作用的關系，運用ArcGIS 10.2中多距離空間聚類分析(Ripleys K函數)工具進行分析，選用L(d)作為K函數的變換形式. 經過多次探索性分析后，將起始距離設定為680 km，共進行16次迭代運算，每次迭代距離增量為1 km. 結果表明：觀測距離L(d)對各游客市場的空間分布影響明顯，當觀測距離等于826.24 km時，觀測距離和預期距離的差值DiffK達到最大，如圖2所示，而且觀測距離L(d)均大于置信區間的高值HiConfEnv，這表明各游客市場聚類程度最高，空間作用關系較強；超過826.24 km后，各游客市場聚類程度都存在不同程度的減小，在空間上不能聚為同類. 因此，826.24 km是武漢市國內游客市場空間聚類的最合適距離，可以將該距離作為各游客市場空間關系存在的空間距離閥值.

圖2 武漢市國內游客分布多距離空間聚類圖

2.3 構建空間權重矩陣

空間權重矩陣是對地理要素之間存在的空間關系的一種量化，并通過距離計算，以N階稀疏矩陣的形式存在. 每個要素只有一行和一列，行/列要素交叉組合值即為權重，予以量化這些行要素和列要素之間的空間關系. 本文采用可變權重來量化數據要素之間的空間，通過反距離方法測度鄰近要素有不同量級的空間作用或影響，并通過賦值不同權重來反映該變化. 空間權重矩陣R具體算法如式(5)：

(5)

式(5)中，D是距離度量，d是空間距離閥值.

利用ARCGIS軟件，選擇反距離法來定義要素之間的空間關系，并將P設為默認值1，空間閥值設為826.24 km，成功運行后則構建了武漢市國內游客分布的地(市)級客源市場空間權重矩陣，該矩陣的主要統計信息如表2所示.

表2 武漢市國內游客市場空間權重矩陣統計結果

其中，西藏阿里地區近鄰數最少，只有1個和田地區；河南駐馬店市近鄰數最多、為115，主要原因是西藏阿里地處邊境，周邊地市分布稀少且區域寬廣；而河南駐馬店地處中國內陸腹地，有“天中”之稱，周邊地市分布密集，因此，在826.24 km范圍內，西藏阿里近鄰數最少，河南駐馬店市近鄰數最多. 由于對空間權重矩陣進行了標準化，空間權重值受近鄰數的影響較大，在826.24 km范圍內近鄰要素越少，各近鄰要素分獲的空間權重值就越大. 所以西藏阿里地區只有1個近鄰和田地區，之間的空間權重值為最大權重值1. 值得注意的是，空間權重值大小只能反映近鄰要素空間影響的差異，不同要素的空間權重值相比較沒有實際意義.

2.4 熱點市場分析

為了進一步研究武漢市國內游客熱點市場的位置及空間分布特征，借助ArcGIS 10.2熱點分析工具(Getis-Ord Gi*)，使用上述生成的武漢市國內游客市場空間權重矩陣，分年度依次以329個地(市)級游客市場為研究單元，以市場份額為分析字段予以熱點分析. 將Z值進行可視化表達，得出Z得分大于1.96且符合95%置信度(概率似然值P<0.05)的熱點市場分布如圖3(來源于國家基礎地理信息中心“1∶100萬全國基礎地理數據庫”)所示.

圖3 2012—2018武漢市國內游客熱點城市分布演變

2.4.1 武漢市國內客源熱點區域分布相對穩定如表3所示，2012—2018年，武漢市國內游客熱點市場數量依次為12、12、13、14，市場份額依次為39.58%、40.28%、42.59%、42.21%，均穩步增長，而且各熱點市場分布區域變動較小，在此期間，北京市區、鄭州、成都、長沙、南昌、杭州、南京、廣州、深圳、西安和上海均為熱點城市，是武漢市國內客源分布的核心熱點區域. 這表明武漢市國內游客空間分布既相對穩定，又存在局部的結構化調整，游客來源向多中心市場擴散，武漢市國內游客市場發展更為均衡. 這與前面描述性統計分析相一致，進一步驗證了武漢市國內游客存在多中心擴散的態勢.

