景区建成环境对游客空间分布的影响研究——以台儿庄古城为例

文娜娟，孙凤芝，贾衍菊

（山东师范大学 商学院，山东 济南 250014）

国内各大景区节假日期间拥挤现象日益严重，旅游流在景区有限空间范围内的长时间集聚会对景点生态环境、游客安全与旅游体验等产生负面影响。因此，理解游客的空间行为并探究造成空间分布不均现象的原因对景区管理者的日常经营活动及后期规划提升具有重要的意义。

在地理研究领域，步行作为一种主要的交通方式，其与建成环境的关系是城市地理学的研究热点［1］。城市规划学者将建成环境要素通常归纳为密度、混合度、设计、到公交站点的距离和目的地可达性等5 个方面［2］。景区建成环境是具有旅游功能的综合体，与强调生活性与空间性的城市建筑环境相比，还包括休闲游览性。因此，可以从以下两个方面来理解景区建成环境：一是空间因素，即空间可达性；二是功能吸引物因素，如景点位置与密度、业态类型与分布集散程度等。

以往关于人群空间分布的研究，学者们针对不同研究尺度和区域展开了分析。在多层商业综合体领域功能与空间呈现出多维度组合发展特征，不同的功能分区布局与空间安排策略形成了商业综合体不均衡的客流分布状态。通过整合功能与空间的协同效应［3］，综合主入口位置、垂直交通布局与整合度等因素［4］，商业综合体人流分布模型的拟合效果得到有效提升。在更大范围尺度的城市人流特征研究是城市地理学和城市空间研究的重要领域之一，立足城市建成环境选取空间尺度、可达性、混合功能与密度和景观绿化进行综述［5］。针对已有研究对因人流动而建立的空间交互关系关注不足的问题，将城市空间、人、服务和地理环境等要素之间的互动关系抽象为网络，提出了基于复杂网络视角的城市人流空间概念模型［6］。以游客为行动主体的景区，游客空间分布影响因素主要包括路径属性因素与环境因素［7］，具体为：园路整合度、空间节点密度与游人时空选择度［8］，街道自身的物理及空间属性、土地利用的功能业态吸引因素与空间的可达性对游客游览有重要的影响作用［9］。其中，业态组合是对业态进行选择并合理布局的过程［10］。在研究中发现，业态空间布局与个体时空行为的不匹配导致部分空间使用效率低下［11］，因此需改善业态环境，充分激活低活力公共空间，以有效缓解高活力空间压力［12］。研究表明，空间因素与街道网络中的行人空间行为联系最为密切［13］，空间句法是通过对建筑与景观等空间结构的量化分析，研究空间系统与人类行为之间关系的理论与方法［14］，在动态的街道等线性空间中常用轴线法进行分析［15］。其中，街道空间布局是影响人流运动的主要因素［16］，学者结合空间句法理论，分析指出街道整体性、可识别性、中心性与人流量之间呈正向关系［17］。空间自身结构模式，如整合度、空间深度等决定了主体在空间中的分布特征［18］，并在郭昊栩、李颜、邓孟仁等［19］的实际案例研究中得到证实。

综合上述文献梳理分析，人群空间分布研究主要基于环境行为学与空间行为交互理论，从高层商业综合体、城市公共空间和景区街道尺度出发，依托建成环境探讨空间特征、功能结构与人流分布之间的关系，成果较为缺乏，对于隐藏在人流聚集现象背后的空间与功能的对应关系研究不够深入。从研究尺度层面考虑，对于业态多元化、功能更为齐全、研究对象更为复杂的古城镇景区而言，业态及景点的合理化布局更是其生命力之所在。本文结合空间句法理论建立建成环境对人流分布的影响模型，将整合度分别与业态及景点核密度结果叠加，探析隐藏在人流聚集现象下的空间与功能的对应关系，并提出相应的规划及保护策略，为科学管理预测提供理论支持。

