河南5A級景區網絡關注度時空演變特征與影響因素

王偉 呂婷婷 周曉冰

摘 要：基于百度指數平臺，分析了河南5A級景區網絡關注度在2015-2021年的時空演變特征與影響因素.研究結果表明：（1）河南5A級景區網絡關注度年際變化不大，集中分布在春夏季和早秋，月份呈現4月，8月，10月“三峰”狀變化；（2）從節假日變化來看，網絡關注度在“五一”“十一”假期呈現倒“U”形的曲線圖，假期前夕持續上升，假期初期達到峰值，隨后開始平緩下降至平穩狀態；（3）網絡關注度空間分布比較集中，主要分布在東南沿海地區以及河南省及周邊省市，近年來空間分布趨于分散，同時發現全國各省市居民更偏向于河南5A級景區的人文類景觀；（4）節假日、人口基數、互聯網普及率、經濟聯系強度等是影響河南5A級景區網絡關注度的重要因素.

關鍵詞：河南5A級景區；網絡關注度；時空演變特征；百度指數

中圖分類號：F590文獻標志碼：A

截至2021年底，我國有10.32億用戶接入了互聯網［1］，形成了全世界最大規模的數字社會，經濟社會生活正在發生顯著變化.隨著現代信息技術的不斷發展，網絡已經成為國民出游的重要輔助工具，人們在利用網絡搜尋旅游相關信息時，會在網絡上留下檢索痕跡，這些痕跡經過統計就形成了“網絡關注度”［2］.在“互聯網+”“智慧旅游”的時代背景下，探討旅游景區網絡關注度的時空演變特征及其影響因素，對旅游客流高峰預警、旅游項目開發、旅游市場營銷、旅游網絡輿情監測等工作的開展具有重要指導意義.

國外學者基于網絡搜索相關數據的研究成果較為豐富，最早出現在流行病的傳播監測方面［3］，隨后逐漸延伸到社會經濟領域，例如房地產行業的房屋銷量預測［4］、電影行業的影院入場率預測［5］等.近些年面向大數據的用戶搜索行為研究繼續呈現加速增長態勢，關于旅游網絡關注度的研究主要體現在通過構建在線旅游搜索的概念模型進行游客需求預測［6］、運用季節集中指數和社會網絡分析方法研究旅游客流的空間結構特征［7］以及借助變異系數和回歸分析等方法探討旅游者網絡搜索行為特征及影響因素［8］等.國內學者基于百度搜索數據的旅游網絡關注度研究主要集中在與游客流量的相關性分析，發現網絡關注度可以反映游客旅游需求［9］，并且預測旅游客流量，表現出“前兆效應”［10］；省域或市域不同景區網絡關注度的時空分異及其影響因素［11］；還有應用到旅游輿情［12］、旅游安全［13］、紅色旅游［14］、冰雪旅游［15］、旅游民宿［16］等研究領域.總體來看，學術界對于旅游網絡關注度研究給予了越來越多的關注，并且取得了較為豐碩的成果，但是研究時間尺度多在一年以內，研究案例地多為發達地區的熱門旅游景區，而以欠發達的中西部地區或城市為案例地并進行多年網絡關注度的研究相對較少.鑒于此，本文以百度指數為搜索平臺，基于2015-2021年河南5A級景區的搜索指數及其變化趨勢，著重探討河南5A級景區網絡關注度的時空分布特征及其影響因素，以期為河南旅游景區的科學管理提供有益參考.

1 數據來源與研究方法

1.1 數據來源

隨著一個生產數據、分享數據、應用數據時代的到來，可以研究關鍵詞搜索趨勢、需求圖譜、人群畫像等網民行為內容的百度指數已成為統計分析海量數據的重要平臺之一.基于百度指數平臺，本文分別以河南5A級景區的名稱作為搜索關鍵詞，對2015-2021年7年范圍內網絡關注度的時空演變特征和影響因素進行研究.根據搜索關鍵詞發現平頂山市中原大佛和南陽市恐龍遺跡園的代表性較弱，故剔除這兩個景區，保留剩下的18個景區，其中人文類有6個、自然類有12個，如表1所示.

