基于探索性空間數據分析方法的鐵路網對旅游產業空間發展差異的影響研究
——以江蘇省為例

肖金鑫，張永慶

（上海理工大學，上海 200093）

0 引言

自2010年以來，政府不斷加大對鐵路尤其是高速鐵路建設工作的重視度，2017年交通運輸部編制的《“十三五”現代綜合交通運輸體系發展規劃》[1]中指出，我國到2020年基本建成安全、便捷、高效、綠色的現代綜合交通運輸體系，部分地區和領域要率先實現基本的鐵路運輸現代化。可見，鐵路尤其是高速鐵路的建設工作已經成為國民經濟發展的重要組成部分。由于鐵路的發展極大程度上縮短了旅行時間，提高了城市可達性，因此鐵路的完善對旅游產業空間格局的變化產生了重大的影響，造成旅游產業在城市間發展不均衡的現象。

關于鐵路網對沿線旅游產業發展產生的影響，國內外學者多有研究。Masson等[2]指出高速鐵路將產生旅游“虹吸效應”，形成“強則更強，弱則更弱”的變化格局。Givoni[3]研究發現高速鐵路提高了整個歐盟地區的旅游通達性。Gutiérrez[4]通過構造模型和數理統計的方法，實證分析了高速鐵路對法國各城市旅游空間變化產生的影響。黃泰等[5]指出高速鐵路干線對城市群旅游空間競爭格局的影響具有明顯的節點與廊道集聚鎖定效應，同時改變城市群旅游空間競爭的“核心-邊緣”結構模式。王欣等[6]研究發現鐵路網刺激沿線、節點城市旅游經濟的發展，改變了城市規劃的空間格局。汪德根[7]指出武廣高速鐵路對湖北各城市旅游空間格局演變的影響表現出“雙刃性”，擴散作用的強度沒有極化作用的強度大，最終導致湖北各城市旅游發展差異呈擴大趨勢。綜上所述，鐵路尤其是高速鐵路的發展的確會給沿線城市空間格局發展帶來巨大影響。

總體來看，大多數文獻研究數據比較陳舊（研究時間集中于2013—2015年）且研究角度單一，只是從宏觀角度進行分析，忽略了城市個體之間的相互影響。為此，本文將以江蘇省為例，基于現有可查資料中的最新數據，通過建模考察其中的變化情況，探討高速鐵路網絡化時代江蘇省城市旅游產業空間格局變化的特征，從而為合理布局城市旅游產業提供科學的依據。

1 研究對象概況

截至2018年初，江蘇省共有鐵路路線11條，總里程共計2 718km，此外江蘇省鐵路局計劃在2018—2021年間新建8條高速鐵路（列車運行速度＞200km/h）。建成后的鐵路信息如表1所示。

表1 江蘇省現有鐵路及在建鐵路規劃統計表

表1 （續）

根據2010—2016年各年度《江蘇統計年鑒》[8-14]，對鐵路、公路、航空、水路運輸量的數據匯總得知：在2010年之前，旅客出行方式主要以水路為主，其次為公路；在2015年，隨著鐵路網布局的初步建立，鐵路、公路、航空、水路運輸量增長率分別為0.7%,-0.3%,-0.1%,-0.02%；在2016年，隨著鐵路網的進一步發展，鐵路、航空、水路運輸量的增長率分別為3.23%,0.14%,0.5%，而公路運輸量為 -3.1%，可見鐵路運輸越來越重要了。

根據《江蘇省“十三五”鐵路發展規劃》[15]，本文繪制出2016—2020年己建及將建鐵路路線圖，如圖1所示。

圖1 江蘇省“十三五”鐵路規劃示意圖

由圖1可知，未來江蘇省各市之間主要以鐵路線相連，形成一個縱橫交錯的鐵路網[16]。隨著連淮揚鎮鐵路、徐宿淮鹽鐵路、滬通鐵路等路線的建成，未來1～2h活動范圍圈將涵蓋至徐州、鹽城、淮安等蘇北地區，這將有利于刺激蘇北旅游產業的發展，提升蘇北、蘇南之間的旅游產業關聯度。

目前來看，時速在200km/h以上的鐵路大多數集中于蘇南地區和徐州，而蘇中和蘇北鐵路運輸主要依靠新長鐵路、寧啟鐵路、隴海鐵路、宿淮鐵路4條普速鐵路。

2 基于探索性空間數據分析的方法設計

本文主要考察鐵路網的完善與旅游產業發展差異之間的關系。從全面考察各城市旅游差異產生原因的視角，本文將從宏觀和微觀相結合的角度考量各影響因素之間的關系[17]。首先，利用探索性空間數據分析方法（Spatial Data Analysis,SDA），基于統計學原理同時結合空間地理定位對空間信息數據進行分析[18]，通過建立數據間的統計關系，形成全局自相關及局部自相關模型。然后，利用GeoDa軟件計算分析自變量間的影響效果，以便更好地解釋地理經濟現象的變動情況。

