网络空间关注下优势旅游资源空间分布特征分析
2017-05-11李得发邵长芬王毅品
李得发+邵长芬+王毅品
基金项目:黔江区科技计划项目(编号为黔科技2016002-03);国家旅游局2015年度“万名旅游英才计划”项目(编号为WMYC20154-1164)
中图分类号:F590 文献标识码:A
内容摘要:网络旅游信息访问量与现实旅游市场、旅游者消费需求、旅游资源的知名度密切相关,并如实地反映着旅游资源的特征和空间分布态势。本文利用“欣欣旅游网”旅游景点关注量,获得旅游资源的网络空间关注度数据,运用ArcGIS软件分析了网络空间关注指数影响下的优势旅游资源的特征和空间分布,其时空分布特征可为区域旅游流的预测提供一定的理论指导。
关键词:网络空间 关注度 优势旅游资源 特征分析
引言
随着旅游业的转型发展和互联网时代的到来,互联网成为旅游者获取旅游信息的重要来源,很多旅游企业不再局限于旅游资源本体的竞争优势,开始从旅游者出发,关注旅游者的消费偏好和旅游需求,同时将互联网作为开拓旅游市场的重要途径。在一个网络旅游信息日益丰富并逐渐高度发达的时代,旅游者可以利用网络搜索旅游目的地,任何一个地方都是潜在的旅游目的地,任何一个人都是潜在的旅游者,从而产生了因网络空间关注度上升而产生的优势旅游资源。相对于依托区域资源调查与评价结果的传统优势旅游资源评定方法,基于网络空间关注度的优势旅游资源评定方法能够反映出一定时期内旅游者关注的热门旅游资源,这些热门旅游资源是当前或在未来一个时期内旅游者选择的主要旅游目的地,因而成为具有比较优势的旅游资源。
优势旅游资源是一个相对概念,这里所指的优势旅游资源是指旅游者根据自己的亲身体验对一个或一个以上的旅游景区(点)就整体质量进行定性评估,在网络上回答有关旅游景区(点)的优劣顺序,通过统计旅游景区(点)的访问量确定一国或地区最出色的旅游资源。优势旅游资源相对于一般旅游资源而言,除了具有一般旅游资源的特征之外,优势旅游资源还代表了一个区域旅游资源的品质和主要形象,反映了一定时期内旅游者的旅游偏好和消费趋势。通过对优势旅游资源的分析,可以把握旅游市场的“主要战场”,以及未来旅游业发展的总体趋势,为旅游资源的开发和旅游市场营销战略的选择提供可参考的依据。
数据获取与研究方法
(一)数据来源与处理
通过网络搜索获取旅游信息作为出游决策的依据已经成为很多旅游者惯用的方式,旅游者根据自己的旅游偏好和消费需求,在旅游网站提供的旅游信息中访问可能出游的旅游目的地或旅游景点,最终形成某一时间内旅游者关注的主要旅游景点。通过这一现象分析可以直接、客观地反映旅游者的兴趣和需求以及旅游市场的空间分布,从而为旅游经营者和旅游景区提供决策的依据。本文利用欣欣旅游网中旅游景區(点)的关注数量,对排名在前十位的自然景观(名山、草原、峡谷、湖泊)、人文景观(古城、古镇、故居、寺庙)、休闲度假(温泉、海岛、乡村、疗养)3大类12小类旅游资源的网络关注度进行统计和纵、横向对比,以了解它的时空分布情况及影响机理。
对获取的原始数据进行检查,归并重复的数据,然后对数据进行标准化处理,获得不同类型旅游资源的综合关注指数(见表1),并采用国家基础地理信息中心制作的1∶400万行政区划数据,在ArcGIS软件中将获取的旅游景点的空间位置信息生成shape格式的点数据,作为优势旅游资源空间分析的基础数据。
(二)研究方法
