2. 陕西师范大学 西北国土资源研究中心, 西安 710119
2. Northwest Land and Resource Research Center, Shaanxi Normal University, Xi'an 710119, China
近年来,交通运输与旅游融合发展已经成为我国旅游业转型发展的新趋势。在许多旅游研究中,交通和旅游的关系被界定为可达性,移动性供给和目的地内部可达性是旅游和交通领域主要研究方向之一[1, 2]。旅游从本质上来讲即是游客的所有出行,交通的移动性是游客出行和空间位移的基础保障。可达性是衡量交通移动性便利程度和实现游客出行的关键指标,是指一个地方到达另一个地方的容易程度[3],是产生游客流动的重要的前提条件。可达性有助于了解景点的影响区域,是景点空间特征的一个重要方面[4],聚焦于目的地城市游客流动,景点可达性水平关系到景点位置质量的变化,不仅影响游客的资源评估和目的地选择,也引起旅游空间发展格局的变化。可达性受到可利用时间的影响和制约[5],对于游客而言,在出游时间约束下,目的地城市的出游行为包括景点选择、出游路径、出游频率以及出游方式等都具有显著差异[6]。人的行为既是对环境感知的一种主动反应也是在各种制约下的必然结果[7],因而从宏观环境背景和微观个人感知两个方面,探讨景点可达性对不同出游时间制约下游客空间流动的影响就显得十分必要,一方面丰富旅游与交通的相互关系研究,另一方面为优化旅游流动空间结构,促进旅游和交通协作规划提供理论支撑。
对旅游流影响因素的探讨一直是旅游流研究的焦点问题之一,已取得较为丰富的研究成果。Lau & McKercher认为影响游客流动模式的因素包括人(和游客相关)、建成环境(目的地结构、交通网络、吸引物)、旅行因素(旅游类型和持续时间) [8]。Lew & McKercher研究指出时间预算、游客动机和兴趣、目的地景点的位置及其交通可达性是游客空间流动的主要影响因素[9]。根据徐敏等的研究,不同因素之间的共同影响促进了流空间的形成和发展,旅游资源禀赋和交通发展水平对于空间流向作用更为明显[10]。目的地和景点吸引力以及旅游接待服务设施是游客流动网络形成的主要影响因素和重要拉力[11-14],高中心度景点之间流量较大,景点中心性与其等级具有一定的正相关,景点流动路径受到景点等级的影响[15]。有研究表明景区集聚度也是影响旅游流空间分布的显著要素,影响程度大于景点吸引力[16]。
可达性经常被强调是限制流动性的一个关键因素,城市交通系统提供的有限可达性对出行流动性产生约束[17]。交通可达性影响游客旅游目的地的选择,进而也是影响目的地城市游客流动空间格局形成的重要因素[18, 11]。出行距离、耗费时间和花费成本是交通可达性常规的测算指标[19]。已有研究发现景点之间距离越近,流动频率越高,距离影响景点流动路径的选择与形成[15, 20]。Huang等在对中国游客的分析中,发现游客流动受到出行时间的显著影响[21]。不同交通方式出行时间所反映的机会成本也是影响游客流动的主要因素之一[22]。德国黑塞北部的研究显示游客在目的地的流动性与目的地交通方式选择之间具有高度显著的相关性[23]。
从上述分析可以看出,在研究内容上,游客空间流动的影响因素研究被给予了足够的关注,可达性和游客流动之间存在相关关系也达成共识,但游客空间流动的可达性机制的实证探讨较少,尤其可达性受到不同出游时间的制约进而发生的影响变化的研究更为鲜见;在数据获取方式上,主要利用统计数据、问卷调查数据或互联网数据等单一数据,缺少挖掘各类数据的优势特点,综合多源数据对游客流动机制进行系统深入的研究。因此,本文利用广泛的互联网大规模旅游空间数据和细微的问卷样本数据的优势互补,通过获取百度实时出行中常规公交、常规公交/地铁、小汽车三种不同交通方式出行时间的景点可达性以及游客空间环境感知数据、网络游记数据,聚焦于西安市区旅游出行,从景点客观可达性和感知可达性两个方面,基于流关系视角,运用二次指派程序(Quadratic Assignment Procedure,QAP) 和统计分析因素比较方法,探讨景点可达性对不同出游时间游客流动以及典型路径和高频到访景点的影响及其差异。特别强调的是,本研究的游客流动仅指一般意义上的游客景点间的空间流动。
2 研究区域、数据和方法 2.1 研究区域西安市地处中国关中平原中部,东经107.40̊—109.49̊和北纬33.42̊—34.45̊之间,属暖温带半湿润大陆性季风气候,冷暖干湿四季分明,是中华文明和中华民族重要发祥地之一,丝绸之路的起点,世界历史名城。作为中国西部地区重要的中心城市,西安旅游资源丰富多样,特色突出,接待的旅游规模居于全国前列,一直以来都是热门的旅游城市、中国最佳旅游目的地,近年来,西安市在"西安·最中国"等系列文化旅游活动持续推动下,借助于短视频的传播和营销,迅速成为网红城市,将西安城市旅游推向新的更高的浪潮。作为典型的旅游城市,旅游产生的经济效益和社会效益对西安的城市发展具有非常重要的作用。
