成都市A 級(jí)旅游景區(qū)空間分布及可達(dá)性研究

馮子豪，李 慧，劉振渤，杜青松，楊玉潔

（西華大學(xué)汽車與交通學(xué)院，成都 610039）

隨著我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展，旅游業(yè)作為國(guó)民經(jīng)濟(jì)重要支柱產(chǎn)業(yè)，對(duì)維護(hù)經(jīng)濟(jì)健康有序發(fā)展具有重要促進(jìn)作用，也逐漸成為衡量區(qū)域經(jīng)濟(jì)發(fā)展的重要指標(biāo)之一[1-2]。國(guó)內(nèi)外關(guān)于不同等級(jí)和類型旅游景區(qū)的空間分布[3-4]及可達(dá)性[5]依舊是相關(guān)研究的熱點(diǎn)。

學(xué)者運(yùn)用了多種方法對(duì)旅游景區(qū)空間分布進(jìn)行探究，例如核密度分析[6]、平均最近鄰分析[7]、空間自相關(guān)分析[8]，此類方法多從地理空間角度揭示景區(qū)的空間分布規(guī)律；此外，部分學(xué)者通過(guò)構(gòu)建數(shù)學(xué)分析模型[9]、聚類分析[10]等揭示景區(qū)空間結(jié)構(gòu)在發(fā)展過(guò)程中的不同影響因素。景區(qū)空間可達(dá)性分析多考慮區(qū)域內(nèi)游客到景區(qū)的難易程度[11]，其研究方法較多，其中緩沖區(qū)分析法[12]、兩步移動(dòng)搜索法[13]、網(wǎng)絡(luò)分析法[14]等廣泛應(yīng)用于旅游規(guī)劃領(lǐng)域。緩沖區(qū)分析法具有計(jì)算簡(jiǎn)便的特點(diǎn)，但忽略了實(shí)際路網(wǎng)分布對(duì)可達(dá)性的影響；網(wǎng)絡(luò)分析法雖考慮到路網(wǎng)交通距離的問(wèn)題，但可達(dá)性結(jié)果精確度存在不足[15-16]；基于此，部分學(xué)者利用網(wǎng)絡(luò)地圖API 構(gòu)建出行路徑，批量獲取出行時(shí)間和距離作為旅行成本，充分考慮實(shí)時(shí)路況對(duì)出行造成的影響，可達(dá)性測(cè)算經(jīng)度得到較大提升[17]。

受自然、社會(huì)、經(jīng)濟(jì)、文化和交通等諸多要素影響，旅游景區(qū)在空間分布、可達(dá)性上往往呈現(xiàn)出異質(zhì)性。本文以成都市A 級(jí)景區(qū)為研究對(duì)象，利用GIS 空間分析法分析景區(qū)空間分布特征，調(diào)用高德地圖API 獲取交通出行數(shù)據(jù)，利用時(shí)間成本對(duì)景區(qū)可達(dá)性進(jìn)行分析，并以空間自相關(guān)分析法為基礎(chǔ)，探究景區(qū)可達(dá)性的空間集聚特性。

1 研究?jī)?nèi)容與方法

1.1 研究區(qū)概況

成都市是四川省省會(huì)、副省級(jí)市，是全國(guó)著名的重點(diǎn)風(fēng)景旅游城市，地處亞熱帶季風(fēng)氣候區(qū)，氣候宜人，旅游資源豐富。成都市轄區(qū)按行政區(qū)劃分為12 個(gè)區(qū)、5個(gè)縣級(jí)市、3 個(gè)縣，全市土地面積為14 335 km2。

1.2 數(shù)據(jù)來(lái)源與預(yù)處理

截至2022 年底，成都市共有國(guó)家A 級(jí)景區(qū)92個(gè)，其中，5A 級(jí)景區(qū)2 個(gè)；4A 級(jí)景區(qū)50 個(gè)；3A 級(jí)景區(qū)27個(gè)；2A 級(jí)景區(qū)12 個(gè)；1A 級(jí)景區(qū)1 個(gè)。通過(guò)高德地圖地理編碼工具獲取92 個(gè)A 級(jí)景區(qū)的相關(guān)地理信息，利用ArcGIS 軟件經(jīng)坐標(biāo)轉(zhuǎn)換后得到景區(qū)的分布位置如圖1（a）所示。

從OpenStreetMap 官網(wǎng)獲取2021 年路網(wǎng)數(shù)據(jù)，篩選出成都市高速公路、快速路、主干路和次干路，通過(guò)ArcGIS 軟件對(duì)道路進(jìn)行拓?fù)涮幚怼?/p>

