成都市酒店时空分布及其影响因素研究

刘 俊 ， 彭 聪 ， 于书逸 ， 杨 晨 ， 杨璐瑜

(四川大学 旅游学院，成都 610207)

0 引言

动态的格局分析是地理学格局研究的趋势，明确影响时空格局演变的主要因素是理解地理规律的关键[1]。酒店是旅游产业的六大基本要素之一，研究其时空分布特征、识别影响其分布的主要因素对于丰富旅游地理学理论、指导酒店行业进行布局优化具有重要意义[2]。在乌鲁木齐，建于2000年之前的高档酒店呈离散分布，2000年后新增的高档酒店呈显著的集聚分布态势[3]。除集聚特征外，不同类型酒店的分布规律也存在差异，D.J.Egan等发现，高星级酒店多分布在中心城区，商务型和经济型酒店更倾向于在郊区和城市外环地区布局[4]。不同地区的酒店也表现出差异化的分布特征，赖长强等发现广州中心城区是酒店的高密度集聚地[5]，而A.Arbel等发现在以色列，城市中心过度拥挤会导致酒店选择在城市边缘布局[6]。酒店分布规律会随时间、研究区域和酒店类型的不同而改变，2001—2008年中国五星级酒店高度集中的分布态势逐渐弱化，并呈一定的空间扩散趋势；2003—2018年北京市酒店空间格局逐渐由“单中心”分布发展为“多中心”分布[7]。现有研究较多关注单类型酒店，基于长时间序列数据进行酒店分类研究的文献较少。

明确影响酒店分布的因素可为酒店投资选址提供科学依据。B.D.Song等发现旅游景点、机场、大学和企业等设施的可达性是影响酒店分布的关键因素[8]。不同类型酒店的参考因素存在差异，查爱苹等发现交通条件是影响经济型酒店选址的最重要因素，其次是商业因素和公共服务因素，社会经济基础的影响程度最低[9]。影响酒店分布的因素会随时间和地理区域变化而发生改变，一些学者认为这些改变通常由环境和需求的变化导致，至少部分原因可通过城区规划、政策法规和交通运输系统来解释[10]。科学选取指标对典型区域酒店分布的影响因素进行研究十分必要，由于数据可获性、数据属性、数据精度等因素制约，现有研究在影响因子体系构建方面存在较多改进空间。

探索酒店时空演化和影响分布的因素需结合多种研究方法。核密度估计、DBSCAN聚类算法等常用于直观表现点要素的分布特征[11]，最近邻指数、空间自相关分析等方法可用于分析点要素的集聚特征[12]，但无法判别酒店的集聚范围及对应集聚强度，Ripley’sK函数可实现这一需求。已有研究多采用面板回归模型[13]、相关性分析[14]、logit模型[15]等研究影响酒店分布的因素，近年来地理探测器工具[16]也被逐渐应用到该领域中，但地理探测器无法识别影响因素的作用方向。负二项回归模型适用于处理计数型随机数据，已被广泛用于探索影响企业布局的主要因素，可尝试将该模型应用于酒店研究。

综上所述，现有研究在酒店分类、因子选取、研究方法综合应用等方面存在诸多探索空间。本研究以POI为数据源，借助核密度分析、最近邻指数和Ripley’sK函数分析酒店时空演化特征，利用负二项回归模型明确影响酒店分布的主要因素。研究结果有助于政府部门了解酒店发展规律和发展趋势，为制定产业发展规划提供信息支持，为酒店选址提供决策参考。

1 研究区域、数据来源与研究方法

1.1 研究区概况

成都市，别称蓉城、锦城，为四川省省会、国家中心城市，2006年被国家旅游局和世界旅游组织评为“中国最佳旅游城市”。2021年全市下辖12个市辖区、3个县、代管5个县级市，拥有酒店数量超10 000家，是开展酒店业相关研究的理想区域。

1.2 数据来源与处理

以2010年、2015年和2019年高德地图为参考获取兴趣点(point of interest，POI)数据，数据内容包含POI名称、类型、地理坐标、地址等信息，经去重、删除无效数据等清洗工作后，在参照《国民经济行业分类与代码(GB/T 4754—2017)》的基础上将POI数据归类重组；人口数据来源于资源环境科学与数据中心(http://www.resdc.cn/)；道路网数据来源于OpenStreetMap网站(http://www.openstreetmap.org/);DEM数据来源于地理空间数据云网站(http://www.gscloud.cn)，并利用ArcGIS 10.6生成坡度数据；1 km×1 km的网格数据由ArcGIS软件的渔网工具处理得到。

