边境旅游试验区旅游网络关注度时空分布及影响因素研究※

杨 明 吴忠军 孙华强

(桂林理工大学旅游与风景园林学院，广西 桂林 541006)

边境旅游是旅游发展中的重要组成部分，对于促进边境地区经济协调健康发展，加强与全国各地的横向联系具有至关重要的作用[1]。国家旅游局颁布的《边境旅游暂行管理办法》对边境旅游的界定如下：经批准和指定的旅游部门组织和接待我国及毗邻国家的公民，集体从指定的边境口岸出入境，在双方政府商定的区域和期限内进行旅游活动。为进一步解决边境旅游发展中面临的困难和问题，促进边境旅游更好更快发展，国务院于2018年4月同意设立内蒙古满洲里市和广西防城港市为首批边境旅游试验区，这是国家层面确定的唯一以改革为指向的旅游业发展重点区域。“一带一路”是民族地区旅游业创新发展的重大机遇[2]，而边境旅游试验区的设立不仅促进了“一带一路”建设的深入推进，更是兴边富民的重要途径。

游客利用搜索引擎收集旅游信息已成为出游的必要准备。相关研究表明：游客对旅游目的地的关注客观反映了游客的旅游需求[3]。在旅游欲望中和购买力相联系的就是旅游需要。近年来，越来越多的学者运用搜索工具获取人们对某一事物的关注度进行各方面研究。Ginsberg J研究发现，网络搜索数据能反映用户对某一现象的关注度，并与现实社会行为存在一定的相关性，最早运用于流行病检测[4]。此后，运用搜索工具进行研究流传至各个领域。在旅游方面，众多学者运用搜索量研究旅游目的地选择、旅游需求、客流量、旅游收入。不少研究直接或间接证明网络关注度与旅游需求的关系。Davidson A P(2004)分析互联网在组织旅行和获取信息方面的潜力和作用，认为互联网是引导游客客流的重要工具[5]。Zheng Z(2009)通过分析搜索量与城市间的关系，提出搜索量能反映出该城市旅游业的规模[6]。Gawlik E(2011)运用谷歌搜索量研究旅游趋势，并对游客量进行预测[7]。李山等[8](2008)、林志慧等[9](2012)、张丽峰等[10](2014)都运用百度指数，研究景区关注度的时空分布，并证实百度指数是现实游客量的前兆。黄先开等[11](2013)、孙烨等[12](2017)运用百度指数对不同景区客流量进行预测。林炜铃等[13](2014)、邹永广等[14](2015)以旅游安全为对象，运用百度指数对旅游安全网络关注度分布进行研究，均发现我国区域间旅游安全网络关注度差异显著。李世霞等[15](2014)、李霞等[16](2016)、何小芊等[17](2017)分别以青岛、邮轮旅游、温泉旅游为研究对象，运用百度指数进行时空及影响因素分析。因此，百度指数相当于网民对旅游目的地的关注度，而关注度对旅游需求、客流量都具有良好的先导性与预测性。

本研究以边境旅游试验区为例，运用百度指数衡量试验区旅游的网络关注度，收集2018.04.01—2019.03.31防城港和满洲里旅游的百度指数，利用季节性强度指数、周内偏度指数、地理集中指数方法分析边境旅游试验区旅游的网络关注度时空分布特征及两者异同，运用pearson相关性检验分析其影响因素。本研究探讨边境旅游试验区旅游网络关注度的时空分异格局及其影响因素，拓展了边境旅游试验区的研究领域，旨在为我国边境旅游试验区的良性发展提供理论指导与实践参考。

1 数据来源与研究方法

1.1 数据来源

本研究选取“防城港旅游”和“满洲里旅游”为关键词，检索2018.04.01—2019.03.31的百度指数作为基础数据，借助百度指数相关模块进行时空分布分析。

1.2 研究方法

季节性强度指数(R)用来反映边境旅游试验区旅游网络关注度的季节集中程度。计算公式如下：

(1)

