共享住宿業空間分布的影響因素及擴散模式研究
——以北京市為例

肖 夢 林，章 錦 河*，王 昶，譚 雪 琪，殷 進

(1.南京大學地理與海洋科學學院，江蘇 南京 210023；2.黃山國家公園生態系統教育部野外科學觀測研究站,安徽 黃山 245000；3.東南大學人文學院，江蘇 南京 211189；4.不列顛哥倫比亞大學，加拿大 溫哥華V5K-V6Z)

0 引言

住宿業的空間分布深刻影響城市的空間布局[1]，一直是學界的研究話題，其中絕大部分研究是圍繞傳統的標準化住宿(即酒店的空間布局)展開的，而非標準住宿業的空間數據更難統計和獲取，加之地區統計方式、管理標準等方面的差異也加大了分析難度。隨著多學科交叉研究的發展、網絡爬蟲技術的普及，對非標準住宿業的空間分布研究逐漸成為學界新的熱點[2]。

共享住宿是通過搭建互聯網平臺為愿意出租閑置房源的房東與有住宿需求的房客提供交易的渠道，其在全球范圍內發展迅速，據國家信息中心統計數據，2015-2018年我國共享住宿業收入年均增速約45.7%，是傳統住宿業的12.7倍。共享住宿已成為對旅游業和酒店業影響最大的細分市場[3]，對城市空間產生了巨大影響，其空間分布研究的重要性體現在：1)共享住宿具有傳統住宿業沒有的新特質，與酒店選址必須經過土地價值、政策約束等因素制約不同，共享住宿基于網絡平臺和點對點的供需特征，可在城市的任何角落擴張，其空間潛在規模和密度是傳統住宿業無法比擬的；2)由于住宿資源的私人性，共享住宿使得一些原本不承擔旅游功能的區域被迫吸納大量的旅游者，造成城市空間被過度開發，現實中一些城市已顯現出共享住宿快速發展給城市帶來的弊端[4]。因此，如何應對共享住宿給旅游產業、城市管理帶來的新挑戰，成為共享經濟時代旅游業面臨的現實問題，研究共享住宿空間分布特征和影響因素，對于旅游行業創新發展、城旅融合至關重要。

國際上對共享住宿的研究自2013年逐漸增多，但數量有限[5]，主要集中在共享住宿參與者行為與動機研究[6,7]、共享住宿的影響[8]和商業模式研究[9]，不足之處在于：仍是在共享住宿語境下討論傳統旅游研究議題，偏向共享住宿本身帶來的影響，而對影響其發展的因素缺乏深入探討，案例也以發達國家的主要城市為主。國內對共享住宿的研究處于起步階段,研究主題較分散和雜亂，宏觀上集中在政策規制[10]和監管[11]、商業模式[12]、影響效應[13]，微觀上集中在口碑評價[14]、價格制定[15]、信任機制[16]，相關文獻偏碎片化[17]，缺乏高質量文獻以及對國內市場的實證研究。

本文以北京市為例，截取2018年1月和2020年1月兩個時間點，借助開源數據平臺和ArcGIS軟件研究共享住宿的空間分布變化特征、影響因素和擴散模式，以期在理論層面上增強對共享住宿分布規律的了解，從而進一步評估其對旅游業和城市建設的影響，也將加深Web 2.0時代下人們對城市旅游空間規劃的認識，豐富旅游、地理、城市的交叉研究；在實踐層面，將有助于探索其空間演變規律，從而在供給端進行產業的合理引導，也能為傳統住宿行業應對共享住宿的挑戰、城市空間的可持續規劃提供指導。

