馮子豪,李 慧,劉振渤,杜青松,楊玉潔
(西華大學汽車與交通學院,成都 610039)
隨著我國經濟高質量發(fā)展,旅游業(yè)作為國民經濟重要支柱產業(yè),對維護經濟健康有序發(fā)展具有重要促進作用,也逐漸成為衡量區(qū)域經濟發(fā)展的重要指標之一[1-2]。國內外關于不同等級和類型旅游景區(qū)的空間分布[3-4]及可達性[5]依舊是相關研究的熱點。
學者運用了多種方法對旅游景區(qū)空間分布進行探究,例如核密度分析[6]、平均最近鄰分析[7]、空間自相關分析[8],此類方法多從地理空間角度揭示景區(qū)的空間分布規(guī)律;此外,部分學者通過構建數學分析模型[9]、聚類分析[10]等揭示景區(qū)空間結構在發(fā)展過程中的不同影響因素。景區(qū)空間可達性分析多考慮區(qū)域內游客到景區(qū)的難易程度[11],其研究方法較多,其中緩沖區(qū)分析法[12]、兩步移動搜索法[13]、網絡分析法[14]等廣泛應用于旅游規(guī)劃領域。緩沖區(qū)分析法具有計算簡便的特點,但忽略了實際路網分布對可達性的影響;網絡分析法雖考慮到路網交通距離的問題,但可達性結果精確度存在不足[15-16];基于此,部分學者利用網絡地圖API 構建出行路徑,批量獲取出行時間和距離作為旅行成本,充分考慮實時路況對出行造成的影響,可達性測算經度得到較大提升[17]。
受自然、社會、經濟、文化和交通等諸多要素影響,旅游景區(qū)在空間分布、可達性上往往呈現出異質性。本文以成都市A 級景區(qū)為研究對象,利用GIS 空間分析法分析景區(qū)空間分布特征,調用高德地圖API 獲取交通出行數據,利用時間成本對景區(qū)可達性進行分析,并以空間自相關分析法為基礎,探究景區(qū)可達性的空間集聚特性。
成都市是四川省省會、副省級市,是全國著名的重點風景旅游城市,地處亞熱帶季風氣候區(qū),氣候宜人,旅游資源豐富。成都市轄區(qū)按行政區(qū)劃分為12 個區(qū)、5個縣級市、3 個縣,全市土地面積為14 335 km2。
截至2022 年底,成都市共有國家A 級景區(qū)92個,其中,5A 級景區(qū)2 個;4A 級景區(qū)50 個;3A 級景區(qū)27個;2A 級景區(qū)12 個;1A 級景區(qū)1 個。通過高德地圖地理編碼工具獲取92 個A 級景區(qū)的相關地理信息,利用ArcGIS 軟件經坐標轉換后得到景區(qū)的分布位置如圖1(a)所示。
從OpenStreetMap 官網獲取2021 年路網數據,篩選出成都市高速公路、快速路、主干路和次干路,通過ArcGIS 軟件對道路進行拓撲處理。
研究所需人口數據來源于成都市第七次全國人口普查。既有研究表明,運用泰森多邊形平滑得到的人口密度分布更接近研究區(qū)域內人口的空間分布狀況[18],因此,為更加準確地反映成都市人口分布狀況,以各社區(qū)、村行政中心為人口中心點生成泰森多邊形,進而得到成都市人口密度分布如圖1(b)所示。
1.3.1 核密度分析
核密度分析法(Kernel Density Estimation,KDE)可以分析要素樣點數據的集聚或離散狀況,是探討空間屬性數據分布規(guī)律的基本方法[19]。本文利用該方法通過核密度屬性來探究成都市A 級景區(qū)的空間分布特征,其計算公式為
式中:f(x)為核函數的取值;n為搜索閾值范圍內要素點的個數;w為帶寬的閾值;ai為要素點的空間距離,f(x)的取值越大代表要素點分布越密集。
1.3.2 標準差橢圓分析
Lefever 在1926 年提出了利用標準差橢圓(Standard Deviational Ellipse,SDE)來度量一組數據的離散程度和分布方向。對于結果生成的橢圓,其短軸方向可表示景區(qū)分布的范圍,長軸方向可表示景區(qū)空間分布方向和發(fā)展趨勢[20],本文運用標準差橢圓研究成都市A 級景區(qū)空間分布的方向特性,其公式為
式中:xi和yi為要素點的坐標;{X,Y} 為要素點的平均中心;n為要素點的總和。
1.3.3 可達性分析