1.2 研究方法

1.2.1 年際變動指數

年際變動指數是用來表明網絡關注度年際差異相對量變化的一種指標，根據網絡關注度年度指數的變化趨勢，計算網絡關注度在年份區間內的年際變動幅度，公式如下［11］：Y=Ni1n∑ni=1Ni，（1）

其中，Y為年際變動指數；Ni為第i年的網絡關注度年度指數；n表示年度數.Y值越接近100%，表明在研究年份區間內的景區網絡關注度越穩定，年際變動幅度越小.

1.2.2 季節強度指數

季節強度指數是研究旅游季節分布特征的一個重要指標，可用于開展網絡關注度時間分布集中度的量化研究.為研究月際分布的特征，根據網絡關注度月份指數的變化趨勢，計算網絡關注度的季節性變化幅度以及淡旺季分布差異，公式如下［7］：R=∑12i=1（xi-8.33）2/12，（2）

其中，R為季節強度指數；xi為各月指數占全年網絡關注度總數的百分比.隨著R值的增大，各個季節之間的差異越明顯，表現出集中程度高和淡旺季差距大；如果R值趨向0，則季節分布比較均勻，淡旺季差距不大.

1.2.3 周內分布偏度指數

周內分布偏度指數是在逐日網絡關注度累計曲線的基礎上建立起來的，用來探究網絡關注度在周時段內的集中分布特征，公式如下［17］：

T=100×27∑7i=1ixi-4，（3）

其中，T為周內分布偏度指數;xi為第i日網絡關注度占周內網絡總關注度總數的百分比.T值小于0，表明周內前半周的網絡關注度較為集中；T值大于0，表明周內后半周的網絡關注度比較集中；T值等于0，表明周內前后半周的網絡關注度呈對稱分布.

1.2.4 地理集中指數

地理集中指數是用來探究網絡關注度在空間分布上集中程度的一種指標，公式如下［16］：G=100×∑ni=1xiS2，（4）

其中，G為地理集中指數；xi為第i個省市的網絡關注度；S為所有省市網絡關注度的總和；n為省市數量.G值越接近100，表明景區網絡關注度的空間分布越集中，反之亦然.

2 景區網絡關注度時間演變及其影響因素

2.1 時間演變特征

2.1.1 年際分布特征

統計分析2015-2021年河南5A級景區年度網絡關注度發現（見圖1），網絡關注度整體上呈現上升趨勢，2015-2018年表現比較平穩，2019-2021年則有較大起伏，特別是近兩年受到新冠疫情的影響，2020年的網絡關注度整體偏低，2021年的網絡關注度雖然有所回升，但是波動比較大.還有網絡關注度變化趨勢具有較高的相似性，呈現“三峰”狀.“三峰”分布在4月，8月，10月這3個時段.總體來看，隨著河南5A級景區數量的不斷增多以及景區旅游吸引力的持續提升，全國各地對河南5A級景區的網絡關注度將會繼續保持上升態勢.

通過計算河南5A級景區網絡關注度的年際變動指數發現（見表2），2015-2017年的Y值接近100%，2018-2021年的Y值偏離幅度較大，其中2020年的Y值為研究年份跨度中最低值，2021年的Y值則迅速回升，說明新冠疫情對網絡關注度變化影響較大.整體而言，河南5A級景區網絡關注度年際變化趨勢相對穩定，部分年份的網絡關注度年際變動指數在100%上下波動.