本研究将酒店分为星级酒店、经济型酒店和普通型酒店三大类型。星级酒店包含三星级、四星级和五星级酒店。经济型酒店参考中国饭店协会联合行业咨询企业发布的《2019中国酒店连锁发展与投资报告》，选取在研究区内门店数量超过一家的经济型连锁酒店品牌。星级酒店和经济型酒店之外的青年旅舍、家庭旅馆等住宿产品则归类为普通型酒店。

1.3 研究方法

本研究依托核密度估计法[17]和最近邻指数[18]来研究空间点群的分布特征；利用Ripley’sK函数[19]引入空间尺度影响，来分析任意空间尺度下点要素的空间分布格局；最后选用负二项回归模型[20]作为计量模型分析影响酒店分布的因素。

2 研究结果

2.1 酒店时空分布格局

2010—2019年，成都市酒店整体空间格局表现出由城市中心圈层向外扩散的发展趋势，早期酒店集中分布在中心城区，随后酒店集聚区不断向周边扩散，集聚区的酒店密度显著增加，远郊区县点块状酒店集聚区的数量和密度均不断增加，多中心分布趋势增强，但不同类型酒店的时空分布特征存在显著差异(图1)。

普通型酒店的时空分布变化具有显著的极化发展特征。2010年酒店高密度区主要分布在金牛、青羊、武侯、锦江和成华5个区域，整体呈以中心城区为主核心、以温江区为次核心的“一主一次”双核分布格局，并在都江堰、大邑、双流等地形成多处点块状酒店集聚区(图1a)。到2015年，主核心区的酒店密度显著扩大，集聚范围也由中心向四周辐射，其中向郫都、双流和新都3个方向扩张尤为明显，并形成连片发展态势。温江次核心区的酒店密度进一步扩大并呈与主核心区汇聚之势。远郊地区则在都江堰和邛崃两地形成新的酒店次核心集聚区，彭州、大邑、金堂等地的点块状集聚区数量增多，范围也进一步扩大(图1b)。2019年普通型酒店的极化发展趋势显著，各集聚区的酒店密度进一步扩大，但与前一阶段相比，酒店整体空间格局变化不大，说明普通型酒店的空间分布形态已相对稳定(图1c)。

经济型酒店的时空格局呈接触式扩散的变化特征。2010年酒店整体呈“单核”分布格局，高密度区位于青羊、武侯和锦江3个区域，聚集范围较小，其余县区点块状集聚区的酒店密度也较低(图1d)。2015年酒店高密度区的范围显著扩大，并向南和东南方向扩散，其余区县除都江堰酒店集聚区的密度显著增加外，整体变化较小(图1e)。2019年经济型酒店的接触扩散变化趋势显著，主核心区进一步向南扩张并在双流和武侯两地交界处形成范围较大的次核心集聚区，西北方郫都和温江两地的块状酒店集聚区密度进一步扩大，都江堰的酒店集聚区范围显著扩大，但密度变化不明显(图1f)。

星级酒店的时空分布变化特征与经济型酒店相似，2010年呈以金牛、青羊和武侯三区为主核心集聚区的“单核”分布格局，随着距城市中心距离的增加，酒店密度相应减少(图1g)。2015年主核心集聚区的范围显著扩大，且不断向双流和郫都两个方向扩散。从远郊地区来看，都江堰出现范围较大的酒店集聚区，温江、大邑、邛崃等地的点块状集聚区密度进一步扩大(图1h)。2019年星级酒店向双流方向发展，并在武侯、锦江和双流三区交界处形成新的高密度分布区，整体呈“两核多极”分布格局，“多极”出现在都江堰、大邑、邛崃、新都等地，其中都江堰出现多个酒店集聚区并形成连片发展态势，新都的酒店集聚区逐渐与主核心区融合(图1i)。

图1 2010年、2015年、2019年成都市酒店核密度分析结果

2.2 酒店空间集聚程度

2010—2019年，成都市所有类型酒店的集聚程度不断增强。最近邻指数分析结果表明(表1)，酒店整体呈集聚分布态势，集聚程度不断增强。不同类型酒店的集聚程度存在一定差异，该时期酒店的集聚程度从大到小依次为普通型酒店、经济型酒店、星级酒店，平均观测距离从大到小依次为星级酒店、经济型酒店、普通型酒店，说明普通型酒店的集聚程度始终大于其他类型酒店。同一类型酒店的集聚程度表现出逐年增加趋势，平均观测距离呈逐年减少趋势，一定程度上反映了2010—2019年成都市酒店规模持续增长、酒店业态日趋多元等发展趋势。