核密度估计方法( kernel density estimation,KDE)是从样本数据本身出发研究数据整体分布特征的一种方法,该方法非常适用于分析和显示点状分布的样本数据,经常用于测量样本分布格局中的局部密度变化、探索样本分布热点区域等。借鉴上述研究思路,以网络空间关注指数排在前十位的旅游景点为样本数据,根据旅游景点空间尺度关系,利用核密度估计法测量旅游景点的聚集程度,分析网络空间环境下旅游者对旅游目的地关注度的空间格局;同时,以网络用户对旅游景点的访问量为权重,分析潜在的旅游者对旅游目的地的关注度。计算公式如式(1)所示:
(1)
式(1)中,f(x,y)表示单位面积的旅游景点访问量,wi表示第i个旅游景点的用户访问量,h为以待估算栅格单元为中心的圆形搜索窗口半径,n为搜索窗口范围内的旅游景点数量。本研究中根据每个像元大小为13km,核密度搜索半径取值100km,对旅游资源关注指数进行核密度分析。
网络空间关注的优势旅游资源及其特征分析
(一)网络空间旅游者对优势旅游资源的选择偏好
根据欣欣旅游网站中访问者对旅游景点的关注指数显示,自然景观旅游资源、人文景观旅游资源和休闲度假旅游资源综合关注指数分别为0.306、0.316和0.378,可见三大类旅游资源对旅游者的吸引力相当,其中休闲度假旅游资源具有较高的关注指数,说明休闲度假旅游资源更受旅游者的青睐,也反映了旅游者对旅游资源类型的选择有一定的偏好,因此休闲度假游在未来一个时期内将会成为旅游的主流。而在12种小类旅游资源中,湖泊、古镇、故居、寺庙和疗养类旅游资源更是受旅游者欢迎,关注指数分别为0.438、0.333、0.290、0.268和0.385,都高出0.25的平均水平,成为旅游者关注的主要旅游资源,同时在12种不同类型的旅游资源中关注指数较高的旅游景(区)点成为旅游者重点关注的旅游对象,证明了这些旅游资源在同类旅游资源中具有明显的竞争优势,也反映了旅游者对旅游资源的选择具有明显的偏好,从而成为同类旅游资源中的优势旅游资源。
(二)网络空间关注的优势旅游资源等级分布
通过分析访问者在网络空间中关注的旅游景区(点)分析可以得出,被关注的优势旅游资源主要为5A级和4A级旅游景区(点),其中5A级旅游景区(点)为37个,4A级旅游景区(点)为44个,其他等级旅游景区(点)为19个(见表2)。自然景观旅游资源中5A级旅游景区(点)为14个、4A级旅游景区(点)为16个,其他等级旅游景区(点)6个;人文景观旅游资源中5A级旅游景区(点)为9个、4A级旅游景区(点)为15个,其他等级旅游景区(点)7个;休闲度假旅游资源中5A级旅游景区(点)为14个、4A级旅游景区(点)为13个,其它等级旅游景(点)区6个。从优势旅游资源的等级分布可以看出,不论是自然景观旅游资源、人文景观旅游资源还是休闲度假旅游资源,5A级和4A级旅游景区(点)是旅游者关注的焦点,因此高等级、高品质的旅游资源具有更大的竞争优势,也反映了旅游资源的等级和品质会影响旅游者的旅游偏好,从而在不同程度上对旅游市场的分布产生潜移默化的引导作用。
(三)网络空间关注的优势旅游资源地域分布
本文借助ArcGIS软件将名山、草原、峡谷、湖泊、古城、古镇、故居、寺庙、温泉、海岛、乡村、疗养12类旅游资源网络空间关注指数排在前十位的优势旅游资源矢量化,运用核密度估计法(KDE)对采集的优势旅游资源点数据进行计算,并制作优势旅游资源的核密度分布图(见图1)。