式(1)中，R为季节性强度指数，Xi为第i月网络关注度占全年网络关注度总数比重，R值越大，说明网络关注度的季节集中程度越高，季节性差异大；相反，R值越趋近于0，说明关注度的季节集中程度越低，各季节的分布则越均匀。

周内分布偏度指数(T)用来反映边境旅游试验区旅游网络关注度周内的集中分布程度。计算公式如下：

(2)

式(2)中，T为周内分布偏度指数，Pi为第i日网络关注度占周内网络关注度总数比重。T<0，表明网络关注度偏向于集中分布在该周的前期；T>0，表明网络关注度偏向于集中分布在周内后期；T=0，则表明网络关注度在周内均匀分布。

地理集中指数(G)用来反映边境旅游试验区旅游网络关注度分布集中化程度。计算公式如下：

(3)

式(3)中：G为地理集中指数，S为全年网络关注度数量，Xi为第i个省份网络关注度数量，n为省份总数。G的理论取值区间为(1,100)，G值越大，说明网络关注度越集中，G值越小，说明网络关注度越分散。

2 边境旅游试验区旅游关注度时空分布特征

2.1 时间变化特征

年度变化特征：根据2018.04.01—2019.03.31的百度指数，绘制边境旅游试验区年度变化特征图(见图1)。首先，防城港旅游的网络关注度总量明显高于满洲里旅游的网络关注度总量；除6月中旬至8月初，防城港旅游的网络关注度低于满洲里外，其余时段防城港旅游关注度均高于满洲里。其次，防城港与满洲里旅游的网络关注度波动均较大，除个别月份如2月和6月变化趋势有所差异外，其余时段两城市旅游的网络关注度变化趋势相近，均呈现出3个峰值：五一、暑假和十一。再次，春节期间，防城港旅游的网络关注度达到年度最大值，但满洲里旅游的网络关注度却保持平稳态势，无上升趋势，与两地气候有密切关系，防城港冬季温度适宜，而满洲里冬季温度低，不适合旅游，因此春节期间防城港旅游的网络关注度远高于满洲里。

图1 防城港与满洲里旅游网络关注度的年度变化趋势图

季节变化特征：防城港旅游的网络关注度各季节分布较为均匀，均在23%以上(见表1)，说明防城港一年四季都有较强的旅游需求，温暖舒适的气候造就防城港较长的适游期；虽然各季节旅游关注度差异不大，但夏、秋季的旅游关注度仍然高于春、冬季的旅游关注度，暑假是该现象的主要原因。满洲里旅游的网络关注度呈现出较强的季节性，51%的旅游关注度主要集中于夏季，21%集中于秋季，而春季和冬季旅游关注度占27%，冬春季节寒冷的气候造就满洲里较短的适游期。

表1 防城港与满洲里旅游网络关注度季节值及季节性强度指数

根据式(1)，计算出防城港和满洲里旅游的季节性强度指数值，R值均较大，说明防城港和满洲里的旅游关注度集中程度较高，淡旺季较为明显，高峰期主要集中于夏季和秋季，受暑假、国庆等假期影响，该时段内防城港和满洲里旅游需求均较为旺盛。

月度变化特征：防城港旅游各月的网络关注度波动不大(见表2)，占比均在5%以上，主要集中在2、4、7、8、9月，尤其是8月和9月特别突出，占比超过10%。并且防城港旅游的网络关注度从6月下旬开始呈现出一个持续上升的趋势，直到8月达到全年峰值，随后缓慢回落。满洲里旅游受季节气候影响较强，各月网络关注度波动较大，主要集中在6、7、8、9月。尤其是7月和8月特别突出，两月关注度均在30 000以上。7月份达到峰值32 043，而2月份最低4 477，说明气候对满洲里旅游影响极其强烈。同时满洲里旅游的网络关注度呈倒“U”形，自2月份开始上升，7月份达到顶峰后，开始缓慢回落，从11月至次年3月，网络关注度曲线维持在一个较低且平稳的状态。

