(武漢大學 經濟與管理學院,湖北 武漢430072)

1 引言

旅游目的地選擇一直是國內外關注的重點,直接關系到旅游者的出游決策和消費行為,是旅游消費行為研究中的重要組成部分[1]。在我國自駕游市場不斷擴大的背景下,對自駕群體多目的地選擇的研究很有必要。以往關于目的地選擇特征的研究,大部分是從旅游者需求角度出發(fā),一部分從目的地供給方進行相關研究。本文在以往研究的基礎上,基于文本挖掘從目的地角度出發(fā)(包括目的地的景觀資源差異和鄰近程度等),結合SNA方法在大數據驅動下發(fā)現(xiàn)多目的地之間存在的關系,進而挖掘驅動自駕游群體目的地選擇的因素。

伴隨著社交網絡的不斷發(fā)展,越來越多的旅游者傾向于在社交網絡平臺上分享個人在目的地的旅游經歷和體驗。游記就是其中一種信息集聚的平臺,對旅游研究具有極高的價值,而發(fā)表游記就是他們建構出游經歷和強化旅游體驗的過程[2]。自駕游客傾向于將自己定位為旅行者而不是游客,喜歡分享旅行體驗[3]。自駕游游記包含著旅游者客觀的出游信息,如出游選擇的目的地和旅游活動等,記錄了在目的地之間的旅游運動。目前國內關于UGC文本挖掘的相關研究主要包括目的地形象或意向、旅游活動體驗感知、目的地偏好和目的地感知等[2,4-6];而在規(guī)劃和管理目的地方面,社會網絡分析可成為有用的工具[7]。旅游者在不同目的地之間流動,形成目的地吸引網絡,網絡關系背后則隱含著游客選擇多目的地出游的信息。目的地背景下已有較多關于目的地選擇的研究,但鮮有從網絡分析視角來研究[8]，因此本文以自駕游游記作為研究數據,采用社會網絡分析法旨在分析網絡關系背后的關系,探求自駕旅游者對目的地選擇的驅動因素。

截至2017年7月,我國共有52個世界遺產地,覆蓋了多個省份和地區(qū)。本文以我國世界遺產地為研究對象,基于自駕旅游者發(fā)布的游記建立遺產地目的地網絡,發(fā)現(xiàn)不同目的地之間的關系。借助實證分析結果,以期獲得兩方面的機會:一是獲取有利于我國世界遺產地發(fā)展的機會;二是挖掘有利于遺產地與周邊景區(qū)或與遺產地之間合作與發(fā)展的機會,促進我國遺產地的保護和可持續(xù)發(fā)展。目的地網絡關系研究雖然極具應用價值,但是已有研究仍然局限于個案,關于不同地區(qū)的多目的地網絡關系還有待深入研究。因此,本文基于文本挖掘,從目的地角度入手,結合SNA法在數據驅動下發(fā)現(xiàn)多目的地之間存在的關系,分析自駕游群體對目的地選擇的驅動因素。

2 相關研究現(xiàn)狀

2.1 目的地選擇影響因素研究

目的地選擇一直是學者們研究的熱點,國外學者有從環(huán)境因素和個人特質因素方面進行研究[9],也有從目的地距離和價格方面進行研究[10]。國內學者卞顯紅從旅游費用與時間、旅游價格與消費者偏好等方面對目的地選擇的影響因素進行了實證分析[11];許春曉等從人口統(tǒng)計特征與旅游者偏好特征兩個變量組的視角探究了對目的地選擇意向的影響[12]。從目的地供給的角度看,Crompton研究發(fā)現(xiàn)游客與目的地的距離越遠,所能接觸到目的地信息的機會就越少[13];許春曉等從旅游地特征認知(景區(qū)美譽度、鄰近旅游地吸引力、目的地旅游經歷和旅游產品偏好)變量組方面研究了對目的地選擇意向的影響[12]。目前關于旅游者目的地選擇影響因素的研究雖然較多,但大部分是從旅游者的需求和動機偏好方面進行的研究,目的地供給的角度的研究也多偏向于營銷、產品服務等角度,而對目的地自身(資源和距離等因素)的關注比較少。此外,應用社會網絡分析法研究大多只關注到網絡關系屬性,而忽略了地理空間特性[14]。因此,區(qū)別于以往的研究,本文從目的地視角來研究目的地選擇的驅動影響因素。