2.2 数据来源(1) 网络游记数据主要来源于去哪儿网(http://travel.qunar.com) 和携程网(https://you.ctrip.com),利用Python编程采集2018年6月30日—2019年6月30日期间的西安市区游客到访景点的出行轨迹路径,通过对数据清洗和甄别,最终获取1608条旅游景点路径,其中,一日游316条,二日游209条,三日游及以上为1083条,共涉及旅游景点69个。以此分析基于不同出游时间的游客到访景点流动空间结构。
(2) 百度出行数据采用百度地图API精确的起点到终点路径匹配时间算法,获取景点之间由百度地图出行服务推荐使用的常规公交、常规公交/地铁和小汽车三种常规可行的交通方式可达时间,由于西安市地铁线路目前覆盖范围有限,因此景点可达性测度中未考虑纯粹的地铁出行方式。以该方式于2019年6月3日—9日连续抓取一周的数据,其中,工作日分别在早晚高峰和平峰各抓取一次,周末在8:00—18:00之间抓取一次,然后取平均值。最终分别得到常规公交、常规公交/地铁和小汽车三种交通方式的起点至终点4692条OD对出行时间。4692条包括任意两个景点之间不同方式的往返出行时间,通过比对后发现往返所用时间略有不同,这也恰恰反映了相比较常规利用路网计算通行时间的方法,百度地图API实时出行功能能够将道路通行速率、道路拥堵状况、道路障碍、步行时间等考虑进来,所获得的出行时间数据更为精确。以此进行景点客观可达性的测算。
(3) 问卷调查数据来源于正式问卷的随机抽样调查。调查问卷量表编制参考旅游目的地景点选择和旅游行为的影响因素,旅游交通可达性研究等相关文献[24-29],包括个人基本情况、游客出行情况、游客选择景点的影响因素、游客景点间流动路径的可达性感知及景点周边环境评价五个方面的内容。调研小组于2019年11月20日—30日期间,在回民街、钟楼、陕西历史博物馆、大雁塔四个景点对到访西安的外地游客,采用现场发放、填写和回收的形式开展问卷调查,这四个景点是网络游记数据生成的主要景点,且本身即是西安市热门景点,外地游客较多,便于调研的顺利进行。调研共发放抽样调查问卷320份,回收有效问卷300份,有效率93.75%。一日游、二日游、三日游及以上样本量分别为63份、114份、123份,占样本总量的21%、38%、41%。游客到访的西安市区景点数量总共59个,全部涵盖在网络游记景点之内,一日游、二日游、三日游及以上的到访景点分别为16个、32个、41个,景点OD路径分别为62条、211条、401条。为解释感知可达性对不同出游时间游客流动及典型路径选择、高频到访景点的影响提供数据基础。
有效样本人口统计特征如表 1所示。女性游客较多,占总样本的56.33%;年龄以18—30岁的青年游客居多,占比43%;本科及以上的高学历游客居多,占比48.67%;个人月收入2001—8000元的游客居多,占比59%;省外游客较多,占比64.67%;有驾照的游客较多,占比58%;出游时间以2天居多,占比38%;景点交通方式以乘坐公交车/地铁居多,占比54%。
![]() |
表 1 调查样本的人口统计特征(N=300) Tab.1 Demographic Characteristics of Survey Samples (N=300) |
基于网络游记数据中反映地理空间信息的特点,在对游客大规模景点空间流动影响因素的分析中,更多考虑景点及其空间属性,并根据前述已有文献研究中具有统计意义的影响因素[8-11, 15, 16, 22, 23],整理形成出游时间、景点间不同方式可达性、景点吸引力为解释变量。基于此,构建景点客观可达性对游客流动的影响模型:
![]() |
(1) |
式中,Y代表游客景点空间流动规模矩阵;t代表三种出游时间;Aip代表i景点的常规公交可达性,Aipm代表i景点的常规公交/地铁可达性,Aic代表i景点的小汽车可达性,数据来源于百度实时出行的不同交通方式可达性时间;LOA代表景点吸引力,使用景点等级表示,2A、3A、4A、5A景点分别赋值为2、3、4、5,非A级景点根据游客到访量来判断景点吸引力,通过比较非A级景点游客到访量和A级景点不同级别的游客平均到访量,根据落入区间判断非A级景点的等级进而赋值。需要说明的是,关于t的影响的数据分析在一次性分析模型中难以实现操作,原因是不同出游时间的游客流动不仅仅是规模上的不同,还存在流动路径的不同,因此,为明晰出游时间的影响,分别进行三次不同时间类型下游客流动的影响模型分析。
2.3.2 QAP分析方法QAP分析是基于关系型数据的非参数估计方法,能够有效地解决传统计量方法在关系型数据处理上存在的多重共线性及虚假相关等问题[30],包括QAP相关分析和回归分析,经过QAP非参数置换检验得到的结果具有可解释性[31]。景点可达性对游客空间流动的影响涉及的变量为关系型变量,其数据本身就是关于联系的数据,因此,QAP方法适用于景点客观可达性对游客空间流动的影响分析,可以增强结论的有效性。