2.1 空間權重矩陣構建

基于地理空間差異考察自變量之間的關系，首先建立一個能夠表達城市位置關系的矩陣，即空間權重矩陣W。它是根據所研究城市建立的n×n階對稱矩陣（江蘇省共有13個市，分別為南京市、無錫市、徐州市、常州市、蘇州市、南通市、連云港市、淮安市、鹽城市、揚州市、鎮江市、泰州市、宿遷市，故本文取n=13），即：

式（1）中：wij表示城市i與城市j之間的位置關系，且i=1,2,3,…,n(n=13)；j=1,2,3,…,n(n=13)。如w11表示南京與自身的位置關系，w12表示南京與無錫的位置關系，w13表示南京與徐州之間的位置關系，以此類推。對于相鄰的兩個城市位置關系，取wij=1；對于不相鄰的兩個城市以及城市與自身的位置關系，取wij=0，即w11=0,w12=0,w13=0，以此類推。

2.2 全局空間自相關莫蘭（Moran’s）指數I的計算

全局空間自相關性是對自變量在整個空間內變化情況的描述，計算公式為[19]：

式（2）中：I為莫蘭指數，在此指全局空間自相關系數；i和j為城市編號；n為樣本城市總量（個）；S0為所有距離權重的聚合；zi,zj分別為城市i和城市j的空間位置；wij意義同前。

對于莫蘭指數，用標準化統計量Z來檢驗n個城市間是否存在空間自相關關系[19]：

式（3）中：E[I]和VAR[I]分別為莫蘭指數的數值理論期望和理論方差，且E[I]=-1/(n-1)，VAR[I]=(I-E[I])2。

通過對I值進行假設檢驗，在5%的置信水平下，當Z≥1.96或Z≤-1.96時表明數據之間存在相關性，即認為城市之間的旅游產業具有空間相關性。當Z值為正時，表明城市之間的旅游產業存在正的空間相關性，也即相似的觀測值（高值或低值）趨于空間集聚；當Z值為負時，表明城市之間的旅游產業存在負的空間相關性；當Z值為零時，觀測值獨立隨機分布，表明城市之間的旅游產業不存在相關性。

2.3 局部空間自相關統計量

局部空間自相關是對自變量變化情況的描述。為了識別局部空間自相關性，要計算每個空間位置的相關性統計量，具體計算公式為[20]：

式（4）中：Ii為莫蘭指數，在此指局部空間自相關系數；xi,xj分別為城市i和城市j的屬性值；為所有城市屬性值的均值；(xj-)為城市j的屬性值與所有城市屬性值均值的偏差；Si為城市i所有距離權重之和；wij意義同前。

2.4 數據來源及數據和圖像處理方式

鐵路網的完善對江蘇省旅游經濟的影響顯著。本文選擇2010—2016年間江蘇省各市旅客人數和旅游收入作為研究數據[8-14]。

由于ArcMap可以將數據與地圖完美融合起來，實現數據的可視化，因此本文選用ArcMap工具繪制了鐵路普及前（2010年）、完善中（2011—2013年）和進一步發展（2014—2016年）的旅游人次和旅游收入的增長率對比圖。首先將統計數據導入Excel，經處理得到江蘇省各市的年旅游人次增長率和年旅游收入增長率值，并按照由南至北、由西向東的順序對城市進行編號，再通過ArGIS online打開地圖資源，將江蘇省地圖數據導入Arc-Map軟件。根據變化率范圍，將數據分為五類，分別為0～10%，10%～13.5%，13.5%～17%，17%～20%以及20%以上，并通過不同深度的顏色進行渲染，最終得到增長率變化圖。

3 數據分析

全國各城市由于人口規模、產業能級、發展潛力的不同，鐵路發展存在一定的差異[21]，但隨著鐵路網的不斷完善，各自的旅游產業布局變化呈現出一定的規律。

3.1 鐵路網對欠發達地區影響尤為明顯

應用ArcMap對2010—2016年間江蘇省旅游人次數據進行處理，得到該省各市鐵路旅游人次增長率分布圖（如圖2所示）。

由圖2可知，2010年前后為鐵路網建設初期，江蘇省旅游人數呈現南高北低的格局，即南京、無錫、蘇州、常州、揚州、南通、鎮江為較發達旅游城市，連云港、徐州，鹽城、宿遷、淮安、泰州為欠發達旅游城市。2011—2013年間，隨著蘇北地區鐵路線的進一步完善，尤其是新長鐵路的通車，使得旅游人數出現了明顯的增長趨勢。與此同時，蘇南地區出現了倒置增長效應。2013—2016年間，隨著滬漢蓉鐵路、海洋鐵路陸續通車，部分城市旅游人數增長率接近15%。到2016年底，江蘇省省內共開通10條鐵路干線，鐵路網基本形成。鐵路網對旅游經濟影響最明顯的城市分為兩類：一類是鐵路干線節點城市，如徐州；另一類是欠發達地區，如宿遷、鹽城。可見，鐵路網的密布對城市旅游產業的發展確實產生了影響。