2.2 自駕游研究

自駕游旅游是指私人駕駛所擁有或租賃的汽車,從出發(fā)地到目的地從事與旅游相關活動的旅行[15]。國外關于自駕游的研究主要集中在自駕游市場調查和該群體行為特征這兩個方面,而我國相關研究則側重于自駕游客和供給方的區(qū)域和市場開發(fā)兩個角度[16]。在自駕游群體行為特征方面,由于不受交通的制約,時間和旅游線路安排較靈活,傾向于前往更多的目的地旅游[17],而如目的地距離、可達性等可能會影響自駕游客對目的地選擇的決策[18]。劉雅萍從自駕游游客的空間行為特征方面進行了探究,發(fā)現(xiàn)呈距離遞減特征下的多目的地的不連續(xù)和不均勻分布[19];羅秋菊等利用網絡游記對自駕旅游流的時空分布特征進行了研究,并提到目前學者們尚未重視該群體行為特征的差異[20]。此外,自駕游游客通常選擇傾向于前往多個目的地的旅游,而不是特定的目的地[21],這對本文研究多目的地之間的網絡關系很有幫助。

2.3 基于網絡分析的目的地研究

早期關于目的地網絡的研究認為,目的地內有限的關系促進了有限的信息和資源流動[22]。在多目的地網絡分析的應用方面,Shih提出了一種定量研究方法,并以我國臺灣省南投地區(qū)的16個目的地為例,通過網絡分析來研究自駕游目的地的網絡特征[23];Liu Bing運用網絡分析方法并結合問卷調查對新疆維吾爾自治區(qū)的多個景區(qū)網絡進行了探索性應用,發(fā)現(xiàn)區(qū)域內的目的地景區(qū)接近度、等級接近度、游客量接近度和任期接近度對旅游景區(qū)網絡產生的影響[8];羅秋菊等從旅游流角度探究了自駕游客流的空間網絡特征[20];高蘋等以河北省野三坡為例,建立旅游地空間網絡,發(fā)現(xiàn)目的地網絡結構存在著復雜性的特征[24]。此外,社會網絡分析法在研究目的地旅游流網絡結構特征和影響因素上也有所應用[14]。有研究認為,網絡分析法非常適用于我們從多目的地的角度來研究目的地,因為每個目的地都會受到周邊和其他目的地帶來的影響[23]。以往關于目的地的網絡研究采用的方法以問卷調查和訪談為主,主要研究的也是特定區(qū)域的目的地網絡。

綜上所述,由于目前關于目的地網絡的研究仍存在著一些缺陷,本文選取自駕游群體作為研究對象,采用文本挖掘并結合SNA方法來探索目的地網絡中的關系,并從目的地的角度來研究目的地選擇的特征與驅動因素。

3 數據來源與研究方法

3.1 研究對象

世界遺產地是具有稀缺性和突出景觀價值的景觀和文物古跡,以自然和文化景觀為主,知名度較高,是人們回歸自然和歷史的重要出游目的地[25]。隨著國內自駕游的蓬勃發(fā)展,選擇自駕前往遺產地旅游的游客數量不斷增加。選取世界遺產地作為案例地主要有以下原因:①我國世界遺產地的核心吸引物以自然和文化資源為主,對游客產生的吸引力較高,但目的地的選擇上卻存在差異;②我國遺產地絕大部分分布在不同的地區(qū),等級相同且景觀類型存在差異,這些有利于本文對不同地區(qū)的目的地整體網絡進行研究;③本文通過對各遺產地建立內部整體網絡和各遺產地之間的整體網絡,發(fā)現(xiàn)了不同遺產地與周邊景區(qū)或其他世界遺產地之間的關系,為過熱遺產地的分流提供有價值的建議,促進我國遺產地的可持續(xù)發(fā)展。

3.2 技術路線

本文對收集到的游記數據首先進行了文本內容分析,同時使用Python2.7軟件進行了分詞和詞頻處理,并對樣本中的數據進行了描述性分析,挖掘自駕游群體的目的地選擇特征;其次本文進行了網絡分析,通過人工對選取的遺產地進行編碼,并構建了遺產地網絡,挖掘網絡關系背后的信息。此外,通過中心度和塊模型分析,進一步發(fā)現(xiàn)可能會影響目的地選擇的因素。第三，本文使用Ucinet6.0軟件進行了QAP回歸分析,對網絡分析的結果進行了驗證。具體的數據分析流程見圖1。