QAP相关分析主要用于分析两种"关系矩阵"之间或者属性与关系之间是否显著相关,检验值处于<1%、1%— 5%或5%—10%区间的显著性水平内,其统计意义表明所研究的矩阵之间存在强关联关系[30, 32, 33]。QAP回归分析主要是考察多个关系矩阵与一个关系矩阵间的回归关系。计算方法类似于QAP相关分析,最终得到截距项及各个自变量的非标准化回归系数、标准化回归系数等统计性检验结果。
2.3.3 统计比较分析方法首先,运用李克特五点量表法对西安市游客到访景点的影响因素及可达性感知的调研数据进行统计分析,影响因素的重要程度划分为非常不重要、不重要、一般、重要和非常重要5种程度,游客对景点之间交通可达性和景点周边环境评价划分为完全不赞同、不赞同、一般、赞同和完全赞同5种等级,对应赋值1、2、3、4、5分,分别计算总分值。其次,运用指标对比分析法、分组分析法、因素分析探讨不同出游时间的游客流动路径中各项因素的差异及其影响程度,并重点解释游客的感知可达性对游客流动路径差异的影响。
3 景点客观可达性对游客流动的影响 3.1 QAP相关分析为了确立各解释变量,首先进行两两关系变量矩阵相关性分析,使用Ucinet软件,选择5000次随机置换,得到的QAP相关分析结果见表 2。可以看出,常规公交、常规公交/地铁、小汽车时间和游客景点空间流动呈现负相关,即随着景点三种交通方式的出行时间成本增大,游客景点空间流量在减小。景点等级(加和矩阵)、景点等级(差值矩阵) 和游客景点空间流动呈现正相关。从显著性水平来看,各解释变量和游客景点空间流动都具有显著的相关性,总体上说明出行时间成本、景点集聚性与差异性均是影响游客流动规模的重要因素。
![]() |
表 2 游客景点空间流动和各影响因素之间的相关性分析结果 Tab.2 Correlation Results Between Tourists' Flow among Attractions and the Influencing Factors |
在上述各影响因素和游客景点空间流动的相关性分析之后,对这5个解释变量进行QAP回归分析,为了进一步判定5个变量在不同出游时间约束下对被解释变量的影响程度有无变化,基于一日游、二日游、三日游及以上三种不同出游时间分别进行QAP回归分析,结果分别如表 3、表 4、表 5所示。
![]() |
表 3 一日游游客景点空间流动影响因素的QAP回归分析结果 Tab.3 QAP Regression Analysis Results of Factors Affecting Tourists' Flow among Attractions of One-day Tour |
![]() |
表 4 二日游游客景点空间流动影响因素的QAP回归分析结果 Tab.4 QAP Regression Analysis Results of Factors Affecting Tourists' Flow among Attractions of Two-day Tour |
![]() |
表 5 三日游及以上游客景点空间流动影响因素的QAP回归分析结果 Tab.5 QAP Regression Analysis Results of Factors Affecting Tourist' Flow among Attractions of Three-day Tour and Above |
(1) 常规公交/地铁时间、小汽车时间、景点等级是一日游游客景点空间流动的主要影响因素
一日游判定系数值R2为0.189,调整后判定系数值AdjR2为0.201,P值为0,表明景点不同交通方式的可达性和景点吸引力两类影响因素的差异变化能够解释一日游游客空间流动变化的20.1%。一日游中,五个解释变量均通过了显著性检验。常规公交/地铁时间、小汽车时间、景点等级(加和矩阵) 对于游客景点空间流动的影响作用较大,另外两个因素的影响作用不大,常规公交/地铁时间的标准化回归系数为-0.2342,表明当景点的常规公交/地铁可达性时间提高1%时,在其他条件不变的情况下,游客景点空间流动流量将下降0.234%。小汽车时间的标准化回归系数为0.1249,表明当景点的小汽车可达性时间提高1%时,在其他条件不变的情况下,游客景点空间流动流量将上升0.125%。究其原因,这主要与较强的出行时间约束以及高频访问景点的交通条件有关。一日游强时间约束下,游客出游行为呈现出短时间尽可能游玩高知名度景点的特征。一日游高知名度景点主要包括中心城区回民街、大雁塔、钟楼以及秦始皇帝陵博物院等景点。据此,较强的时间约束以及中心城区常规公交/地铁网络的集中分布直接形成了这一关系特征。景点等级(加和矩阵) 的标准化回归系数为0.3069,表明当景点等级提高1%时,在其他条件不变的情况下,游客景点空间流动流量上升0.307%。一日游时间约束下所呈现出来追求代表性高知名度景点的游客行为特征使得景点等级对游客景点空间流动的影响超过了常规公交/地铁交通出行时间以及小汽车时间的影响。