2.1.2 季節變化特征

統計分析2015-2021年河南5A級景區月份網絡關注度發現，全年網絡關注度主要分布在春夏季和早秋.根據旅游客流季節劃分的標準［18］，經計算可得，河南5A級景區網絡關注度的旺季分布相對集中，平旺季時間長，主要為4月至10月，其他月份為淡季.通過進一步計算出2015-2021年河南5A級景區的季節強度指數，分別為8.246 71，8.246 69，8.246 69，8.246 69，8.246 76，8.246 69，8.246 73，如表3所示.計算數據顯示R值在整體上有增大趨勢，說明河南5A級景區網絡關注度有較為明顯的季節性差異，其中2015-2018年R值變化微小，說明這4年的季節性差異表現平穩，而2019年的季節性差異變化最大，集中程度最高.在新冠疫情時期，2020-2021年R值有所下降，但與整體水平差異不大.

從月份來看，近7年的網絡關注度均呈現波浪狀起伏變化，變化的走向與高度趨向一致，在4月，8月，10月分別達到局部高點，為3個高峰月份.從3月開始網絡關注度曲線呈持續上漲態勢，直到8月達到全年最高值，隨后開始下滑直至10月上旬反彈出現小高峰.比照國家法定假日和學生假期，每年的3個高峰月份分別與清明節和勞動節、暑假、國慶節等節假日和假期的時間段相對應.

2.1.3 節假日分布特征

如前所述，網絡關注度在清明節、五一勞動節、十一國慶節等法定節假日時間段出現了局部高峰期，因此選取五一勞動節、十一國慶節這兩個出游率高的時間段，來統計分析2015-2021年河南5A級景區節假日的網絡關注度分布特征.為了使節假日的網絡關注度研究更易比較，文中統一選定各年網絡關注度“五一”前后和“十一”前后的時間段，即4月26日至5月5日和9月27日至10月9日的逐日數值作為樣本分析數據，如圖2、圖3所示.

從圖2可知，2015-2021年河南5A級景區網絡關注度的整體變化趨勢趨向較為一致，但是2020年受新冠疫情影響較大，當時網絡關注度顯著降低，后期隨著疫情防控得當，旅游景區逐步向外開放，2021年“五一”前后的網絡關注度迅速回復常態.進一步對比分析七年的變化趨勢發現，2015年網絡關注度峰值出現在5月1日，2016年峰值出現在4月30日，2017-2019年峰值均出現在4月29日，2020年峰值不明顯，2021年峰值則出現在5月2日，總體來看，“五一”假期及前后網絡關注度的高峰期出現明顯前移的現象.這一現象與旅游出游人數在假期前期較少、在假期初期較多的分布形成鮮明對比，主要是由于互聯網的普及，人們在出游前先對“五一”出游計劃進行網上信息搜索，一般是前一至兩天搜索量達到了高峰值，展現出一種明顯的“前兆效應”.

從圖3所知，2015-2021年河南5A級景區網絡關注度總體上形成了一個倒“U”形的曲線圖.與“五一”相比，由于“十一”假期較長，網絡關注度的高峰期沒有出現在假期前兩天，而是出現在假期的中前期，那么旅游客流高峰很大可能出現在“十一”黃金周中前期.因此，旅游者為了規避旅游客流高峰，采取“錯高峰、分流游”的出游方案很有必要.

通過計算周內分布偏度指數發現，2015-2021年河南5A級景區網絡關注度的T值均小于0，說明網絡關注度集中分布在“十一”黃金周的前半周.之所以出現這種現象，主要得益于近年來移動互聯網技術的快速發展，人們外出旅游活動的準備時間越來越短，在旅途中調整出游計劃也越來越便捷，時空限制因素逐漸減弱，因而人們對旅游信息的搜索熱度聚焦于假期初期.

