基于微博數據的桂林旅游流時空變化分析

白 剛，沈雨樨，高 璐

桂林旅游學院 旅游管理學院，廣西 桂林 541006

從20世紀60年代以來，旅游流一直是旅游地理學研究的核心問題之一[1]，探索城市旅游流的時空變化，對于城市旅游業、交通業以及與旅游相關各行業的發展具有積極的意義．旅游流不僅是旅游業發展的主體對象，也是旅游活動的基礎，對旅游流時空變化的研究有助于精準把握旅游客源市場，促進旅游目的地更加科學合理地進行多方面規劃．旅游流有廣義和狹義之分，狹義指旅游客流，廣義不僅包含客流，還包含與旅游流相關以及衍生出來的信息流、技術流、貨物流等[2]．本文所研究的旅游流僅限于狹義上的旅游客流．

國內對旅游流的研究始于20世紀80年代，最初的研究者主要為地理學者，從旅游的角度出發，以空間觀念和分析方法作用于應用地理學中，隨后學者們對旅游流的研究集中在空間動態[3-4]、網絡結構[5-7]、影響因素[8]、分布格局[9-10]等方面．對旅游流的驅動機制側重在客源地和目的地的內在屬性、旅游者屬性、空間結構等因素方面[11-13]，認為影響旅游流的主要因素是距離[14]，而具體研究區域的經濟發展水平和人均消費能力也是影響旅游的重要因素[15]．國外對旅游流的研究早于國內20年，國外學者的研究重點從早期旅游流空間格局轉向現在旅游流的流量流向等方面，發現旅游流在區域內存在不平衡現象，提出了旅游流的計量分析方法[16]．此外，氣候(氣溫條件)對旅游的適宜性影響也是一個重要指標，國內外均有學者基于氣象要素對游客量進行分析和預測[17-21]．經過多年的發展，旅游流的相關研究已經取得了顯著的成績，形成了成熟的旅游流理論體系，可以為本研究提供理論支撐．隨著網絡范式的轉型和地理學對流空間及其形成結構的重新認知，探討旅游流網絡體系及其空間結構成為現代地理學研究的重點[15]．

目前學者對旅游流的研究通常以省、市作為研究區域，少有學者探討某一市級旅游目的地中不同類型旅游地的旅游流差異．桂林從來不缺知名度[22]，桂林山水甲天下的普遍認知設定了桂林市旅游形象以自然景觀為主，而漓江是桂林山水的靈魂[23]．桂林市區則與陽朔經歷了旅游形象遮蔽、重疊的空間競合關系[24]．近年來，陽朔旅游形象逐漸向人文景觀類型遷移[25-26]．

本文選取桂林市漓江風景區及陽朔縣域為研究區域，漓江、陽朔目的地的旅游流為研究對象，通過客源地空間分布、居民可支配收入水平、目的地氣象條件等影響因子，對桂林漓江及陽朔的旅游流時空變化及影響因素進行分析，得出旅游流時空分布特征以及影響旅游流變化的因素，為漓江及陽朔旅游客流市場的預測提供參考，亦為桂林市區與陽朔差異化定位和協同發展提供依據，促進區域旅游業可持續發展．

1 研究背景及方法

1.1 研究區概況

桂林市位于廣西壯族自治區東北部，旅游資源得天獨厚，截至2020年6月，桂林市是廣西擁有國家級A級景區最多的地級市，其中5A級景區-漓江景區，包含桂林市區兩岸以及陽朔岸兩段，擁有廣西最美麗的山水風光，2014年6月其典型的喀斯特地貌被列入世界自然遺產名錄，屬于較為典型的自然景觀旅游地；陽朔為桂林市下屬縣，位于桂林市區南面．2006年，陽朔縣以旅游業為主的第三產業開始崛起，占據該縣國民生產總值的42.04%，隨著近幾年陽朔縣域的開發，旅游業發展更加迅速，2019年5月陽朔縣入選“2019中國最美縣域榜單”，2019年9月入選首批國家全域旅游示范區．

本研究選擇的漓江風景區下段位于陽朔縣境內，與陽朔縣域有一定的地理重疊度，因此綜合考慮了游客樣本重疊度與差異性．

1.2 研究方法

1.2.1 旅游時間分布集中指數

(1)