(2) 常规公交时间与小汽车时间是二日游游客景点空间流动的主要影响因素,且解释力高于景点等级
二日游判定系数值R2为0.123,调整后判定系数值AdjR2为0.169,P值为0。二日游景点不同交通方式的可达性和景点吸引力对游客景点空间流动的影响具有一定的解释力。二日游中,常规公交、常规公交/地铁时间、小汽车时间、景点等级(加和矩阵) 这四个解释变量均通过了显著性检验。具体来看,常规公交/地铁时间的标准化回归系数为-0.0691,对于游客景点空间流动具有弱影响。常规公交时间的标准化回归系数为-0.2042,表明在其他条件不变的情况下,当景点的常规公交时间提高1%时,游客流动规模将下降为0.204%。小汽车时间的标准化回归系数为-0.1146,表明当景点的小汽车可达性时间提高1%时,在其他条件不变的情况下,游客景点空间流动规模将下降0.115%。比较常规公交时间和小汽车时间的游客流动下降规模,可以反映这与二日游时间约束下游客选择小汽车出行方式到访远距离景点,选择常规公交到访近距离景点有关。景点等级(加和矩阵) 的标准化回归系数为0.0855,表明当景点等级提高1%时,在其他条件不变的情况下,游客景点空间流动规模将上升0.086%。二日游中,常规公交时间和小汽车时间的景点可达性影响高于景点等级的影响。
(3) 常规公交时间、常规公交/地铁时间与景点等级对三日游及以上游客景点空间流动均产生了显著作用
三日游及以上的判定系数值R2为0.299,调整后判定系数值AdjR2为0.376,P值为0,表明五个解释变量能够解释三日游及以上游客景点空间流动变化的37.6%,且具有显著性,并优于一日游与二日游,除了景点等级(差值矩阵) 以外,其余四个解释变量较好地解释了游客流动规模的形成。常规公交和常规公交/地铁时间的标准化回归系数都为-0.5309,表明当景点公共交通可达性时间提高1%时,在其他条件不变的情况下,游客景点空间流动规模将下降0.531%。小汽车时间的标准化回归系数为-0.2432,表明当景点的小汽车可达性时间提高1%时,在其他条件不变的情况下,游客景点空间流动规模将下降0.243%。游客空间流动和不同交通方式可达性时间负相关。景点等级(加和矩阵) 的标准化回归系数为0.4112,表明当景点等级(加和矩阵) 提高1%时,在其他条件不变的情况下,游客景点空间流动流量将上升0.411%,与前述一致,三日游及以上游客流动网络类型中,游客倾向于在同等级景点以及高等级景点间进行路径选择。总体上,三日游及以上中,常规公交时间和常规公交/地铁时间对三日游及以上游客景点空间流动的影响大于景点等级(加和矩阵) 的影响,但这三种因素共同表现出来的影响作用较大。
3.3 景点客观可达性对不同出游时间游客流动的影响基于大样本的线上数据的景点空间属性信息,通过上述分析得出在出游时间的约束下,不同交通方式可达性以及景点等级及其空间分布共同作用于游客景点空间流动的形成。
(1) 不同出游时间的QAP回归分析结果显示不同交通方式出行效率对游客景点空间流动产生了显著影响。长途景点的游客流动及其规模的形成主要受到出行效率高的小汽车的影响,使得小汽车出行对游客出游规模具有较高的解释力,在一日游中表现尤其显著,短途景点以及公交网络匹配衔接程度高的景点之间的游客流动主要受到公共交通可达性的影响。
(2) 游客景点空间流动受到出游时间的约束,一日游的高强度时间约束性前提下,出行效率高的常规公交/地铁时间的影响最大;在二日游较宽的时间约束条件下,游客景点空间流动主要受到常规公交时间的影响最大;三日游及以上的时间相对最为充裕,同时主要受到常规公交/地铁出行时间、常规公交出行时间的共同影响;和公交方式相比,小汽车出行时间的影响随着出游时间增长在下降。总之,游客出行方式选择在不同时间约束下具有显著差异。其中,一日游以常规公交/地铁、小汽车为主,二日游相较一日游,由于时间的相对宽松,以常规公交与小汽车为主,三日游及以上则对常规公交、常规公交/地铁具有最显著依赖。
(3) QAP回归分析也显示,景点等级影响游客景点空间流动的形成,高等级景点之间游客流量较大。三日游及以上和一日游相比,景点等级的作用愈加明显。出游时间约束越强,游客流动的高等级景点路径选择空间更为紧凑,出行距离较短。而出游时间宽松下所形成的大规模游客流动的高等级景点路径选择,一定程度上受到空间分布和出行距离的限制较小,既有中心区景点和边缘区景点,也有在中心区与边缘区景点组团之间的高等级景点路径。因此,游客景点空间流动的形成受到景点等级及其空间分布的双重作用,呈现空间分布下的景点等级正向影响且影响程度随着出游时间的增加愈加明显。