表2 防城港与满洲里旅游月度网络关注度及占比

周度变化特征：将防城港和满洲里旅游的网络关注度日数据进行周一至周日划分，分别求和得出日均值，绘制周度变化曲线(见图2)。整体而言，防城港旅游的网络关注度高于满洲里旅游的网络关注度。防城港旅游的网络关注度的曲线较为平滑，呈倒U型，网络关注度从周一开始逐渐上升，直到周四到达最大值，随后逐渐下降。而满洲里旅游关注度的曲线波动较大，呈现出“三起三伏”的状态。防城港旅游和满洲里旅游的网络关注度均呈现出工作日关注度高，周末关注度低的特征。两者的关注度在星期五都明显下降，并在星期日降至最低。这一趋势特征与周末游客较多、工作日游客少的现实规律相对应，同时也印证了游客在出游前2～3天搜索旅游信息的特征。游客在工作日对周末的出游计划做收集信息等准备工作，因此，周一至周四网络关注度呈上升趋势，周五后，网络关注度逐渐下降，周末出游使网络关注度降至最低。

图2 防城港与满洲里旅游网络关注度周度变化趋势图

黄金周变化特征：为对黄金周进行更为科学全面的分析，本研究获取五一、十一及前后三天的数据。五一期间，防城港旅游的网络关注度高于满洲里旅游，同时两者的旅游网络关注度变化趋势相似，均呈现出假期前三天关注度逐渐上升，于29日达到最大值，假期开始后关注度逐渐下降的趋势。但防城港旅游的波动趋势比满洲里旅游更大，趋势更加明显(见图3)。十一期间，防城港旅游和满洲里旅游的网络关注度变化趋势较为相似，均呈现出2个峰值，防城港峰值为9月30日和10月3日；满洲里峰值为9月30日和10月4日。两者共同点为：假期前三天关注度开始上升；假期开始后关注度逐渐下降，并于假期中期再度回升，之后缓慢回落(见图4)。与五一相同，十一期间防城港旅游网络关注度的数量和波动趋势均大于满洲里。根据式(2)，测算十一黄金周期间周内偏度指数发现(见表3)：两者的周内偏度指数均小于0，说明两者的网络关注度偏向于集中分布在十一黄金周的前期，防城港旅游关注度的偏度指数比满洲里更小，说明防城港旅游的网络关注度偏向于十一前期的程度比满洲里更强。总体而言，五一和十一，防城港旅游的网络关注度数量和波动趋势均大于满洲里旅游网络关注度，同时两者均呈现出假期前关注度高，假期关注度低的变化趋势，这与人们假期前搜索旅游资料的出游规律以及节假日期间旅游客流量市场变化规律相符。

图3 防城港与满洲里五一期间旅游网络关注度变化趋势图

图4 防城港与满洲里十一期间旅游网络关注度变化趋势图

表3 防城港与满洲里十一期间旅游分布偏度指数

2.2 空间分布特征

通过整理各省网络关注度数据，运用ArcGIS10.2软件对数据进行处理，利用自然断点法将其划分成5类，并绘制旅游网络关注度的冷、热点格局分布图。首先，防城港旅游的网络关注度地理分布特征较为明显，全国34个省市区均有分布，但分布不均；热点及次热点区域主要位于南部地区，集中在本省及周边省份，一般区域位于东部地区，冷点及次冷点区域位于西部及北部地区；除了周边省份，经济较为发达的省份北京、浙江的关注度也较为显著。其次，满洲里旅游的网络关注度同样是全国34个省市区均有分布，但分布不均；热点及次热点区域位于北部和东部沿海地区，主要集中于本省及周边沿海省份，一般区域位于中部地区，冷点及次冷点区域主要集中于西部和南部地区；同时广东、江苏、浙江三个位于南方的经济发达省份属于次热点区域，因此出游意愿与经济发达程度有密切联系。总体而言，两个边境旅游试验区的网络关注度各省市区均有分布，但分布不均，主要集中在本省及邻近省份和经济发达省份，距离越远的省份分布越少，符合距离衰减理论。为进一步分析边境旅游试验区网络关注度的地理集中程度，根据式(3)，测算地理集中指数，得出防城港地理集中指数为24.03，满洲里地理集中指数为21.58。地理集中指数越大，说明网络关注度越集中，相反则越分散。两个试验区地理集中指数均为20左右，说明网络关注度较为集中，且防城港旅游的集中指数高于满洲里，说明防城港旅游的网络关注度分布较为集中，而满洲里旅游的网络关注度分布相对而言较为分散。

