基于GIS的浙江省游客時(shí)空分布與旅游路徑特征分析

摘要：隨著旅游業(yè)的蓬勃發(fā)展和地理信息系統(tǒng)（Geographic Information System， GIS）技術(shù)的不斷進(jìn)步，基于GIS的游客時(shí)空分布與旅游路徑特征分析成為旅游研究的熱點(diǎn)?；诰W(wǎng)絡(luò)平臺(tái)爬取的2017年7月至2023年4月的游客游記信息和興趣點(diǎn)數(shù)據(jù)（Point of Interest，POI）數(shù)據(jù)，借助核密度分析、K均值聚類分析等方法，對(duì)新型冠狀病毒感染前后浙江省游客游玩時(shí)間特征、空間分布特征、旅游路徑特征進(jìn)行分析。研究發(fā)現(xiàn)：2018—2022年，游客平均游玩天數(shù)從2.67 d逐漸減低到1.75 d，游客數(shù)量的峰谷交替出現(xiàn)；游客受季節(jié)性引起的旅游需求的變化較小，旅游以分布區(qū)域廣的多核集聚模式向分布區(qū)域單一的多核高度集聚模式轉(zhuǎn)變；旅游路徑大致可以分為3種模式：以杭州為主的“杭州+省內(nèi)其他城市”旅游，以體驗(yàn)相同特色為目的的周邊游，以體驗(yàn)不同地域、不同風(fēng)景為目的的長(zhǎng)途游。旨在為浙江省后疫情時(shí)代旅游業(yè)科學(xué)可持續(xù)發(fā)展提出可行性對(duì)策和建議。

關(guān)鍵詞：旅游時(shí)空分布 旅游路徑 空間分析 地理信息系統(tǒng) 浙江省

Analysis of Spatiotemporal Distribution and Tourism Paths Characteristics of Tourists in Zhejiang Province Based on GIS

ZHANG Jiahao ^{1， 4} RUAN Xiaoguang^{1， 2， 3*} XU Xiaohan^{1， 2}

1. College of Surveying and Mapping Science and Technology， Zhejiang University of Water Resources and Electric Power， Hangzhou， Zhejiang Province， 310018 China; 2. Institute of Intelligent Perception and Cooperative Monitoring， Zhejiang University of Water Resources and Electric Power， Hangzhou， Zhejiang Province， 310018 China; 3. Nanxun Innovation Research Institute， Zhejiang University of Water Resources and Electric Power， Huzhou， Zhejiang Province， 313009 China; 4. Zhejiang Qinghe Natural Resource Planning Co. Ltd.， Huzhou， Zhejiang Province， 310012 China

Abstract： With the booming development of tourism industry and the continuous progress of geographic information system （GIS） technology， the spatiotemporal distribution of tourists and the analysis of tourist path characteristics based on GIS have become a hot spot in tourism research. In this paper， based on the tourists' travel information and Point of Interest （POI） data from July 2017 to April 2023 crawled from the network platform， with the help of nuclear density analysis， K-mean clustering analysis and other methods， it analyzes the tourists' travel time characteristics， the spatiotemporal distribution characteristics， and the characteristics of travel paths of tourists before and after novel coronavirus infection in Zhejiang Province. The research found that： from 2018 to 2022， the average number of days tourists spend visiting gradually decreased from 2.67 days to 1.75 days， and the peaks and valleys of the number of tourists alternated; The changes in tourism demand caused by seasonality are relatively small， and tourism shifted from a multi-core clustering model with a wide distribution area to a multi-core high clustering model with a single distribution area; The tourist paths could be roughly divided into Hangzhou-based Tourism paths can be broadly divided into Hangzhou-based “Hangzhou+ other cities in the province” tourism， peripheral tourism aimed at experiencing the same characteristics， and long-distance tourism for the purpose of experiencing different landscapes in different regions. It aims to propose feasible strategies and suggestions for the scientific and sustainable development of tourism industry in Zhejiang Province in the post epidemic era.

