共享住宿业空间分布的影响因素及扩散模式研究——以北京市为例

肖 梦 林，章 锦 河*，王 昶，谭 雪 琪，殷 进

(1.南京大学地理与海洋科学学院，江苏 南京 210023；2.黄山国家公园生态系统教育部野外科学观测研究站,安徽 黄山 245000；3.东南大学人文学院，江苏 南京 211189；4.不列颠哥伦比亚大学，加拿大 温哥华V5K-V6Z)

0 引言

住宿业的空间分布深刻影响城市的空间布局[1]，一直是学界的研究话题，其中绝大部分研究是围绕传统的标准化住宿(即酒店的空间布局)展开的，而非标准住宿业的空间数据更难统计和获取，加之地区统计方式、管理标准等方面的差异也加大了分析难度。随着多学科交叉研究的发展、网络爬虫技术的普及，对非标准住宿业的空间分布研究逐渐成为学界新的热点[2]。

共享住宿是通过搭建互联网平台为愿意出租闲置房源的房东与有住宿需求的房客提供交易的渠道，其在全球范围内发展迅速，据国家信息中心统计数据，2015-2018年我国共享住宿业收入年均增速约45.7%，是传统住宿业的12.7倍。共享住宿已成为对旅游业和酒店业影响最大的细分市场[3]，对城市空间产生了巨大影响，其空间分布研究的重要性体现在：1)共享住宿具有传统住宿业没有的新特质，与酒店选址必须经过土地价值、政策约束等因素制约不同，共享住宿基于网络平台和点对点的供需特征，可在城市的任何角落扩张，其空间潜在规模和密度是传统住宿业无法比拟的；2)由于住宿资源的私人性，共享住宿使得一些原本不承担旅游功能的区域被迫吸纳大量的旅游者，造成城市空间被过度开发，现实中一些城市已显现出共享住宿快速发展给城市带来的弊端[4]。因此，如何应对共享住宿给旅游产业、城市管理带来的新挑战，成为共享经济时代旅游业面临的现实问题，研究共享住宿空间分布特征和影响因素，对于旅游行业创新发展、城旅融合至关重要。

国际上对共享住宿的研究自2013年逐渐增多，但数量有限[5]，主要集中在共享住宿参与者行为与动机研究[6,7]、共享住宿的影响[8]和商业模式研究[9]，不足之处在于：仍是在共享住宿语境下讨论传统旅游研究议题，偏向共享住宿本身带来的影响，而对影响其发展的因素缺乏深入探讨，案例也以发达国家的主要城市为主。国内对共享住宿的研究处于起步阶段,研究主题较分散和杂乱，宏观上集中在政策规制[10]和监管[11]、商业模式[12]、影响效应[13]，微观上集中在口碑评价[14]、价格制定[15]、信任机制[16]，相关文献偏碎片化[17]，缺乏高质量文献以及对国内市场的实证研究。

本文以北京市为例，截取2018年1月和2020年1月两个时间点，借助开源数据平台和ArcGIS软件研究共享住宿的空间分布变化特征、影响因素和扩散模式，以期在理论层面上增强对共享住宿分布规律的了解，从而进一步评估其对旅游业和城市建设的影响，也将加深Web 2.0时代下人们对城市旅游空间规划的认识，丰富旅游、地理、城市的交叉研究；在实践层面，将有助于探索其空间演变规律，从而在供给端进行产业的合理引导，也能为传统住宿行业应对共享住宿的挑战、城市空间的可持续规划提供指导。

1 研究设计

1.1 案例地选取

本文选择北京市作为案例地，原因如下：在爱彼迎(Airbnb)平台，北京是中国提供房源最多的城市之一，共享住宿发展较为成熟；北京是世界知名的超大城市、历史文化城市和旅游之都，旅游活动和共享住宿活动活跃，旅游与共享经济交叉现象值得探索；作为爱彼迎在华登陆最早、发展最快的城市之一，北京共享住宿的发展趋势值得研究，且其共享住宿空间分布研究还存在学术空白。本文致力于发掘这一新兴领域，为其他城市的相关研究提供参考。

1.2 数据来源与处理

本研究选取的爱彼迎平台(http://insideairbnb.com/get-the-data.html)是目前世界上规模最大、房源最多的共享住宿平台。2018年爱彼迎在中国进行了文化、硬件、互联网架构上的大改革，因此在中国获得快速扩张，其中北京市的扩张速度最快，房源由2018年的16 692套增至2020年的41 312套，其扩张过程能反映出共享住宿本身的扩散特点。

