基于地理标记照片的桂林入境游客时空分布特征及其影响因素

彭安近，吴忠军

(桂林理工大学旅游与风景园林学院，广西桂林 541006)

0 引言

随着公众生活水平的提高和网络技术的飞速发展，通过网络社区(Flickr、Twitter、Panoramio、微博、马蜂窝)分享和储存旅行照片成为公众习以为常的事.新世纪以来，全球定位系统(北斗、GPS、GLONASS、GALILEO)的不断完善和广泛应用，使得个人照片能与地理信息联系起来[1].网络社区平台拥有的照片信息也越来越丰富，以地理标记照片内含的用户id、照片id、拍摄时间、上传时间、拍摄设备、经纬度等信息作为研究对象，突破在以往游客时空行为研究中难以获得个体游客时空行为数据的重要瓶颈[2]，已经被国内外学者广泛用于游客时空分布[3-5]、移动轨迹[6-7]、旅游热点区域[8-9]等方面研究中，地理标记照片还用于实际游客数量预测[10]和旅游需求规模评估[11].除此之外，借助计算机视觉技术[12-15]分析照片内容逐渐成为当下地理标记照片研究的趋势与方向.

由于地理标记照片的数量与上传人数并不是真实到访旅游目的地的游客数量，并不能真实反映旅游目的地实际接待情况，只有少量学者基于地理标记照片研究目的地游客时空分布的影响因素及形成机制，分析不同的物理因素和社会文化因素对游客时空分布的影响[16].但是，已有学者通过使用网络社区平台如Instagram、Twitter和Flickr等数据发现其与官方统计数据之间存在重要的相关性[17-19]，并将其作为研究游客时空分布特征影响因素的重要因变量，进行回归分析，为目的地规划与管理出谋划策.

利用地理标记照片对游客时空分布及其影响因素研究，有利于充分掌握游客对旅游目的地偏好，对旅游目的地城市规划与管理、景区开发、旅游线路设计具有重要的指导意义.本文以地理标记照片作为元数据，运用ArcGIS空间分析技术和多元回归分析方法对桂林市入境游客时空分布特征及其影响因素进行研究，对桂林市入境游客的时空分布特征进行解释，为巩固和开拓桂林市入境旅游市场，促进各县区入境旅游发展提供建议.

1 研究区域、数据来源及研究方法

1.1 研究区域概况

桂林市位于我国广西壮族自治区东北部，地处东经109°36′50″～111°29′30″，北纬24°15′23″～26°23′30″，境域南北长236 km、东西宽189 km.总面积27 809 km2，辖6区1市10县，2019年末户籍总人口540.60万人，地区生产总值2 105.56亿元，全年实现旅游总消费1 874.25亿元.

桂林自古享有“山水甲天下”的美誉，以“山清、水秀、洞奇、石美”著称.新中国成立后，桂林市经济社会发展较快，特别是旅游业走在了全国同类城市前列.1973年，桂林正式对外开放旅游，成为中国首批对外开放的旅游城市之一.桂林文化旅游资源丰富，截止2019年底，全市拥有74个国家A级旅游景区，其中国家5A级旅游景区4个、国家4A级旅游景区37个、国家3A旅游景区31个.入境旅游市场活跃，2019年，桂林接待入境过夜游客人数314.59万人次，占全自治区入境过夜游客人数50.42%，实现国际旅游外汇收入206 235.83万美元，占全自治区国际旅游外汇收入58.92%.因此，选择桂林市作为案例地具有很好的代表性和典型性.

1.2 数据来源与处理

Flickr是一个提供图片和视频托管的网站，由Ludicorp公司于2004年开发设计，是Web2.0的最佳利用例子之一.其特点为私人照片授权与标签分类，图片上传者可自己定义该照片的关键字，也就是“标签(Tags)”，搜索者就可很快的找到想要的照片，例如指定拍摄地点或照片的主题，同时Flickr也会挑选出最受欢迎的标签名单，以此缩短搜索照片的时间.

文章考虑到我国入境游客的特殊性，以中文“桂林”和英文“Guilin”标签，借助Python程序语言在2020年10月11日通过Flickr官方对外提供的在线地理标记接口(www.flickr.com/services/api)，获取到桂林2012年1月1日—2019年12月31日的照片共55 337张.对采集到的数据进行整理，主要进行了以下两项工作：(1)删除元数据中未含有经纬度信息的照片；(2)剔除同一用户id具有相同拍摄时间和相同经纬度的多张照片.最后保留了506位入境游客的8 031张地理标记照片作文本文的研究数据.将获得的文本数据导入到ArcGIS10.2中，生成可视化桂林市入境游客地理标记照片空间分布图1，作为本文研究的基础数据库.