4 感知可达性对游客流动的影响 4.1 不同出游时间类型的景点路径及影响因素 4.1.1 景点流动路径对比根据调查问卷分析,随着出游时间增长,游览景点数量和形成的景点路径均增多。一日游、二日游、三日游及以上共计形成的游客到访景点分别为16个、32个、41个,流动路径分别为20种、68种、103种,一日游游客流动规模最大的景点为钟楼、二日游和三日游及以上均为大雁塔。一日游、二日游、三日游及以上游客流动次数较多的共同路径是钟楼—大雁塔、钟楼—回民街、大雁塔—回民街。一日游游客的路径具有景点位于中心区位、景点之间距离近、景点知名度非常高的特征,例如钟楼—回民街,钟楼—大雁塔。二日游游客的路径显现景点知名度非常高、开始出现景点区位偏远、景点之间长距离、景点区位跨度大的特征,例如:华清池—秦始皇帝陵博物院、陕西历史博物馆—秦始皇帝陵博物院。三日游及以上游客的路径具有景点知名度比较高以及景点之间长距离、景点区位跨度大的出现频率更高的特征,例如:小雁塔—大雁塔、回民街—华清池、大雁塔—秦始皇帝陵博物院、陕西历史博物馆—永兴坊。三种不同出游时间中,大规模的游客流动均产生在距离较近的中心区不同景点组团间的景点之间和景点组团内集聚性景点之间,小规模游客流动的景点和路径呈现出多样化且具有一定知名度的特征。
4.1.2 影响因素通过分值计算,游客在目的地城市选择景点的所有影响因素的重要程度从高到低依次为:景点周边社会治安状况(4.10分)、景点周边的环境舒适度(4.05分)、景点美誉度(4.03分)、景点密度(4.01分)、餐饮购物住宿等配套设施的条件(3.99分)、景点偏好(3.98分)、景点知名度(3.96分)、邻近景点的吸引力(3.95分)、旅游动机(3.93分)、公交到达便利与否(3.91分)、景点的人流量(3.84分)、景区门票(3.77分)、交通成本(3.69分)、小汽车到达便利与否(3.46分) 和景点周边停车设施(3.40分)。一日游游客、二日游游客以及三日游及以上游客选择景点考虑的交通可达性影响显示出(图 1):①小汽车到达便利与否和景点周边停车设施的影响程度较低。说明游客出行受时间和自身经济条件的限制,出行方式更倾向于选择绿色经济的公共交通出行为主。②选择景点考虑的交通方式影响因素中,公交可达性的重要性大于小汽车可达性,且小汽车可达性的影响程度随着出游时间增长在降低,公交可达性的影响程度三日游及以上大于一日游,一日游大于二日游,说明三日游及以上出游时间宽松的情况下选择公交出行的可能性大,一日游出游时间非常有限的情况下,受经济条件的约束更希望公交到达能够便利,二日游出游时间适中的情况下,有一定弹性时间,相较于一日游和三日游及以上,公交可达性的重要性略有下降。这和前述景点不同交通方式客观可达性对游客景点流动的影响规律相一致。③交通成本的影响程度基本随着出游时间增长,重要性在降低,可能一方面因为长时出游更多选择经济实惠的城市公交出行方式,交通成本低;另一方面长时出游中其他各种成本也较高,交通成本的重要性不再凸显。
![]() |
图 1 不同出游时间景点选择的影响因素重要程度 Fig.1 The Importance of Factors Affecting the Choice of Attractions in Different Travel Times 注:x1旅游动机、x2景点偏好、x3景区知名度、x4景点美誉度、x5景区门票、x6交通成本、x7景点周边停车设施、x8小汽车到达便利与否、x9公交到达便利与否、x10景点的人流量、x11景点周边的环境舒适度、x12餐饮、购物、住宿等配套设施的条件、x13景点周边社会治安状况、x14邻近景点的吸引力、x15景点密度。 |
通过对游客流动路径的统计分析,钟楼—大雁塔、钟楼—回民街、大雁塔—回民街三条路径的样本量较多,样本量分别达到43份、38份、37份,且在三种出游时间中的流动次数均较高,居于前列,钟楼—大雁塔、钟楼—回民街、大雁塔—回民街的一日游/二日游/三日游及以上流动次数分别为10/18/15、8/14/16、5/13/19。这三条典型路径的感知可达性评价如图 2所示。
![]() |
图 2 典型路径感知可达性评价 Fig.2 Perception Evaluation of Traffic Accessibility of Typical Paths 注:x1景点之间距离很近、x2景点之间道路质量很好、x3交通出行信息获取容易、x4步行到公交站点很方便、x5公交车服务频次高、x6公交换乘很方便、x7乘坐公共交通到达景点很方便、x8打车方便、x9出租车数量多、x10停车方便、x11景点之间道路畅通、x12总分值均值。 |
三条典型路径游中,①对可达性感知总体评价较好。②交通出行信息获取容易的感知认可度最高,停车方便和景点之间道路畅通的感知认可度最低,景点之间道路质量很好的认可度高于道路畅通程度。③不同交通出行方式中,乘坐公共交通到达景点很方便、步行到公交站点很方便、公交车服务频次高,以及打车方便、出租车数量多的感知认可度都较高,公交换乘很方便的感知认可度相对较弱。说明位于西安中心区的这三条路径的公交车出行和出租车出行都比较方便,私家车出行不方便、停车困难,但公交车无缝换乘仍需进一步优化,道路拥堵尚待进一步缓解。