通过图1可以看出访问者在网络空间关注的旅游资源主要集中分布在华东、中南和西南地区,包括浙江、福建、山东、四川、江苏、陕西、河南等省(市),而在东北、华东、西北地区优势旅游资源分布较少,说明优势旅游资源的空间分布具有很强的地域性,也反映出旅游者在选择优势旅游资源的过程中考虑了距离和地域的因素。同时三大类旅游资源在空间上分别呈现出相对聚集分布的状态,自然景观旅游资源主要集中在山东、陕西、河南、湖北、内蒙古;人文景观旅游资源主要集中在浙江、江苏、四川、河南;休闲度假旅游资源主要集中在东南沿海地区,包括福建、山东、广东、江苏等省(市),这说明地域环境特征对旅游者选择出游对象具有一定的影响,旅游者会根据自己的偏好选择能够代表地域环境特征的典型旅游资源作为旅游对象,从而使同一类旅游资源在空间上呈现出相对聚集的趋势。
(四)优势旅游资源网络空间关注度的核密度分析
分析优势旅游资源的网络空间关注度在各省(市)的数据变化,能够为旅游市场的开发和营销提供依据,由于优势旅游资源网络空间关注度是潜在旅游市场需求在网络空间的诉求,因此可将优势旅游资源网络空间关注度与现实旅游市场联系起来反映现实旅游市场的发展动态和变化趋势。
根据图1可以发现旅游者在网络空间对优势旅游资源的总体关注度格局和空间分异特征表现为旅游者对优势旅游资源的关注集中分布在东南沿海地区和中南地区,根据优势旅游资源的总体关注度格局和空间分异特征可以将优势旅游资源的市场秩序划分为三个级别,网络空间关注度在26-197为一級消费市场,网络空间关注度在7-25为二级消费市场,网络空间关注度在0-6为三级消费市场。其中一级消费市场分布在上海、江苏、浙江、四川、陕西、福建、山东、重庆、江西、辽宁等省(市),表现出旅游者对该地区旅游资源的高度关注;二级消费市场分布在北京、河南、山西、湖北、湖南、安徽、云南、海南、新疆等省(市)的优势旅游资源也受到旅游者较高程度的关注;三级消费市场分布在西北和东北地区的旅游资源没有明显的聚集关注现象。
结论
从全国层面来看,网络空间旅游景点的关注度与现实旅游景点游客的到访量基本一致。在互联网逐渐发达的时代,优势旅游资源的网络空间关注指数对旅游者的消费偏好和旅游资源的品质特征具有指示性,从而影响旅游者对旅游目的地的选择和访问。旅游者对旅游对象和旅游目的地的选择不仅受到旅游景区(点)影响力和知名度的影响,旅游者首先会通过互联网搜索旅游对象和旅游目的地的相关内容,而网络空间中关于旅游景区(点)的关注指数会成为影响旅游者选择旅游对象和旅游目的地的主要参考对象,因此在很大程度上影响了旅游者的消费偏好和对旅游目的地的选择,从而使网络空间旅游景点的关注度与现实旅游景点游客的到访量在空间上存在一致性特征。
从区域层面来看,优势旅游资源的空间分布差异显著,呈现出东南多、西北少的分布态势和大分散、小聚集的特征。从优势旅游资源的空间分布图可以看出,因网络空间关注指数的高低而得出的优势旅游资源,在空间上主要集中分布在上海、江苏、浙江、四川、陕西、福建、山东、重庆、江西、辽宁等省(市)。网络空间关注度的核密度分析反映了上海、江苏、浙江、四川、陕西、福建、山东、重庆、江西、辽宁是主要的优势旅游资源旅游市场,其中上海、江苏、浙江在优势旅游资源旅游市场中占有更大优势。
从省域层面来看,优势旅游资源表现出空间上的聚集效应。根据优势旅游资源网络空间关注度的核密度分析,优势旅游资源在各省的分布并不均衡,而是以优势旅游资源为中心,形成具有一定辐射范围的区域,以点状或块状的形式集聚分布。在一个省内可能有一个或数个不同等级和辐射力的优势旅游资源,研究表明上海、江苏、浙江、四川、重庆等省市优势旅游资源的等级高、数量多、辐射范围大、旅游资源开发潜力大,并且在旅游市场中具有较强竞争力。