图1 桂林市入境游客地理标记照片空间位置

2 结果分析

通过地理标记照片拍摄时间按月份进行整理，发现桂林市入境游客的出游时间主要集中在3～6月和8～11月，这8个月入境游客占全年入境游客数量的84.78%，地理标记照片数量占全年拍摄数量的89.86%.7月、12月到次年2月是桂林入境旅游淡季，入境游客仅占全年入境游客的15.22%，地理标记照片数量仅占全年拍摄数量的10.14%.下一步使用ArcGIS核密度分析和空间热点分析技术分析不同季节、年际地理标记照片分布特征如下.

依据季节划分，其中春季为3-5月，夏季为6-8月，秋季为9-11月，冬季为12月到次年2月，见图2，季节核密度存在显著空间分异.首先从四个季节来看，桂林市地理标记照片集聚区主要分布在从桂林市中心至阳朔县城的漓江和桂林市西北部的龙脊梯田景区；地理标记照片分布的高密度区主要集中在以秀峰区、叠彩区、七星区和象山区构成的桂林市中心一带，以桃花江和漓江交汇处的两江四湖·象山景区和独秀峰·王城景区为高密度集聚景区.在春季，地理标记照片在阳朔县城北部的兴坪古镇形成较高密度集聚区，并在兴坪古镇沿漓江往上游段形成大面积、长距离的带状集聚区.夏季、秋季和冬季的地理标记照片分布的集聚区基本一致，以桂林市市中心一带为高密度区，阳朔县城为较高密度区，其他主要集聚区分布在龙脊梯田景区和兴坪古镇.除此以外，夏季、秋季和冬季这三个季节，漓江桂林市中心至阳朔段的地理标记照片集聚区呈现块状分布，其并未形成连续的带状分布.

图2 桂林市季节地理标记照片核密度分布

从不同年际来看，如图3所示.2012-2013年和2014-2015年，这两个时间段地理标记照片集中区较为相似，高密度集中在桂林市区和阳朔县城；2016-2017年，地理标记照片高密度集中区在桂林市区和兴坪古镇；2018-2019年，只存在桂林市区一个高密度区.通过图3(e)和(f)可以看出，2012-2015年，地理标记照片分布的高密度区主要集中在桂林市中心，较高密度区在阳朔县城一带，此外在龙脊梯田景区、阳朔兴坪古镇附近的漓江段形成了具有一定规模的地理标记照片集聚区；2016-2019年，桂林市地理标记照片分布的高密度区依旧是桂林市市中心一带，较高密度区从2012-2015年的阳朔县城转移到兴坪古镇一带，漓江从桂林市中心到阳朔段的地理标记照片分布的集聚带相较于2012-2015年进一步拉长，桂林市西北部的龙脊梯田景区依旧是地理标记照片分布的集聚区.

图3 桂林市历年地理标记照片核密度分布

根据图4可以看出，2012年入境游客到访量最大的县区是阳朔县，成为桂林入境游客空间分布的热点区，入境游客在阳朔县主要集中在阳朔县城、兴坪古镇和九马画山景区；在象山区和秀峰区形成了次热点区，入境游客主要游览两江四湖·象山景区、王城·独秀峰景区和芦笛岩景区.2015年入境游客在空间分布上的热点主要集中在桂林市阳朔县和象山区，入境游客主要游览景点与2012年相似.阳朔县的入境游客主要集中在县城、兴坪古镇及其沿漓江往上至灵川大圩古镇河段，象山区入境游客主要集中游览两江四湖·象山景区；2015年的次热点区是秀峰区和龙胜各族自治县，秀峰区入境游客访问量较大的景区是王城·独秀峰景区、两江四湖·象山景区和芦笛岩景区，龙胜各族自治县的入境游客集中在龙脊梯田景区.入境游客在2019年空间分布上的热点区是阳朔县，入境游客依旧主要集中县城附近，在象山区和秀峰区形成次热点区，入境游客依旧集中在两江四湖·象山景区、王城·独秀峰和芦笛岩景区.如图5d所示，2012-2019年桂林市入境游客空间分布的热点区是阳朔县和象山区，次热点区是秀峰区和龙胜各族自治县，与2012年、2015年和2019年不同年份入境游客空间分布热点基本相似，游览的主要景区也高度一致.

图4 桂林市不同年份游客热点分布

通过核密度分析和空间热点分析，可以看出在不同年际和季节，桂林市入境游客地理标记照片和游客数量在空间分布上变化较小，差异不大.入境游客主要集中在漓江从桂林市中心至阳朔县城段和龙胜各族自治县的西南部，游览景区(点)主要是位于漓江两岸的两江四湖·象山景区、兴坪古镇、阳朔县城和龙脊梯田景区；从桂林市入境游客及其地理标记照片在各县区分布角度来看，入境游客在桂林市各县区空间分异较大，主要集中分布在阳朔县、象山区、秀峰区和龙胜各族自治县，在空间分布上属于热点区和次热点区.叠彩区、七星区、临桂区、雁山区、灵川县、兴安县、荔浦市、平乐县、永福县、资源县、全州县、灌阳县和恭城瑶族自治县等县区入境游客相对较少，在空间分布上主要属于一般区、次冷点区和冷点区.在这13个县区中，地理标记照片在兴安县、荔浦市、平乐县、永福县、资源县、全州县、灌阳县和恭城瑶族自治县等8个县未形成核密度集聚区.