式(1)中：R為旅游需求的時間分布集中指數；xi為各月游客量占全年的比例；8.33為常數，由100/12計算得出．R值越接近于0，旅游需求時間分配越均勻，R值越大，時間變動越大，旅游淡旺季差異越大[27]．

1.2.2 客源地差異分析

為了探求旅游流在全國維度上的區域差異變動情況，借助統計學中表征變量離散程度最常用的變異系數(CV)來對桂林市旅游流的空間差異水平進行量化[28]．

1.2.3 空間自相關檢驗

(1) 全局自相關分析

全局自相關主要用于反映地理觀測對象的整體分布特征，可借助Global Moran’sI和Getis-Ord General G指數等衡量[28]．本文采用ArcGIS的空間分析工具計算出全局自相關Moron’sI指數，對2016-2019年陽朔和漓江國內旅游客流來源地的全局自相關性進行分析，其計算公式為

(2)

式(2)中，I為Moron’s指數，Z為屬性與均值的偏差，n為要素總數，W為空間權重，S是權重聚合；Moran’sI大于0表示空間呈正相關性，其值越大，空間相關性越明顯；Moran’sI小于0表示空間呈負相關性，其值越小，空間差異越大；Moran’sI為 0，空間呈隨機性．全局空間自相關指數I的取值范圍在[-1，1]之間，在標準化數據中I值大小反映了國內旅游流在空間分布上的差異程度．I值越大，旅游流在空間上的聚集特征越明顯；I值越小，旅游流在空間上的分異特征越明顯．

(2) 局部自相關分析

為進一步明確旅游流的時空分布特征，需要做局部自相關分析．局部自相關主要用于探測地理觀測對象的局部關聯模式、發現空間異常值等[28]，本文采用局部Moran’s指數Ii做論證，計算公式為

(3)

式(3)中，局部空間自相關指數Ii表示省域范圍屬于高值集聚還是低值集聚的空間分布特征，具體情況為高-高集聚、高-低異常，低-低集聚以及低-高異常，Z為屬性與平均值的偏差，W為要素i和j的空間權重．

2 數據來源及處理

2.1 數據來源及采集方法

微博作為國內當下用戶基數最大、信息共享最廣泛的社交平臺之一，擁有大量帶有目的地標簽的信息，該信息具有數據量龐大，覆蓋群體廣泛的特點，適宜作為本研究的基礎數據．

采用網絡爬蟲程序選取關鍵詞及時間區間(2016年1月1日至2019年12月31日)自動爬取微博上具有漓江、陽朔地理標簽和關鍵詞的游客信息；并采用爬蟲程序爬取天氣網(http： //lishi.tianqi.com/)2016年1月1日至2019年12月31日的天氣數據；城鎮居民人均可支配收入數據來源于國家數據網(http： //data.stats.gov.cn/)．

2.2 數據處理及結果

數據標準化： 為去除量綱，采用極差法標準化數據．由于微博面向群體的原因，港澳臺數據完整性不足，本研究未包含港澳臺游客數據．對采集到的游客數據進行去重、去噪處理后導入數據庫，最終得到有效數據98 310條，其中目的地為漓江的游客數據37 108條，目的地為陽朔的游客數據61 202條．考慮到研究區域重疊問題，首先進行用戶ID對比以檢查兩地游客群體重疊度，發現漓江游客與陽朔游客在獲取的數據中用戶ID重復率很低，僅占到漓江游客量的7.12%和陽朔游客量的3.84%，說明漓江與陽朔游客群體有較大的差異性，需要單獨分析．漓江和陽朔客源男女性別比例分別為1∶1和3∶2，陽朔相對更受女性游客青睞；在年齡構成上，兩地20-40歲年齡段的游客均占比分別為81%和83%，符合微博用戶畫像．