在爱彼迎平台获得北京市2018年1月和2020年1月共计58 004条共享住宿房源经纬度信息(2018年1月16 692条，2020年1月41 312条)；在百度地图上通过爬虫软件爬取截至2020年1月的环境要素POI经纬度信息，包括餐饮点19 803条、交通节点40 977条、景点7 399条、居民小区22 338条、科教文化58 500条、体育休闲31 279条；北京市区县、街道信息来自2019年北京市统计年鉴及区域统计年鉴。在ArcGIS软件中将经纬度数据转化为点图层，与北京市区县、街道底图进行叠加分析。

1.3 研究方法

城市旅游地不仅是重要的旅游目的地，还起到中转站的作用，但在其内部，不同区域所体现的这两大功能的重要程度不同，市中心区域目的地比城市外围和乡村目的地承担更多的中转站作用，而城市外围和乡村则主要成为旅游目的地终端。共享住宿分布的变化可反映旅游者在城市旅游目的地和中转站的分布变化，并能间接反映旅游者的流入流出情况。在此，可借用旅游流研究中的空间扩散理论阐述共享住宿分布的时空变化特征。

本文利用核密度估计、平均最近邻距离和标准差椭圆方法分析2018-2020年北京市爱彼迎空间分布变化，利用地理探测器分析房源空间分布的影响因素。1)核密度估计是一种非参数检验方法，用于计算点、线要素的测量值在指定邻域内的单位密度，通过对离散数据进行空间平滑处理，能直观反映离散数据在连续区域内的分布情况。2)平均最近邻距离用以分析区域内点的分布状态，首先测量各要素质心与其最近邻要素质心之间的距离，然后计算所有最近邻距离的均值，如果该平均距离小于假设随机分布中的平均距离，则将所分析的要素视为聚类要素，反之，则视为离散要素。3)标准差椭圆用于分析数据在空间分布上的方向性，通过测量x、y方向上的标准距离并计算平均中心对x、y坐标的标准差，可定义一个包含所有要素分布的椭圆，即标准差椭圆，椭圆顺时针旋转的主轴与正北方向的夹角为椭圆的方位角。4)地理探测器用以探测空间分异性并揭示其背后驱动力[18]，本研究主要基于地理探测器中的分异及因子探测器探索因子X对因变量Y的解释程度，判定影响因素作用力的有无和强弱，分析北京市共享住宿空间分布决定力指标；基于交互探测器探析不同风险因子间的交互作用，即因子的共同作用对因变量Y的解释力是否产生变化，因子对Y的影响是否相互独立、互不影响，探究因子的共同作用对北京市共享住宿空间分布的作用力变化。利用地理探测器模型，引入北京市共享住宿空间分布决定力指标DXi,Y(取值范围为[0,1])，其值越大，表明相应的决定性因子对共享住宿空间分布的解释力越强。计算公式为：

(1)

2 结果分析

2.1 北京市共享住宿业空间分布总体格局

2018-2020年北京市共享住宿总量由16 692家增长至41 312家，增幅高达147.5%(表1)；共享住宿密度增速也较快，但区域间差异较大。2018年北京市共享住宿业主要集聚在中心城区，2020年共享住宿业总体范围明显扩大(图1)，16个行政区的共享住宿数量和密度均有所增加，数量增加前三位的为中心城区的朝阳区、东城区和海淀区，其也是共享住宿业分布密度较高、密度增幅较大的区。

表1 北京市各区共享住宿业增长情况Table 1 Growth of shared accommodation industry in all districts of Beijing

