旅游休闲业态空间格局是指以旅游休闲服务要素为主要构成内容的企业组织在结构、规模及数量上的分布特征^{[1, 2]}。作为重要的生产生活空间，以北京、西安、上海、杭州和广州等为代表的大城市不但要为外来游客提供旅游综合服务，更需要满足本地城市居民的日常休闲需求，而承载这些服务需求的旅游休闲业态在空间上的分布状况即构成城市旅游休闲业态的空间格局。从产业发展实践来看，随着后工业化时期服务业分工的深化、业态重组的加速与“一站式”休闲消费模式的兴起，城市旅游休闲业态的空间集聚效应不断增强。一方面，在复合消费趋向与外部经济性引导下，城市旅游休闲业态开始表现出明显的集群发展特性，如在邻近地理区域内高度集中，形成以华侨城、曲江新区等为代表的大型城市旅游休闲业态集聚体。另一方面，基于盈利水平与承租能力的差异，各类旅游休闲业态又会在级差地租作用下追求各自发展的最优区位，从而在聚集体内部的布局逻辑上呈现出空间差异性^{[3, 4]}。当前在旅游休闲活动成为外来游客和本地城市居民重要生活方式、城市化不断推动大城市数量增加以及大城市内部旅游休闲业态不断集聚的背景下，准确把握大城市内部旅游休闲业态在结构、规模及数量上的空间特征及影响因素，是引导产业要素合理布局和优化城市功能结构的关键，也是满足外来游客和本地居民对美好生活双重诉求的重要手段，其现实意义凸显。

目前，有关城市旅游休闲业态空间结构的研究已取得丰硕成果，涉及对象包括旅游景区、餐饮业、酒店业、购物业和娱乐业等多种业态类型^[5-10]，并根据相应的业态属性与城市特征分列出单核、双核、带状和多中心网络式等业态聚集形态，总结出业态趋近中央商务区、人口稠密区和邻近城市公路干线的多样化分布规律^{[8, 10]}。具体到典型案例区的剖析上，则涉及中央旅游区（CTD）、游憩商业区（RBD）、城市旅游综合体（UTC）和旅游休闲街区等，关注焦点相应包括研究区内部的业态组合形式、布局规律及形成机制等^[11-14]；其中，关于西安、南京及张家界等大城市典型旅游休闲集聚区的案例研究表明^{[3, 10, 15]}，城市旅游休闲业态空间结构多由点、线及面状的产业业态单元共同构成，这种差异化的组合形态集中表现出各业态选址取向和要素配置水平的空间特征，而级差地租理论则是解释不同尺度空间内部复杂业态格局形成的根本依据^[16]。总体上，关于城市旅游休闲业态分布规律的研究已经取得较丰富的成果，但现有研究大多围绕单一业态或小尺度空间业态分布特征展开，而缺少基于大样本数据和空间分析技术支撑的大尺度空间旅游休闲业态整体分布规律的探索，所总结出的业态空间结构与模式的普适性相对不足。为此，本研究以西安市为案例地，在对旅游休闲业态大样本数据进行分类的基础上，利用GIS分析技术，对中国大城市旅游休闲业态的空间格局及影响因素进行测度和模拟，探索具有普适意义的大城市旅游休闲业态空间结构特征及成因，以改进现有城市旅游业态分布规律研究中对大尺度城市空间关照的不足。

