基于POI数据的长沙市旅游景点空间格局分析

黄 钦，杨 波，龚熊波，梁莉莉，王 敏，陈 颖，袁慧芳，邹小燕

(湖南师范大学地理科学学院，地理空间大数据挖掘与应用湖南省重点实验室，中国 长沙 410081)

旅游景点要素在空间上的集聚与分散是旅游活动分布的重要影响因素，其合理的空间布局对全域旅游理念下旅游业统筹发展发挥着重要作用[1]。城市景点的集聚形态、分布模式、分布密度在基础设施规划、景点布局、城市空间分析中具有极其重要的意义[2]。因此，对城市旅游景点空间格局的研究有利于丰富城市地理学、旅游地理学等相关学科内容，并为旅游景点的规划、选址、布局及发展提供科学支持。

自20世纪60年代以来，国内外涌现了大量的旅游空间结构研究成果，区位理论、空间结构理论、中心地理论、核心-边缘理论、旅游地理系统模型等理论和方法被广泛应用于旅游空间格局研究之中[3]。Christaller将区位理论应用于旅游空间格局相关研究之中，并探讨了旅游地理空间与旅游者的游憩活动空间特征之间的结构关系[4]；Daniels运用中心地理论分析了两个相邻区县共同举办锦标赛产生的经济影响，结果表明举办锦标赛对较大的区县有更高经济影响[5]；Weaver 研究了旅游发展对于核心区域和边缘区域关系的影响，发现旅游业发展具有离心力作用，会加剧核心—边缘区域之间发展的不平衡[6]。随着相关研究的不断深入，此后，核心—边缘理论广泛应用于城市旅游空间结构研究，如史春云、张捷等以四川省为例，研究了旅游区域核心—边缘空间结构的动态过程、阶段与空间结构形态的演变[7]； Gunn提出旅游功能系统模型，认为供求关系是旅游系统最基本的结构, 其他因素如吸引物、服务、交通等构成了旅游系统的子系统，该模型深化了人们对于旅游系统的认知；以上研究丰富了旅游地空间结构相关理论与方法，扩展了研究思路，极大地推动了旅游地空间结构研究。有关旅游空间格局的探索始于地理学视角的区域综合开发研究[8]。当前国内旅游空间格局研究主要聚焦于旅游空间格局的理论与模型、目的地空间结构、客源地空间结构、目的地与客源地空间相互作用等方面[9]。在研究尺度上，多关注国家、区域[10]和省域等空间尺度，对于城市街区内部的空间格局刻画还有待深入。在研究方法上，陆大道提出的“点-轴”空间系统结构模型[11]被众多学者所借鉴，程晓丽等基于这一理论以皖南国际旅游文化示范区为研究区，构建了“两个中心、两条发展主轴、三大旅游区”的旅游空间结构体系[12]。诸多学者利用诸如位序-规模法则、修正引力模型、社会网络分析、旅游生态位测评、复杂网络分析、Zipf模型、旅游中心度和旅游经济联系度等方法对旅游空间格局展开研究。此类方法科学阐释了旅游资源的时间变化特征及空间格局，但对于旅游资源异质性的探讨有所不足。由于旅游门类众多，数据属性缺乏统一标准，加之数据获取困难，导致城市内部微观层面的旅游景点空间格局研究面临困难。

长期以来，旅游景点空间格局研究多集中于统计数据、社会调查数据等方面，存在数据获取难度较大、成本高、样本量小等局限性。虽然遥感数据也可用以识别景点的空间分布格局，但是局限于空间、光谱、时间分辨率，加之受植被、建筑等地物遮挡，造成旅游景点识别困难，并且光学遥感易受云雾天气等因素的影响。近年来，随着互联网技术的快速发展，以手机信令数据[13]、 轨迹数据[14]、百度热力图数据[15]、 POI(兴趣点，point of interest)数据[16]等为代表的地理空间大数据得到不断丰富和完善，为城市旅游景点的空间格局研究提供了新的方法和思路。与传统数据相比，POI数据具有数据量大、覆盖面广、识别精度高、易于获取等优点[17]，有助于提高城市微观尺度旅游景点空间研究的准确性。同时，网络爬虫技术为相关地理空间分析研究提供了便捷的数据获取方式。