研究所需人口數(shù)據(jù)來(lái)源于成都市第七次全國(guó)人口普查。既有研究表明，運(yùn)用泰森多邊形平滑得到的人口密度分布更接近研究區(qū)域內(nèi)人口的空間分布狀況[18]，因此，為更加準(zhǔn)確地反映成都市人口分布狀況，以各社區(qū)、村行政中心為人口中心點(diǎn)生成泰森多邊形，進(jìn)而得到成都市人口密度分布如圖1（b）所示。

1.3 研究方法

1.3.1 核密度分析

核密度分析法（Kernel Density Estimation，KDE）可以分析要素樣點(diǎn)數(shù)據(jù)的集聚或離散狀況，是探討空間屬性數(shù)據(jù)分布規(guī)律的基本方法[19]。本文利用該方法通過(guò)核密度屬性來(lái)探究成都市A 級(jí)景區(qū)的空間分布特征，其計(jì)算公式為

式中：f（x）為核函數(shù)的取值；n為搜索閾值范圍內(nèi)要素點(diǎn)的個(gè)數(shù)；w為帶寬的閾值；ai為要素點(diǎn)的空間距離，f（x）的取值越大代表要素點(diǎn)分布越密集。

1.3.2 標(biāo)準(zhǔn)差橢圓分析

Lefever 在1926 年提出了利用標(biāo)準(zhǔn)差橢圓（Standard Deviational Ellipse，SDE）來(lái)度量一組數(shù)據(jù)的離散程度和分布方向。對(duì)于結(jié)果生成的橢圓，其短軸方向可表示景區(qū)分布的范圍，長(zhǎng)軸方向可表示景區(qū)空間分布方向和發(fā)展趨勢(shì)[20]，本文運(yùn)用標(biāo)準(zhǔn)差橢圓研究成都市A 級(jí)景區(qū)空間分布的方向特性，其公式為

式中：xi和yi為要素點(diǎn)的坐標(biāo)；{X，Y} 為要素點(diǎn)的平均中心；n為要素點(diǎn)的總和。

1.3.3 可達(dá)性分析

可達(dá)性能表征特定空間內(nèi)某一區(qū)域到達(dá)其他區(qū)域的難易程度[21]，通常將時(shí)間和距離作為可達(dá)性分析模型中的度量指標(biāo)。本文以高德地圖API 路徑規(guī)劃接口為依據(jù)，最終選用通行時(shí)間作為可達(dá)性度量指標(biāo)，以平均最短通行時(shí)間來(lái)分析評(píng)價(jià)景區(qū)可達(dá)性水平，其計(jì)算公式為

式中：i為人口中心點(diǎn)；j為景區(qū)；Tij為人口中心點(diǎn)到景區(qū)的最短通行時(shí)間；n為景區(qū)數(shù)量；Ai為人口中心點(diǎn)i的平均最短通行時(shí)間，其取值將直接反映景區(qū)可達(dá)性水平，Ai的取值越小，則可達(dá)性水平越高，反之越低。

1.3.4 空間自相關(guān)分析

空間自相關(guān)是指同一變量在不同空間位置上的關(guān)聯(lián)性[22]，主要探究要素在空間分布上的集聚模式。本文將采用全局空間自相關(guān)（Moran's I）對(duì)成都市A 級(jí)景區(qū)的可達(dá)性空間分布進(jìn)行測(cè)度，通過(guò)Moran'sI指數(shù)值、P得分、Z得分進(jìn)一步討論景區(qū)可達(dá)性在空間分布上的集聚程度。其計(jì)算公式如下

式中：n為計(jì)算要素個(gè)數(shù)為i與j之間的空間權(quán)重；zi為區(qū)域i的屬性值與平均值之差。I＞0表示空間正相關(guān)性，I＜0 表示空間負(fù)相關(guān)性，I=0 表示景區(qū)可達(dá)性空間分布呈隨機(jī)性。

2 景區(qū)分布特征及可達(dá)性分析

2.1 景區(qū)空間分布總特征

成都市A 級(jí)景區(qū)的空間分布存在較為顯著的集聚特征，不同區(qū)域的景區(qū)分布密度存在差異，空間分布熱點(diǎn)突出，總體上呈現(xiàn)“中部集聚、四周分散”的空間布局。通過(guò)對(duì)成都市A 級(jí)景區(qū)核密度分布（圖2（a））和人口核密度分布（圖2（b））特征分析可以發(fā)現(xiàn)，人口集中區(qū)域景區(qū)分布相對(duì)較多，二者的集聚趨同關(guān)聯(lián)，A 級(jí)景區(qū)與人口的空間分布具有較強(qiáng)的耦合性。