Key Words： The spatiotemporal distribution of tourists; Tourist path; Spatial analysis; GIS; Zhejiang Province

旅游業(yè)作為綜合性產(chǎn)業(yè)，是經(jīng)濟(jì)高質(zhì)量發(fā)展的重要著力點(diǎn)^[1-2]。開展以旅游流時(shí)空特征分析，揭示旅游者空間移動(dòng)規(guī)律，可為旅游管理和開發(fā)提供重要依據(jù)^[3-4]。20世紀(jì)60年代至今，游客行為研究從對(duì)旅游流空間分布和統(tǒng)計(jì)特征的簡(jiǎn)單描述逐漸發(fā)展為時(shí)空特征和復(fù)雜網(wǎng)絡(luò)精細(xì)建模^[5-6]，研究視角也從宏觀尺度轉(zhuǎn)向個(gè)體旅游者行為的微觀尺度^[7-8]。復(fù)雜系統(tǒng)理論、行為經(jīng)濟(jì)學(xué)等的引入^{[3， 9]}豐富了該領(lǐng)域的理論體系和分析方法，呈現(xiàn)出跨學(xué)科融合的趨勢(shì)。近年來(lái)，地理信息系統(tǒng)（Geographic Information System， GIS）技術(shù)成為游客時(shí)空分布與旅游路徑分析的重要手段。社交媒體數(shù)據(jù)、GPS軌跡數(shù)據(jù)等新興地理大數(shù)據(jù)^[10-13]為游客時(shí)空行為研究提供了豐富的數(shù)據(jù)基礎(chǔ)。核密度估計(jì)、熱點(diǎn)分析、引力模型、社會(huì)網(wǎng)絡(luò)分析等GIS理論方法^[14-19]可以用于揭示游客分布和移動(dòng)的空間模式。有研究證實(shí)，新冠肺炎疫情導(dǎo)致的旅游規(guī)模下降、旅游流網(wǎng)絡(luò)結(jié)構(gòu)的改變?nèi)栽诔掷m(xù)^[20-21]，有必要加強(qiáng)疫情對(duì)旅游流的影響變化研究。

本文基于網(wǎng)絡(luò)游記和興趣點(diǎn)數(shù)據(jù)（Point of Interest，POI），采用核密度分析、K均值聚類分析等方法，探索疫情前后游客的時(shí)空分布和行為演變規(guī)律，并且提出可行性建議，以期為后疫情時(shí)代旅游線路開發(fā)、旅游空間布局提供參考，助力浙江旅游業(yè)的科學(xué)、可持續(xù)發(fā)展。

1 數(shù)據(jù)與方法

1.1 研究區(qū)

本文以浙江省為研究區(qū)。浙江省地處長(zhǎng)江三角洲經(jīng)濟(jì)區(qū)，地理環(huán)境和氣候條件優(yōu)越，下轄11個(gè)地級(jí)市，陸地面積10.18萬(wàn)km²，其中，70.4%為丘陵山地，23.2%為平原。浙江省擁有眾多自然風(fēng)景區(qū)、國(guó)家級(jí)森林公園等，依托完備的基礎(chǔ)設(shè)施和交通網(wǎng)絡(luò)，旅游資源的開發(fā)利用相對(duì)成熟，是我國(guó)經(jīng)濟(jì)強(qiáng)省和旅游勝地之一。旅游業(yè)是浙江省的重要產(chǎn)業(yè)之一，全省共有8個(gè)國(guó)家級(jí)風(fēng)景名勝區(qū)、5個(gè)5A級(jí)旅游景區(qū)、11個(gè)4A級(jí)旅游景區(qū)，涵蓋了山水風(fēng)光、歷史文化、鄉(xiāng)村休閑等多個(gè)旅游主題，旅游資源和旅游產(chǎn)品豐富。其中，杭州、寧波、溫州等城市是浙江省的旅游熱門目的地，擁有豐富的文化底蘊(yùn)和旅游資源，受到了國(guó)內(nèi)外游客的青睞。

1.2 數(shù)據(jù)來(lái)源與處理

旅游足跡基礎(chǔ)數(shù)據(jù)主要包括旅游平臺(tái)獲取的游記文本和照片。其中，文本可以用于獲取游客的出游時(shí)間和旅游線路；照片可以用于驗(yàn)證文本的真實(shí)性，并且補(bǔ)充部分目的地信息的缺失。