1 研究区概况

长沙市位于华中地区、湖南省东部偏北、湘江下游和湘浏盆地西缘(图1)，其地理位置为东经111°53′～ 114°15′，北纬 27°51′～ 28°41′，是长江中游地区和中南地区重要的旅游城市和交通枢纽，长江经济带和长江中游城市群重要的节点城市，也是湖南省的政治、经济和文化中心。长沙市属于亚热带季风性湿润气候，地势东西高、中部低，地貌类型丰富，地表水系众多，土壤类型多样。全市总面积11 819.5 km2，2019 年常住总人口 839.45万人，下辖6区(岳麓区、开福区、天心区、雨花区、芙蓉区、望城区)3县(长沙县、宁乡市、浏阳市)，如图1。作为中西部地区最具竞争力的旅游城市之一，长沙市2019年接待国内外旅游者16 832.61万人次，创造旅游总收入2 028.97亿元。

图1 长沙市地理位置及各区县分布图

2 数据来源与研究方法

2.1 数据来源

POI是一种代表真实地理实体的点状要素数据，反映了地理要素的空间位置，包括要素名称、地址、所属区域、要素类型、经纬度坐标等空间和属性信息[17]。POI数据作为空间大数据的基础性数据，是地理空间中具有标志意义的地理对象[18]，具有地理信息准确、数据量丰富等特点。POI数据可以提高对城市旅游景点空间描述的准确性，能够很好地反映出研究对象的空间结构与空间分布特征[19]。本研究所用POI数据是利用Python网络爬虫技术从百度地图开放平台(http://lbs.baidu.com)获取，数据获取时间为2020年6月，共爬取6 538个旅游景点数据，经过数据清洗，筛选、去重后最终保留3 084条有效数据，如表1。

表1 长沙市旅游景点POI主要类别

除POI数据之外，本文的支撑数据还包括长沙市各区县矢量数据、DEM数据路网和水系数据等。其中区县矢量数据、路网和水系数据均来源于地理信息专业知识服务系统(http://kmap.ckcest.cn/)中的1∶25万矢量地图数据，DEM数据来源于美国地质调查局(https://www.usgs.gov/)，空间分辨率为30 m。

2.2 研究方法

2.2.1 平均最近邻指数 平均最近邻指数ANN(Average Nearest Neighbor)是一种定量描述空间点状要素邻近程度、判断其空间格局特征及分布形态的有效空间计量方法[20]。其计算公式[21]为

(1)

(2)

(3)

2.2.2 核密度估计 在点要素的空间集聚分析中，核密度估计法KDE(Kernel Density Estimation)常被用来反映要素在空间分布中的相对集中程度，是点模式分析中的常用方法之一[22]。核密度估计法以每个待计算的格网为中心，并进行圆形区域搜索，以此计算每个格网的密度值[23]。空间位置x的核密度函数f(x)的计算公式[24]为

(4)

式中：f(x)为空间位置x的核密度计算函数；n为与空间位置x的距离小于或等于r的要素数；k为空间权重函数；r为距离衰减阈值；n为与位置x的距离小于或等于r的要素点数。其在空间上的几何意义为在每个核心要素xi处核密度值最大，在远离核心要素xi的过程中核密度值不断降低，直到与xi的距离达到阈值r时核密度值降为0。带宽的大小对分析结果的精细度有着显著影响，通过综合考虑旅游景点POI空间分布的离散程度及其平均影响范围，选择3 500 m的搜索半径(带宽)进行分析，该距离不仅较好地反映了旅游景点的整体分布特征，还识别了其分布的局部热点信息。

2.2.3 标准差椭圆 标准差椭圆SDE(Standard Deviational Ellipse)是以长短轴标准差、椭圆中心及方位角为基本参数对地理要素的集中、离散和方向趋势进行定量描述一种重要的地理学研究方法[25]，能对地理要素空间格局的全局特征进行客观表达。目前主要运用于风景名胜区区位、旅游业发展格局、旅游要素网络关注度等相关研究中[26]，其优势在于能够精准、有效地揭示地理空间要素的空间分布特征，直观展现要素空间分布的中心性及延展性，其计算公式如下[27]

截至4月21日，玉树县结古镇新建北路500多人、480多头牲畜和哈秀乡哈秀寺260多名僧众的应急供水点开始供水。

平均中心：

(5)

椭圆方位角：

tanθ=(A+B)/C,

(6)

(7)

(8)

(9)

X轴标准差：

(10)

Y轴标准差：

(11)