图1 北京市共享住宿点分布概况Fig.1 Distribution of shared accommodation sites in Beijing

2.2 北京市共享住宿业空间分布特征

2.2.1 核密度分析 利用ArcGIS 软件中的Kernel Density模块计算北京市共享住宿核密度分布(图2，彩图见封2)，进一步分析共享住宿业的局部空间集聚情况。由图2可知，北京市共享住宿业的分布特征为：1)总体上呈现出以中心城区为核心的“核心—边缘”空间结构特征，其分布具有高度集中性和较强的空间不均衡性。高密度区域有市中心的东城区、西城区及朝阳区，三区作为城市核心功能区，其交通线路、商圈、娱乐场所分布密集，住宅区域相对集中，共享住宿房源供给充足，故宫、天坛等著名历史文化景点分布于此，旅游者的住宿需求旺盛，房源适销对路促使房屋所有者转变闲置房源为共享住宿。中心城区以外区域共享住宿布局不足，门头沟区和平谷区未出现集聚。2)2018-2020年共享住宿以不同模式由主城区向四周扩张。2018年除主城区外，其他区共享住宿较少，2020年昌平区、怀柔区和顺义区也开始出现共享住宿的集聚。值得注意的是，扩张方向不像理想的住宿业呈同心圆扩张模式[19]，而是呈廊道式、飞地式和填充式扩张。廊道式扩张是共享住宿在区域间交通廊道沿线扩张，如中心城区向昌平区(高速公路)、顺义区(国道和首都机场)扩张；飞地式扩张出现在远离中心城区的景点或次级功能区附近，如共享住宿在延庆区的八达岭长城附近、密云区边缘的长城景点和怀柔区的相关景点集聚，和主城区的共享住宿集聚区形成非连续的分布态势；填充式扩张是不同功能区或景点彼此之间由于溢出效应而形成的集聚，如主城区向大兴区、昌平区方向扩张。

图2 北京市共享住宿核密度分布Fig.2 Kernel density distribution of shared accommodation in Beijing

2.2.2 平均最近邻分析 采用ArcGIS软件中的Average Nearest Neighbor模块计算北京市2018年和2020年共享住宿业的平均最近邻分析的各指数值(表2)，研究其整体分布特征。北京市两个时期的共享住宿均呈集聚特征(R<1)。与2018年相比，2020年样本平均距离、随机模式下的期望距离和平均邻近指数均有所下降，反映出平均密度进一步提高，住宿业分布的集聚程度持续加强。

表2 平均最近邻分析的各指数值Table 2 Parameters of average nearest neighbor analysis

2.2.3 标准差椭圆分析 利用ArcGIS软件的标准差椭圆工具对2018年和2020年北京市共享住宿数据进行分析，研究数据在空间上的离散程度差异，探索共享住宿点的分布方向和变化趋势。与2018年相比，2020年标准差椭圆覆盖范围整体大幅扩大(图3)，椭圆面积由2 966.62 km2扩张至5 234.28 km2，反映出同样标准差级别下数据分布范围的扩大；共享住宿业均值中心由(116°26′24″E,39°58′34″N)小范围地向西北方向移至(116°26′12″E,40°0′37″N)，但均值中心仍处于朝阳区内；椭圆扁率由0.341降至0.315，说明2020年比2018年的方向趋势更明显。从方位角看，两年的数据均呈东北—西南分布方向，与行政区域分布方向一致，但椭圆方位角由2018年的34.07°降至2020年的29.94°，进一步向南—北方向偏移。综上，北京市共享住宿业分布范围扩大，空间分布向心力增强，东北—西南分布方向性明显，空间分布仍有较强的不均衡性。

图3 2018-2020年标准差椭圆范围、中心变化Fig.3 Variation of the range and center of standard deviation ellipse from 2018 to 2020

2.3 北京市共享住宿业空间分布影响因素

与酒店不同，共享住宿的扩张基本不受区域用地规划和行政审批限制，某闲置房源能否成为共享住宿房源，多受环境因素影响。根据文献[2,17,19]，本文总结出6类可能会影响共享住宿空间分布的环境因素：餐饮、景点、交通运输、居民小区、科教文化和体育休闲(表3)，并结合北京市实际情况，对相关因素的评价指标、示例进行适当调整。

表3 共享住宿空间分布影响因素信息Table 3 Information of influencing factors of shared accommodation space distribution

为探讨6类环境因素对北京市共享住宿业分布的影响，以北京市2020年1月共享住宿业的房源分布为因变量，6类环境因素为自变量，用地理探测器对数据进行分析。以北京市行政区为单位，利用ArcGIS软件中自然断裂点法将6类连续变量聚为5类，将各变量绝对值转化为分类值，探测每类影响因素对北京市共享住宿空间分布的影响力。根据分异及因子探测器计算结果，发现北京市共享住宿空间分布的因素影响力排序为：餐饮(0.874)>居民小区(0.780)>科教文化(0.745)>交通运输(0.528)>体育休闲(0.487)>景点(0.217)，其中餐饮在0.001的水平下显著，居民小区在0.01的水平下显著，科教文化在0.05的水平下显著，交通运输在0.1的水平下显著，体育休闲与景点的检测结果不显著。