西安市是在国内外具有较高知名度与美誉度的传统旅游城市。2017年西安全市接待游客量达1.81亿人次，旅游总收入超过1633亿元^①。其中，西安市绕城高速以内的主城区因集中了各类旅游休闲要素而成为最具吸引力的城市旅游目的地之一，面积达到687.42 km²。西安主城区不但是市民日常休闲活动的重要场所，也是为外来游客提供旅游服务的主要空间，选取该区域为基本空间单元探究城市旅游休闲业态分布规律，对中国大城市特别是旅游城市业态配置与优化方案的制定具有典型代表性。在产业实践中，随着休闲与旅游活动关联程度不断加深，二者的产业边界也愈渐模糊^[17-19]，为此，本研究参考《国家旅游及相关产业分类（2018）》标准及西安市主城区旅游休闲业态的实际状况，将旅游休闲业态细分为旅游景点、休闲购物、酒店住宿、休闲餐饮和休闲娱乐5类，各业态的基本载体和服务特性如表 1所示。在此基础上，以导航地图软件平台BIGMAP为源数据载体，按类别提取截至2017年12月底的西安市主城区旅游休闲业态的机构兴趣点（point of interest，POI）数据。为避免对空间尺度不同、地理位置相同业态点的重复统计，研究择取最大规模尺度业态，如在美食城统计中忽略内部小吃店的数量。在结合实地调查和相关统计资料对原始数据进行“清洗”后，共提取14030个业态点。其中，旅游景点、休闲购物、酒店住宿、休闲餐饮和休闲娱乐业态的POI数分别为570个、1212个、2452个、5819个和3977个。

表 1(Tab. 1

表 1 城市旅游休闲业态的类型、载体与服务特性 Tab.1 Types, Carriers and Its Service Attributes of the Urban Tourism and Leisure Industry

表 1 城市旅游休闲业态的类型、载体与服务特性 Tab.1 Types, Carriers and Its Service Attributes of the Urban Tourism and Leisure Industry

最邻近距离指数用于判定旅游休闲业态单元在空间上所呈现的集聚、均匀或随机分布模式，计算公式如（1）^[3]：

(1)

(2)

式中，R 为最邻近距离指数，r_A与 r_T分别为业态单元空间分布的理论与实际最邻近距离，n 为业态单元总数，S 为研究区面积。根据R 值可判断旅游休闲业态的分布特征，其中R > 1、R < 1、R=1分别代表业态单元均匀、集聚与随机分布。

核密度估计法可进一步测度和呈现西安旅游休闲业态空间分布的详细特征^[20]，计算公式如（3）：

(3)

式中，P_i为任意旅游休闲业态单元i 的核密度值，K_j为该业态单元j 的权重，D_ij为业态单元i 与j 的空间距离，B 为密度统计带宽（D_ij < B），n 为带宽内的业态数量。因 B 值会影响密度估值，为保证测度精确性，则借助“经验法则”来确定带宽^[20]，并得到休闲娱乐、休闲餐饮、酒店住宿与总体业态的B 值均为2400 m，休闲购物和旅游景点的B 值分别为3000 m和3500 m。

在对业态空间特征进行描述的基础上，采用地理探测器测度不同地理要素对西安市旅游休闲业态空间分布格局形成的影响程度，计算公式如（4）^[21]：

(4)

式中，F 为旅游休闲业态空间分布的影响因素；H 为分布规模指标；E_FH为因素F 对分布规模H 的影响效度，E_FH ∈ [0, 1]，其值越大则表明该因素对旅游休闲业态空间格局的影响力越强；N 和 σ_H²分别为业态样本的个数和方差；m 为某种因素的分级数，分别表示业态在F指标第p 分级上对应的数目和方差（p=1, 2, 3, ⋯, m）。相关研究显示，区位、市场、交通、经济等被认为是影响旅游休闲业态分布的关键因素^[22-26]。故研究选取CBD趋近度、人口密度、游客密度、路网密度及人均GDP等分别表征区位、市场、交通及经济因素，并测度各因素对西安旅游休闲业态空间格局形成的影响效应，过程如下：首先，根据量化精度要求以1 km × 1 km为切分单元对研究区进行格网划分，在剔除不规则网格后共确定432个评价单元和中心点；在认为网格属性为该网格中心点属性的条件下，对中心点的居民、游客及路网密度、人均GDP与距CBD距离进行统计。其中，居民密度、人均GDP分别是基于各街道常住人口密度与人均GDP数据经空间差值计算得到^②；游客密度则是在认为游客与居民的根本性差异在于游客有异地住宿需求的基础上，将星级酒店床位数作为游客分布的规模变量，并利用核密度测度游客分布密度，用以反映游客尤其是过夜游客规模^[21]；路网密度是根据研究区内由高速、国道、省道及环路等构成的路网计算得到^③；距CBD距离是测算各网格中心点至钟楼距离得到。其次，在ArcGIS中利用自然断裂法对各因素分布值进行分级，各分为5级。其中，距CBD距离采用反向分级法，值越小则CBD趋近度越高；其余因素采用正向分级，值越高则级别越高。最后，将格网内旅游休闲业态的数量作为因变量，以格网中心点属性为自变量，利用地理探测器测度因变量与自变量的关系。此外，在测度影响因素时，为佐证各因素与业态分布的空间关系，则结合反距离空间插值和标准差椭圆分析直观呈现业态分布特征及重心位置等^{[21, 22]}。