2.2 影響因素分析

相關研究表明，影響網絡關注度時間分布的因素眾多，包括氣候舒適度、節假日、休假制度、重要節事、景觀季節性、媒體曝光度等.其中，氣候舒適度是影響景區網絡關注度變化的重要因素，而溫濕指數則是衡量氣候舒適度的主要參照指標.溫濕指數（THI）的計算公式為：THI=（1.8t+32）-0.55（1-f）×（1.8t-26）.式中：t為攝氏溫度，f為相對濕度［19］.本文選取河南5A級景區所在城市累年各月份攝氏溫度和相對濕度計算求出相對應的溫濕指數并對其賦值，代表氣候舒適度，如表4所示.由于平時空閑時間多為碎片化時間，人們外出旅游時間多集中在周末休息日、國家法定節假日等時段，景區網絡關注度的變化因而還受到節假日的影響.借鑒國內學者提出的節假日虛擬因子［20］，通過對各月網絡關注度受節假日影響的大小進行賦值研究：我國法定節假日主要分布在一年中的1月，2月，4月，5月，6月，10月，還有7月和8月是暑假出游高峰期，分別賦值為0.25，0.25，0.75，0.50，0.50，1 .00，0.75，0.75，其余月份賦值為0.此外，景區的媒體曝光度會在一定時間內影響互聯網用戶對該景區的關注，另外選取百度資訊指數表示景區的媒體曝光度.

借助SPSS 22.0軟件，利用皮爾遜相關系數分析氣候舒適度、節假日、媒體曝光度對河南省5A級景區網絡關注度的影響，如表5所示.由此可知，在3個影響因素中，只有節假日變量在P=0.01水平上與河南5A級景區網絡關注度的月平均指數呈現顯著正相關，而氣候舒適度和媒體曝光度與河南5A級景區的網絡關注度之間均未呈現顯著相關性.

3 景區網絡關注度空間演變及其影響因素

3.1 空間演變特征

3.1.1 地理空間分布特征

通過百度搜索指數所提供的景區整體日均值網絡關注度，匯總整理少林寺、龍門石窟、清明上河園等18家河南5A級景區的關注度數值，計算出2015-2021年網絡關注度總量.為了清晰展示近幾年河南5A級景區網絡關注度市場等級的空間演變情況，通過借鑒國內旅游客源市場的分級標準［21］，按照各省份對河南省5A級景區的網絡關注度占全國總網絡關注度的比例進行客源市場等級劃分：即占比5%以上的為一級市場；占比（1%，5%）的為二級市場，其中占比［2.5%，5%）的為強二級市場，占比（1%，2.5%）的為弱二級市場；占比1%以下的為三級市場.

本文利用ArcGIS 10.2軟件，對2015，2017，2019，2021年各省份的網絡關注度市場進行可視化處理.由此可見，河南省5A級景區網絡關注度的一級市場除了聚焦于河南本省外，還集中在我國的東南沿海和中部地區，即京津冀、長三角、珠三角等經濟發達和互聯網普及率高的省份；西藏、青海、寧夏等西北省份由于經濟發展水平相對落后、互聯網使用人數不多，始終為對河南5A級景區網絡關注度貢獻偏低的三級市場；山西、陜西、湖北、安徽等河南周邊省份由于地理位置較近、交通便捷，一直保持為網絡關注度較為穩定的強二級市場，剩余其他省份則為弱二級市場.總體來看，2015-2021年河南省5A級景區網絡關注度的客源市場等級分布情況變化不大，除了2020-2021年受新冠疫情影響，網絡關注度有所下降外，近幾年全國各地對河南5A級景區的網絡關注度空間分布穩中有升，其中增長比較突出的有湖南、福建、海南等省份.

根據（4）式，計算河南5A級景區網絡關注度2015-2021年的地理集中指數，分別為24.829，25.660，25.280，24.250，23.796，23.363，23.356，總體上顯示河南5A級景區網絡關注度空間地理分布比較集中.不過從近7年G值有逐漸減小的趨勢來看，河南5A級景區網絡關注度的集中程度在緩慢下降，空間分布趨于分散.