餐饮对共享住宿分布存在显著的正向影响，这与对伦敦共享住宿分布的研究结果[2]有差异，有可能是国情与文化背景不同所致。共享住宿业生活化的特点，无形中加深“民以食为天”的传统思想，中国的旅游者可能更倾向于美食分布密集的区域居住，方便就近就餐或探索当地特色食物；同时，不同规格、大量的餐饮点也常集聚在居民集中的区域，该区域更适合不熟悉地方环境的旅游者居住。居民小区节点对共享住宿空间分布影响显著，居民点较多的区域多是北京市中心区域，基础设施齐全，交通便利，对入住者产生较强的吸引力；房东出于对经济收益的考量，或置换房屋的使用形式(由自住变为出租)，或直接挂牌闲置的房屋，较为密集的居民小区会直接带动房源基数增大。科教文化的显著正向影响也在文献[2]中得到印证。北京市文化场所众多、艺术科教活动频繁，旅游者乐意体验丰富的文化活动、游览知名高校学府和观赏文化景点，更有可能居住其中，便于感受文化氛围，该区域也可能集聚更多年轻的、思想开放的、拥有闲置房源并愿意出租的房东，因此更有可能提供共享住宿资源。交通运输对共享住宿空间分布的影响与文献[20]的结论一致，交通节点越多意味着交通可达性越高，这对于出行频繁的旅游者十分重要，因此在交通节点密集区域爱彼迎的挂牌率更高。体育休闲和景点对共享住宿分布不存在显著影响，与文献[21]的结论有出入，这是由于城市型目的地交通便捷，旅游者可轻易抵达不同的休闲场所，而无需居住在其附近；此外，北京市的部分景点分布在城市郊区，相关生活配套设施缺乏，也是影响景点周边房源挂牌出租的因素。

进一步运用交互作用探测器探究各影响因素对北京市共享住宿业空间分布的交互作用影响力，研究结果(表4)显示，所有影响因素交互作用的影响力均大于单独作用的影响力，其中景点(X2)和体育休闲(X6)的交互作用呈非线性增强，且二者交互作用力(0.881)远大于单独作用力(0.217和0.487)，这说明景点和体育休闲的交互作用对共享住宿的空间分布作用力大大提升，进一步显示出通过组合旅游六要素中的“游”与“娱”，可以对“住”的空间分布产生较强影响。其余任意影响因素间的交互作用均属于双因子增强，即两个影响因素发挥同向作用，其中餐饮(X1)与其他影响因素的交互值均大于0.9，说明餐饮在与其他影响因素交互作用时，通常起主导作用。由此可见，北京市共享住宿的空间分布受多因素综合作用的影响，且两两之间多为同向作用。

表4 影响因子交互探测下对共享住宿空间分布的作用力Table 4 Effect of interactive detection of influencing factors on spatial distribution of shared accommodation

2.4 北京市共享住宿业分布模式

2.4.1 北京市共享住宿业地理分异 地理探测器分析结果显示，共享住宿围绕配套设施而非景点分布，这一方面体现了共享住宿强调“生活化”“当地化”的特点，另一方面则体现了城市旅游地作为目的地和中转站的双重职能。结合以上分析，笔者认为北京市共享住宿的扩散呈现“等级扩散为主、传染扩散为辅”的特点。Lundgren将目的地按照流入/流出模式分为都市目的地、外围城市目的地、外围乡村目的地和自然环境目的地4类[22]，北京市作为一个目的地整体，其内部也可分为上述4类区域(图4)：1)朝阳区、东城区和西城区等在内的中心城区体现出典型的都市目的地特征，拥有出游/入游的双重功能，旅游者既向这里流动，也在这里住宿，或将此作为中转站或驻扎点前往其他区域流动。2018-2020年北京市共享住宿分布的集聚性、向心性均有明显提高，进一步反映出中心城区终端和中转职能的加强。2)昌平区、顺义区、通州区、大兴区则属于外围城市目的地，这些区域也具有一定等级的城市功能和旅游吸引力，但由于功能和资源价值均较弱，旅游流流入和流出量小。外围城市目的地紧邻都市目的地，共享住宿业也表现出一定程度的传染扩散，2018-2020年这些区域逐渐出现共享住宿集聚，尽管集聚程度不如中心城区，但也反映出其中转职能的提升。3)门头沟区、平谷区的乡村地带和农业人口占比较高，故为外围乡村目的地类型，其中心功能弱，但存在一定旅游资源，旅游流呈净流入模式。2018-2020年这两地共享住宿数量少且始终未形成集聚趋势，其终端职能明显大于中转职能。4)延庆区、怀柔区和密云区远离市中心，拥有八达岭长城、慕田峪长城、密云水库等自然景观，是典型的自然环境目的地，也呈旅游流净流入模式，终端功能比中转功能强。然而，2018-2020年这些地区从共享住宿稀少到出现飞地式集聚，表明其中转功能不断加强，旅游者多将其作为在北京旅游的驻扎点和中转站。