计算结果显示，在1%的显著性水平下，西安市主城区范围内各旅游休闲业态点分布的实际平均最邻近距离为35.52 m，小于理论最邻近距离118.40 m的取值，对应的最邻近距离指数为0.3，这表明西安城市旅游休闲业态总体呈现集聚分布的特征（表 2）。具体到细分业态层面，旅游景点、休闲餐饮、酒店住宿、休闲娱乐和休闲购物业态的最邻近距离指数R则分别为0.38、0.33、0.45、0.38和0.46。比较来看，休闲餐饮、休闲娱乐和旅游景点等业态类型的集聚特征最显著，三种业态的最邻近距离指数均介于0.3— 0.38之间；而休闲购物业态的整体集聚特征则最不明显，最邻近距离指数接近0.5，在五种业态中的集聚度最低。总体上，尽管西安市主城区内各旅游休闲细分业态的数量不同、集聚程度也存在差异，但整体上仍保持了与总体业态单元相一致的空间集聚特性。

表 2(Tab. 2

表 2 西安城市旅游休闲业态分布模式 Tab.2 Distribution Modes of the Urban Tourism and Leisure Industry in Xi'an

表 2 西安城市旅游休闲业态分布模式 Tab.2 Distribution Modes of the Urban Tourism and Leisure Industry in Xi'an

核密度计算结果显示，西安城市旅游休闲业态空间结构与其空间分布特征一致，显示出在局部区域高度聚集的非均质化空间特性，且总体围绕城市中心区向边缘区过渡，形成四个尺度不同和规模各异的旅游休闲业态集聚圈层（图 1）。其中，城市中心区形成了核密度值介于68.11— 181.61个/km²的业态高度密集的核心区，尽管该区域面积仅为47.35 km²，尚不足主城区面积的7%，但旅游休闲业态单元聚集总量却达到5098个，占业态总体数量的36.33%，单位面积上承载的业态单元数量相应达到107.67个/km²，远高于主城区内业态密度的平均水平20.41个/km²。围绕该中心区域，城市旅游休闲业态在其近邻的外延区域进一步形成两个核密度值介于45.41—68.1个/km²和22.71—45.4个/km²的休闲业态集聚圈层过渡带，对应圈层面积分别为53.52 km²和90.06 km²，分别占主城区面积的7.79%和13.10%，单位面积上承载的业态点数也明显高于主城区内总体业态的平均密度，并在空间上分别拓展至东部的韩森寨及胡家庙工业区、北部的西安经济技术开发区、西部的鱼化工业园区和南部的长延堡工业园区。此外，在城市最外围区域相应形成旅游休闲业态密度值介于最低密度区间0—22.70个/km²、占地面积为495.95 km²的边缘业态拓展圈层，面积占比达到主城区的72.15%。可见，西安城市旅游休闲业态单元除在城市中心区域内小范围高度聚集外，在城市大部分区域尤其是外围区域的聚集程度较低。即现阶段西安旅游休闲业态扩展的城郊化态势并不明显。

图 1(Fig. 1)

图 1 西安城市旅游休闲业态核密度图 Fig.1 Kernel Density Map of Urban Tourism and Leisure Industries in Xi'an