1 研究设计

1.1 研究区概况

台儿庄古城位于京杭大运河的中心点，坐落于山东省枣庄市台儿庄区和鲁苏豫皖4 省的交界地带，规划面积2km2，立足恢复街巷历史肌理与原始风貌，以满足旅游和交通需求为基础规划大衙门街等街巷，是目前国内规模最大的古城。景区内部商业空间与相邻景点建立直接联系，呈现出网格状空间形态。在实际调研过程中发现，台儿庄古城景区游客空间分布存在着较为严重的两极分化现象，如大衙门街因游客过度集聚凸现出客流拥挤、交通压力大的问题，而北河涯等街巷到访游客寥寥无几。因此，本文结合景区推荐游览路线，选取景区内的24 条街道作为研究重点（图1），对街道人流分布状态及影响因素进行了系统分析。

图1 研究区范围Figure 1 Scope of study area

1.2 数据来源

游客空间分布数据通过实地调研获得，以街区中较为典型的24 条街道作为研究对象，选择工作日和周末各1 天（2020 年7 月9 日、7 月11 日）对单位时间内街道通过的人流量进行数据统计。每个调研日选取5 个时间段（09：00—10：30、11：30—13：00、15：00—16：30、17：30—19：00、20：00—21：30），以上时间段可较好反映出台儿庄古城全天人流分布情况。每次记录时间6min，每个观察点2d合计抽样时间为60min，转换得到各观察点1d 的人流通过量。2019年9 月—2020 年7 月，对前往台儿庄古城的游客进行随机抽样问卷调查，发放调查问卷1000 份，回收有效问卷844 份，有效率为84.4%。根据调查问卷中游客出游目的数据，计算获得不同业态类型的吸引力权重。

1.3 研究方法

首先，结合图纸进行实地调研，记录台儿庄古城业态（数量、类型、店铺名称等）与景点信息，结合时间取样和行人计数方法对街道人流量进行统计。空间数据获取以台儿庄古城卫星地图为基础，结合空间句法理论在CAD 软件中绘制街道图，导入Depthmap软件选择轴线模型进行量化分析，采用空间深度、全局整合度与选择度解析台儿庄古城空间形态；综合轴线图与卫星图，获得与入口关系量化数据；利用ArcGIS中的核密度分析工具，对商铺和景点的空间集聚进行可视化操作，并通过计算获得功能吸引力数据。最后，使用SPSS软件对功能与空间因素进行多元线性回归模型拟合，深入探讨空间和功能与游客空间分布之间的特征关系，并提出规划与保护提升策略。本文综合考虑空间与功能因素，采用实证研究范式，以台儿庄古城为例构建研究框架，具体如图2 所示。

图2 研究框架Figure 2 Research framework

2 影响因素分析与量化

2.1 整合度

空间句法认为，人的空间移动与街道网络可达性相关，城市中人流量与整合度等具有很高的关联性［20］。整合度（I），指在空间系统中某一街道与其他街道空间的集聚或离散程度，用来衡量某街道空间作为目的地吸引到达交通的能力［21］。整合度越高的空间，其可达性与中心性较强，从而证明街道网络系统与游客空间行为具有较高的一致性，用于判断游客能否较快地到达某个空间场所［22］。全局整合度（Rn）与局部整合度（R3）为常用的分析指标，全局整合度表示游客在整个景区空间系统的任意位置到达某一节点的难易程度［23］。因台儿庄古城为封闭式景区，东门与西门直线距离为1km，且都在游客步行可达范围之内，故本文采用全局整合度进行分析（图3）。全局整合度表述了整个系统中某节点对其他节点的可达程度，表达式［24］为：

图3 全局整合度Figure 3 Global integration

式中，Ii为道路全局整合度；D 为相对不对称值的标准化值；TDi为路网i 的总深度值；n 为道路总数。整合度表达的可达性从侧面揭示出台儿庄古城的街巷空间活力。

2.2 空间深度

空间深度（D）是节点在拓扑意义上的可达性，即空间到访的便捷程度。通常采用平均深度值MDi表示单元空间i 到其他空间的平均最少连接步数，计算公式［25］为：

因为台儿庄古城是一个相对封闭的空间系统，景区采取游客凭票入园参观政策，所以与外围处于相对分割的状态。另外，大门对景区内部人流有重要的导入作用，因此不同街道距离景区大门的平均空间深度是探讨分析人流分布特征的重要指标之一（图4）。