图4 北京市行政区类型划分Fig.4 Division of administrative districts in Beijing

2.4.2 北京市共享住宿业宏观分布 依照北京市共享住宿业的分布现状和影响因素可将其划分为4种布局模式：餐饮导向型、居民区导向型、文教导向型和交通导向型，其中以餐饮导向型最普遍，且餐饮在与其他要素组合时，更能发挥主导作用。居民区导向型与餐饮导向型相辅相成，一般居民区较多的地区，餐饮点也较多，居民区的分布决定了北京市共享住宿业的集聚。文教导向型在中心城区、相关场所密集区域发挥重要作用，而交通导向型则主要表现在距中心集聚区较远的城郊区和远郊区，体现出交通线路在地理要素扩散过程中的重要作用。

2.4.3 北京市共享住宿业微观分布 共享住宿业在朝阳区等核心区围绕餐饮点、居民点分布，高度集聚，与总体规律一致；在海淀区等城市中心区围绕科教文化点集聚，同时与城市核心区的扩散相衔接，呈小范围同心圆扩散或填充式扩张；在门头沟区等城市外围区主要集聚在邻近城市中心区域，未呈现出明显的导向型模式；在延庆区、怀柔区和密云区等乡村地区呈现出与中心城区相割裂的现象，主要围绕当地高级旅游资源和交通干线呈飞地和廊道式扩张。

2.4.4 北京市共享住宿业扩散趋势预测 综上分析可以预测北京市未来共享住宿扩散趋势：1)在次级城市功能区(外围城市目的地)扩散。交通是连接都市目的地和外围城市目的地的渠道，随着地铁线路延长、公交线路完善，次级功能区中转职能加强；同时伴随大都市区城市功能的转移和城市更新，外围城市区居民小区数量增加，科教文化和体育休闲场所也会进一步增多，会有更多旅游者选择在这类区域住宿，共享住宿房源的供应数量和价格也会进一步提升，房源集聚性增强。2)在城郊著名景区(自然环境目的地)附近呈飞地式扩散。尽管现阶段景点并不是影响共享住宿分布的显著因素，但该区域旅游资源等级较高、组合情况较好，旅游开发会促进旅游地人口集聚、商业场所和生活休闲配套场所增多，越来越多的旅游者会将当地作为城市旅游中转站而非仅仅是旅游终端；而对于城郊乡村地带，除非提升地区中心职能(交通、商业场所等)或增强旅游资源吸引力，否则可能不会出现共享住宿集聚。

3 结论与讨论

本文研究了北京市共享住宿业空间分布和影响因素，采用空间扩散理论分析共享住宿的扩散模式，研究结果表明：1)北京市共享住宿业空间分布不均衡，呈现以中心城区为核心的“核心—边缘”结构特征，共享住宿业分布范围和集聚程度逐渐加大，向心力增强，东北—西南分布方向性更明显。2)北京市共享住宿业空间分布的影响因素依次为餐饮、居民小区、科教文化、交通运输、体育休闲、景点，即餐饮(而非景点)是影响北京市共享住宿业分布的重要因素，对共享住宿业空间分布的影响因素研究[2，20，21]有所创新。3)北京市共享住宿空间扩散以等级扩散为主、传染扩散为辅，在次级城市功能区和景区扩散明显，房源数量并非简单地沿圈层递增，体现出共享住宿的特点：依托商业住宅扩张，更自由灵活；对区域城市职能(交通、商业活动、休闲设施等)高度依赖，更容易在有商业功能的高级别景区附近集聚。4)根据房源反映的流入/流出情况将北京市行政区分为4种类型，试图对相关理论在研究对象和尺度上有所创新。通过对共享住宿业分布模式的划分，明确了不同地理要素与共享住宿业分布之间的相关程度，总结出北京市共享住宿业发展模式的地理时空规律，可为都市型旅游目的地共享住宿业空间优化以及传统的标准住宿业调整经营策略提供指导。

本研究在时间跨度上受数据记录时间限制，未能收集到更久远的房源信息，无法进行长期的纵向观察。未来可重点关注以下研究方向：对于共享住宿的纵向追踪研究；典型大城市共享住宿业空间分布及影响因素与传统住宿业的区别；关于共享住宿的跨文化、跨区域研究；在后新冠肺炎疫情时代，共享住宿发展所遇到的冲击是否会诞生新的空间扩散模式。