圖1 技術路線

3.3 數據來源

2018年3月10日的行業(yè)網站統(tǒng)計數據顯示,旅游業(yè)網站Alexa綜合排名前三名分別是蜂窩網、攜程旅行網和去哪兒網。三個旅游網站的PageRank值都較高(PR,該值反映了一個網站的受歡迎程度)。因此,本文主要從這三個網絡平臺通過爬蟲抓取游記,將“我國世界遺產地”+“自駕游”作為關鍵詞進行搜索,如“泰山+自駕游”。數據采集的時間為2018年3月11日至3月18日,搜索了2008年1月至3月的數據,共計23975篇游記。

根據抓取的游記數據,對52個遺產地游記的篩選原則是:首先,通過數據預處理,人工剔除一些與本文研究不符的內容;其次,在剔除一部分無關樣本后,另外去除了7個遺產地:周口店猿人遺址、明皇陵、高句麗、三江并流、元上都、澄江化石地和左江花山巖畫(游記數量過少,對結果易產生誤差)。

3.4 數據處理

在對數據進行處理的過程中,篩選的原則是:①篩選的游記包含較完整的信息,如出游時間等信息;②抓取的數據主要是以駕駛小型汽車自駕出游為主的旅游者,與其他自駕游方式區(qū)分開來;③對抽取的數據進行數據清洗,去除一些介詞、助詞等無關聯(lián)的詞匯,人工剔除一些無用和錯誤的數據后,將搜集到的19600篇游記作為本文的研究樣本,共計約4281萬字。

4 研究結果

4.1 數據分析

首先,對高頻詞進行分析。通過對文本進行分詞,本文使用Python2.7軟件和結巴分詞對文本進行處理。由于結巴分詞在分詞的粒度和去歧義方面要優(yōu)于Rost工具,因此本文選擇Python結巴分詞庫來進行處理。在對文本進行分詞和詞頻統(tǒng)計后,由于游記數量較多,人工剔除一些連詞、轉折詞、無法指代具體對象和無意義的動詞和名詞。此外,根據齊普夫第二定律[26]:

(1)

式中,T為高頻詞與低頻詞的分界閥值;I1為出現(xiàn)1次的低頻詞數量。

劃分的高低頻詞的閥值約為150;在保留與各遺產地自駕游內容相關的名詞和目的地地名后,共獲得1068個詞匯。此外,自駕游出現(xiàn)的頻次為2100次,鑒于該詞匯與所研究的內容重復,予以剔除。高頻特征詞分布符合長尾分布特征,頻次大于100的高頻詞累計出現(xiàn)137329次,占比為80.3%,基本上代表了所有遺產地自駕游游記的主要內容。 由于自駕游群體不受旅游交通和線路的限制,他們的出游特征、偏好、關注的地方與一般旅游者有所區(qū)別[17]。參照以往研究的結果,自駕游客對目的地的感知包括目的地吸引物、交通設施、旅游活動、氣候條件、風景等因素[27,28]。結合高頻詞統(tǒng)計的結果,特征詞可歸為旅游吸引物(遺產地)、外圍吸引物(遺產地周邊景區(qū)和空間地名)、交通設施(與自駕游配套的設施與服務)、旅游活動、旅游認知形象(目的的屬性)和限制性條件六類。從表1可見,出現(xiàn)頻率較高的吸引物和外圍吸引物以熱門目的地和所在城市為主;其次,交通設施受到了自駕游客的特別關注;旅游活動在一定程度上反映了自駕游群體在游覽過程中的活動偏好;認知形象涉及對目的地屬性的感知,與旅游者的旅游活動相關[29,30];最后,限制性條件如時間和距離,是自駕游群體特別關注的限制性因素。

表1 自駕游群體關注要素特征分類

4.2 目的地共現(xiàn)網絡分析

根據統(tǒng)計的高頻詞,構建高頻詞共現(xiàn)矩陣。共同出現(xiàn)的高頻特征詞一定存在著某種關聯(lián),關聯(lián)的強弱通過共現(xiàn)的頻次來表示。此外,對共詞矩陣分析的結果進行二值化處理,其中0代表兩者沒有關系,1代表兩者存在關系。本文引入社會網絡分析法,使用Ucinet6.0軟件分析了不同實體之間的關系。在目的地系統(tǒng)中,關系(旅游活動不同組成部分之間的相互作用)是理解旅游現(xiàn)象的核心[31]。社會網絡是由不