可達性能表征特定空間內某一區(qū)域到達其他區(qū)域的難易程度[21],通常將時間和距離作為可達性分析模型中的度量指標。本文以高德地圖API 路徑規(guī)劃接口為依據,最終選用通行時間作為可達性度量指標,以平均最短通行時間來分析評價景區(qū)可達性水平,其計算公式為
式中:i為人口中心點;j為景區(qū);Tij為人口中心點到景區(qū)的最短通行時間;n為景區(qū)數量;Ai為人口中心點i的平均最短通行時間,其取值將直接反映景區(qū)可達性水平,Ai的取值越小,則可達性水平越高,反之越低。
1.3.4 空間自相關分析
空間自相關是指同一變量在不同空間位置上的關聯性[22],主要探究要素在空間分布上的集聚模式。本文將采用全局空間自相關(Moran's I)對成都市A 級景區(qū)的可達性空間分布進行測度,通過Moran'sI指數值、P得分、Z得分進一步討論景區(qū)可達性在空間分布上的集聚程度。其計算公式如下
式中:n為計算要素個數為i與j之間的空間權重;zi為區(qū)域i的屬性值與平均值之差。I>0表示空間正相關性,I<0 表示空間負相關性,I=0 表示景區(qū)可達性空間分布呈隨機性。
成都市A 級景區(qū)的空間分布存在較為顯著的集聚特征,不同區(qū)域的景區(qū)分布密度存在差異,空間分布熱點突出,總體上呈現“中部集聚、四周分散”的空間布局。通過對成都市A 級景區(qū)核密度分布(圖2(a))和人口核密度分布(圖2(b))特征分析可以發(fā)現,人口集中區(qū)域景區(qū)分布相對較多,二者的集聚趨同關聯,A 級景區(qū)與人口的空間分布具有較強的耦合性。
圖2 成都市A 級景區(qū)與人口核密度分析
采用ArcGIS 軟件中標準差橢圓法對成都市A 級景區(qū)的整體分布方向和范圍進行分析。研究顯示,成都市A 級景區(qū)標準差橢圓長軸明顯長于短軸,表明景區(qū)的空間分布方向性顯著,景區(qū)在空間上大致呈“東北-西南”走向分布,東南部分布明顯低于其他區(qū)域。
利用Python 爬蟲技術調用高德地圖API 路徑規(guī)劃接口批量獲取3 041 個居民點到92 個A 級景區(qū)的時間,得到最短出行路徑279 772 條,構造OD 成本矩陣。數據采集時間為2023 年3 月18 日和19 日2 個連續(xù)非工作日的同一時段,選擇非工作日有利于避免實時路況的差異對返回結果的影響;同時,為對比不同交通方式的可達性,本文選擇自駕和公共交通2 種交通模式出行時間成本進行對比分析。高德地圖API 路徑規(guī)劃調用返回結果見表1。
表1 高德地圖API 路徑規(guī)劃調用返回結果s
2.3.1 可達性空間分布特征
基于公式(4)計算2 種交通模式下各居民區(qū)與景區(qū)之間的可達性,結果見表2。從總體上來看,2 種交通模式下可達性分布特點類似,均為中心城區(qū)較高并呈現圈層式分布的特點,從中部向四周逐漸降低,尤其是東部和西部邊緣地區(qū),可達性總體低于其他區(qū)域。
表2 2 種交通出行模式下可達性水平
自駕模式下,如圖3(a)所示,可達性研究表明,成都市中心城區(qū)(金牛區(qū)、成華區(qū)、錦江區(qū)、武侯區(qū)和青羊區(qū))及中心城區(qū)毗鄰區(qū)(新都區(qū)、郫都區(qū)、溫江區(qū)和雙流區(qū))由于區(qū)域景區(qū)相對集中,交通便捷,路網連通性良好,可達性水平高和較高的居民區(qū)占比為52.01%。在距離成都中心城區(qū)較遠區(qū)域(新都區(qū)北部、邛崍市西部、蒲江縣南部、都江堰市西部、崇州市中部、龍泉驛區(qū)西部及簡陽市西部地區(qū)),屬于可達性水平由高到低的過渡區(qū),可達性水平一般的居民區(qū)占比為5.82%。成都周邊區(qū)域(青白江區(qū)、龍泉驛區(qū)西部、金堂縣和簡陽市中部地區(qū))可達性較差,可達性水平較低和低的居民區(qū)占比為15.04%。成都邊緣區(qū)域(彭州市北部、都江堰市西部、大邑縣西部、崇州市西部和簡陽市東部地區(qū)),路網密度較低,自駕出行路徑選擇受限,導致前往其他區(qū)縣景區(qū)的出行時間成本顯著增加,可達性為0 的居民區(qū)占比為27.13%。