图4 平均深度Figure 4 Average depth

高层商业综合体空间深度与人流分布显著负相关，随着空间深度的加大，功能业态类型与规模设置相似的空间到访率下降［26］。景区除了旅游购物外，还具有观光度假、休闲娱乐等功能，街道游客到访量是否随深度值的增大而减少，需要做进一步的探讨与研究。

2.3 选择度

选择度（C）考察某空间出现在最短拓扑路径上的次数，指某街道位于从所有空间到其他所有空间的最短路径的概率，反映了某街道被穿行的可能性大小。全局选择度考察整个空间系统中所有空间被选为最短路径的次数；局部选择度考察不同拓扑距离的空间被选为最短路径的次数，在本文中采用全局选择度进行分析（图5）。

图5 选择度Figure 5 Selectivity

选择度越高的街道，表明该空间节点吸引力越强，更有可能被人流穿行；选择度越低的街道，则意味着人流到达的可能性相对较小。表达式［27］为：

式中，N 表示空间总节点数；nj，k（i）表示节点空间i到节点空间j 最短路径被经过的次数；nj，k表示系统内最短路径总数。

在商业街区领域选择度数值大小与流量聚集程度呈正相关性。当某条道路的选择度较高，经过这条道路的城市流相对较多，相应的商业潜力也就越大。但游客在景区的游览行为受多种因素交互作用并不遵循最短路径，因此选择度是否影响游客空间分布需要进一步探讨。

2.4 与入口关系

对于与入口关系（E），参考相关文献［28］将直接与建筑主要出入口相连的空间赋值为1，其他为0。本研究中，入口主要指东门与西门，因轴线是否直接与出入口相连对游客分布有较大影响，且伴随距离入口的拓扑步数变大其影响逐渐变弱，故将与入口关系变量的赋值进行优化处理。考虑距离出入口1步拓扑步数的轴线对人流分布影响，将与大门入口直接相连的轴线赋值为1，距离1 步为0.5，其他为0。

2.5 业态聚客力

业态聚客力（F）是由业态类型与所占面积共同决定［26］，并将消费者行为目的类别所占比例作为不同业态类型的吸引力权重。本文参考《购物中心业态组合规范》，将业态类型划分为购物、餐饮、住宿、休闲娱乐与服务等5 大类。根据实地调查结果，截至2020 年7 月，台儿庄古城共有466 家店铺，其中：购物类50.22%、餐饮类33.05%、住宿类12.24%、娱乐类2.79%、服务类1.70%。各街道业态分布情况见图6。根据844 份有效问卷调查分析结果，将游客预计参与消费项目的业态类型占比计算如下：购物类20.89%、餐饮类34.60%、住宿类26.72%、娱乐类13.33%、服务类4.46%。

图6 台儿庄古城街道业态分布Figure 6 Distribution of business types in the street of Taierzhuang Ancient Town

将游客预计参与消费项目类型的所占比作为台儿庄古城不同业态类型的吸引力权重，面积规模指在街道空间游客视线范围内所有功能空间的面积之和。业态聚客力计算公式为：

式中，A、B、C、G、H 分别对应购物、餐饮、住宿、休闲娱乐与服务等5 种业态类型的吸引力权重；Sa、Sb、Sc、Sg、Sh分别对应按业态类型分类的店铺面积规模；j、k、l、m、n分别为某街道空间中不同业态类型的商业店铺数量。