3 结果与分析

3.1 总体空间格局

为从总体上把握长沙市旅游景点POI的空间分布形态特征，本文将11类不同类型的旅游景点进行叠加，分别得到所有旅游景点的平均最近邻指数、核密度估计结果和标准差椭圆分布。通过ArcGIS 10.6软件测算得到长沙市旅游景点的最邻近指数ANN为0.558，该值小于1；平均观测距离为546.791m，预期平均距离为979.309 m；P值和Z得分分别为0和-46.922 (小于-2.58)，通过了0.01置信水平的显著性检验，因此有99%的把握拒绝零假设。由此可初步判断长沙市旅游景点的总体分布类型为集聚型。通过叠加核密度栅格图层、电子地图和矢量底图综合分析(如图2)，长沙市核心城区成为密度最高值区域，呈现出4核(两个最高值核心和两个次级高值核心)多环的分布形态；在核心城区外围，形成了多个中级密度核心。总体上形成了整体集聚、多中心发展、块状分散的空间格局。两个最高值核心大体上以东二环线为轴线，呈东北-西南分布，由于其覆盖区域面积差别明显，本文分东西两区展开论述：西部密度最高值区位于岳麓区中东部、天心区北部、芙蓉区西部以及开福区南部的交错地带，其覆盖区域面积最大，大体上以橘子洲为轴线，呈东北-西南走向，包括岳麓山、橘子洲等享誉中外的旅游景点以及湖南大学、湖南师范大学、橘洲公园、湘江风光带、五一广场、黄兴广场、天心公园、烈士公园等知名热点区域。东部密度最高值区位于由开福区东南部、芙蓉区北部及长沙县中西部地区所围成的圆形区域，以长沙世界之窗为圆心辐射分布，包括月湖公园、马栏山、星沙公园、湖湘奥林匹克花园等。这些区域均为长沙市热门景区，景点类型丰富，地域组合较好，致使旅游景点在空间上集聚分布，呈现出高值集聚的分布格局。次级高值核心大体上以天心区和雨花区的行政界线为界南北分布。北部次级高值核心位于雨花区中西部，大体为湘府路高架桥、万家丽路、时代阳光大道和圭塘河所围成的矩形区域，覆盖湖南省森林植物园绝大部分。南部次级高值核心位于天心区东南部，覆盖长沙生态动物园所有区域。从两个次级高值核心的分布可以看出与森林植物园和生态动物园相配套的旅游景点众多，今后很可能发展成为吸引游客的又一增长极。在核心城区之外，有多个中级密度核心(如图3)，分布于核心城区边缘和各县市区域旅游中心。除浏阳市市区中级密度核心旅游景点密度分布无特殊景区依托而外，其他中级密度核心均不同程度地受核心旅游景区的影响，围绕着核心景区分布着大量旅游景点。如望城区书堂山街道的新华联铜官窑古镇、宁乡市黄材镇的炭河里国家考古遗址公园、雨花区跳马镇的石燕湖生态旅游景区、浏阳市大围山镇大围山国家森林公园和长沙县星沙街道的松雅湖国家湿地公园等周围都配套布局有众多相关旅游景点，所以在空间上呈现出相对密度高值区域。

图2 长沙市旅游景点POI核密度及地理要素空间分布

图3 长沙市旅游景点POI密度核心典型区示例

图4 长沙市旅游景点标准差椭圆分布

3.2 分类空间格局

由于11类旅游景点数量差异较大，不同类型POI分布趋势不一，核密度估计结果不同，标准差椭圆参数也差异明显，所以需要对其进行分类测算。由于ANN对面积非常敏感，为了使各类旅游景点的集聚程度具有对比性，所以在测算各类旅游景点ANN值时，需要统一面积参数。

由各类旅游景点的ANN测算结果(表2)可以看出，长沙市各类旅游景点POI的ANN值均小于1，总体上都呈现出集聚分布的趋势。景点、文物古迹、公园、游乐园、风景区、博物馆、植物园和水族馆等8类旅游景点的ANN值从小到大依次递增表明其空间集聚程度依次递减；此8类旅游景点均通过了0.01置信水平的显著性检验，表明其在空间上存在明显的空间集聚特征。其中，水族馆的ANN值最小(0.127)，文物古迹的ANN值最大(0.791)，究其原因：长沙市水族馆的数量很少，皆分布于城市核心区域；文物古迹主要集中于核心城区，但市区外围均有分布。结合核密度分布图(图5)可以发现，文物古迹核密度值除在核心城区最高而外，在向郊区延伸的过程中并未明显降低，并有很大部分区域是中级密度分布地区。这是由于长沙作为中国历史文化名城之一，文物古迹众多，不仅在核心城区大量分布，而且在核心城区之外也分布有相当多的文物古迹景点。