3.1.2 偏好空間分布特征

景區網絡關注度是用戶通過百度平臺搜索景區相關信息所留下的搜索數量，用戶對某一個景區的網絡關注度數值越高，就說明對該景區的旅游偏好程度越高，因此，本文利用旅游偏好指數［22］的衡量指標來分析全國各地對河南5A級景區網絡關注度的偏好分布.河南5A級景區主要分為兩大類型，一類是人文類景觀，另一類是自然類景觀，為此，將2015-2021年我國各省市居民對河南相同類型的5A級景區的旅游偏好指數進行加總求和，可繪制旅游偏好空間分布圖.研究結果表明，河南、河北、山西等少數省份居民偏好于自然類景觀；湖北、遼寧、上海、陜西、天津等省市居民對自然類景觀和人文類景觀的偏好程度持平；其余省市居民偏好于人文類景觀.總體來看，雖然河南5A級景區中的自然類景觀數量比較多，但是人文類景觀更受全國各省市居民的關注和青睞，這與河南文化旅游的獨特魅力和吸引力相關.

3.2 影響因素分析

由于港澳臺用戶對河南5A級景區網絡關注度不高，并且獲取有關數據困難，故選取2019年31個省、市、自治區的樣本數據，運用回歸分析方法研究河南5A級景區網絡關注度的影響因素.其中，以各省、市、自治區網絡關注度為因變量，基于景區空間關注的特點與演化規律，推斷經濟發展水平、人口基數、互聯網普及率、空間距離、經濟聯系強度等因素會影響河南5A級景區網絡關注度的空間分布，故選用為自變量.①經濟發展水平：經濟發展水平高的地區，其居民出游意愿和出游率呈正相關關系［23］，對景區也會有更高的關注度.用人均GDP的數據值來衡量，記為X1；②人口基數：一般來說，人口基數越大的地區，其會顯著正向影響景區網絡關注度.用地區人口數量值來衡量，記為X2；③互聯網普及率：互聯網普及率越高的地區對景區網絡關注度也越強.用互聯網普及率百分比來衡量，記X3；④空間距離：目的地和客源地之間的空間距離，在一定程度上會影響到用戶對景區的關注度.用經緯度計算空間距離來衡量，記為X4；⑤經濟聯系強度：目的地與客源地之間的經濟聯系一般也會影響景區的關注度.用經濟強度引力模型計算經濟發展合作水平來衡量，記為X5.

利用所獲得的指標數據進行皮爾遜相關性分析，發現景區網絡關注度與經濟發展水平、人口基數、互聯網普及率、經濟聯系強度呈正相關關系，與空間距離呈負相關關系，相關系數分別為0.233，0.652，0.118，0.915，-0.558，其中人口基數、空間距離、經濟聯系強度呈顯著相關性，P值均小于0.01.

借助SPSS 22.0軟件，將以上影響指標因素進行逐步回歸模型分析，如表6所示.在逐步回歸過程中，由于存在多重共線性問題，經濟發展水平、空間距離兩個變量先后被剔除.由表6可以看出，人口基數、互聯網普及率、經濟聯系強度3個解釋變量都達到了較好的回歸效果，并且在P值小于0.01的水平下是顯著的.通過VIF值（小于2）、D-W值（1.859）、殘差正態性、方差齊性等檢驗，可建立回歸模型為：Y=-708 535.949+64.537X2+17 347.308X3+183.777X5.式中，R2=0.975，Adjusted R2＝0.973，并且在0.05的顯著性水平上通過了檢驗，說明回歸方程擬合優度高，模型整體線性關系顯著.從回歸結果來看，經濟聯系強度對河南5A級景區網絡關注度的影響最大，其次是人口基數，最后是互聯網普及率.