同的節(jié)點和邊(線)所構成,節(jié)點的大小反映了該實體的影響程度大小,節(jié)點(關系相關者)與邊(互動)共同反映實體之間的關系。本文對選取的45個世界遺產地進行了編碼(表2)，并構建了世界遺產地的目的地共現(xiàn)網絡圖譜和部分目的地的內部關系網絡圖譜(圖2、圖3)。由圖2可見,在游客的感知中影響程度較大的世界遺產地為一些熱門旅游地;同時一些次核心節(jié)點與核心目的地一起被感知,而另外一些處于網絡邊緣且聯(lián)系較少的目的地,受距離或交通等因素的影響,未被自駕游群體所感知。與圖2有所區(qū)別的是,各世界遺產地內部的網絡結構圖反映的信息更加詳盡,圖3即為選取的3個遺產地的共現(xiàn)網絡。景點雖然是強烈的吸引節(jié)點,但是也會出現(xiàn)不連續(xù)和不均勻分布的狀況[19]。W6黃龍與W9九寨溝之間的聯(lián)系最密切,類似的遺產地還有如W1泰山與W10曲阜、W8武當山與W43神龍架等;與外圍吸引物聯(lián)系較密切的目的地類似的有W2莫高窟與鳴沙山、月牙泉等的聯(lián)系最強。此外,在圖3中我們可以看出自駕游群體在遺產地體驗過程中比較關注的還有交通設施、限制性條件(門票、時間等)、風景區(qū)的景點景觀,如W31少林寺，這與之前關于目的地感知的核心因素的研究存在著一定的差異[29]。鑒于之前的研究主要涉及對特定區(qū)域目的地網絡的分析,因此本文不再對此進行詳細描述。

表2 所選遺產地編碼及類型

圖2 世界遺產目的地關聯(lián)共現(xiàn)網絡圖譜

目的地網絡密度:網絡密度分析是用來描述網絡成員間關聯(lián)的緊密程度,反映了整個網絡的特征[22]。一個網絡的密度越高,趨向于1,該網絡結構中的成員聯(lián)系越密切。本文選取了各世界遺產地前20個高頻關鍵詞構建共現(xiàn)網絡圖譜,網絡密度趨近于1,各成員之間的聯(lián)系較緊密。

目的地中心度分析:中心度是對個體權力的量化分析。一般的度量公式為[32]:

(2)

式中,ci為測量的中心度;ri,j為連接點i和點j的線的取值;cj為點j的中心度。

點的度數中心性衡量的是行動者對資源的控制程度,度數較高時,意味著具有較大的權力[32]。就本文而言,度數中心性越高,其掌握的資源就越多,說明該遺產地與其他多個目的地間存在著越強的關聯(lián)關系。中介中心性較高的點往往是在結構洞位置,意味著該遺產地是其他目的地相互關聯(lián)的紐帶,作為中間者和旅游通道的能力較強。各遺產地在各自網絡結構中的中心度測度結果見表3。根據中心度的結果,可將各遺產地歸納為五類遺產地(表4)。從表4可見,第一類遺產地(點度中心度較高的節(jié)點)在各自的網絡中處于核心位置,具有較高的吸引力,對資源的控制程度較高,中介中心度數也較常高,此類遺產地是旅游核心地和重要的集散地,與其他部分遺產地和周邊景區(qū)都有著緊密的聯(lián)系;第二類遺產地僅次于第一類遺產地,該類目的地在各自網絡中的地位較高,易成為自駕游群體的選擇;第三類遺產地是重要的目的地和旅游通道;第四類世界遺產地是一般的旅游目的地,但作為旅游通道的能力較強;第五類遺產地的中心度數較低,與其他遺產地和周邊目的地的聯(lián)系較少,屬于邊緣目的地。