4.2.2 高频景点周边环境及感知可达性评价一日游、二日游、三日游及以上的高频景点完全重合,均是陕西历史博物馆、大雁塔、钟楼和回民街,游客到访次数分别是30/44/57、25/53/93、20/40/49、16/51/61,不同出游时间高频景点周边环境及感知可达性评价见图 3、图 4。具有以下主要特征:①高频景点周边环境及可达性感知评价总体都较好,且具有强烈的相似性。四个景点的邻近景点的吸引力强、乘坐公交车到达景点很方便的感知评价较高。停车方便、通往景点的路况很好、景点周边环境舒适的感知均较差,但大雁塔的景点周边环境舒适的感知要稍好于其他三个景点。②相比私家车出行,高频景点的公交可达性水平感知更好,一定程度上反映了高频景点与公交可达性的高相关关系。③4个景点的三日游及以上游客的公交可达性感知水平好于一日游和二日游游客,显现出时间宽松的情况下,公交可达性感知水平也在提高,表明可达性水平和游客拥有的出游活动时间相关。
![]() |
图 3 高频景点周边环境及感知可达性因素评价 Fig.3 Evaluation of the Surrounding Environment and Perceived Accessibility Factors of High-frequency Visited Attractions 注:x1乘坐公交车到达景点很方便、x2乘坐小汽车到达景点很方便、x3停车方便、x4通往景点的路况很好、x5景点的周边环境舒适、x6景点的餐饮购物住宿等配套设施完善、x7景点周边社会治安良好、x8邻近景点的吸引力强。 |
![]() |
图 4 高频景点周边环境及感知可达性总体评价 Fig.4 Overall Comparative Evaluation of the Surrounding Environment and Perceived Accessibility of High-frequency Visited Attractions |
本文基于互联网旅游出行大数据和问卷抽样调查数据,通过QAP分析方法和统计分析,从客观测量和主观感知两个方面,揭示不同出游时间约束下景点可达性与游客景点选择及其空间流动的关系,研究发现:
(1) 不同出游时间下,不同交通方式的出行时间成本、高等级景点集聚性均是影响游客流动规模的重要因素,影响程度随着出游时间的约束变化而不同。长途景点和短途景点以及不同出游时间的游客空间流动受到不同交通方式可达性的影响程度差异较大。随着出游时间增长,景点可达性的影响表现得愈发显著,公交可达性的影响愈加显著,小汽车可达性的影响在下降,边缘区域及长途景点受小汽车可达性的影响显著,中心城区及短途景点受常规公交和常规公交/地铁的影响显著。景点等级对游客空间流动产生正向影响,结合其空间分布的作用下,影响程度随着出游时间的增长愈加明显。
(2) 不同出游时间下游客选择景点考虑的交通影响因素中,公交可达性的重要性大于小汽车可达性,公交可达性的影响程度在三日游及以上中表现最重要,其后依次为一日游、二日游。交通成本的影响程度基本随着出游时间增长,相对重要性在降低。
(3) 位于西安中心区的三条典型路径钟楼—大雁塔、钟楼—回民街、大雁塔—回民街的感知可达性水平较高,公交车出行和出租车出行均比较方便,但私家车出行不方便、停车困难是其主要面临的问题,公交车无缝换乘以及道路畅通水平仍有待进一步优化和提升。
(4) 高频景点大雁塔、回民街、陕西历史博物馆和钟楼的周边环境及可达性感知评价总体较好,邻近景点的吸引力强、乘坐公交车到达景点很方便的感知评价均较高,停车方便、通往景点的路况很好、景点周边环境舒适均感知较差。相比私家车出行,高频景点的公交可达性水平感知更好。
5.2 讨论本研究立足于不同出游时间制约框架下,明确景点可达性及其不同交通方式在游客空间流动中的角色和作用,是对旅游交通研究的补充和发展,对促进西安市旅游和交通的融合发展具有重要的理论参考和实践指导意义。以"布局合理、衔接顺畅、服务便捷"为指导原则,加快协调实现西安市交通规划与旅游规划的统一,加强相互协作的顶层指导,在景点等级与空间分布保持稳定的前提下,调整和开发旅游线路,发挥交通的引导作用,优化现有城市交通路网布局和配置质量,提升交通基础设施的覆盖及有机衔接水平,推进西安市智慧旅游和智慧交通平台的建设,提高景点之间的可达性水平,完善旅游空间结构,对于提升目的地城市景点竞争力至关重要。本研究也显示出地铁对游客空间流动的作用非常显著,地铁覆盖网络化为我国正在快速崛起的大众旅游的"快旅慢游"需求提供了重要的交通条件,未来随着城市地铁发展的网络化程度的提高,对城市旅游流动必然产生新的影响,形成新的游客流动模式,地铁覆盖网络化对城市旅游流动的改变,是今后值得进一步研究的方向。
[1] |
Hall C M, Page S J. Geography of Recreation and Tourism: Environment, Place and Space[M]. London: Routledge, 1999: 62-63.