3 影响因素分析

3.1 计量模型设定

为了进一步分析桂林市入境游客时空分布差异的影响因素，参照国内学者对入境游客时间分布影响因素的研究[20-21]，从社会经济特征、旅游资源禀赋、县区的可达性和空间位置等方面分析其对地理标记照片时空分布的影响，因此建立了以下模型：

Pit=α+β1Arei+β2Degi+β3Proit+β4Leadi+β5Railit+β6Pgdpit+β7Rateit+β8Capit+β9Disi+εit

上式中，Pit表示不同年份桂林市各县区入境游客地理标记照片数量；Arei为行政区划面积；Degi为行政等级，按照区、市、自治县、县分别用“4”、“3”、“2”、“1”表示，其中资源县于1995年开始享受民族自治县待遇，用“2”表示；Proit为旅游资源禀赋，用不同年份各县区3A级及以上景区占全市同级景区的比例来表示，比例越高，旅游资源质量就越好；Leadi为县区是否存在外国领导人到访的景区(点)，用“0“和”1”表示，“1”表示有，“0”表示没有，以此来研究外国领导人在桂林入境旅游市场中是否具有名人效应；Railit为交通发展水平，以量化不同县区的可达性，本文选择是否有客运火车站来代替，用“1”或“0”分别表示“有”或“没有”，其中象山区、七星区、秀峰区和叠彩区为传统市中心，存在使用同一火车站情况，均以“1”表示；Pgdpit为人均地区生产总值；Rateit为第三产业增加值比例；Capit为实际使用外资金额；Disi为县区空间位置，以各县区到桂林市中心的距离来表示.

计量模型中物理和经济解释变量的数据来源于2013-2019年各县区年鉴、桂林年鉴和2020各县区政府工作报告.本文样本包括桂林17个区、市、自治县和县，研究时间序列均从2012-2019年，可以看出研究数据样本是一个平衡面板数据，模型的估计和假设检验使用STATA15.1完成.在回归之前，首先计算了每个预测变量的方差膨胀因子(VIF)和VIF均值，以测试预测变量之间的多重共线性，当VIF值大于10时，回归存在有害的多重共线性.从表1的VIF可以看出，所有变量的VIF值都在临界值10之下，不再存在有害的多重共线性.

表1 多重共线性检验结果

3.2 实证结果及分析

在面板数据估计模型的假设检验中，F检验(Prob >F=0.0000)拒绝了零假设，表明固定效应模型更加有效；LM检验(Prob>chibar2=0.003 3)同样拒绝零假设，表明随机效应模型更加有效；下一步需要在固定效应模型和随机效应模型中进行选择，由于本文构建的模型中含有行政区划面积、是否有外国领导人游览的景区(点)、县区空间位置等不随时间变化变量，固定效应回归时这些变量将被忽略，对模型的估计产生重要影响.同时Hausman检验(Prob>chi2 = 0.504 5)的结果也表明选择随机效应模型比固定效应模型更好.所以本文最终采用随机效应模型进行回归估计，回归结果如表2所示.

根据表2回归结果可以发现，采用聚类稳健标准误的最小二乘法估计(OLS_V)、随机效应模型估计(FE)、可行广义最小二乘法估计(FGLS)和极大似然估计(MLE)四种估计方法的结果基本一致，说明该模型具有很好的稳健性.该模型总体R^2在0.472以上，说明模型拟合效果相对较好.旅游资源禀赋(Proit)和国外领导人访问(Leadi)均在全部四种估计方法中具有统计显著性，其余变量在统计上都不具有显著性.

考虑到面板数据可能存在异方差和序列相关问题，利用可行的广义最小二乘法(FGLS)进行估计可以极大限度地利用面板数据的优点，尽量减少估计误差.因此，后续主要依据可行广义最小二乘法估计来分析桂林入境游客地理标记照片的影响因素.表2回归结果显示，旅游资源禀赋对地理标记照片时空分布具有显著正向影响.在其他因素保持不变的前提下，旅游资源禀赋每提高1%，入境游客将会增加1 025.43%，可见旅游资源是旅游发展最重要的前提条件和基础，表明旅游资源质量越好，对入境游客的吸引力越足；存在外国领导人游览景区的县区对地理标记照片时空分布同样具有显著正向影响，在一定程度上说明外国领导人因其特殊政治身份所具有的名人效应对桂林市入境发展起着十分重要的作用.虽然与旅游资源禀赋这一重要因素相比，其正向促进作用相对较小，但是其作用不应该被忽视，是桂林进行海外营销推广、吸引入境游客的中坚力量.县区行政等级、第三产业增加值比例、行政区划面积、县区位置、人均地区生产总值、交通发展水平和实际利用外资总额等7个变量在四种估计方法中均未通过显著性检验，表明桂林各县区地理及社会经济特征对入境游客地理标记照片的空间分布没有显著影响，不是影响入境游客前往游览的影响因素.