通過(guò)調(diào)研和對(duì)比各個(gè)旅游網(wǎng)絡(luò)平臺(tái)，選擇“去哪兒”網(wǎng)站的游記板塊內(nèi)容作為旅游足跡的基礎(chǔ)數(shù)據(jù)。利用爬蟲工具爬取了2017年7月至2023年4月期間的2 180份游記，游記數(shù)據(jù)本身不配坐標(biāo)信息。為了后續(xù)的空間分析，從網(wǎng)絡(luò)地圖上獲取了浙江省境內(nèi)的旅游景點(diǎn)POI數(shù)據(jù)，用于賦予空間坐標(biāo)信息。

1.3 分析方法

1.3.1 季節(jié)性強(qiáng)度分析

本文通過(guò)季節(jié)性強(qiáng)度分析，計(jì)算2018年、2020年和2022年游客出游意愿受季節(jié)的影響情況。季節(jié)性強(qiáng)度指數(shù)R是表達(dá)季節(jié)性所引起的旅游需求的時(shí)間分布集中性的指標(biāo)^[22]，具體計(jì)算公式為

式（1）中：x_i表示每個(gè)月份客流量占全年的百分比。結(jié)果中的R越接近于0，旅游需求時(shí)間分配越均勻；反之，淡、旺季差異越大。

1.3.2 核密度分析

通過(guò)GIS核密度分析，計(jì)算2018年、2020年和2022年游客核密度值，進(jìn)一步研究游客旅游的空間集聚情況。核密度值是某一要素在其周圍鄰域中的密度值，其基本思想是將點(diǎn)信息擴(kuò)展到面上，展示點(diǎn)要素的集聚區(qū)域，通常用來(lái)描述地理事件在據(jù)點(diǎn)一定距離的區(qū)域內(nèi)發(fā)生率大小，某一新位置（x， y）的預(yù)測(cè)密度的計(jì)算公式為

式（2）中：i=1， …， n表示輸入點(diǎn)，如果點(diǎn)位于（x， y）位置的半徑距離內(nèi)，則僅包括總和中的點(diǎn)；pop_i表示 i點(diǎn)的人數(shù)值，它是一個(gè)可選參數(shù)；dist表示點(diǎn)i和（x， y）位置之間的距離。

2 結(jié)果與分析

2.1 時(shí)間特征分析

2.1.1 旅游時(shí)間長(zhǎng)度分析

統(tǒng)計(jì)2018年、2020年和2022年游客平均游玩天數(shù)與不同游玩時(shí)長(zhǎng)的游客占比，結(jié)果如圖1和圖2所示。2018—2022年，游客平均游玩天數(shù)從2.67 d逐漸減低到1.75 d，主要原因可能在于受全球疫情影響，人群外出減少是游客平均游玩時(shí)間減少的主要原因。此外，選擇出游1～3 d的游客占比遞增，以2～3 d的游玩模式向1～2 d的模式轉(zhuǎn)移，省內(nèi)嚴(yán)格到位的防疫政策也降低了人群的出行意愿，人們更愿意從2～3 d的小假期旅游模式轉(zhuǎn)變?yōu)橐蝗沼?，并且游? d以上的長(zhǎng)時(shí)間旅游占比從2018年的20.47%下降到2022年的3.97%。結(jié)果表明，疫情對(duì)省內(nèi)旅游業(yè)沖擊較大，疫情結(jié)束后的旅游業(yè)恢復(fù)潛力較大。

2.1.2 季節(jié)性時(shí)間分布

按季節(jié)和月份，統(tǒng)計(jì)2018年、2020年和2022年的浙江省游客分布特征，結(jié)果如圖3、圖4所示。冬季人數(shù)占比最低，為浙江省旅游淡季。夏季為浙江省旅游旺季，且2018—2022年游客的喜好從春夏季節(jié)逐步轉(zhuǎn)變?yōu)橄那锛竟?jié)。2018年的游客走勢(shì)較為平穩(wěn)，而2020年與2022年曲線變化劇烈，疫情期間伴隨周期性的集中出游和居家，游客數(shù)量的峰谷交替出現(xiàn)，這也反映浙江省旅游的恢復(fù)潛力。