本研究是在大数据时代背景下,利用空间分析方法对“互联网+旅游”开发研究的一次尝试,通过对网络空间旅游资源访问数据的分类、筛选、汇总和表达方式转换等有序化处理,获得网络空间关注下优势旅游资源的种类和空间分布,进而对网络空间关注下优势旅游资源的特征和网络空间关注度的密度进行了分析。研究发现:在互联网逐渐发达的时代,优势旅游资源的网络空间关注指数对旅游者的消费偏好和旅游资源的品质特征具有指示性,从而影响旅游者对旅游目的地的选择和访问。优势旅游资源的空间分布差异显著,呈现出东南多、西北少的分布态势和大分散、小聚集的特征。优势旅游资源表现出空间上的聚集效应。本文主要对网络空间旅游者对优势旅游资源的关注态势以及优势旅游资源的特征进行了分析,但本文仅以欣欣旅游网提供的数据作为研究,并不能完全反映整个网络空间优势旅游资源的关注度,对指引实际的旅游活动具有一定的局限性,因此分析的结论可能并不全面。为了使网络空间关注度的研究能够为旅游景区和旅游者提供决策参考,今后还应从多方面开展旅游关注度与现实客流的耦合关系、以及旅游关注度相关影响因素和旅游经济等方面的研究。
参考文献:
1.黄先开,张丽峰,丁于思.百度指数与旅游景区游客量的关系及预测研究—以北京故宫为例[J].旅游学刊,2013(11)
2.马丽君,孙根年,黄芸玛,周瑞娜.城市国内客流量与游客网络关注度时空相关分析[J].经济地理,2011(4)
3.王硕,曾克峰,童洁,刘超.黄金周风景名胜区旅游客流量与网络关注度相关性分析—以庐山、华山、八达岭长城风景名胜区为例[J].经济地理,2013(11)
4.李君轶,杨敏.西安国内游客旅游网络信息搜索行为研究[J].经济地理,2010(7)
5.胡兴报,苏勤,张影莎.国内旅游者网络旅游信息搜寻动机与搜寻内容研究[J].旅游学刊,2012(11)
6.李君轶,杨敏.基于关键词选择的在线旅游信息搜寻行为模式研究[J].旅游学刊,2013(10)
7.李照航,郭风华,李仁杰,傅学庆,严正峰.大量网络游记文本中热度地名提取方法与实证研究[J].地理与地理信息科学,2015(1)
8.刘国炳,黄大学.比较优势理论与区域旅游资源开发—以荆门市为例[J].华中师范大学学报(自然科学版),2009(1)
9.邓德胜,祝海波.资源优势理论对我国旅游资源开发的启示[J].中南林学院学报,2003(3)
10.杜莹莹,吴小根,张健.中国古都旅游资源优势与旅游发展态势分析—以北京、洛阳、南京、西安、杭州为例[J].北京第二外国语学院学报,2009(11)
11.欣欣旅游网.国内旅游景点排行榜[OL].http://www.cncn.com/paihang/,2015-07-16/2015-10-26
12.李存华,孙志挥,陈耿,胡云.核密度估计及其在聚类算法构造中的应用[J].计算机研究与发展,2004(10)
13.王守成,郭风华,傅学庆,李仁杰.基于自发地理信息的旅游地景观关注度研究—以九寨沟为例[J].旅游学刊,2014(2)
14.梁保尔,潘植强.基于旅游数字足迹的目的地关注度与共现效应研究—以上海历史街区为例[J].旅游学刊,2015(7)
15.王章郡,方忠权,杜坤.中国自驾车旅游网络空间关注度的时空演变—基于Google搜索解析的分析[J].地域研究与开发,2011(5)