圖2 成都市A 級(jí)景區(qū)與人口核密度分析

2.2 景區(qū)空間分布方向特征

采用ArcGIS 軟件中標(biāo)準(zhǔn)差橢圓法對(duì)成都市A 級(jí)景區(qū)的整體分布方向和范圍進(jìn)行分析。研究顯示，成都市A 級(jí)景區(qū)標(biāo)準(zhǔn)差橢圓長(zhǎng)軸明顯長(zhǎng)于短軸，表明景區(qū)的空間分布方向性顯著，景區(qū)在空間上大致呈“東北-西南”走向分布，東南部分布明顯低于其他區(qū)域。

2.3 景區(qū)可達(dá)性分析

利用Python 爬蟲技術(shù)調(diào)用高德地圖API 路徑規(guī)劃接口批量獲取3 041 個(gè)居民點(diǎn)到92 個(gè)A 級(jí)景區(qū)的時(shí)間，得到最短出行路徑279 772 條，構(gòu)造OD 成本矩陣。數(shù)據(jù)采集時(shí)間為2023 年3 月18 日和19 日2 個(gè)連續(xù)非工作日的同一時(shí)段，選擇非工作日有利于避免實(shí)時(shí)路況的差異對(duì)返回結(jié)果的影響；同時(shí)，為對(duì)比不同交通方式的可達(dá)性，本文選擇自駕和公共交通2 種交通模式出行時(shí)間成本進(jìn)行對(duì)比分析。高德地圖API 路徑規(guī)劃調(diào)用返回結(jié)果見表1。

表1 高德地圖API 路徑規(guī)劃調(diào)用返回結(jié)果s

2.3.1 可達(dá)性空間分布特征

基于公式（4）計(jì)算2 種交通模式下各居民區(qū)與景區(qū)之間的可達(dá)性，結(jié)果見表2。從總體上來(lái)看，2 種交通模式下可達(dá)性分布特點(diǎn)類似，均為中心城區(qū)較高并呈現(xiàn)圈層式分布的特點(diǎn)，從中部向四周逐漸降低，尤其是東部和西部邊緣地區(qū)，可達(dá)性總體低于其他區(qū)域。

表2 2 種交通出行模式下可達(dá)性水平

自駕模式下，如圖3（a）所示，可達(dá)性研究表明，成都市中心城區(qū)（金牛區(qū)、成華區(qū)、錦江區(qū)、武侯區(qū)和青羊區(qū)）及中心城區(qū)毗鄰區(qū)（新都區(qū)、郫都區(qū)、溫江區(qū)和雙流區(qū)）由于區(qū)域景區(qū)相對(duì)集中，交通便捷，路網(wǎng)連通性良好，可達(dá)性水平高和較高的居民區(qū)占比為52.01%。在距離成都中心城區(qū)較遠(yuǎn)區(qū)域（新都區(qū)北部、邛崍市西部、蒲江縣南部、都江堰市西部、崇州市中部、龍泉驛區(qū)西部及簡(jiǎn)陽(yáng)市西部地區(qū)），屬于可達(dá)性水平由高到低的過(guò)渡區(qū)，可達(dá)性水平一般的居民區(qū)占比為5.82%。成都周邊區(qū)域（青白江區(qū)、龍泉驛區(qū)西部、金堂縣和簡(jiǎn)陽(yáng)市中部地區(qū)）可達(dá)性較差，可達(dá)性水平較低和低的居民區(qū)占比為15.04%。成都邊緣區(qū)域（彭州市北部、都江堰市西部、大邑縣西部、崇州市西部和簡(jiǎn)陽(yáng)市東部地區(qū)），路網(wǎng)密度較低，自駕出行路徑選擇受限，導(dǎo)致前往其他區(qū)縣景區(qū)的出行時(shí)間成本顯著增加，可達(dá)性為0 的居民區(qū)占比為27.13%。

圖3 2 種交通模式下可達(dá)性空間分布結(jié)果

公共交通模式下，如圖3（b）所示。市中心區(qū)域擁有成熟的公共交通系統(tǒng)及線路規(guī)劃，公共交通出行的時(shí)間成本顯著低于其他區(qū)域；其余區(qū)縣公共交通線路連通性較差，且線路相對(duì)單一，尤其跨區(qū)縣出行的線路，乘客在步行、等車、換乘的時(shí)間花費(fèi)更多，因此可達(dá)性水平逐漸降低。