圖3 部分世界遺產地內部網絡共現(xiàn)圖

表3 各遺產地點度中心性和中介中心性測度結果

4.3 自駕游群體目的地選擇特征

塊模型分析:本文引入塊模型分析,進一步對遺產地網絡結構中各目的地之間的關系進行探究。利用Ucinet 6.0軟件中的CONCOR分析對矩陣進行分區(qū),選取分割的最大深度為2。從圖4可見,子群1是由泰山、長城和武夷山等14個遺產地構成,子群2由九寨溝和黃龍等6個遺產地構成,子群3由曲阜和平遙古城等19個遺產地組成,子群4由頤和園等6個遺產地組成。遺產地塊模型的密度矩陣見表5。從表5可見,子群2內部互動最強,而子群3和子群4內部互動很少。此外,子群1和2之間的聯(lián)系最為緊密,相反子群3和子群4較少;子群3與子群4的互動也較弱。這是因為子群3中的絕大部分遺產地與子群4內的部分遺產地距離較遠,聯(lián)系減弱。而子群2內部聯(lián)系較強,是因為相鄰的距離較近,與一些周邊遺產地聯(lián)系較緊密,但與邊緣目的地的聯(lián)系較少。根據塊模型分析的結果,同一地區(qū)或不同地區(qū)目的地間的距離對遺產地之間的互動聯(lián)系有影響,可能是目的地選擇的影響因素。此外,本文發(fā)現(xiàn)各個子群所包含的遺產地的資源類型存在著差異,如自然資源、文化資源與文化景觀資源。而子群內部互動較緊密,因此研究認為景觀資源差異可能是自駕游群體在目的地選擇過程中較關注的地方。

圖4 世界遺產地網絡塊模型分析

表4 遺產地目的地網絡特征

表5 世界遺產地塊模型密度矩陣

4.4 目的地選擇驅動影響因素分析

鑒于以往學者對旅游景點網絡做過的一些研究,本文結合上文對中心度和塊模型分析的結果,引入QAP回歸分析,構建模型為:

W=f(Vp,Dp,Tp,Lrd,Rlrd,Dp1,Idp)

(3)

式中,W為世界遺產地網絡。以往研究已對Vp(游客量接近度)、Dp(等級接近度)、Rp(區(qū)域接近度)和Tp(任期接近度)5個變量進行了實證，由于本文研究的遺產地等級一致,且游客量接近度在文本數據中無法體現(xiàn),因此本文對Rp和Tp進行了驗證。此外,引入Lrd(景觀資源差異度)、Rlrd(區(qū)域內景觀資源差異度)、Dpl(目的地接近度)3個矩陣變量,并借助QAP分析法研究其是否會對因變量遺產地網絡產生影響。景觀資源差異度是指不同遺產地之間的景觀資源類型的差異水平,本文按照遺產地的類型進行了區(qū)分;區(qū)域內的景觀資源差異度是指位于同一地區(qū)的遺產地景觀差異水平;目的地接近度則是指目的地地理位置之間的接近程度;任期接近度則是指兩個目的地在同一年評定等級成功[8],本文是指世界遺產地在同一年申遺成功。

QAP分析是對“關系”之間的關系進行假設檢驗,用于分析一個矩陣的建立對另一個矩陣的影響。本文通過人工對5個變量構造矩陣進行了回歸分析,通過2000次隨機置換得到結果，見表6。調整后的R2為0.236,上述5個變量能解釋世界遺產地網絡矩陣關系變異的23.6%,說明增加了模型的解釋力度。

從表6可見,景觀資源差異度對世界遺產地網絡具有正向影響,但不顯著,說明自駕游群體在時間和距離等因素的共同作用下,不同地區(qū)的景觀資源差異并未對他們的目的地選擇產生顯著影響。區(qū)域內景觀資源差異度在10%的水平下為顯著的正向影響,說明同一地區(qū)的目的地資源差異越明顯,這些目的地越有可能成為自駕游客的選擇地。目的地接近度和區(qū)域內的接近度都對遺產地網絡產生了極其顯著的影響,說明在出游過程中目的地之間的距離是影響自駕游選擇的極其重要因素。此外,與前者相比,接近度對處在同一區(qū)域的世界遺產地影響更大。任期接近度對目的地網絡產生的影響為正但不顯著,這是因為本文所研究的目的地不局限于同一地區(qū),與之前學者們研究的特定區(qū)域景點網絡的結果不一致[8],原因是同一地區(qū)的世界遺產地同一年申報成功后有可能一起合作和宣傳,如九寨溝和黃龍,對同一地區(qū)的目的地關系網絡為顯著的正向影響,但對不同地區(qū)的遺產地,同一年申報成功有可能被媒體共同宣傳推廣,受到距離的影響,兩者之間的合作會減弱。