圖3 2 種交通模式下可達性空間分布結果
公共交通模式下,如圖3(b)所示。市中心區(qū)域擁有成熟的公共交通系統(tǒng)及線路規(guī)劃,公共交通出行的時間成本顯著低于其他區(qū)域;其余區(qū)縣公共交通線路連通性較差,且線路相對單一,尤其跨區(qū)縣出行的線路,乘客在步行、等車、換乘的時間花費更多,因此可達性水平逐漸降低。
2.3.2 可達性空間集聚特性
本文利用全局莫蘭指數對成都市居民區(qū)前往A級景區(qū)的空間可達性進行測度,得到自駕和公共交通2 種出行模式下的Moran'sI指數分別為0.68 和0.73,Z得分分別為223.86 和237.64,均大于2.58,P值均小于0.01。研究表明,成都市A 級景區(qū)可達性的空間分布呈空間正相關,且具有顯著的集聚特性。通過單變量局部莫蘭指數分析成都市A 級景區(qū)可達性空間分布特征,結果如圖4 所示。
圖4 2 種交通模式下可達性空間集聚特征
自駕模式下,景區(qū)可達性由城市中心向四周大體表現為高值聚集、不顯著、低值聚集。其中,可達性高水平聚集區(qū)(高-高聚集)數量最多,占社區(qū)總數的52.87%,主要分布于成都市中部、中南部、中西部區(qū)域;可達性低水平聚集區(qū)(低-低聚集)占社區(qū)總數的28.94%,主要分布在成都市東部、西部及北部區(qū)域;可達性異常值聚集區(qū)(低-高聚集和高-低聚集)僅占社區(qū)總數的1.61%,主要分布于簡陽市西部及可達性高水平聚集區(qū)邊緣;另外,存在16.58%的居民區(qū)統(tǒng)計不顯著,即可達性空間集聚情況不明顯。
公共交通模式下,景區(qū)可達性集聚特征與自駕模式下存在部分差異,主要表現為公共交通模式下可達性低-低聚集區(qū)增多,可達性高-高聚集區(qū)與聚集不顯著區(qū)減少且出現明顯“東移”。
通過對自駕和公共交通出行模式的對比分析得出,2 種出行模式的景區(qū)可達性高-高聚集區(qū)均集中在成都市中部區(qū)域,原因在于中部地區(qū)的路網密大、道路技術等級高、公交線網完善、公交服務水平高,景區(qū)通達程度好、出行時間短。但是,由于自駕出行受道路實際交通狀況影響較大,中西部地區(qū)道路流量較東部地區(qū)少,道路通暢程度高,因此,中西部區(qū)域的高-高聚集區(qū)較中東部區(qū)域多。
本文以成都市A 級景區(qū)作為研究對象,通過對景區(qū)的空間布局、方向分布特征與人口分布的關系、不同交通模式出行成本、景區(qū)的可達性及可達性空間集聚特征分析,得出如下結論。
1)景區(qū)空間分布總體呈“東北-西南”走向,且主要集中于中部和西部區(qū)域。從核密度分析結果看,A 級景區(qū)與人口密度的空間分布具有一定的耦合性,均呈現“中部密集、四周分散”的特點。
2)2 種交通出行模式下可達性大致呈城市中心向四周逐漸降低的特點,但自駕模式下可達性高值區(qū)域集中在成都市中部及西部地區(qū),而公交模式下可達性高值區(qū)域明顯減少,且集中在成都市中部。公共交通出行模式下可達性為0 的區(qū)域明顯多于自駕出行,由此可見,自駕出行的可達性總體水平更優(yōu)。
3)成都市A 級景區(qū)的可達性在2 種交通出行模式下均呈現明顯的空間集聚特征。在自駕出行模式下,由城市中心向周邊主要表現為高值聚集、不顯著、低值聚集;在公共交通出行模式下,高值聚集減少,且出現明顯“東移”。
鑒于此,提出以下幾點建議。①重視成都市東部區(qū)域旅游資源開發(fā),以促進旅游資源合理分配;②合理規(guī)劃成都市道路交通網絡,加強景區(qū)周邊高等級道路的建設,打造多條旅游精品線路;③優(yōu)化公共交通線路,尤其是成都市周邊區(qū)縣的公交規(guī)劃,各區(qū)縣間考慮增設多條景區(qū)旅游“專線”,縮短公共交通的出行時間,提高游客出行效率。