2.3.2 可達(dá)性空間集聚特性

本文利用全局莫蘭指數(shù)對(duì)成都市居民區(qū)前往A級(jí)景區(qū)的空間可達(dá)性進(jìn)行測(cè)度，得到自駕和公共交通2 種出行模式下的Moran'sI指數(shù)分別為0.68 和0.73，Z得分分別為223.86 和237.64，均大于2.58，P值均小于0.01。研究表明，成都市A 級(jí)景區(qū)可達(dá)性的空間分布呈空間正相關(guān)，且具有顯著的集聚特性。通過(guò)單變量局部莫蘭指數(shù)分析成都市A 級(jí)景區(qū)可達(dá)性空間分布特征，結(jié)果如圖4 所示。

圖4 2 種交通模式下可達(dá)性空間集聚特征

自駕模式下，景區(qū)可達(dá)性由城市中心向四周大體表現(xiàn)為高值聚集、不顯著、低值聚集。其中，可達(dá)性高水平聚集區(qū)（高-高聚集）數(shù)量最多，占社區(qū)總數(shù)的52.87%，主要分布于成都市中部、中南部、中西部區(qū)域；可達(dá)性低水平聚集區(qū)（低-低聚集）占社區(qū)總數(shù)的28.94%，主要分布在成都市東部、西部及北部區(qū)域；可達(dá)性異常值聚集區(qū)（低-高聚集和高-低聚集）僅占社區(qū)總數(shù)的1.61%，主要分布于簡(jiǎn)陽(yáng)市西部及可達(dá)性高水平聚集區(qū)邊緣；另外，存在16.58%的居民區(qū)統(tǒng)計(jì)不顯著，即可達(dá)性空間集聚情況不明顯。

公共交通模式下，景區(qū)可達(dá)性集聚特征與自駕模式下存在部分差異，主要表現(xiàn)為公共交通模式下可達(dá)性低-低聚集區(qū)增多，可達(dá)性高-高聚集區(qū)與聚集不顯著區(qū)減少且出現(xiàn)明顯“東移”。

通過(guò)對(duì)自駕和公共交通出行模式的對(duì)比分析得出，2 種出行模式的景區(qū)可達(dá)性高-高聚集區(qū)均集中在成都市中部區(qū)域，原因在于中部地區(qū)的路網(wǎng)密大、道路技術(shù)等級(jí)高、公交線網(wǎng)完善、公交服務(wù)水平高，景區(qū)通達(dá)程度好、出行時(shí)間短。但是，由于自駕出行受道路實(shí)際交通狀況影響較大，中西部地區(qū)道路流量較東部地區(qū)少，道路通暢程度高，因此，中西部區(qū)域的高-高聚集區(qū)較中東部區(qū)域多。

3 結(jié)論與建議

本文以成都市A 級(jí)景區(qū)作為研究對(duì)象，通過(guò)對(duì)景區(qū)的空間布局、方向分布特征與人口分布的關(guān)系、不同交通模式出行成本、景區(qū)的可達(dá)性及可達(dá)性空間集聚特征分析，得出如下結(jié)論。

1）景區(qū)空間分布總體呈“東北-西南”走向，且主要集中于中部和西部區(qū)域。從核密度分析結(jié)果看，A 級(jí)景區(qū)與人口密度的空間分布具有一定的耦合性，均呈現(xiàn)“中部密集、四周分散”的特點(diǎn)。

2）2 種交通出行模式下可達(dá)性大致呈城市中心向四周逐漸降低的特點(diǎn)，但自駕模式下可達(dá)性高值區(qū)域集中在成都市中部及西部地區(qū)，而公交模式下可達(dá)性高值區(qū)域明顯減少，且集中在成都市中部。公共交通出行模式下可達(dá)性為0 的區(qū)域明顯多于自駕出行，由此可見，自駕出行的可達(dá)性總體水平更優(yōu)。

3）成都市A 級(jí)景區(qū)的可達(dá)性在2 種交通出行模式下均呈現(xiàn)明顯的空間集聚特征。在自駕出行模式下，由城市中心向周邊主要表現(xiàn)為高值聚集、不顯著、低值聚集；在公共交通出行模式下，高值聚集減少，且出現(xiàn)明顯“東移”。

鑒于此，提出以下幾點(diǎn)建議。①重視成都市東部區(qū)域旅游資源開發(fā)，以促進(jìn)旅游資源合理分配；②合理規(guī)劃成都市道路交通網(wǎng)絡(luò)，加強(qiáng)景區(qū)周邊高等級(jí)道路的建設(shè)，打造多條旅游精品線路；③優(yōu)化公共交通線路，尤其是成都市周邊區(qū)縣的公交規(guī)劃，各區(qū)縣間考慮增設(shè)多條景區(qū)旅游“專線”，縮短公共交通的出行時(shí)間，提高游客出行效率。