另外，通過(guò)計(jì)算季節(jié)性強(qiáng)度指數(shù)R，描述游客出游意愿受季節(jié)影響的程度。本文將3個(gè)年份的游記樣本相加計(jì)算各月份游客量占全年百分比，得出季節(jié)性強(qiáng)度指數(shù)R = 0.027 2，表明3年內(nèi)游客受季節(jié)性引起的旅游需求的變化較小。浙江省地處亞熱帶季風(fēng)區(qū)，氣候適宜，旅游業(yè)資源充足，景區(qū)設(shè)施完善，一年四季接待能力比較均衡，季節(jié)性影響較小。

2.2空間分布特征分析

浙江擁有3A級(jí)以上的景區(qū)736個(gè)，11個(gè)地級(jí)市平均分布有67個(gè)景區(qū)。對(duì)浙江省3A級(jí)以上景區(qū)進(jìn)行核密度分析，結(jié)果如圖5所示。杭州、寧波、湖州、金華的旅游景點(diǎn)較多旅游資源較為豐富，溫州、紹興、舟山的旅游景點(diǎn)較少，嘉興、衢州、臺(tái)州、麗水旅游景點(diǎn)數(shù)量則接近平均水平。

對(duì)2018年、2020年和2022年浙江省3A級(jí)以上的景區(qū)游客訪問(wèn)量進(jìn)行核密度分析，結(jié)果如圖6～圖8所示?？傮w而言，旅游以分布區(qū)域廣的多核集聚模式向分布區(qū)域單一的多核高度集聚模式轉(zhuǎn)變。其中，2018年，游客在杭州湖州與麗水溫州境內(nèi)雙核集聚，在其他城市多核發(fā)展；2020年，游客在浙江南部的集聚區(qū)域向浙江北部西部移動(dòng)，雖然仍是多核集聚，但是在杭州湖州地區(qū)高度集聚，核數(shù)量減少；2022年，在核數(shù)量減少的基礎(chǔ)上，進(jìn)一步減少了集聚范圍，幾乎游客的活動(dòng)范圍集中在城市的主城區(qū)內(nèi)與旅游景點(diǎn)密集的區(qū)域內(nèi)。浙北部的旅游資源相較浙南部較為充盈，發(fā)展格局出現(xiàn)一定區(qū)域不均衡性。在后疫情時(shí)代，應(yīng)給予旅游政策支持，宣傳高質(zhì)量冷門景點(diǎn)，以擴(kuò)大游客訪問(wèn)覆蓋度。

2.3旅游路徑特征分析

采用聚類分析方法對(duì)對(duì)2018年、2020年和2022年浙江省游客時(shí)空行為模式進(jìn)行分類描述。具體做法是在市域范圍進(jìn)行景區(qū)分區(qū)，根據(jù)游客游記中描述的游覽路徑，按照到訪情況給各區(qū)賦值，到訪景區(qū)標(biāo)記為1，未到訪景區(qū)標(biāo)記為0，以此作為聚類要素，采用SPSS軟件的K均值聚類功能對(duì)游客的旅游路徑進(jìn)行聚類分析，結(jié)果見表1-表3。聚類結(jié)果中，數(shù)值F越高，代表該類別中游客訪問(wèn)可能性越高；反之，則越低；數(shù)值p表示在零假設(shè)下觀察到樣本數(shù)據(jù)的概率。

通過(guò)3個(gè)年份多節(jié)點(diǎn)聚類結(jié)果，得出杭州、湖州是游客多節(jié)點(diǎn)旅游中的關(guān)鍵節(jié)點(diǎn)。游客多以“知名度” “景點(diǎn)數(shù)量” “經(jīng)濟(jì)發(fā)達(dá)成都”為指標(biāo)進(jìn)行旅游目的地選擇，因此，省會(huì)城市杭州因其經(jīng)濟(jì)發(fā)展水平和旅游資源優(yōu)勢(shì)而成為大量游客浙江旅游的主要目的地。周邊湖州自身?yè)碛胁凰椎穆糜钨Y源，擁有89個(gè)3A級(jí)以上景區(qū)，受到杭州的帶動(dòng)也吸引了游客打卡游玩。通過(guò)對(duì)比分析若干條經(jīng)典旅游路線，發(fā)現(xiàn)覆蓋4座城市的旅游路線由2018年的0個(gè)發(fā)展到2022年的3個(gè)，表明游客的旅游空間跨度不斷變大、游覽的景點(diǎn)種類變多。此外，部分游客選擇體驗(yàn)相似的景點(diǎn)特色，從而在相鄰城市之間開展小范圍旅游，例如：2018年的路線③、2020年的路線①和2022年的路線①?？傮w而言，訪浙游客大致可分為3種旅游路徑模式：以杭州為主的“杭州+省內(nèi)其他城市”旅游；以體驗(yàn)相同特色為目的的周邊游；以體驗(yàn)不同地域、不同風(fēng)景為目的的長(zhǎng)途游。