表1 2010年、2015年、2019年成都市酒店最近邻指数分析

2.3 酒店空间集聚范围

不同空间尺度下的酒店集聚范围及对应集聚强度存在显著差异。Ripley’sK函数的计算结果表明(图2)，所有酒店均呈集聚分布，这与最近邻指数的分析结果相符。从3个时期酒店L(d)值曲线峰值变化幅度来看，普通型酒店达到集聚峰值的集聚范围分别为26.62 km，27.87 km和29.24 km，对应的集聚强度值分别为30.12，26.26和27.32；经济型酒店达到集聚峰值的集聚范围分别为9.49 km，14.96 km和17.97 km，集聚强度值分别为21.51，33.76和38.14；星级酒店达到集聚峰值的集聚范围分别为10.34 km，16.20 km和17.13 km，集聚强度值分别为34.01，36.20和34.35。总体而言，酒店达到集聚峰值的集聚范围不断扩大，变化幅度从大到小依次为经济型酒店(10.48 km)、星级酒店(6.79 km)、普通型酒店(2.62 km)，反映了2010—2019年酒店的集聚中心不断由城市中心向外扩张，但各类型酒店的总体集聚范围变化不大，普通型酒店主要集中在3～38 km，经济型酒店主要集中在2～30 km，星级酒店主要集中在3～35 km。从达到集聚峰值时的集聚范围来看，3个时期集聚范围最大的均为普通型酒店。从达到集聚峰值时的集聚强度来看，2010年和2015年集聚强度最大的均为星级酒店，2019年为经济型酒店。

图2 2010年、2015年、2019年成都市酒店分布的Ripley’s K函数分析结果

2.4 影响酒店分布的主要因素

2.4.1指标选取。酒店投资者的选址策略因地理位置的多维性而变得复杂[10]。参考国内外酒店分布的相关研究，本研究选取生活设施、交通设施等5个维度共16项指标探讨影响酒店分布的主要因素(表2)。生活设施数量能够反映区域内的生活便利程度和公共服务水平，已有研究发现公共基础设施与酒店房价具有显著的正相关性，进而推断生活设施条件会影响酒店布局[21]。酒店布局在通达性较好的区位可以降低用户抵达酒店的成本，同时提高用户通往城市内其他服务设施的便利性。重要交通设施周边具有人员流动密集、中转过夜乘客数量多等特点，是投资酒店的理想区域。旅游资源相关研究认为，主要旅游目的地周边适宜投资酒店[22]。为了更好地了解A级景区对酒店分布的影响，本研究将3A级及以上等级景区单独设置成一个变量。市场因素的相关研究表明，酒店可通过集聚发展来提高市场曝光度，从而降低用户的搜索成本，提升酒店业绩[23]；但酒店过度集中带来的激烈竞争可能会超过集聚发展所带来的好处，导致酒店的利润下降[24]。自然因素的影响体现在地形结构越复杂的地区土地限制越多，酒店建设难度和成本越大，越不利于发展酒店业。

利用ArcGIS软件的空间连接工具将各变量数据与研究区网格图层进行叠加，以获取每个网格中各变量的观测值，将其作为自变量，并将网格中的酒店数量作为因变量。

2.4.2负二项回归结果分析。为保证回归分析结果的可靠性，利用方差膨胀系数对变量进行多重共线性检验，一般要求各指标的VIF值均小于10时表明各变量间没有明显的相关性[25]。本研究中各自变量的VIF值均小于10，各模型的平均VIF均小于3.5，说明变量之间不存在严重的多重共线问题。表3列出了3种类型酒店的负二项回归分析结果，α系数在3个模型中均显著大于0，说明使用负二项回归模型是合理的。综合比较3个模型的分析结果可发现，解释变量对不同类型酒店的作用程度存在显著差异。

生活设施对不同类型酒店空间分布的影响存在显著差异。餐饮店密度的回归系数在模型1和2中均为正且显著，说明普通型酒店和经济型酒店倾向于在餐饮店数量较多的区域布局，但餐饮店密度对星级酒店的影响不显著。购物场所密度的回归系数在3个模型中均为正且显著，说明购物中心周边适宜布局所有类型酒店。政府事业单位密度对普通型酒店的分布具有显著正向影响，对星级酒店具有显著负向影响，但对经济型酒店的影响不显著。科教文化设施密度和公司企业密度对普通型酒店和经济型酒店的分布均具有显著正向影响，这与变量金融服务设施密度的作用方向相反，但三者对星级酒店的分布均无显著影响。

