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。

1 研究內容與方法

1.1 研究區(qū)概況

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。

1.2 數據來源與預處理

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 研究方法

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。

2 景區(qū)分布特征及可達性分析

2.1 景區(qū)空間分布總特征

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

2.2 景區(qū)空間分布方向特征

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。

2.3 景區(qū)可達性分析

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。

3 結論與建議

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。