1 研究設計

1.1 案例地選取

本文選擇北京市作為案例地，原因如下：在愛彼迎(Airbnb)平臺，北京是中國提供房源最多的城市之一，共享住宿發展較為成熟；北京是世界知名的超大城市、歷史文化城市和旅游之都，旅游活動和共享住宿活動活躍，旅游與共享經濟交叉現象值得探索；作為愛彼迎在華登陸最早、發展最快的城市之一，北京共享住宿的發展趨勢值得研究，且其共享住宿空間分布研究還存在學術空白。本文致力于發掘這一新興領域，為其他城市的相關研究提供參考。

1.2 數據來源與處理

本研究選取的愛彼迎平臺(http://insideairbnb.com/get-the-data.html)是目前世界上規模最大、房源最多的共享住宿平臺。2018年愛彼迎在中國進行了文化、硬件、互聯網架構上的大改革，因此在中國獲得快速擴張，其中北京市的擴張速度最快，房源由2018年的16 692套增至2020年的41 312套，其擴張過程能反映出共享住宿本身的擴散特點。

在愛彼迎平臺獲得北京市2018年1月和2020年1月共計58 004條共享住宿房源經緯度信息(2018年1月16 692條，2020年1月41 312條)；在百度地圖上通過爬蟲軟件爬取截至2020年1月的環境要素POI經緯度信息，包括餐飲點19 803條、交通節點40 977條、景點7 399條、居民小區22 338條、科教文化58 500條、體育休閑31 279條；北京市區縣、街道信息來自2019年北京市統計年鑒及區域統計年鑒。在ArcGIS軟件中將經緯度數據轉化為點圖層，與北京市區縣、街道底圖進行疊加分析。

1.3 研究方法

城市旅游地不僅是重要的旅游目的地，還起到中轉站的作用，但在其內部，不同區域所體現的這兩大功能的重要程度不同，市中心區域目的地比城市外圍和鄉村目的地承擔更多的中轉站作用，而城市外圍和鄉村則主要成為旅游目的地終端。共享住宿分布的變化可反映旅游者在城市旅游目的地和中轉站的分布變化，并能間接反映旅游者的流入流出情況。在此，可借用旅游流研究中的空間擴散理論闡述共享住宿分布的時空變化特征。

本文利用核密度估計、平均最近鄰距離和標準差橢圓方法分析2018-2020年北京市愛彼迎空間分布變化，利用地理探測器分析房源空間分布的影響因素。1)核密度估計是一種非參數檢驗方法，用于計算點、線要素的測量值在指定鄰域內的單位密度，通過對離散數據進行空間平滑處理，能直觀反映離散數據在連續區域內的分布情況。2)平均最近鄰距離用以分析區域內點的分布狀態，首先測量各要素質心與其最近鄰要素質心之間的距離，然后計算所有最近鄰距離的均值，如果該平均距離小于假設隨機分布中的平均距離，則將所分析的要素視為聚類要素，反之，則視為離散要素。3)標準差橢圓用于分析數據在空間分布上的方向性，通過測量x、y方向上的標準距離并計算平均中心對x、y坐標的標準差，可定義一個包含所有要素分布的橢圓，即標準差橢圓，橢圓順時針旋轉的主軸與正北方向的夾角為橢圓的方位角。4)地理探測器用以探測空間分異性并揭示其背后驅動力[18]，本研究主要基于地理探測器中的分異及因子探測器探索因子X對因變量Y的解釋程度，判定影響因素作用力的有無和強弱，分析北京市共享住宿空間分布決定力指標；基于交互探測器探析不同風險因子間的交互作用，即因子的共同作用對因變量Y的解釋力是否產生變化，因子對Y的影響是否相互獨立、互不影響，探究因子的共同作用對北京市共享住宿空間分布的作用力變化。利用地理探測器模型，引入北京市共享住宿空間分布決定力指標DXi,Y(取值范圍為[0,1])，其值越大，表明相應的決定性因子對共享住宿空間分布的解釋力越強。計算公式為：

(1)