|
[2] |
Kwan M P, Weber J. Scale and accessibility: Implications for the analysis of land-use-travel interaction[J]. Applied Geography, 2008, 28(2): 110-123. DOI:10.1016/j.apgeog.2007.07.002 |
[3] |
Johnston R J. 人文地理学词典[M]. 柴彦威, 等译. 北京: 商务印书馆, 2004: 2. [Johnston R J. The Dictionary of Human Geography[M]. Chai Yanwei, et al, trans. Beijing: The Commercial Press, 2004: 2.]
|
[4] |
Uchiyama Y, Kohsaka R. Cognitive value of tourism resources and their relationship with accessibility: A case of Noto region, Japan[J]. Tourism Management Perspectives, 2016, 19: 61-68. DOI:10.1016/j.tmp.2016.03.006 |
[5] |
Geurs K T, Wee B V. Accessibility evaluation of land-use and transport strategies: Review and research directions[J]. Journal of Transport Geography, 2004, 12(2): 127-140. DOI:10.1016/j.jtrangeo.2003.10.005 |
[6] |
Jin C, Cheng J, Xu J. Using user-generated content to explore the temporal heterogeneity in tourist mobility[J]. Journal of Travel Research, 2018, 57(6): 779-791. DOI:10.1177/0047287517714906 |
[7] |
柴彦威, 沈洁, 赵莹. 城市交通出行行为研究方法前沿[J]. 中国科技论文在线, 2010(5): 66-73. [Chai Yanwei, Shen Jie, Zhao Ying. Activity-based approach for urban travel behavior research[J]. Sciencepaper Online, 2010(5): 66-73.] |
[8] |
Lau G, McKercher B. Understanding tourist movement patterns in a destination: A GIS approach[J]. Tourism and Hospitality Research, 2007, 7(1): 39-49. |
[9] |
Lew A A, McKercher B. Modeling tourist movement: A local destination analysis[J]. Annals of Tourism Research, 2006, 33(2): 403-423. DOI:10.1016/j.annals.2005.12.002 |
[10] |
徐敏, 黄震方, 曹芳东, 等. 基于在线预订数据分析的旅游流网络结构特征与影响因素——以长三角地区为例[J]. 经济地理, 2018, 38(6): 193-202. [Xu Min, Huang Zhenfang, Cao Fangdong, et al. The network structure features and influence factors of tourism flows based on online data analysis: Taking the Yangtze River Delta region as an example[J]. Economic Geography, 2018, 38(6): 193-202.] |
[11] |
李欣存. 基于网络游记的城市景区间游客流动网络结构研究——以苏州市为例[D]. 南京: 南京师范大学, 2016: 1-37. [Li Xincun. Study on the Structure of Tourist Flow Network among Urban Scenic Spots Based on Online Travel Notes: A Case Study of Suzhou City[D]. Nanjing: Nanjing Normal University, 2016: 1-37.]
|
[12] |
闫闪闪, 靳诚. 市域内部旅游流空间扩散动力机制——以洛阳市为例[J]. 人文地理, 2019, 34(5): 149-158. [Yan Shanshan, Jin Cheng. The dynamic mechanism of the city domestic tourist flow space: A case study of Luoyang[J]. Human Geography, 2019, 34(5): 149-158.] |
[13] |
阮文奇, 张舒宁, 郑向敏. 中国游客赴泰旅游流网络结构及其形成机理研究[J]. 世界地理研究, 2018, 27(4): 34-44. [Ruan Wenqi, Zhang Shuning, Zheng Xiangmin. A study on the network structure of Chinese tourists' traveling to Thailand and its formation mechanism[J]. World Regional Studies, 2018, 27(4): 34-44. DOI:10.3969/j.issn.1004-9479.2018.04.004] |
[14] |
赵明煜, 刘建国. 北京市旅游流网络特征及影响研究[J]. 城市发展研究, 2020, 27(9): 13-18. [Zhao Mingyu, Liu Jianguo. Research on the characteristics and influence of Beijing tourism flow network[J]. Urban Development Studies, 2020, 27(9): 13-18.] |
[15] |
靳诚, 徐菁, 黄震方, 等. 南京城市内部景点间游客流动特征分析[J]. 地理学报, 2014, 69(12): 1858-1870. [Jin Cheng, Xu Jing, Huang Zhenfang, et al. Analyzing the characteristics of tourist flows between the scenic spots in inner city based on tourism strategies: A case study in Nanjing[J]. Acta Geographica Sinica, 2014, 69(12): 1858-1870. DOI:10.11821/dlxb201412011] |
[16] |
刘大均, 简代飞, 杨丹, 等. 基于网络游记的成都市旅游流空间特征及影响因素分析[J]. 西华师范大学学报(自然科学版), 2020, 41(1): 92-97. [Liu Dajun, Jian Daifei, Yang Dan, et al. Analysis of spatial characteristics and influential factors of tourism flow in Chengdu[J]. Journal of China West Normal University(Natural Sciences), 2020, 41(1): 92-97.] |
[17] |
Andreasen M H, Møller-Jensen L. Access to the city: Mobility patterns, transport and accessibility in peripheral settlements of Dares Salaam[J]. Journal of Transport Geography, 2017, 62: 20-29. |
[18] |
王赞赞, 冯文勇, 任瑞萍, 等. 不同客源市场游客行为特征差异研究——以五台山风景区游客为例[J]. 干旱区资源与环境, 2018, 32(2): 201-208. [Wang Zanzan, Feng Wenyong, Ren Ruiping, et al. Difference of tourists' behavior characteristics among different tourist markets: An example of tourists in Wutai mountain scenic spot[J]. Journal of Arid Land Resources and Environment, 2018, 32(2): 201-208.] |
[19] |
Medlik S. Dictionary of Travel, Tourism and Hospitality[M]. Oxford: Butterworth-Heinemann, 2003: 273.