3 結(jié)論與建議

3.1 結(jié)論

本文基于“去哪兒”平臺(tái)爬取的2017年7月至2023年4月游客游記信息和POI數(shù)據(jù)，借助核密度分析、K均值聚類分析等方法，對(duì)浙江省游客游玩時(shí)間特征、空間分布特征與旅游路徑特征進(jìn)行分析，得出以下結(jié)論。

（1）2018—2022年，游客平均游玩天數(shù)從2.67 d逐漸減低到1.75 d，使游客數(shù)量的峰谷交替出現(xiàn)。

（2）2018—2022年，游客受季節(jié)性引起的旅游需求的變化較小，旅游以分布區(qū)域廣的多核集聚模式向分布區(qū)域單一的多核高度集聚模式轉(zhuǎn)變。

（3）旅游路徑大致可分為以杭州為主的“杭州+省內(nèi)其他城市”旅游、以體驗(yàn)相同特色為目的的周邊游、以體驗(yàn)不同地域不同風(fēng)景為目的的長(zhǎng)途游3種模式。

3.2 建議

根據(jù)以上研究結(jié)果，提出以下幾點(diǎn)對(duì)策與建議。

（1）增加冬季旅游項(xiàng)目。每年12月到來(lái)年2月為浙江旅游淡季，應(yīng)增加人造雪場(chǎng)、天然溫泉項(xiàng)目的開發(fā)，平衡四季旅游熱度。

（2）優(yōu)化旅游資源分配，培養(yǎng)省內(nèi)“第二旅游熱點(diǎn)”。加大冷門景點(diǎn)宣傳力度，給予旅游政策支持，通過(guò)在浙南、浙東地區(qū)培養(yǎng)“第二熱點(diǎn)”，增加城市間關(guān)聯(lián)性與流通性，帶動(dòng)周邊城市協(xié)同發(fā)展，促進(jìn)旅游業(yè)均衡發(fā)展。

（3）加強(qiáng)不同地區(qū)旅游特色化和差異化發(fā)展，提升旅游吸引力和競(jìng)爭(zhēng)力。各地區(qū)可以充分發(fā)揮自身優(yōu)勢(shì)，深入挖掘本地資源，打造獨(dú)具特色的主題旅游，吸引更多游客，促進(jìn)旅游業(yè)的可持續(xù)發(fā)展。

參考文獻(xiàn)

[1]宋洋洋.文旅融合視角下旅游對(duì)城市更新的作用[J].旅游學(xué)刊， 2024， 39（3）：8-10.

[2]王韌，宋爽爽.高等級(jí)景區(qū)的旅游經(jīng)濟(jì)效應(yīng)及其空間關(guān)聯(lián)機(jī)制：基于中國(guó)225個(gè)地級(jí)市的實(shí)證檢驗(yàn)[J].旅游學(xué)刊，2024，39（10）：14-30.

[3]ZHENG Y H， MOU N X， ZHANG L X， et al. Chinese tourists in Nordic countries： An analysis of spatio-temporal behavior using geo-located travel blog data[J]. Computers， Environment and Urban Systems， 2021， 85： 101561.

[4] LIU W B， WANG B X， YANG Y， et al. Cluster analysis of microscopic spatio-temporal patterns of tourists’ movement behaviors in mountainous scenic areas using open GPS-trajectory data[J]. Tourism Management， 2022， 93： 104614.