2 結果分析

2.1 北京市共享住宿業空間分布總體格局

2018-2020年北京市共享住宿總量由16 692家增長至41 312家，增幅高達147.5%(表1)；共享住宿密度增速也較快，但區域間差異較大。2018年北京市共享住宿業主要集聚在中心城區，2020年共享住宿業總體范圍明顯擴大(圖1)，16個行政區的共享住宿數量和密度均有所增加，數量增加前三位的為中心城區的朝陽區、東城區和海淀區，其也是共享住宿業分布密度較高、密度增幅較大的區。

表1 北京市各區共享住宿業增長情況Table 1 Growth of shared accommodation industry in all districts of Beijing

圖1 北京市共享住宿點分布概況Fig.1 Distribution of shared accommodation sites in Beijing

2.2 北京市共享住宿業空間分布特征

2.2.1 核密度分析 利用ArcGIS 軟件中的Kernel Density模塊計算北京市共享住宿核密度分布(圖2，彩圖見封2)，進一步分析共享住宿業的局部空間集聚情況。由圖2可知，北京市共享住宿業的分布特征為：1)總體上呈現出以中心城區為核心的“核心—邊緣”空間結構特征，其分布具有高度集中性和較強的空間不均衡性。高密度區域有市中心的東城區、西城區及朝陽區，三區作為城市核心功能區，其交通線路、商圈、娛樂場所分布密集，住宅區域相對集中，共享住宿房源供給充足，故宮、天壇等著名歷史文化景點分布于此，旅游者的住宿需求旺盛，房源適銷對路促使房屋所有者轉變閑置房源為共享住宿。中心城區以外區域共享住宿布局不足，門頭溝區和平谷區未出現集聚。2)2018-2020年共享住宿以不同模式由主城區向四周擴張。2018年除主城區外，其他區共享住宿較少，2020年昌平區、懷柔區和順義區也開始出現共享住宿的集聚。值得注意的是，擴張方向不像理想的住宿業呈同心圓擴張模式[19]，而是呈廊道式、飛地式和填充式擴張。廊道式擴張是共享住宿在區域間交通廊道沿線擴張，如中心城區向昌平區(高速公路)、順義區(國道和首都機場)擴張；飛地式擴張出現在遠離中心城區的景點或次級功能區附近，如共享住宿在延慶區的八達嶺長城附近、密云區邊緣的長城景點和懷柔區的相關景點集聚，和主城區的共享住宿集聚區形成非連續的分布態勢；填充式擴張是不同功能區或景點彼此之間由于溢出效應而形成的集聚，如主城區向大興區、昌平區方向擴張。

圖2 北京市共享住宿核密度分布Fig.2 Kernel density distribution of shared accommodation in Beijing

2.2.2 平均最近鄰分析 采用ArcGIS軟件中的Average Nearest Neighbor模塊計算北京市2018年和2020年共享住宿業的平均最近鄰分析的各指數值(表2)，研究其整體分布特征。北京市兩個時期的共享住宿均呈集聚特征(R<1)。與2018年相比，2020年樣本平均距離、隨機模式下的期望距離和平均鄰近指數均有所下降，反映出平均密度進一步提高，住宿業分布的集聚程度持續加強。

表2 平均最近鄰分析的各指數值Table 2 Parameters of average nearest neighbor analysis

2.2.3 標準差橢圓分析 利用ArcGIS軟件的標準差橢圓工具對2018年和2020年北京市共享住宿數據進行分析，研究數據在空間上的離散程度差異，探索共享住宿點的分布方向和變化趨勢。與2018年相比，2020年標準差橢圓覆蓋范圍整體大幅擴大(圖3)，橢圓面積由2 966.62 km2擴張至5 234.28 km2，反映出同樣標準差級別下數據分布范圍的擴大；共享住宿業均值中心由(116°26′24″E,39°58′34″N)小范圍地向西北方向移至(116°26′12″E,40°0′37″N)，但均值中心仍處于朝陽區內；橢圓扁率由0.341降至0.315，說明2020年比2018年的方向趨勢更明顯。從方位角看，兩年的數據均呈東北—西南分布方向，與行政區域分布方向一致，但橢圓方位角由2018年的34.07°降至2020年的29.94°，進一步向南—北方向偏移。綜上，北京市共享住宿業分布范圍擴大，空間分布向心力增強，東北—西南分布方向性明顯，空間分布仍有較強的不均衡性。