|
[20] |
Mou N, Zheng Y, Makkonen T, et al. Tourists' digital footprint: The spatial patterns of tourist flows in Qingdao, China[J/OL]. Tourism Management, 2020, 81: 104151. https://doi.org/10.1016/j.tourman.2020.104151.
|
[21] |
Huang X, Zhang L, Ding Y. The Baidu index: Uses in predicting tourism flows: A case study of the Forbidden City[J]. Tourism Management, 2017, 58: 301-306. |
[22] |
Huang C H, Tsaur J R, Yang C H. Does world heritage list really induce more tourists? Evidence from Macau[J]. Tourism Management, 2012, 33(6): 1450-1457. |
[23] |
Dominik B, Carsten S, Claudia W. Uncommon leisure traffic: Analyses of travel behaviour of visitors[J]. Transportation Research Procedia, 2017, 25: 3971-3984. |
[24] |
刘大均. 城市群旅游流空间格局及演化研究[D]. 武汉: 华中师范大学, 2016: 151-153. [Liu Dajun. Research on the Spatial Pattern and Evolution of Tourism Flow in Urban Agglomeration[D]. Wuhan: Central China Normal University, 2016: 151-153.]
|
[25] |
许春晓, 周美静, 王甫园. 旅游目的地选择意愿的影响因素——以韶山为例[J]. 经济地理, 2015, 35(4): 178-185. [Xu Chunxiao, Zhou Meijing, Wang Fuyuan. Factors influencing tourist's choice of destination: A case study of Shaoshan[J]. Economic Geography, 2015, 35(4): 178-185.] |
[26] |
赵现红. 旅华外国游客旅游目的地选择影响因素实证研究[J]. 经济地理, 2010, 30(1): 145-149. [Zhao Xianhong. An empirical study on affecting factors of foreign tourist' destination choice[J]. Economic Geography, 2010, 30(1): 145-149.] |
[27] |
Moscardo G, Pearce P L. Life cycle, tourist motivation and transport: Some consequences for the tourist experience[M]//Lumsdon L, Page S J. Tourism and Transport: Issues and Agenda for the New Millennium. Oxford: Elsevier Ltd, 2004: 29-44.
|
[28] |
Page S J. Tourism and Transport: Global Perspectives(Third Edition)[M]. London: Pearson Education Limited, 2009: 139-148, 177-183.
|
[29] |
Cheng Y H, Chen S Y. Perceived accessibility, mobility, and connectivity of public transportation systems[J]. Transportation Research Part A, 2015, 77: 386-403. |
[30] |
种照辉, 覃成林. "一带一路"贸易网络结构及其影响因素——基于网络分析方法的研究[J]. 国际经贸探索, 2017, 33(5): 16-28. [Chong Zhaohui, Qin Chenglin. The trade network structure of "One Belt One Road" and its influence factors: A study based on analytic network process[J]. International Economics and Trade, 2017, 33(5): 16-28.] |
[31] |
Krackhardtd D. QAP partialling as a test of spuriousness[J]. Social Networks, 1987, 9(2): 171-186. |
[32] |
刘军. QAP: 测量"关系"之间关系的一种方法[J]. 社会, 2007, 27(4): 164-174. [Liu Jun. QAP: A unique method of measuring "relationships" in relational data[J]. Society, 2007, 27(4): 164-174.] |
[33] |
王俊, 夏杰长. 中国省域旅游经济空间网络结构及其影响因素研究——基于QAP方法的考察[J]. 旅游学刊, 2018, 33(9): 13-25. [Wang Jun, Xia Jiechang. Study on the spatial network structure of the tourism economy in China and its influencing factors: Investigation of QAP method[J]. Tourism Tribune, 2018, 33(9): 13-25.] |