表2 变量定义和测量

表3 负二项回归模型分析结果

交通通达性对酒店的空间分布具有重要影响。公共交通站点密度和道路密度的回归系数在3个模型中均为正且显著，说明区域内公共交通便利程度和道路供给水平越高，酒店的数量越多。在模型1和2中，重要交通设施的回归系数显著大于其他变量，说明机场、火车站等设施的落户能显著提升区域内普通型酒店和经济型酒店的数量，但该变量在模型3中不显著，没有证据表明重要交通设施能够影响星级酒店的空间分布。

旅游资源对不同类型酒店空间分布的影响存在显著差异。在3个模型中，变量景点密度的回归系数均为正且显著，说明区域内旅游资源禀赋越高，酒店数量越多。从高品质旅游资源对酒店分布的影响来看，A级景区对普通型酒店和星级酒店的空间分布具有显著正向影响，且变量的回归系数值远大于景点密度，而A级景区对经济型酒店的影响不显著。说明A级景区周边是投资普通型和星级酒店的十分理想区域，但并不适合发展经济型酒店。

人口规模对经济型酒店和星级酒店的空间分布均有显著正向影响，即所在区域人口密度越大，两类酒店的数量越多，但人口规模对普通型酒店的影响并不显著。集聚因素对3种类型酒店的空间分布均具有显著正向影响，说明新增酒店倾向于布局在区域内原有酒店的周边区域。竞争因素对经济型酒店的空间分布具有显著负向影响，但竞争因素对普通型酒店和星级酒店的影响并不显著。

自然因素对酒店分布的影响要显著低于其他因素维度。变量高程仅在模型3中通过了显著性检验，但回归系数值为所有变量中最小，说明海拔因素仅对星级酒店的空间分布具有一定影响。坡度因素也会在一定程度上影响普通型酒店和星级酒店的空间分布，但影响程度较低，且坡度对经济型酒店的影响不显著。

3 结论和讨论

3.1 结论

成都市酒店时空格局表现出整体一致和分类差异的特征。整体由城市中心集聚逐渐演变为“集聚+扩散”，中心城区始终是主要增长极，周边区县不断形成新的集聚区。普通型酒店主要向西南、正西和西北方向扩散，经济型酒店主要向西南方向扩散，星级酒店主要向西南和正南方向扩散。从集聚特征来看，酒店集聚程度不断增强，普通型酒店的集聚程度始终大于其他酒店，且集聚范围集中在3～38 km，经济型酒店集中在2～30 km，星级酒店集中在3～35 km。

不同类型酒店在选址时应区别考虑各类因素。对所有酒店而言，购物场所、公共交通站点、旅游景点、道路密度、集聚因素均为有利因素。从不同类型酒店来看，普通型酒店和经济型酒店宜布局在餐饮店、科教文化设施和公司企业密集地区，政府事业单位密集区也适宜投资普通型酒店，但不适宜布局星级酒店。人口高密度区更宜投资经济型酒店和星级酒店。研究还发现，重要交通设施周边适宜投资普通型酒店和经济型酒店，A级景区周边更适宜布局星级酒店。此外，竞争因素、高程等也会影响酒店的投资选址。

3.2 讨论

首先，从酒店整体分布规律来看，不同时期的酒店均呈集聚分布，空间分布格局由中心城区集聚逐渐发展为“集聚+扩散”，多中心分布趋势显著加强，这与广州[4]等城市的住宿业分布格局相似，但与曼哈顿[26]等城市不同，因此，研究区域、对象和方法的差异是否会导致不同的研究结论仍需进一步研究。其次，本研究获取了长时间跨度的POI数据，将酒店类型细化为普通型、经济型和星级酒店3个类别，并对其时空分布规律及演化特征进行对比研究，补充和发展了现有的研究结论，但基于不同酒店分类方法的研究结论是否存在差异，本研究未能给出结论。再次，本研究引入Ripley’sK函数对酒店集聚分布的具体范围和集聚强度进行量化，为成都市酒店资源空间优化配置提供依据，但要获得普适性的结论仍需针对更多的研究区开展大量实证研究和对比分析。最后，本研究探讨了重要交通设施和A级景区对不同类型酒店分布的影响，结论显示分别考量区域内一些关键影响因素是十分必要的，研究结果可为进一步明确和细化影响酒店分布的因素提供参考。