[5] Kádár B，"Gede M. Tourism flows in large-scale destination systems[J]. Annals of Tourism Research， 2021， 87： 103113.

[6]劉佳，紀(jì)曉萌，陸嘉欣，等.基于多源異構(gòu)數(shù)據(jù)的膠東經(jīng)濟(jì)圈旅游資源供需匹配時(shí)空特征[J].地球信息科學(xué)學(xué)報(bào)， 2024， 26（2）：393-407.

[7]Gidebo H B. Factors determining international tourist flow to tourism destinations： A systematic review[J]. Journal of Hospitality Management and Tourism， 2021， 12（1）： 9-17.

[8]吳朝寧，李仁杰，郭風(fēng)華.基于圈層結(jié)構(gòu)的游客活動(dòng)空間邊界提取新方法[J].地理學(xué)報(bào)， 2021，76（6）： 1537-1552.

[9]樸志娜，江揚(yáng)，吳必虎，等.國(guó)際游客對(duì)中國(guó)的地理想象構(gòu)建與旅游動(dòng)機(jī)[J].旅游學(xué)刊，2018，33（9）：38-48.

[10]顧秋實(shí)，張海平，陳旻，等.基于手機(jī)信令數(shù)據(jù)的南京市旅游客源地網(wǎng)絡(luò)層級(jí)結(jié)構(gòu)及區(qū)域分異研究[J].地理科學(xué)，2019，39（11）：1739-1748.

[11]孫奇，張毅，趙鵬飛，等.基于社交媒體數(shù)據(jù)的旅游移動(dòng)模式提取[J].北京大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，57（5）：885-893.

[12]徐欣，胡靜.基于GPS數(shù)據(jù)城市公園游客時(shí)空行為研究：以武漢東湖風(fēng)景區(qū)為例[J].經(jīng)濟(jì)地理，2020，40（6）：224-232.

[13]陳怡寧，程翔，范夢(mèng)余.廊道型旅游地游客感知與空間分異研究：以獨(dú)庫(kù)公路為例[J].干旱區(qū)資源與環(huán)境，2023，37（10）：199-208.

[14]榮慧芳，陶卓民.基于網(wǎng)絡(luò)數(shù)據(jù)的鄉(xiāng)村旅游熱點(diǎn)識(shí)別及成因分析：以江蘇省為例[J].自然資源學(xué)報(bào)，2020，35（12）：2848-2861.

[15]唐夢(mèng)鴿，羅明良，魏蘭，等.基于POI數(shù)據(jù)的成都市休閑娛樂(lè)熱點(diǎn)識(shí)別[J].資源開發(fā)與市場(chǎng)，2018，34（9）：1191-1195.

[16]謝朝武，樊玲玲，吳貴華.黃河流域城市旅游效率的空間網(wǎng)絡(luò)結(jié)構(gòu)及其影響因素分析[J].華中師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，56（1）：146-157.

[17]李山，王錚，鐘章奇.旅游空間相互作用的引力模型及其應(yīng)用[J].地理學(xué)報(bào)，2012，67（4）：526-544.

[18]安蘭蘭，董亞娟.基于地理標(biāo)記照片的西安市海外游客流動(dòng)時(shí)空分布特征[J].西北師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，59（3）：10-19.

[19]郭姣姣，楊兆萍，徐曉亮，等.援疆政策下新疆國(guó)內(nèi)旅游客源市場(chǎng)優(yōu)化：基于修正的旅游引力模型[J].中國(guó)科學(xué)院大學(xué)學(xué)報(bào)，2021，38（3）：360-366.

[20]徐陽(yáng)，彭澎，陸鋒，等.新冠肺炎疫情前后游客出行行為的時(shí)空特征研究：以中國(guó)香港為例[J].地理研究，2022，41（12）：3199-3213.

[21]王潤(rùn)源，張文康，程紹文.新冠疫情前后廣州市旅游流時(shí)空特征變化研究[J].湖南師范大學(xué)自然科學(xué)學(xué)報(bào)，2023，46（4）：133-143.

[22]阮文奇，張舒寧，李勇泉，等.中國(guó)赴泰旅游需求時(shí)空分異及其影響因素[J].旅游學(xué)刊，2019，34（5）：76-89.