4 結論與建議

4.1 結論

從年際變化來看，河南5A級景區網絡關注度存在年度差異，特別是2020年受到新冠疫情的嚴重沖擊，網絡關注度整體偏低，不過總體上各年整體變化趨勢具有較高的相似性，且呈現穩定上升趨勢；從季節變化來看，河南5A級景區的網絡關注度具有明顯的季節性差異，主要集中在春夏季和早秋，此外各月份分布也不均勻，呈現4月，8月，10月“三峰”狀變化，具有旺季集中，平旺季時間長的特點；從節假日變化來看，河南5A級景區網絡關注度在“五一”“十一”假期呈現倒“U”形的曲線圖，假期前夕持續上升，假期初期達到峰值，隨后開始平緩下降，節后逐漸趨于一個比較平穩的狀態.

河南5A級景區網絡關注度在空間分布上比較集中，主要分布在河南省及周邊省市，以及經濟發達和互聯網普及率高的東南沿海地區.同時，隨著地理集中指數的逐年減小，網絡關注度空間分布集中程度在緩慢下降，空間分布亦趨于分散.還有通過旅游偏好指數分析來看，我國各省市居民更偏向于河南5A級景區的人文類景觀.

河南5A級景區網絡關注度受節假日因素的影響顯著.基于逐步回歸分析發現，人口基數、互聯網普及率、經濟聯系強度對網絡關注度均有顯著正向影響，而經濟聯系強度是影響網絡關注度空間分布的最主要因素.

4.2 建議

了解和掌握河南5A級景區網絡關注度的時空演變特征與影響因素，可以為旅游景區的運營管理提供參考.在網絡關注度爬升的清明節、“五一”、暑假、“十一”等旅游旺季時段，重點監測旅游景區網絡信息的搜索需求，提前預判旅游景區游客高峰時段，加強自身的傳播力度并及時與新聞媒體溝通交流，以降低或杜絕旅游景區容量高峰或飽和所帶來的負面影響.此外，受節假日影響大的旅游景區，可以在平淡季增加優惠等措施引導客流，受氣候舒適度影響大的旅游景區，還可以開發淡季旅游新產品來吸引游客；同時，根據網絡關注度的空間差異性可以制定不同的旅游營銷策略，針對性、最大化地吸引不同地區的旅游者，為河南5A級景區源源不斷地輸送旅游客源.還有對人口基數大、互聯網普及率高以及經濟聯系強度大等地區，旅游景區更應該密切監測網絡關注度的變化，做到趨利避害、揚長避短，這樣才能不斷壯大自身發展.

參 考 文 獻

［1］ ?中國互聯網絡信息中心.第49次中國互聯網絡發展狀況統計報告［EB/OL］.［2022-02-25］.http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202202/t20220225_71727.htm.

［2］馬麗君，龍云.基于網絡關注度的湖南省居民旅游需求時空特征［J］.經濟地理，2017，37（2）：201-208.

MA L J，LONG Y.Spatiotemporal characteristics of residents tourism demand for typical scenic spots in Hunan province based on network attention［J］.Economic Geography，2017，37（2）：201-208.

［3］GINSBERG J，MOHEBBI M H，PATEL R S，et al.Detecting influenza epidemics using search engine query data［J］.Nature，2009，457（19）：1012-1014.

［4］WU L，BRYNJOLFSSON E.The future of prediction：how Google searches foreshadow housing prices and sales［C］//NBER Conference Technological Progress & Productivity Measurement.［s.l.：s.n.］，2009.

［5］CHRIS H，GUY J.Searching for the picture：forecasting UK cinema admissions using Google Trends data［J］.Applied Economics Letters，2012，19（11）：1051-1055.

［6］PAN B.Online information search：vacation planning process［J］.Annals of Tourism Research，2006，33（3）：809-832.

［7］LIU Y W，LIAO W.Spatial characteristics of the tourism flows in China：a study based on the Baidu index［J］.ISPRS International Journal of Geo-Information，2021，10（6）：378-396.

［8］YAO J S，LIU Y L.Study on spatial-temporal characteristics and influencing factors of network attention：the case of Guilin，China［J］.Journal of Physics Conference Series，2020（12）：7-15.

［9］王秋龍，潘立新，呂儉，等.基于網絡關注度的安徽省居民省內旅游需求時空特征分析［J］.地域研究與開發，2021，40（1）：120-125.