表2 长沙市各类旅游景点平均最近邻指数测算结果

图5 长沙市各类旅游景点核密度分布图

除上述8类旅游景点具有明显的空间集聚特征而外，动物园、教堂和寺庙的空间分布也呈现出一定的空间分布集聚性，但未通过0.1置信水平的显著性检验，故无法有90%的把握拒绝零假设。其中，动物园的ANN值为0.678，集聚程度不高，是由于其数量很少且集中于长沙市中部核心城区和东部浏阳市境内，所以其在整个长沙市市域范围面积内的空间集聚特征不十分明显。教堂和寺庙的ANN值分别为0.841和0.993，其空间集聚程度较弱。由于教堂POI数量较少且空间上分布不够集中，故其ANN值较大；寺庙分布总体上分散，ANN值最高，结合核密度分布图可以发现寺庙在空间上有多个核密度高值区，这是由于寺庙类景点本身特点所决定的，不仅城市中会有分布，而且一些植被覆盖度较高的边缘山区亦有分布，故其空间集聚特征不明显，更趋向于随机分布。

由于核密度等级的划分是根据不同类型旅游景点的核密度值采用自然间断点分级法对其进行可视化显示，故其只显示该类旅游景点的相对等级。所以,教堂、植物园、动物园、水族馆尽管具有较高密度等级，但由于其数量十分有限，因而只能直观反映其空间分布相对密度。景点核密度分布与长沙市旅游景点的总体分布特征极其相似，是由于其数量占比在各类旅游景点中最大。公园、游乐园、风景区、博物馆等具有相似的核密度分布特征，且都集中于核心城区。为了更加精细地刻画各类旅游景点要素在空间上的方向趋势(如图6)，直观展现其空间分布的中心性及延展性，本文采用标准差椭圆模型对其进行度量(如表3)。

图6 长沙市各类旅游景点标准差椭圆分布

表3 长沙市各类旅游景点标准差椭圆参数

整体来看，寺庙、文物古迹、风景区、植物园、景点、动物园等的空间分布范围较大，皆大于2 500 km2且覆盖所属类型的68%及以上的旅游景点。其中，除动物园呈现出东北-西南走向的分布趋势而外，其余类型景点皆呈现出东-西向的分布趋势。覆盖范围较小的景点类型包括博物馆、游乐园、教堂、公园、水族馆，皆小于2 500 km2。其中博物馆、游乐园由于景点数量相对较多，集中于核心城区，故其分布范围都相对较大(大于2 000 km2)且都是东-西向集聚分布；公园也呈东-西向分布趋势，其数量较多但面积较小，集中程度高，主要服务于人口密度大的核心城区；教堂和水族馆的分布方向呈现出东北-西南趋势，由于其数量有限，空间分布较为局限。

4 结论与讨论

4.1 结论

运用Python爬虫技术，基于百度地图API，爬取长沙市各类旅游景点POI，采用平均最近邻指数、核密度估计及标准差椭圆等方法分析长沙市旅游景点的空间格局特征。结论如下：

(1)长沙市旅游景点的空间分布整体上表现为集聚型，受交通、城市规划及景区布局等因素的影响，多分布于交通干线与核心景区周围，大致上以东二环线为轴线，呈东北-西南分布。形成了整体分散、多中心发展、块状集聚的空间格局；

(2)从不同景点类型看，其空间分布特征各异。在空间分布形态上主要表现为“单核心”、“双核心”和“多核心”等不同类型；

(3)从不同类型景点均衡度与集聚性看，寺庙类旅游景点分布最为均衡，景点类旅游景点分布最为集中，其他类型旅游景点均具有不同程度的集聚特征；

(4)不同类型旅游景点形成了一定的专业化功能区，旅游业发展较为成熟的街道呈现出多类型旅游景点集聚特征，部分街道由于旅游专业化程度低，缺乏特定的旅游资源，集聚类型较为单一。

4.2 讨论

通过对长沙市旅游景点空间格局进行分析可以发现，长沙市各类旅游景点空间分布集聚特征明显，除寺庙类景点分布较为均衡而外，其余类型景点均过于集中于核心城区，这与城市的发展水平高度相关。总体而言，POI数据能够在很大程度上客观反映城市内部的空间格局。特别是对于城市微观尺度旅游景点空间研究，POI数据的精细特性有利于提高其空间格局分析的准确性。但是，POI数据也存在一定局限，尤其是缺少相应的属性信息，较难进行更加深入的研究。因此，未来可以尝试将POI数据与统计数据相结合，从而为城市旅游景点空间格局分析提供新的思路，对其分布规律和运行机制开展更为深入的探索。