3 旅游流時空變化

3.1 旅游流的時空分布

3.1.1 旅游流時間差異

利用旅游時間分布集中指數R計算得出表1數據．

表1 2016-2019年漓江及陽朔總體時間分布集中指數

利用旅游時間分布集中指數式(1)對漓江和陽朔年游客總量時間分布集中指數進行計算得出表1數據．由表1可知，來桂林旅游淡旺季明顯．其中，漓江的游客時間分布集中指數2016，2017，2018年在2.1左右波動，旅游淡旺季差異明顯，淡旺季差異年度間變化趨勢不明顯；2019年指數上升為4.97，旅游淡旺季差異擴大．陽朔的游客時間分布集中指數表明，旅游淡旺季差異明顯，2016年為3.99，為4年最大值，2017-2019年指數變化不大，年度間淡旺季差異變化差異較小，旅游流呈現相對穩定趨勢．

分省份對2016-2019年漓江和陽朔各客源省份游客時間集中指數進行計算發現，漓江4年均值為26.01，明顯高于陽朔4年均值7.47，漓江游客量季節變化程度遠高于陽朔．綜合4年數據，漓江旅游淡旺季差異最明顯的客源地是寧夏、海南和貴州，單一年度極值出現在2017年內蒙古、2019年海南和貴州；陽朔旅游淡旺季差異最明顯的客源地是寧夏和青海，單一年度極值出現在2017年的寧夏和青海．

根據4年游客時間分布集中指數標準差，可以將32個客源地分為5級．第1級客源地游客量季節差異4年同比變化不明顯，第5級客源地游客量季節差異4年同比變化最大．變化幅度越小，表示研究期內該省市客流穩定；變化幅度越大，表示研究期內該省市客流波動越大．漓江游客時間集中指數變化最劇烈的是貴州、內蒙古和海南，變化幅度最小的是黑龍江、河北、新疆、陜西和安徽；陽朔游客時間集中指數變化最劇烈的是青海、西藏、湖南、廣西和浙江，變化幅度最小的是吉林、河北、山西、河南、福建、廣東、貴州和云南．

3.1.2 旅游流空間差異

由圖1可知，漓江旅游流變異系數(CV)2016-2018年分別為1.45，1.79，2.48，呈逐年上升趨勢，旅游流在全國維度(排除港澳臺)上空間差異逐年擴大；2019年變異系數降為0.98，旅游流空間差異明顯縮小；橫向對比發現4年間目的地為漓江的各客源地游客量波動較大，穩定性較差．陽朔旅游流變異系數2016-2019年在1.6～1.8之間輕微波動，基本保持穩定，年度間旅游流空間差異變化不大，說明選擇陽朔為旅游目的地的客源地游客量基本保持穩定．

圖1 2016-2019年漓江及陽朔旅游流變異系數

3.2 空間自相關分析

3.2.1 全局自相關

對2016-2019年目的地為漓江和陽朔的國內游客客源地與游客人數(排除港澳臺)數據進行標準化處理后導入ArcGIS，采用空間自相關(Moran’sI)工具分析得出研究時間段內的全局莫蘭值(Global Moran’sI)為0.22，莫蘭值大于0，說明數據具有空間正相關性，但總體空間相關性較弱．p值<0.008，通過了1%的顯著性檢驗．Z值得分大于2.68，說明數據呈現出比較明顯的空間聚類特性，需要用局部Moran’sI進一步分析．

3.2.2 局部自相關

以到訪陽朔、漓江的國內客流量為研究對象，按照年度劃分時段，對旅游流的局部Moran’sI進行計算，結果如圖2和圖3所示．

審圖號： GS(2019)1823號(自然資源部監制)．圖2 2016-2019年漓江旅游流局部自相關

審圖號： GS(2019)1823號(自然資源部監制)．圖3 2016-2019年陽朔旅游流局部自相關

從圖2可知，漓江客流高-高和低-低聚集區均不穩定，數量和區域變化較為明顯，2016-2019年漓江國內旅游流局部自相關低-低聚類圍繞在西北地區，主要在新疆、內蒙古、西藏等省份變化，西部地區客流始終較低且不夠穩定；高-高聚類集中在廣西及廣西周邊區域，說明以漓江為目的地的國內旅游流集中在華南地區；高-低異常聚類在2016年和2019年的四川省，同時四川省在2017年和2018年處于低-低聚集區，具有明顯的客流量不穩定性；低-高異常聚類在2016年和2019年的湖南省，同時2017年和2018年湖南省位于高-高聚集區，客流量不穩定性明顯．