WANG Q L，PAN L X，LYU J，et al.Spatio-temporal characteristics analysis for residents tourism demand in Anhui Province based on network attention［J］.Areal Research and Development，2021，40（1）：120-125.

［10］李山，邱榮旭，陳玲.基于百度指數的旅游景區網絡空間關注度：時間分布及其前兆效應［J］.地理與地理信息科學，2008，24（6）：102-107.

LI S，QIU R X，CHEN L.Cyberspace attention of tourist attractions based on Baidu index：temporal distribution and precursor effect［J］.Geography and Geo-Information Science，2008，24（6）：102-107.

［11］梁改童，高敏華，白洋.新疆5A級旅游景區網絡關注度時空分布特征研究［J］.西北師范大學學報（自然科學版），2021，57（2）：118-126.

LIANG G T，GAO M H，BAI Y.A study on the spatial and temporal distribution characteristics of the network attention degree of 5A tourist attractions in Xinjiang［J］.Journal of Northwest Normal University（Natural Science），2021，57（2）：118-126.

［12］馬麗君，馬曼曼.“天價蝦”事件對青島旅游網絡關注度的影響［J］.資源開發與市場，2018，34（1）：83-87.

MA L J，MA M M.Influence of “Tianjiaxia” events to Qingdao tourism network attention［J］.Resource Development & Market，2018，34（1）：83-87.

［13］鄒永廣，林煒鈴，鄭向敏.旅游安全網絡關注度時空特征及其影響因素［J］.旅游學刊，2015，30（2）：101-109.

ZOU Y G，LIN W L，ZHENG X M.Spatial-temporal characteristics and influential factors of network attention to tourism security［J］.Tourism Tribune，2015，30（2）：101-109.

［14］焦珊珊，李明，田逢軍，等.中國紅色旅游經典景區網絡關注度分布格局及驅動機制［J］.經濟地理，2022，42（1）：211-220.

JIAO S S，LI M，TIAN F J，et al.Distribution pattern and driving mechanism of network attention of Chinese red tourism classic scenic spots［J］.Economic Geography，2022，42（1）：211-220.

［15］劉悅，呂興洋，周曉麗.冰雪旅游景區網絡關注度和實際客流量之間的關系研究：以成都西嶺雪山景區為例［J］.山西師范大學學報（自然科學版），2021，35（4）：96-102.

LIU Y，LYU X Y，ZHOU X L.Study on the relationship between network attention and actual passenger flow in ice and snow tourism scenic spots：taking Xi-Ling snow mountain as an example［J］.Journal of Shanxi Normal University（Natural Science Edition），2021，35（4）：96-102.

［16］馮曉兵.中國民宿網絡關注時空特征及影響因素研究［J］.世界地理研究，2022，31（1）：154-165.

FENG X B.A study on the spatial and temporal characteristics of network attention and its influencing factors of China's homestay［J］.World Regional Studies，2022，31（1）：154-165.

［17］劉澤華，李海濤，史春云，等.短期旅游流時間分布對區域旅游空間結構的響應：以云南省黃金周旅游客流為例［J］.地理學報，2010，65（12）：1624-1632.

LIU Z H，LI H T，SHI C Y，et al.The response of short term tourist flows to spatial structure of regional tourism：a case study of tourist flows of Yunnan in golden weeks［J］.Acta Geographica Sinica，2010，65（12）：1624-1632.

［18］盧松，陸林，王莉，等.古村落旅游客流時間分布特征及其影響因素研究：以世界文化遺產西遞、宏村為例［J］.地理科學，2004，24（2）：250-256.

LU S，LU L，WANG L，et al.Temporal characteristics of tourist flows to ancient villages：a case study of two world cultural heritages，xidi village and Hongcun village［J］.Scientia Geographica Sinica，2004，24（2）：250-256.