利用ArcMap對2010—2016年間江蘇省的旅游收入數據進行處理，結果見圖3。

圖3 2010—2016年江蘇省各市旅游收入增長率分布圖

由圖3可知，鐵路網的完善與旅游收入增長率呈正相關。隨著鐵路網的不斷完善，研究發現城市中多條鐵路線所經節點城市的旅游人數和旅游收入增長率提高幅度均靠前，邊緣城市旅游經濟增長率也在逐年提高。2014—2016年間，各市旅游收入差距逐漸縮小，說明鐵路的確能在一定程度上減小蘇南、蘇北地區間的旅游經濟差距，也表明鐵路網的完善在一定程度上會對欠發達地區的旅游產業發展產生積極的影響，帶動了旅游產業經濟的均衡發展。

3.2 鐵路發展成熟度對各城市旅游經濟發展指標的影響

利用GeoDa軟件對旅游產業收入增長率數據進行處理，得莫蘭指數I、Z得分、P值等，整理如表2所示。

表2 2010—2016年間江蘇省各地區旅游收入自相關指數

如表2所示，2010年，江蘇省各市旅游收入的全局莫蘭指數I=0.2818＞0，說明從整體來看，2010年江蘇省各市旅游收入存在正的空間自相關；2010年及2011年，Z值均小于1.96，因此這兩年各市旅游經濟不具有空間集聚性，觀測值在空間上沒有表現為強集聚分布（高值或低值分布），表明鐵路在建設初期不會給旅游產業帶來顯著的影響。

2012年，江蘇省各市旅游收入的全局莫蘭指數I=0.2961＞0，在正態分布的假設下，顯著性水平P=0.040，表明莫蘭指數檢驗的結果顯著。總體來看，2012年，江蘇省各市旅游收入存在空間正相關性，在隨機分布假設下，莫蘭指數I的期望值與標準差值分別為-0.0833和0.2087，表現出相似值之間的空間集聚性。

從2013—2016年的檢驗結果來看，隨著鐵路網的逐漸完善，全局莫蘭指數I分別為0.33,0.34,0.303,0.34，集聚性逐漸增大，且自變量之間均為正相關，說明旅游收入越高的城市空間集聚性越強，且各市旅游收入集聚能力也在逐年增強，即隨著旅游經濟的進一步發展，鐵路尤其是高速鐵路發展成熟的地區，其旅游收入也相應要高一些。

4 關于鐵路發展的啟示

4.1 欠發達城市應完善鐵路規劃及相關配套服務設施

鐵路網的完善有利于促進旅游業的發展與崛起，因此旅游產業欠發達城市應該根據現有鐵路的布局情況，合理地規劃未來鐵路尤其是高速鐵路的建設，保證鐵路通達度，以刺激旅游競爭格局的形成。此外，相關部門應該出臺適當的鐵路交通出行優惠政策，并完善旅游安全服務平臺、信息查詢平臺、旅游信息服務指南平臺等，加大宣傳旅游產業落后城市，引導旅游產業圍繞高速鐵路節點和站點進行布局和建設，充分發揮鐵路的交通優勢。

4.2 相關部門應積極引導游客“一日游兩市”

相關部門應該從微觀層面分析潛在旅游城市的發展狀況，通過相鄰旅游圈，引導游客從熱門景區到潛在熱門景區的遷移，利用相鄰城市旅游經濟發展相關效應打造“一日游兩市”的計劃。以江蘇省為例，在鐵路通達度提升的前提下，南京旅游人數和旅游收入的增長不僅帶動了鄰近城市旅游產業的發展，還惠及了更遠的泰州、徐州等城市，從而在疏散熱門景區的游客的同時，也促進了景區環境的改善及景區安全性的提升，對景區治理產生了巨大益處。

4.3 各城市應依據自身的特色打造旅游文化產品

各地區應該根據城市特色打造旅游路線并帶動旅游產業的發展，對于旅游競爭力相對較弱的城市，要著重于景點打造、景點升級、景點相關配套設施完善等方面，并加強旅游線路的創新和升級。以江蘇省為例，鹽城具有紅色文化歷史，因此市政府應該著力于“紅色旅游”內容的拓展，打造一種將特色文化教育與傳統旅游路線相結合的新型文創旅游形式，圍繞經典景區打造特色路線，從而使游客既可以觀光賞景，又可以了解革命歷史，最終促進旅游產業均衡發展格局的形成。

5 結語

鐵路網對旅游產業的影響日益凸顯，為研究鐵路網對旅游產業格局變化產生的影響，本文利用探索性空間數據分析方法，以江蘇省為例，建立了全局相關模型及局部相關模型。結果表明，鐵路網的確會促進城市旅游經濟的發展。考慮到這一影響，建議各市交通運輸部門在考慮現有各城市旅游差異的基礎上，完善鐵路網規劃，以緩解旅游產業經濟差距過大所帶來的壓力。不過，旅游產業布局的差異不僅僅由交通運輸方式造成，如何量化這些因素有待進一步研究。