2.6 景点吸引力

对于景点吸引力（T），从游客行为与景点之间的逻辑关系来看，景点引力与景点分布密度是两项主要的影响因素，即人流聚集在景点引力高且分布密集的区域［8］。台儿庄古城共有复兴楼与泰山行宫等45 处景点，景点分布对于游客路径选择具有重要的导向作用。本文将景点POI 数据导入ArcGIS 软件，应用核密度分析工具计算景点在其周围邻域中的分布密度，分析街道空间中人流分布情况。节点引力采用专家法评级，依照景点分布密度对应5 个等级，并通过台儿庄古城景区讲解员参与等级评定来减小主观评级存在的偏差。景点吸引力的计算公式为：

式中，J为景点分布密度即核密度分析结果；K为节点引力即专家评价结果均值。

3 结果及分析

3.1 游客空间分布综合分析模型

本文使用SPSS 软件对游客空间分布影响因素进行多元线性回归分析。为了保证结果的科学性与可靠性，对原始指标数据进行了标准化处理。将实测街道人流量（M）作为因变量，业态聚客力（F）、景点吸引力（T）、与入口关系（E）、整合度（I）、空间深度（D）、选择度（C）作为自变量输入模型进行逐步回归分析，结果见表1。由表1 的分析结果可知：业态聚客力（F）、整合度（I）、与入口关系（E）、景点吸引力（T）这4 个影响因素对人流量（M）的决定系数为79.4%，模型拟合程度较好。再对拟合的模型进行方差分析检验，案例的F检验值为18.323，显著性系数P值为0，可见模型具有统计学意义。当显著性系数p值小于0.05 时，认为原假设成立。

表1 多元回归模型分析Table 1 Multiple Regression model analysis

3.2 模型t检验与共线性检验

对拟合效果最好的模型进行显著性检验、t 检验和共线性检验（表2）。表2 结果显示，4 个变量的系数均具有统计学意义（p ＜0.05）。同时，可得出回归模型为M = 280.917 + 0.328F + 0.344I + 0.318E+0.243T。

表2 T检验与共线性检验Table 2 Test and collinearity test

3.3 景区空间与功能的对应分析

分析景点与业态及两者之间的空间关联，可解读旅游地小尺度空间结构［29］。在多元线性回归分析中，整合度空间因素进入最终模型，因此将业态核密度结果与景点核密度结果分别进行整合度轴线图的叠加，得到业态核密度与整合度叠加分析图（图7）和景点核密度与整合度叠加分析图（图8），以进一步了解功能集聚程度及空间与功能的对应关系。所采用的核密度估计法是挖掘地理空间数据的关键方法与工具，可视化分析城市空间POI 点的分布模式及分布密度等特征［24］。

图7 业态核密度与整合度叠加分析Figure 7 Superposition analysis of business nuclear density and integration

图8 景点核密度与整合度叠加分析Figure 8 Superposition analysis of scenic spot nuclear density and integration

从图7 可见，台儿庄古城整合度与业态分布特征基本吻合，具有较强的匹配度。业态沿整合度高的街道呈横向线性集聚，作为景区贯穿东西主动线的大衙门街连接了东门、西门两个主要游客出入口，街巷的空间形态特征使其具有较高的可达性。在实际调研过程中发现，游客倾向于参观游览可达性高的街道，游客的集聚使沿街店铺产生了较高的商业价值，街道活力得到相应提升。同时，业态对游客存在一定的吸引作用，业态在景区环境中的不规则分布影响了游客的抵达情况。如在空间句法分析中，箭道街和大衙门街整合度值接近，具有相近的可达性，但由于大衙门街内分布有大量店铺（餐饮、购物等），游客更加集聚。

从图8 可见，台儿庄古城空间整合度与景点分布特征基本吻合，景点在颜色较深处分布密集，在颜色较浅处分布相对稀疏。台儿庄古城景点分布呈现出明显的聚集现象，主要在大衙门街、月河街、船形街与丁字街形成小范围集聚，与路网的整合度形成对应，吸引了较多游客人流前往参观游览。