由圖3可知，陽朔客流低-低聚集區呈現出擴張態勢，2016-2019年自新疆、西藏逐漸向內蒙、四川和東北地區擴散；高-高聚集區呈現出微弱擴張態勢，集中在廣西及廣西周邊區域，說明以陽朔為目的地的國內旅游流空間差異的區域特征逐漸明晰，主要客源地在華南地區且非常穩定；4年中沒有高-低異常區域；低-高異常區域包括2016年和2017年的福建省，2017年的湖南省，2018年的貴州省，低-高異常區逐步減少，結合整體客流量逐年上升的趨勢，說明空間關聯非顯著區客流逐漸呈現出穩定態勢．

3.3 旅游流空間格局

由表2可知，2016-2019年4個年度漓江和陽朔的最大客源地均集中在廣東和廣西．除兩廣地區外，漓江游客主要來源地為北京、上海、浙江、四川、江蘇、湖南等省份，游客量自2016年到2019年，除廣西游客量2019年出現較大幅度下滑外，其余省份呈現出穩步上升趨勢．除兩廣地區外，陽朔游客主要來源地為北京、上海、江蘇、河南、浙江、湖北、湖南等省份，游客量自2016年到2019年，除廣西游客量2019年出現較大幅度下滑外，總體上各客源地游客量趨于穩定．

表2 漓江、陽朔2016-2019年客源地標準化游客量

在客源地空間分布上，桂林市漓江及陽朔的旅游客流最大值分布在華南地區(廣西、廣東)，北京是第2大客源地，其次為上海；總體上看，中部地區(湖北、河南、四川)以及華東地區(浙江、江蘇、山東)旅游客流量大于(除兩廣和北京、上海)其他省市．數據分布與桂林市旅游大數據報告(2018)結果相吻合．

3.4 旅游流時間變化

圖4表明，漓江游客量從2016年到2019年呈現出緩慢增長的趨勢，波動較小，在2019年5-12月出現異常峰值，6月出現異常谷值，其中增長率最高的省份為青海、內蒙古、貴州及海南；陽朔游客量波動比較劇烈，除2019年外，其余3年游客量有明顯的大小月現象，4年總體呈現出平穩且略微下降的趨勢，增長率最高的省份為青海，除云南、貴州、四川、青海、甘肅、湖北、山東、北京、天津、遼寧、黑龍江、上海外，其余省份都有不同程度的客流量下降．

圖4 2016-2019年漓江及陽朔旅游流時間變化

4 影響因素分析

4.1 客源地距離及城鎮居民可支配收入

引入客源地與桂林市的距離(以下簡稱距離)、客源地城鎮居民可支配收入作為自變量，計算客流量與兩者的相關性，結果如表3和表4所示．

表3 漓江游客總量與客源地距離及城鎮居民可支配收入的相關性

表4 陽朔游客總量與客源地距離及城鎮居民可支配收入的相關性

從表3和表4可知，漓江和陽朔游客量與距離相關系數分別為-0.442和-0.448，p值分別為0.013和0.012，表明兩者在p<0.05水平差異具有統計學意義，相關性中等，客源地距離越遠，游客量相應越少，與上述分析中廣西及毗鄰廣西的廣東省為旅游流集聚區以及西北地區為旅游客流低值區均相吻合．

漓江和陽朔游客量與居民收入水平相關性分析p值分別為0.456和0.248，說明收入水平與游客數量沒有顯著相關性．參考國家統計局2016-2019年國內人均單次旅游花費數據，如表5所示，國內旅游人均花費在1 000元以內，僅占居民可支配收入水平均值(26 263元)的1/26；2016年來桂林的游客平均消費在3 000元以內的占比超過52%(數據來源： 邁點網https： //www. meadin. com/126886. html)，較低的游客消費水平說明城鎮居民收入水平對來桂林市旅游意愿的影響很小．