在西安城市中心区域，旅游休闲总体业态在钟楼中心区、曲江—小寨区域和高新区电子城形成“一主两次”的空间集聚核心。在旅游休闲业态高度聚集的局部区域中，以位于地理核心的钟楼区域为中心，沿东、西、南、北四条大街向外扩张，并在涵盖解放门、中山门、西一路、北院门、柏树林、长安路和文艺路等街道的空间范围内形成了业态集聚效应最明显的区域主核心，该区域业态密度达到253个/km²，是研究区总体业态平均密度的12.4倍，聚集的业态既包括大型购物中心、高端商务酒店如开元商城、民生百货及希尔顿酒店等，也包括诸多地标性景点如钟鼓楼博物馆、明城墙遗址及孔庙等。另以曲江和小寨两个新兴商务区为核心，依托小寨路、长安北路、翠华路及其延伸线，在曲江街道、大雁塔街道及小寨路街道等串联的地理空间范围内形成西安旅游休闲业态高度集聚区的一个次核心，该区域旅游休闲业态核密度高达229个/km²，是研究区总体业态分布密度均值的11.22倍，聚集的业态相应包括以大雁塔、大唐芙蓉园及曲江池遗址公园等为代表的文化旅游景点，以秦汉唐国际文化商业广场、银泰百货等为代表的大型休闲购物中心和以芳林苑酒店、唐华宾馆等为代表的高端度假酒店等。此外，高新区旅游休闲业态密度也达到168个/km²，是研究区业态密度均值的8.23倍，其范围涵盖以电子城街道为中心，沿高新路、科技路和二环南路西段轴向延伸的空间，是西安旅游休闲业态集聚的第二个次核心；在业态构成上该区域则以风云游艺城、豪盛科技宾馆、陕西食府等为代表的中小型娱乐场所、商务酒店及中端餐饮等为主。

从细分业态核密度计算结果来看，旅游景点在整个研究区内的密度值为0.83个/km²，但在以大雁塔休闲景区、曲江园林遗址公园等为核心的曲江区域内其核密度值则达到19个/km²，另在大明宫国家遗址公园区域和钟楼中心区域内旅游景点核密度分别达到7个/km²和5个/km²，分别是研究区旅游景点分布平均水平的23.89倍、8.43倍和6.02倍（表 3）。休闲餐饮业态在主城区内的密度分布值为8.46个/km²，而在曲江—小寨区域、钟楼中心区及高新区电子城的业态核密度值依次达到73个/km²、60个/km²和36个/km²，分别是研究区内对应业态密度均值的8.63倍、7.09倍和4.26倍。休闲娱乐业态在主城区内的密度值为5.79个/km²，而在钟楼中心区和高新区电子城的分布密度则分别增至45个/km²和27个/km²，依次是主城区均值水平的7.77倍和4.66倍。酒店住宿业态在研究区内的分布密度为3.57个/km²，而在钟楼中心区和曲江—小寨区域的密度值则分别达到45个/km²和16个/km²，依次是研究区业态密度均值的12.61倍和4.48倍。休闲购物业态在主城区内的平均密度值为1.76个/km²，而在钟楼中心区和高新区电子城的核密度则分别达到28个/km²和8个/km²，分别是研究区均值水平的15.91倍和4.55倍。可见，西安城市旅游休闲细分业态与总体业态分布的空间结构较一致，在总体上均是围绕钟楼中心区或曲江区域、大明宫或曲江—小寨区域等为核心，形成若干个不同尺度和规模的城市旅游休闲业态集聚区域，成为承载西安城市旅游休闲服务功能的重要空间载体。

表 3(Tab. 3

表 3 西安旅游休闲细分业态的空间结构特征 Tab.3 Spatial Structure Characteristics of Urban Tourism and Leisure Industries in Xi'an

表 3 西安旅游休闲细分业态的空间结构特征 Tab.3 Spatial Structure Characteristics of Urban Tourism and Leisure Industries in Xi'an