3 边境旅游试验区旅游关注度的影响因素分析

3.1 因素指标选取及分析

旅游的网络关注度受经济发展水平、人口规模、信息化程度、地理区位等诸多因素影响。经济发展水平、人口规模、信息化程度、地理区位同样受多方面因素影响，本文拟采用更确切的指标衡量。在经济发展水平方面，目前衡量经济发展水平的指标较多，影响较大的是GDP规模，因此选用GDP规模来衡量经济发展水平；在人口规模方面，考虑到总人口会受到流动人口数量的影响，因此选用较为稳定的常住人口来衡量人口规模；在信息化程度方面，网络既是信息化的基础，也是展现信息化程度的重要手段，因此选用网络普及率来衡量信息化程度；在地理区位方面，为了分析各省份与防城港、满洲里在地理上的影响程度，各省份与防城港、满洲里的距离更能显著体现地理区位的影响并验证距离衰减理论。因此，本文以GDP规模衡量经济发展水平，以常住人口衡量人口规模，以网络普及率衡量信息化程度，以两地间距离衡量地理区位(见表4)，以此进行pearson相关性检验。

表4 防城港与满洲里旅游网络关注度影响因素相关性

3.2 核心影响因素

旅游是一种消费行为，与经济发展水平和居民收入密切相关[18]。本研究选取各省区2018年GDP规模与防城港、满洲里旅游网络关注度进行相关性分析，发现：防城港的相关系数为0.709，属于强相关，满洲里的相关系数为0.809，属于超强相关。因此，两个边境旅游试验区旅游的网络关注度与各省经济发展水平表现出强的相关性。因此，经济越发达的省区，对边境旅游试验区旅游的网络关注度越高，人们的出游意愿就越强烈；经济越落后的省区，网络关注度则越低，人们的出游意愿就越薄弱。因此，经济发展水平是影响旅游网络关注度的核心因素。

人是旅游活动的主体，人口规模对旅游地的网络关注度及旅游需求有着至关重要的影响。人口基数越大，预示着旅游需求与潜力就越大。本研究选取2018年各省区常住人口数量与防城港、满洲里旅游网络关注度进行相关性分析，发现：防城港的相关系数为0.756，满洲里的相关系数为0.724，均属于强相关。两个边境旅游试验区旅游的网络关注度与各省常住人口数量表现出较强的相关性。因此，人口规模是影响两个边境旅游试验区网络关注度的核心因素之一，人口规模越大的省区，对边境旅游试验区旅游的网络关注度就越高，人口规模越小的省区，旅游的网络关注度就越小。

3.3 重要影响因素

地理区位是影响游客出游的重要因素，便利的交通、较近的距离对刺激游客的旅游需求具有显著的作用。客源地与旅游地的空间距离在一定程度上会影响潜在旅游者的出游意愿，从而会间接影响其对旅游目的地的旅游信息需求[3]。本研究运用经纬度距离测算方法，测算各省区的省会城市到防城港、满洲里之间的距离，并对两者间的距离与旅游网络关注度进行相关性分析，发现：防城港的相关系数为-0.394，满洲里的相关系数为-0.542，属于中等程度负相关。由此可知，距离两边境旅游试验区越近，游客的出游兴趣就越高，网络关注度也就越高，距离两边境旅游试验区越远，旅游的网络关注度就越低。