圖3 2018-2020年標準差橢圓范圍、中心變化Fig.3 Variation of the range and center of standard deviation ellipse from 2018 to 2020

2.3 北京市共享住宿業空間分布影響因素

與酒店不同，共享住宿的擴張基本不受區域用地規劃和行政審批限制，某閑置房源能否成為共享住宿房源，多受環境因素影響。根據文獻[2,17,19]，本文總結出6類可能會影響共享住宿空間分布的環境因素：餐飲、景點、交通運輸、居民小區、科教文化和體育休閑(表3)，并結合北京市實際情況，對相關因素的評價指標、示例進行適當調整。

表3 共享住宿空間分布影響因素信息Table 3 Information of influencing factors of shared accommodation space distribution

為探討6類環境因素對北京市共享住宿業分布的影響，以北京市2020年1月共享住宿業的房源分布為因變量，6類環境因素為自變量，用地理探測器對數據進行分析。以北京市行政區為單位，利用ArcGIS軟件中自然斷裂點法將6類連續變量聚為5類，將各變量絕對值轉化為分類值，探測每類影響因素對北京市共享住宿空間分布的影響力。根據分異及因子探測器計算結果，發現北京市共享住宿空間分布的因素影響力排序為：餐飲(0.874)>居民小區(0.780)>科教文化(0.745)>交通運輸(0.528)>體育休閑(0.487)>景點(0.217)，其中餐飲在0.001的水平下顯著，居民小區在0.01的水平下顯著，科教文化在0.05的水平下顯著，交通運輸在0.1的水平下顯著，體育休閑與景點的檢測結果不顯著。

餐飲對共享住宿分布存在顯著的正向影響，這與對倫敦共享住宿分布的研究結果[2]有差異，有可能是國情與文化背景不同所致。共享住宿業生活化的特點，無形中加深“民以食為天”的傳統思想，中國的旅游者可能更傾向于美食分布密集的區域居住，方便就近就餐或探索當地特色食物；同時，不同規格、大量的餐飲點也常集聚在居民集中的區域，該區域更適合不熟悉地方環境的旅游者居住。居民小區節點對共享住宿空間分布影響顯著，居民點較多的區域多是北京市中心區域，基礎設施齊全，交通便利，對入住者產生較強的吸引力；房東出于對經濟收益的考量，或置換房屋的使用形式(由自住變為出租)，或直接掛牌閑置的房屋，較為密集的居民小區會直接帶動房源基數增大。科教文化的顯著正向影響也在文獻[2]中得到印證。北京市文化場所眾多、藝術科教活動頻繁，旅游者樂意體驗豐富的文化活動、游覽知名高校學府和觀賞文化景點，更有可能居住其中，便于感受文化氛圍，該區域也可能集聚更多年輕的、思想開放的、擁有閑置房源并愿意出租的房東，因此更有可能提供共享住宿資源。交通運輸對共享住宿空間分布的影響與文獻[20]的結論一致，交通節點越多意味著交通可達性越高，這對于出行頻繁的旅游者十分重要，因此在交通節點密集區域愛彼迎的掛牌率更高。體育休閑和景點對共享住宿分布不存在顯著影響，與文獻[21]的結論有出入，這是由于城市型目的地交通便捷，旅游者可輕易抵達不同的休閑場所，而無需居住在其附近；此外，北京市的部分景點分布在城市郊區，相關生活配套設施缺乏，也是影響景點周邊房源掛牌出租的因素。