西安城市旅游休闲业态空间结构的分析结果显示：尽管总体业态与各细分业态的集聚核心之间存在具体区位分布上的差异，或围绕钟楼中心区、曲江—小寨区域，或围绕高新区电子城、大明宫区域等形成“一主单辅”或“一主多辅”的旅游休闲业态空间结构，但仍在城市整体层面较一致地呈现出业态集聚度由城市中心区域向外围区域逐层递减的等级化圈层分布格局。这集中反映出，当前拥有优良服务环境和完善市政配套的城市中心区域，是西安各类旅游休闲业态的集聚热点区域和核心依托空间。

地理探测器计算结果显示，游客密度、居民密度、CBD区位、经济水平和路网密度等因素对城市旅游休闲业态空间格局的形成均具有显著的正向影响，但每种因素的影响效应又存在一定的差异性（表 4）。

表 4(Tab. 4

表 4 各因素对旅游休闲业态分布的影响效应 Tab.4 Effects of Various Factors on the Distribution of Urbantourism and Leisure Industries

表 4 各因素对旅游休闲业态分布的影响效应 Tab.4 Effects of Various Factors on the Distribution of Urbantourism and Leisure Industries

旅游休闲业态大多属于小微型服务企业，其服务对象既包括外地游客也包括本地居民。相应地，通过契合消费者“就近选择”的行为特征以满足门槛人口需求，则是保障该类业态正常经营的前提。在利用星级酒店床位数表征游客分布规模的基础上，对西安主城区186家星级酒店床位数据矢量化的结果显示，以3 km为搜索半径测算的游客密度高值区与旅游休闲业态集聚区在空间分布上高度一致，即游客密度不但呈现出围绕主城中心等级化圈层分布的特征，而且在钟楼、曲江—小寨和高新区电子城等旅游休闲业态集聚等级最高的区域内相应形成三个游客分布峰值区，对应游客密度分别达到1064人/km²、401人/km²和401人/km²（图 2b）。进一步地，利用反距离加权法对西安市内各街道人口密度进行插值计算也发现，旅游休闲业态与人口密度高值区分布同样具有较高一致性，即作为旅游休闲业态的集聚中心，钟楼中心区（35959人/ km²）、曲江—小寨区域（22996人/ km²）和高新电子城（19902人/ km²）也是人口集聚程度最高的核心区（图 2c），并相应存在胡家庙、西稍门、南稍门、木塔寨及锦业路等多个大型居住社区集群。可见，游客、居民等消费人口因素是影响旅游休闲业态空间分布和空间结构形成的关键因素。其中，游客密度对旅游景点、休闲餐饮、休闲购物、休闲娱乐和酒店住宿业分布的影响效应分别达到0.088、0.458、0.454、0.619和0.639，居民密度的影响效应也较高且对应效应值分别为0.056、0.352、0.22、0.433和0.403。

图 2(Fig. 2)

图 2 各因素与旅游休闲业态分布的空间关系 Fig.2 Spatial Relationships Between Various Factors and the Tourism and Leisure Industry

CBD区位对旅游景点、休闲餐饮、休闲购物、休闲娱乐和酒店住宿业空间分布的影响效应分别为0.043、0.335、0.205、0.424和0.395，是综合影响效度仅次于消费市场（游客、居民）且作用强度整体较高的因素。作为城市中心用地集约化程度最高和级差地租等级最高的典型地理空间，CBD对内部业态经营类型的承租能力要求较高，只有具备较高地租支付能力、较强盈利水平的业态才能更好地适应中心区发展环境和获得生存发展机会。反过来讲，趋近CBD也恰恰符合大型购物中心及高端酒店业等服务业态竞逐外部经济条件与寻求稳定客流的选址要求。以钟楼为圆心作半径为8 km的旅游休闲业态缓冲区可发现，在面积占比为29.3%的缓冲区内集中了研究区74%的业态数量，除景点类业态受资源分布约束外，酒店、餐饮、购物和娱乐业的分布质心均邻近CBD，对应业态的分布质心与CBD相距分别仅为301 m、658 m、857 m和867 m。另将各业态标准差椭圆的短轴长度与业态地理中心趋向强度对应起来并进行比较可知，餐饮、娱乐、购物与酒店业的CBD趋向性依次增强，尽管景点类业态质心与CBD存在3.46 km的偏离距，但依然分布在以钟楼为圆心半径为8 km的CBD辐射区域内，即仍呈现出一定的CBD趋向性。以上分析表明，西安城市旅游休闲业态趋向CBD分布的特性显著（图 2d）。