表2 回归结果

4 结论和对策

4.1 结论

文章通过使用来自网络社区Flickr分享的带有地理标记的照片来量化和比较桂林市不同县区的入境游客数量.运用ArcGIS核密度分析和空间热点分析技术研究了桂林市入境游客时空分布差异，进一步分析了入境游客时空分布差异的影响因素.这项研究的结果很好解释了入境游客在桂林行政区划范围内旅行偏好及其形成的原因.

从不同年际和季节来看，桂林市入境游客主要游览的县区以及景区(点)变化不大.入境游客主要集中在桂林市中心至阳朔县城的漓江段和龙胜各族自治县的东南角.阳朔县城、兴坪古镇、两江四湖·象山景区、芦笛岩和龙脊梯田景区是入境游客主要集聚景区(点)；从入境游客热点分布情况来看，入境游客喜欢前往阳朔县、象山区、秀峰区和龙胜各族自治县旅行，前往其他区县旅游的入境游客较少.

从空间分布影响因素来看，有两个因素可以解释桂林市各县区入境游客时空分异很大的现象.旅游资源禀赋与地理标记照片数量呈显著正相关，即在该研究中县区的3A级及以上景区占全市同级景区比例越高，入境游客更加愿意前往旅游，优越的旅游资源禀赋条件对入境游客直接产生吸引作用，因此对旅游目的地而言，合理利用现有旅游资源进行开发，打造高标准、高质量的旅游景区(点)是吸引入境游客前往旅游的基础；同时有外国领导人前往游览的县区会有更多入境游客前往游览参观，说明政治名人效应在桂林入境旅游中发挥着不小的作用，对于目的地城市而言，合理借助外国领导人来访事件进行宣传营销，以增加目的地城市的关注度，不失为一种有效的营销手段.

4.2 对策

4.2.1 利用多途径恢复入境旅游市场 疫情导致桂林入境旅游受到严重冲击，桂林要在后疫情时代实现入境旅游市场快速恢复，继续提升旅游国际化水平，需要继续推行和实施桂林国际旅游胜地建设的成功经验.持续打造国际旅游会展品牌，组织参加境外国际旅游展会；继续巩固提升传统客源市场，积极开拓新兴客源市场；增强与国际友好城市的往来与合作，积极缔结新的国际友好城市，促进政府间官员往来交流，充分发挥政治名人效应，借此吸引更多入境游客前往桂林开展旅游活动.

4.2.2 合理定位各县区旅游发展方向 桂林市部分县区旅游发展趋于同质化的现象较为严重，部分县区依旧停留在以传统观光旅游为主的阶段，各县区资源资源优势未能充分体现.为促进入境旅游市场均衡发展和转型升级，桂林市应积极统筹各县区资源优势，合理定位各县区旅游发展方向，统筹各区县文化旅游资源，积极将各县区旅游发展纳入桂林国际旅游胜地升级版建设蓝图，实现“一地一品”的旅游发展格局.以此构建多元化旅游体系，提升入境旅游品质，全面推进入境旅游发展新格局.

5 局限性和未来研究

本文以桂林市为例，使用来自网络社区的地理标记照片作为衡量各县区入境游客偏好的替代指标.与耗时耗力的调查相比，这种方法更节省时间，并能提供良好的空间覆盖.但是，这种方法也有其局限性.因为无法准确获得每年各县区的入境游客数量，所以无法测算地理标记照片数据和真实入境游客数量之间是否存在良好的相关性.同时，Flickr用户可能不能代表研究区域内的入境游客的整体情况，Flickr用户的人口特征，如年龄、性别、收入和教育水平，可能不同于整个社会的人口结构情况.因此，基于入境游客地理标记照片的桂林市各县区旅游偏好情况分析可能无法反映总体情况.最后，构建用于计量桂林市各县区地理标记照片时空分布差异影响因素的计量模型解释了47.2%的变异情况，表明还存在其他的因素影响各县区入境游客地理标记照片的分布情况，如入境游客的社会人口特征和社会经济状况等因素，可能出于隐私安全等因素的考量，这些数据在网络社区上是无法获取的.未来研究若是能收集到桂林市各县区入境游客的抽样调查数据，研究的说服力可能更加充分，模型总体的解释情况可能将更加有效.