［19］季國斌，劉明月，施偉秋，等.國家濕地公園網絡關注度時空特征與影響因素研究：以西溪國家濕地公園為例［J］.生態經濟，2020，36（8）：133-138.

JI G B，LIU M Y，SHI W Q，et al.Research on the spatial-temporal characteristics and influencing factors of network attention for national wetland park：a case study of Xixi national wetland park［J］.Ecological Economy，2020，36（8）：133-138.

［20］常直楊，李俊樓.基于網絡關注度視角下旅游需求時空特征及其影響因素研究：以周莊古鎮為例［J］.電子商務，2020（12）：1-5.

CHANG Z Y，LI J L.Study on the temporal and spatial characteristics of tourism demand and its influencing factors from the perspective of network attention：a case study of Zhouzhuang Ancient Town［J］.Electronic Commerce，2020（12）：1-5.

［21］丁正山.南京國內旅游流時空演變研究［J］.旅游學刊，2004，19（2）：37-40.

DING Z S.A research on the space-time evolution of the domestic tourist flow in Nanjing［J］.Tourism Tribune，2004，19（2）：37-40.

［22］孫根年.國際旅游支付方程、支付等級與旅游偏好［J］.地理學與國土研究，2001，17（1）：50-54.

SUN G N.International tourism payment equation，payment grade and tourism inclination［J］.Geography and Territorial Research，2001，17（1）：50-54.

［23］楊金華，章錦河，儲光.新冠疫情下旅游品質感知與幸福感增強邏輯：基于衡陽居民本地出游的調查及主體間性自省［J］.人文地理，2021，36（3）：167-174.

YANG J H，ZHANG J H，CHU G.The logic of quality perception and well-being enhancement in tourist destinations under covid-19：based on the survey of tourism activities in the surrounding areas of Hengyang residents and intersubjective introspection［J］.Human Geography，2021，36（3）：167-174.

Spatial-temporal evolutionary characteristics and influencing factors of network attention to 5A scenic spots in Henan province

Wang Weia， Lü Tingtinga， Zhou Xiaobinga，b

（a. Research Center of Energy Economy; School of Business Administration; b. School of Emergency Management， Henan Polytechnic University， Jiaozuo 454003， China）

Abstract： Based on Baidu index platform， this paper analyzed spatial-temporal evolutionary characteristics and influencing factors of network attention to 5A scenic spots in Henan province from 2015 to 2021. The results showed that：（1）The network attention of 5A scenic spots in Henan province had little inter-annual change， and was centrally distributed in spring， summer and early autumn. There were three peaks of months change in April， August， and October. （2）From the perspective of changes in holidays， the network attention showed an inverted U-shaped curve during May Day and National Day. It continued to rise on the eve of the holiday， reaching a peak at the beginning of the holiday， and then gradually declined to a steady state. （3）The spatial distribution of network attention is relatively concentrated， mainly in the southeast coastal area and Henan province and surrounding provinces. However， the spatial distribution tended to be scattered in recent years. At the same time， it was found that tourists were more inclined to the humanistic landscape of 5A scenic spots of Henan province. （4）Holiday， population base， internet availability rate and economic connection strength were important factors that affected the network attention of 5A scenic spots in Henan province.

Keywords： 5A scenic spots in Henan province; network attention; spatial-temporal evolutionary characteristics; Baidu index

［責任編校 陳留院 趙曉華］

收稿日期：2022-03-18;修回日期：2022-06-01.

基金項目：國家自然科學基金（41901176）；河南省重點研發與推廣專項軟科學研究項目（222400410449）；河南省教育科學規劃課題（2021YB0086）.

作者簡介：王偉（1984-），男，河南光山人，河南理工大學副教授，博士，研究方向為旅游經濟，E-mail：twangwei@hpu.edu.cn.

通信作者：周曉冰（1983-），女，河南漯河人，河南理工大學博士研究生，研究方向為旅游安全，E-mail：zxb@hpu.edu.cn.