表3 武漢國內游客市場熱點分析Z值情況

2.4.2 武漢市國內游客熱點區域在空間上呈近似“橢圓狀”分布武漢市國內游客熱點市場有11個沿“橢圓狀”分布在武漢周邊(以2018年例)，如圖4(來源于國家基礎地理信息中心“1∶100萬全國基礎地理數據庫”)所示. 從東西長軸方向上，東端是上海、西端是成都，從南北短軸方向上，南端是長沙、北端是鄭州. 該橢圓上的熱點城市主要是湖北鄰近的省級客源中心，由于滬蓉沿江高鐵運輸效應的逐步顯現，橢圓長軸方向上的上海、南京、合肥、重慶和成都5大城市的熱點效應會進一步加強. 經由地理計算，發現該橢圓長軸為980 km，短軸為400 km，11個熱點城市直線距離武漢市大約在300～500 km范圍內. 另外，深圳、廣州和北京3個熱點市場，在南北方向上分布于橢圓兩端，遙相呼應.

圖4 武漢國內游客熱點城市空間分布特征

2.4.3 以熱點市場為中心，武漢市國內游客市場形成6大客源聚集區地理學意義上的熱點被高值圍繞，因此，各熱點市場及其周邊區域，均是游客市場份額較高的區域. 運用ArcGIS 10.2鄰域和分組分析工具，對武漢市14個熱點城市進行空間分組發現，武漢市形成了以廣州、深圳為中心的“珠三角”國內游客客源區，以長沙、南昌為中心的“湘贛”國內游客客源區，以上海、杭州、南京、合肥為中心的“長三角”國內游客客源區，以成都、重慶為中心的“川渝”國內游客客源區，以鄭州、西安為中心的“陜豫”國內游客客源區，以北京為中心的“京津冀”國內游客客源區，如圖5(來源于國家基礎地理信息中心“1∶100萬全國基礎地理數據庫”)所示. 這六大客源區包括76個地(市)級客源區域，客源總占比高達57.98%，是武漢市國內游客分布的核心區域.

3 結論與建議

3.1 結論

借助ArcGIS 10.2分析軟件，運用多距離空間聚類、空間權重矩陣及熱點分析等空間分析方法，對武漢市國內游客空間分布進行研究，得出以下主要結論.

1)熱點分析相較于局部空間自相關分析，更能有效地探測武漢市國內游客分布的高值聚集區，并通過Z值大小比較高值聚集的程度.

2)得出武漢市國內游客熱點分布區域的空間規律，在2012—2018年間，武漢市國內客源熱點區域分布相對穩定，在空間上沿武漢周邊300～500 km范圍內呈近似“橢圓狀”分布.

3)發現武漢市國內游客分布的集中區，即武漢市國內近60%的游客集中分布在以主要熱點城市為核心的“長三角”“湘贛”“陜豫”“珠三角”“川渝”和“京津冀”六大客源區域.

3.2 建議

根據上述研究結論，對武漢市國內游客市場的發展提出如下建議.

1)根據空間分布特征，武漢市需要加快沿江高鐵、“西武”高鐵、“南武”高鐵的工程建設，完善米字型的高鐵網狀結構，實現“長三角”“湘贛”“豫陜”和“川渝”四大客源富集區游客在3小時內可抵達武漢，有效地減小距離的阻尼作用，從而鞏固“長三角”和“湘贛”客源市場，拓展陜西、四川和重慶的客源市場.

2)積極培育新的熱點城市. 一方面重點拓展重慶和合肥市場，鞏固二者的熱點城市地位；另一方面積極開發石家莊和廈門的客源市場，將之培育成為武漢市國內游客的新熱點市場. 武漢市國內游客市場開發要在滲透中拓展客源，以點帶面，從而促進客源市場的均衡發展.

3)將“京廣”高鐵線打造成黃金客源線. 借助北京、廣州和深圳在南北兩翼的客源引擎作用，突出長沙、鄭州的區域勾連和輻射作用，重點開發韶關、衡陽、岳陽、信陽、漯河、邯鄲和保定等次級游客市場，將“京廣”高鐵線打造成武漢國內旅游的黃金客源線.

總之，本文利用熱點分析工具，對武漢市國內游客空間分布的聚集區域進行了定量研究，描述其空間的分布特征. 但限于篇幅，未討論形成該空間分布的成因及影響機制，后期將加強調查，搜集資料，運用地理加權回歸等空間統計學方法進一步開展相關研究. 此外，武漢市依托熱點市場形成的國內游客聚集區的空間范圍也有待后續的深入探討.