進一步運用交互作用探測器探究各影響因素對北京市共享住宿業空間分布的交互作用影響力，研究結果(表4)顯示，所有影響因素交互作用的影響力均大于單獨作用的影響力，其中景點(X2)和體育休閑(X6)的交互作用呈非線性增強，且二者交互作用力(0.881)遠大于單獨作用力(0.217和0.487)，這說明景點和體育休閑的交互作用對共享住宿的空間分布作用力大大提升，進一步顯示出通過組合旅游六要素中的“游”與“娛”，可以對“住”的空間分布產生較強影響。其余任意影響因素間的交互作用均屬于雙因子增強，即兩個影響因素發揮同向作用，其中餐飲(X1)與其他影響因素的交互值均大于0.9，說明餐飲在與其他影響因素交互作用時，通常起主導作用。由此可見，北京市共享住宿的空間分布受多因素綜合作用的影響，且兩兩之間多為同向作用。

表4 影響因子交互探測下對共享住宿空間分布的作用力Table 4 Effect of interactive detection of influencing factors on spatial distribution of shared accommodation

2.4 北京市共享住宿業分布模式

2.4.1 北京市共享住宿業地理分異 地理探測器分析結果顯示，共享住宿圍繞配套設施而非景點分布，這一方面體現了共享住宿強調“生活化”“當地化”的特點，另一方面則體現了城市旅游地作為目的地和中轉站的雙重職能。結合以上分析，筆者認為北京市共享住宿的擴散呈現“等級擴散為主、傳染擴散為輔”的特點。Lundgren將目的地按照流入/流出模式分為都市目的地、外圍城市目的地、外圍鄉村目的地和自然環境目的地4類[22]，北京市作為一個目的地整體，其內部也可分為上述4類區域(圖4)：1)朝陽區、東城區和西城區等在內的中心城區體現出典型的都市目的地特征，擁有出游/入游的雙重功能，旅游者既向這里流動，也在這里住宿，或將此作為中轉站或駐扎點前往其他區域流動。2018-2020年北京市共享住宿分布的集聚性、向心性均有明顯提高，進一步反映出中心城區終端和中轉職能的加強。2)昌平區、順義區、通州區、大興區則屬于外圍城市目的地，這些區域也具有一定等級的城市功能和旅游吸引力，但由于功能和資源價值均較弱，旅游流流入和流出量小。外圍城市目的地緊鄰都市目的地，共享住宿業也表現出一定程度的傳染擴散，2018-2020年這些區域逐漸出現共享住宿集聚，盡管集聚程度不如中心城區，但也反映出其中轉職能的提升。3)門頭溝區、平谷區的鄉村地帶和農業人口占比較高，故為外圍鄉村目的地類型，其中心功能弱，但存在一定旅游資源，旅游流呈凈流入模式。2018-2020年這兩地共享住宿數量少且始終未形成集聚趨勢，其終端職能明顯大于中轉職能。4)延慶區、懷柔區和密云區遠離市中心，擁有八達嶺長城、慕田峪長城、密云水庫等自然景觀，是典型的自然環境目的地，也呈旅游流凈流入模式，終端功能比中轉功能強。然而，2018-2020年這些地區從共享住宿稀少到出現飛地式集聚，表明其中轉功能不斷加強，旅游者多將其作為在北京旅游的駐扎點和中轉站。

圖4 北京市行政區類型劃分Fig.4 Division of administrative districts in Beijing

2.4.2 北京市共享住宿業宏觀分布 依照北京市共享住宿業的分布現狀和影響因素可將其劃分為4種布局模式：餐飲導向型、居民區導向型、文教導向型和交通導向型，其中以餐飲導向型最普遍，且餐飲在與其他要素組合時，更能發揮主導作用。居民區導向型與餐飲導向型相輔相成，一般居民區較多的地區，餐飲點也較多，居民區的分布決定了北京市共享住宿業的集聚。文教導向型在中心城區、相關場所密集區域發揮重要作用，而交通導向型則主要表現在距中心集聚區較遠的城郊區和遠郊區，體現出交通線路在地理要素擴散過程中的重要作用。