表6 QAP回歸分析結果

5 結論與討論

5.1 結論

與以往相關研究的最大不同之處是,本文選取的研究對象不局限于特定的區(qū)域,并對文本內容進行了定量研究嘗試,得出以下3點結論:①基于對UGC進行的文本內容分析,本文發(fā)現(xiàn)自駕游客在目的地旅游體驗過程中,關注或偏好的對象可概括為旅游吸引物、外圍吸引物、交通設施、旅游情感形象、旅游活動和限制性條件6個感知維度,這與一般旅游者有所不同。②本文運用社會網絡分析法,分別對構建的遺產地內部網絡和整體網絡進行了分析。根據測度的中心度結果,將其劃分為5類目的地:旅游核心目的地、次核心目的地、重要目的地、一般目的地和邊緣目的地。前3個目的地同時也是重要的旅游通道和中轉地,尤其是第一類目的地與周邊景區(qū)及其他部分遺產地的聯(lián)系較高,在各自網絡結構中的地位也很高,較容易成為自駕游客出游行程的選擇地。③本文最后引入QAP分析對遺產地景觀資源差異度、區(qū)域內景觀差異度、目的地鄰近度、區(qū)域內目的地接近度和任期接近度5個矩陣變量進行了研究,得到的結果與以往研究存在差異。研究發(fā)現(xiàn),區(qū)域內景觀差異度、目的地接近度和區(qū)域內目的地接近度對遺產地網絡關系均產生了顯著的正向驅動影響。但同時也發(fā)現(xiàn),景觀差異度和任期接近度對目的地網絡的影響并不顯著,且任期接近度得到的研究結果有別于以往研究,該差異存在的原因可能是,其他作者研究的是一個特定區(qū)域內的景點網絡,而本文研究的對象是涵蓋不同區(qū)域的目的地網絡,受到不同區(qū)域目的地之間的距離等因素的共同作用影響。綜上所述,對符合以上特征的目的地、鄰近的目的地或周邊景區(qū)可加強合作和聯(lián)合營銷,同一地區(qū)的目的地可突出差異的景觀資源吸引旅游者。

5.2 討論

目的地選擇相關研究在目的地營銷中的作用很突出,國內外學者目前的研究也較多,但主要是從需求方和目的地供給方進行研究。本文基于網絡分析法,從目的地自身的角度如景觀資源差異和鄰近水平等方面進行了研究。在實踐意義層面,本文對目的地內部網絡和整體網絡都進行了網絡分析,挖掘出自駕游群體對目的地選擇的特征與驅動因素,對DMOs的目的地營銷和管理均具有重要的實踐意義,并為遺產型的保護和可持續(xù)發(fā)展提供了發(fā)展建議。在理論貢獻方面,目前很多研究受限于樣本量和研究區(qū)域的范圍,而本文在此方面有一定的突破,并在大數據驅動下引入SNA法對現(xiàn)有目的地網絡研究進行了補充,豐富了有關目的地選擇驅動影響因素的研究。

研究局限:首先,本文獲取的二手數據受限于網絡平臺所提供的信息,如自駕游客的個人特征如個人信息、游覽路線和停留時間等信息無法輕易采集得到;其次,游記中帶有作者較強的主觀成分,一些關鍵信息可能未體現(xiàn)并提取出來,這是未來研究中應注意的地方。本文雖然選取全國范圍內的遺產地來進行研究,但由于自駕游本身的性質和國內帶薪休假制度的不完善,部分旅游者在目的地選擇上具有區(qū)域性特征,在未來研究中應著重關注這些問題。此外,對跨區(qū)域的不同等級的目的地網絡未來還有待深入研究。

研究展望:未來研究可綜合考慮人口統(tǒng)計特征等因素,從需求側方面來對自駕游群體目的地選擇的驅動影響進行研究;可結合游記中的圖片進一步挖掘,配合游記文本數據進行更精準的研究;可結合大規(guī)模問卷調查或訪談,獲取游客路線和停留時間等數據,進一步完善和促進目的地的規(guī)劃,為建設自駕游營地或服務站點提供指導。