经济水平为地区旅游休闲业态的生产经营活动提供了基础动力，既可有效保障城市旅游投资活动和休闲产品经营活动的顺利进行，又是促进城镇居民消费能力、购买欲望提升的关键。相应地，结合地理探测器量化结果可知，城市经济水平对旅游景点、休闲餐饮、休闲购物、休闲娱乐和酒店住宿业空间分布的影响效应分别达到0.053、0.262、0.147、0.273和0.143。进一步地，以西安主城区街道人均GDP数据为基础，结合空间插值法测算研究区人均GDP分布特征及其与旅游休闲业态分布的关系。结果显示，在人均GDP高于9万元/人的区域内集中了10913个旅游休闲业态单元，业态集中规模占到研究区总体业态规模的78%。与之一致，钟楼中心区、曲江与电子城三个旅游休闲业态集聚区也均分布在主城区人均GDP水平最高的区域，对应人均GDP值分别达到11.13万元/人、10.2万元/人与9.97万元/人的局部峰值水平（图 2e）。可见，西安城市旅游休闲业态空间分布明显受经济因素影响并倾向于集中在经济水平较高的地区。

交通路网是沟通客源市场和旅游休闲业态经营点的重要联系通道。因此，交通便捷度与空间联通性也直接关乎城市旅游休闲业态运营的整体效率和综合效益。尽管本研究的量化结果显示，相较于游客密度、居民密度、CBD区位和经济水平等因素，路网密度对西安城市旅游休闲业态空间分布结构的影响程度相对较弱，但该因素对旅游景点、休闲餐饮、休闲购物、休闲娱乐和酒店住宿业的影响效应值依然分别达到0.005、0.143、0.086、0.167和0.137的水平。不仅如此，依据公路周边1 km范围属于行人可达性较高区域的判定标准，对主城区内的交通路网依次作缓冲区分析可发现，分别有92.5%和98.7%的旅游休闲业态单元位于公路干线0.5 km、1 km的缓冲区内，且各旅游休闲业态点距公路干线的平均距离仅为183.05 m。以上分析表明，西安城市旅游休闲业态分布格局在一定程度上仍然受到交通因素推动与积极影响，并表现出邻近交通路网分布的特征（图 2f）。

以西安为案例的中国大城市旅游休闲业态空间格局分析结果显示，大城市旅游休闲业态空间分布整体呈现出由城市中心向边缘扩散的等级化圈层结构，且各业态集聚圈层的等级呈梯度递减趋势。即旅游休闲业态在城市中心局部形成集聚核心，围绕集聚核心向外依次为次级的环中心旅游休闲集聚过渡带和低等级的边缘旅游休闲拓展圈层，各圈层的规模尺度不同且业态密度由核心区向外围区迅速衰减。其中，位于城市中心的旅游休闲业态聚核区呈现“一主单辅”或“一主多辅”的多极化特征；而在主城区边缘的大范围区域，旅游休闲业态分布密度明显较低且并未形成有较强集聚效应的旅游休闲中心。而这一业态分布格局的形成，实则是由包括游客及居民在内的消费市场、经济水平、CBD区位及交通路网等因素综合作用的结果。尽管各因素作用强度存在差异，但对旅游休闲业态多核圈层分布结构的形成均产生了正向影响。这主要是因为，一方面以西安为代表的中国大城市，其旅游休闲业态发展普遍较早，并由早期规模扩张进入了当前多元类型扩充和功能效益提升阶段。相应地，业态分布成因也由最初交通、区位因素主导进入多元市场、综合区位、经济水平和立体交通等多因素共同驱动阶段；另一方面，大城市与边缘城镇多存在核心—边缘的地域发展势差，尽管城市整体发展和产业“涓滴效应”会逐步弱化该势差，但现阶段城市中心与边缘区在人口密度、经济、交通、营商环境及产业升级方面仍存在明显差距，而这种差距也势必会造成旅游休闲产业主要向比较优势明显的城市中心集中，使得旅游休闲业态格局相应呈现“核心—边缘”式圈层结构特征。