信息化在游客出游过程中扮演着愈发重要的作用。出游前，游客搜索出行攻略，出游后分享出游经历。因此，信息化程度也是衡量旅游目的地网络关注度的重要指标。本研究选取2018年各省区网民普及率与防城港、满洲里旅游网络关注度进行相关性分析，发现：防城港旅游的网络关注度与网民普及率不存在显著的相关性。而满洲里旅游的相关系数为0.458，属于中等程度相关，说明网络普及率越高的城市，人们对满洲里边境旅游试验区的关注度越高，出游潜力也就越高。

4 研究结论与不足

4.1 时间分布

两者共性为：年际变化趋势上，两个边境旅游试验区旅游的网络关注度变化趋势较为相似，均呈现出3个峰值时期；季节变化趋势上，两者季节性强度指数相近，说明两者的旅游需求集中程度较高，淡旺季较为明显；月度变化趋势上，两者的网络关注度在7、8、9月均有大幅度上涨，为一年中关注度最高的3个月份；周度变化趋势上，两者的旅游网络关注度均呈现出工作日关注度高，周末关注度低的特征；黄金周变化趋势上，两者的周内偏度指数均小于0，均呈现出假期前关注度高，假期关注度低的特征。

两者差异为：年际变化趋势上，防城港旅游的网络关注度整体高于满洲里旅游的网络关注度，且防城港比满洲里多一个峰值时期——春节，这是因为防城港气候温暖，适游期长，满洲里气候变化明显，适游期短。季节变化趋势上，防城港旅游的网络关注度各季节分布较为均匀，说明防城港一年四季有较强的旅游需求，而满洲里因其独特的气候则呈现出较强的季节性，主要集中于夏季和秋季。月度变化趋势上，防城港旅游的网络关注度各月波动较小，而满洲里各月的波动则较大。周度变化趋势上，防城港旅游的网络关注度的变化趋势较为平滑，呈倒U型，而满洲里的曲线波动则较大，呈现出“三起三伏”的状态。黄金周变化趋势上，防城港旅游的网络关注度数量和波动趋势均大于满洲里旅游网络关注度。

4.2 空间分布

两者共性为：两个边境旅游试验区旅游的网络关注度34个省市区均有分布，但分布不均，热点及次热点区域均分布在本省、邻近省份和经济发达省份；同时，两者的地理集中指数均位于20～30间，说明两者的旅游网络关注度分布均较为集中。

两者差异为：防城港旅游的网络关注度的热点及次热点区域主要集中于南部地区，而满洲里的热点及次热点区域主要集中于北部和东部沿海地区；防城港旅游的地理集中指数高于满洲里，说明防城港旅游的网络关注度分布较为集中，而满洲里旅游的网络关注度分布相对而言较为分散。

4.3 影响因素

两者共性为：两个边境旅游试验区的旅游网络关注度与经济发展水平、人口规模均表现出较强的正相关性，经济越发达，人口越多，对试验区的旅游网络关注度就越高。边境旅游试验区的旅游网络关注度与地理区位表现出一般程度的负相关性，距离边境旅游试验区越近，关注度越高，距离越远，关注度则越低。因此，将经济发展水平与人口规模认定为核心影响因素，地理区位认定为重要影响因素。

两者差异为：两个边境旅游试验区的旅游网络关注度在信息化程度上表现出显著差异，满洲里旅游的网络关注度与信息化程度表现出较强的正相关，信息化程度越高，关注度也就越高。而防城港旅游的网络关注度与信息化程度相关性表现不显著。

本研究存在以下不足：首先，基础数据来源于网络，数据的覆盖面和精确性存在缺陷。其次，由于数据限制及两个边境旅游试验区气候差异，未将气候舒适度纳入影响因素。因此，下一步研究将从更加细化的角度研究其影响因素，更加严谨地揭示边境旅游试验区旅游网络关注度的时空分布规律及影响机制。