表5 國內旅游人均花費

利用漓江和陽朔客流量數據及距離數據進行回歸分析，得到漓江人數-距離變化模型為：y=-0.006+(-0.104×logx)，R2=0.779，擬合效果較好；陽朔人數-距離變化模型為：y=0.007+(-0.109×logx)，R2=0.524，擬合效果較漓江人數距離變化模型差．陽朔、漓江游客量與距離呈現出顯著的負相關關系；距離越遠，旅游人數越少；距離越近，旅游人數越多．

4.2 氣 溫

根據圖5所示，漓江和陽朔游客量波動大體與溫度波動趨勢相吻合，但有個別異常的峰值和谷值，比如2016年9月陽朔游客量和2019年6月漓江游客量暴跌，2019年4月和12月漓江游客量暴增，異常峰谷值的出現對相關性影響較大．

圖5 2016-2019年漓江、陽朔旅游流及月平均溫度變化

2019年4月漓江游客量大幅增加，對比同期游客微博內容發現，有大量的漢服漓江約拍活動及電子競技決賽彩排活動在漓江景區舉行；2019年5月和6月漓江游客量出現斷崖式下跌，根據相關資料查詢發現在2019年5月漓江開始進入汛期，漓江水位持續上漲，2019年6月水位線越過警戒線漓江開始封航，導致客流量暴跌．2019年11月廣西文化旅游發展大會在桂林市召開，大會中的優秀旅游品牌單位和相關的優惠政策吸引了大量游客，從而使得在溫度下降的同時客流量卻呈顯著上升的趨勢．說明節事活動也是影響客流量的重要因素．

2018年漓江無明顯大幅度波動，旅游流與月均溫度的相關性指數為0.602，p值為0.038，表明兩者在p<0.05水平上呈顯著正相關．該結果說明在無其他干擾因素的情況下，溫度變化與游客量顯著相關；同時從側面也說明桂林旅游吸引力趨于平穩，如果要提升客流量需要開發新的事件作為吸引物．

5 結 語

對2016-2019年漓江、陽朔國內旅游流進行時空變化分析，得出以下結論：

1) 漓江、陽朔旅游流的時間分布不均，兩地游客時間集中指數顯示旅游季節性明顯；2016-2019年漓江各客源省份游客時間集中指數明顯高于陽朔，漓江游客量季節變化程度遠高于陽朔，側面說明漓江旅游定位相對單一，對氣溫等自然條件因素依賴性強，建議適度增加旅游元素，擴大旅游吸引力，從而提升淡季游客量．

2) 漓江和陽朔客源組成顯著不同，數據分析顯示兩地游客重疊度極低，說明較少游客選擇桂林市區加陽朔組合旅游方式；漓江旅游流變異系數變化較大，客源地游客量波動較大，穩定性較差．陽朔旅游流變異系數基本保持穩定，年度間旅游流空間差異變化不大，客源地游客量保持相對穩定．

3) 兩地旅游流都具有顯著的空間自相關性，但聚集和異常區域略有不同；漓江客流高-高和低-低聚集區均不穩定，數量和區域變化較為明顯，沒有明顯的趨勢變化；陽朔客流高-高聚集區呈現出微弱的擴張趨勢，低-低聚集區呈現出較明顯的擴張趨勢．在空間分布上，兩地的旅游客流最大值分布在兩廣地區，北京是第2大客源地，其次為上海；總體上看，中部地區(湖北、河南)以及華東地區(浙江、江蘇、山東)旅游客流量大于(除兩廣和北京、上海)其他省市．

4) 漓江游客量呈現出緩慢的增長趨勢，波動較小，游客量增長率最高的省份為青海、內蒙古、貴州及海南；陽朔游客量波動比較劇烈，總體呈現出平穩且略微下降的趨勢，增長率最高的省份為青海．

5) 兩地旅游流和客源地距離存在顯著負相關，旅游客流量隨著距離增加而顯著減少．漓江及陽朔旅游流與人均可支配收入之間沒有顯著的相關性，原因在于來桂林市旅游平均消費在城鎮居民可支配收入中占比較小．

6) 不考慮節事活動引發的暫時性旅游流爆發，桂林市漓江及陽朔旅游流變化與溫度變化曲線基本吻合，符合旅游氣候適宜度分析結果，隨著溫度增加旅游人數上升；節事活動的引入可以明顯提升客流量，建議適度增大節事活動比例．