从理论角度看，鉴于城市旅游休闲业态组合多样、要素牵涉面广的发展特性，其空间格局形成势必受到多种复杂社会经济因素的共同驱动。从人地关系相互作用角度看，城市旅游休闲业态格局的形成，与作为地理要素的城市空间在结构转型导向下，通过市场、区位、经济和交通等媒介，对作为人文要素的城市旅游休闲业态作用及后者对前者的积极适应有关。即作为地理要素的大城市空间在旧城复兴、结构升级和服务转型等发展导向下，通过市场、区位、经济和交通等媒介要素，不断对作为人文要素的城市旅游休闲业态施加不同强度的正向影响，使得旅游休闲业态在快速适应城市空间环境的同时，更高效地发挥产业关联带动效应，最终反过来促成城市增长的集约化与结构转型的高效化。可见，城市旅游休闲业态格局形成，可以看作是旅游人地关系地域系统中人地要素相互适应的一种典型表现形式。另从实践角度看，本研究结论对于以西安为代表的大城市其旅游休闲业态空间格局优化也具有重要现实意义。在多因素共同作用的复杂情境下，城市管理者无论是进行旅游休闲产业的宏观规划还是休闲要素的微观配置，均需对城市特定区域的潜在市场规模、区位条件、经济状况与交通条件等进行重点评估，并针对性地强化区域比较优势和合理引导旅游休闲产业布局。对业态集聚效益显著的城市中心区，应通过鼓励市场竞争激发休闲产业发展活力；对于城市边缘区，则应在兼顾服务公平与效率的基础上，加大政府在休闲消费引导、资本投入、新区打造及交通优化方面的投入力度，以促成城市旅游休闲业态集聚效益的均衡化与最优化。

需要说明的是，当前城市旅游休闲空间研究因数据获取难度大，往往多局限于单一业态或小尺度空间研究。为此，本文通过引入业态兴趣点数据，提出一种基于新数据源的城市旅游休闲业态空间格局探究方法，为精确测度城市尺度下旅游休闲业态的发展规律提供了新思路。但必须承认，旅游休闲产业涉及范围广且影响因素复杂性较高，故对于城市旅游休闲业态分布不仅需要做长期深入地剖析，还需要顾及对政府政策、城市规划等隐性城市产业布局影响因素的系统分析。但由于目前尚缺乏统一口径的历时性业态分类数据和顾及经济、政策、规划等多要素的时间序列数据，因此本文所揭示的规律仍是阶段性的，并仅能从一种可能角度对影响因素背后的旅游人地关系作简短探讨。未来应结合新的大数据挖掘技术与空间分析模型等，探究时空维度上城市旅游休闲业态分布格局的演化规律及旅游人地关系作用机制。

注释：

① 数据来自西安市2017年国民经济和社会发展统计公报。http://www.xa.gov.cn/ptl/def/def/index_1121_6774_ci_trid_2766074.html。

② 各街道人口密度依据西安第六次人口普查数据与《陕西省区域统计年鉴（2015）》中西安主城区各街道面积测算得来；各街道人均GDP数据是以2017年西安统计年鉴、西安各区县社会经济发展公报中各街道人均GDP数据为基础。

③ 矢量路网数据来源于导航地图软件平台BIGMAP。