2.4.3 北京市共享住宿業微觀分布 共享住宿業在朝陽區等核心區圍繞餐飲點、居民點分布，高度集聚，與總體規律一致；在海淀區等城市中心區圍繞科教文化點集聚，同時與城市核心區的擴散相銜接，呈小范圍同心圓擴散或填充式擴張；在門頭溝區等城市外圍區主要集聚在鄰近城市中心區域，未呈現出明顯的導向型模式；在延慶區、懷柔區和密云區等鄉村地區呈現出與中心城區相割裂的現象，主要圍繞當地高級旅游資源和交通干線呈飛地和廊道式擴張。

2.4.4 北京市共享住宿業擴散趨勢預測 綜上分析可以預測北京市未來共享住宿擴散趨勢：1)在次級城市功能區(外圍城市目的地)擴散。交通是連接都市目的地和外圍城市目的地的渠道，隨著地鐵線路延長、公交線路完善，次級功能區中轉職能加強；同時伴隨大都市區城市功能的轉移和城市更新，外圍城市區居民小區數量增加，科教文化和體育休閑場所也會進一步增多，會有更多旅游者選擇在這類區域住宿，共享住宿房源的供應數量和價格也會進一步提升，房源集聚性增強。2)在城郊著名景區(自然環境目的地)附近呈飛地式擴散。盡管現階段景點并不是影響共享住宿分布的顯著因素，但該區域旅游資源等級較高、組合情況較好，旅游開發會促進旅游地人口集聚、商業場所和生活休閑配套場所增多，越來越多的旅游者會將當地作為城市旅游中轉站而非僅僅是旅游終端；而對于城郊鄉村地帶，除非提升地區中心職能(交通、商業場所等)或增強旅游資源吸引力，否則可能不會出現共享住宿集聚。

3 結論與討論

本文研究了北京市共享住宿業空間分布和影響因素，采用空間擴散理論分析共享住宿的擴散模式，研究結果表明：1)北京市共享住宿業空間分布不均衡，呈現以中心城區為核心的“核心—邊緣”結構特征，共享住宿業分布范圍和集聚程度逐漸加大，向心力增強，東北—西南分布方向性更明顯。2)北京市共享住宿業空間分布的影響因素依次為餐飲、居民小區、科教文化、交通運輸、體育休閑、景點，即餐飲(而非景點)是影響北京市共享住宿業分布的重要因素，對共享住宿業空間分布的影響因素研究[2，20，21]有所創新。3)北京市共享住宿空間擴散以等級擴散為主、傳染擴散為輔，在次級城市功能區和景區擴散明顯，房源數量并非簡單地沿圈層遞增，體現出共享住宿的特點：依托商業住宅擴張，更自由靈活；對區域城市職能(交通、商業活動、休閑設施等)高度依賴，更容易在有商業功能的高級別景區附近集聚。4)根據房源反映的流入/流出情況將北京市行政區分為4種類型，試圖對相關理論在研究對象和尺度上有所創新。通過對共享住宿業分布模式的劃分，明確了不同地理要素與共享住宿業分布之間的相關程度，總結出北京市共享住宿業發展模式的地理時空規律，可為都市型旅游目的地共享住宿業空間優化以及傳統的標準住宿業調整經營策略提供指導。

本研究在時間跨度上受數據記錄時間限制，未能收集到更久遠的房源信息，無法進行長期的縱向觀察。未來可重點關注以下研究方向：對于共享住宿的縱向追蹤研究；典型大城市共享住宿業空間分布及影響因素與傳統住宿業的區別；關于共享住宿的跨文化、跨區域研究；在后新冠肺炎疫情時代，共享住宿發展所遇到的沖擊是否會誕生新的空間擴散模式。