4 结论与建议

4.1 结论

本文聚焦于商业多元化、功能更为齐全、研究对象更为复杂的古城镇景区小尺度旅游流，构建了基于景区建成环境的游客空间分布影响概念模型，在微观视角研究游客个体在景区游览过程中的空间分布规律，采用逐步多元线性回归方法估计自变量与因变量之间的线性关系，主要结论如下：①在旅游景区领域，空间因素与功能吸引物因素协同作用决定了游客的空间分布状态。仅通过空间因素或功能吸引物因素建立的分析模型对游客空间分布的规律性解释结果不太理想，因此本文利用业态聚客力、整合度、与入口关系、景点吸引力4 个影响因素建立的综合分析模型的拟合效果最佳在台儿庄古城对79.4%的游客空间分布状态进行了解释。②在空间因素分析中，整合度与游客空间分布呈现出正相关，随着整合度的增大，业态及景点核密度相似的街道空间被游客个体光顾的概率上升，游客更多地参观游览与景区入口建立起直接联系的街道空间。空间深度与选择度对景区游客空间分布没有显著影响，在台儿庄古城案例中，以上两个影响因素均未能进入回归方程，这与游客出游特征相关。在游览过程中游客很难成为“理性经济人”，而是根据自身所处的环境特征、个体需要和出游动机等做出空间选择。③功能吸引物因素对游客空间分布有着重要正向影响作用。台儿庄古城的业态大致沿可达性高的主动线形成“两横一纵”的空间分布格局，业态在景区环境中的不规则分布影响着游客的抵达情况。景点引力与景点分布密度是景点吸引力的主要影响因素，台儿庄古城景点呈小范围集聚的分布格局，吸引了大量游客前来参观游览。④景区空间与功能的对应关系较为紧密。业态沿整合度高的大衙门街道呈线性集聚，与整合度分布特征基本吻合，匹配度较强；景点主要在大衙门街、月河街、船行街与丁宁街形成小范围集聚，与路网的整合度形成对应，沿整合度高的街道呈点状集聚。

4.2 建议

基于上述结论，本文提出以下3 条优化建议：①以主动线为中心构筑多层次有序化的业态系统。在景区运营建设过程中，可根据业态聚客力强弱对业态位置、数量与类型进行统一规划与布局。如在景区游客访问量较低的区域布置面积较大特色鲜明的业态功能，形成与主动线“一动一静”的空间分布格局；针对游客分布具有较强向心性的景区，可在次动线设置吸引力强的业态，以分散主动线游客的聚集压力，从而保护景区环境并提高游客的旅游体验。②依托空间环境，以整合度为基础合理布局业态及景点。对整合空间系统而言，较强的业态吸引能够横向拉动景区游客分布，因此景区可根据业态吸引力强弱和店铺规模大小，与整合度的区位差异情况进行统筹布置，以合理引导游客空间分布。改善后的景点有从中部向南北方向纵向延伸的趋势，与道路通达程度匹配得更好，从而达到游客在空间上的分流，形成良好的旅游景点布局网络。③以需求为导向合理策划入口开发建设。在现有入口分布状况基础上保留内部街道空间，通过提高西门入口影响力，将其打造为与东门入口相匹配的标志性入口，在保证旅游资源和空间格局不被破坏的前提下，减轻景区东门主入口的人流压力。

5 讨论

与以往的研究相比较，本研究主要聚焦于小尺度旅游流，从空间与功能吸引物因素层面对游客空间分布影响进行了研究，以期为游客在景区中的空间选择行为进行有效引导提供理论支持。在分析手段方面，通过可视化表达街道网络空间结构、业态及景点密度，对空间与功能吸引物因素进行量化处理，以达到从可视化结果分析到深层理论数据模型探讨的目的。同时，本文依据分析结果对空间布局进行优化调整，对古城镇型旅游景区业态组合、景点设置和运营管理等提供决策支持。但本研究仍存在着一定的局限性：①建成环境具有系统性与复杂性特征，对游客空间分布影响机制的探讨应涵盖更加丰富的内容与视角，需要在未来的研究中做进一步探索；②本研究仅考虑了影响游客空间分布的客观环境因素，但作为行动主体的游客又呈现何种特征与机制，结合心理学、人类学等跨学科研究方法或许会有新的发现。