基于地理標記照片的桂林入境游客時空分布特征及其影響因素

彭安近，吳忠軍

(桂林理工大學旅游與風景園林學院，廣西桂林 541006)

0 引言

隨著公眾生活水平的提高和網絡技術的飛速發展，通過網絡社區(Flickr、Twitter、Panoramio、微博、馬蜂窩)分享和儲存旅行照片成為公眾習以為常的事.新世紀以來，全球定位系統(北斗、GPS、GLONASS、GALILEO)的不斷完善和廣泛應用，使得個人照片能與地理信息聯系起來[1].網絡社區平臺擁有的照片信息也越來越豐富，以地理標記照片內含的用戶id、照片id、拍攝時間、上傳時間、拍攝設備、經緯度等信息作為研究對象，突破在以往游客時空行為研究中難以獲得個體游客時空行為數據的重要瓶頸[2]，已經被國內外學者廣泛用于游客時空分布[3-5]、移動軌跡[6-7]、旅游熱點區域[8-9]等方面研究中，地理標記照片還用于實際游客數量預測[10]和旅游需求規模評估[11].除此之外，借助計算機視覺技術[12-15]分析照片內容逐漸成為當下地理標記照片研究的趨勢與方向.

由于地理標記照片的數量與上傳人數并不是真實到訪旅游目的地的游客數量，并不能真實反映旅游目的地實際接待情況，只有少量學者基于地理標記照片研究目的地游客時空分布的影響因素及形成機制，分析不同的物理因素和社會文化因素對游客時空分布的影響[16].但是，已有學者通過使用網絡社區平臺如Instagram、Twitter和Flickr等數據發現其與官方統計數據之間存在重要的相關性[17-19]，并將其作為研究游客時空分布特征影響因素的重要因變量，進行回歸分析，為目的地規劃與管理出謀劃策.

利用地理標記照片對游客時空分布及其影響因素研究，有利于充分掌握游客對旅游目的地偏好，對旅游目的地城市規劃與管理、景區開發、旅游線路設計具有重要的指導意義.本文以地理標記照片作為元數據，運用ArcGIS空間分析技術和多元回歸分析方法對桂林市入境游客時空分布特征及其影響因素進行研究，對桂林市入境游客的時空分布特征進行解釋，為鞏固和開拓桂林市入境旅游市場，促進各縣區入境旅游發展提供建議.

1 研究區域、數據來源及研究方法

1.1 研究區域概況

桂林市位于我國廣西壯族自治區東北部，地處東經109°36′50″～111°29′30″，北緯24°15′23″～26°23′30″，境域南北長236 km、東西寬189 km.總面積27 809 km2，轄6區1市10縣，2019年末戶籍總人口540.60萬人，地區生產總值2 105.56億元，全年實現旅游總消費1 874.25億元.

桂林自古享有“山水甲天下”的美譽，以“山清、水秀、洞奇、石美”著稱.新中國成立后，桂林市經濟社會發展較快，特別是旅游業走在了全國同類城市前列.1973年，桂林正式對外開放旅游，成為中國首批對外開放的旅游城市之一.桂林文化旅游資源豐富，截止2019年底，全市擁有74個國家A級旅游景區，其中國家5A級旅游景區4個、國家4A級旅游景區37個、國家3A旅游景區31個.入境旅游市場活躍，2019年，桂林接待入境過夜游客人數314.59萬人次，占全自治區入境過夜游客人數50.42%，實現國際旅游外匯收入206 235.83萬美元，占全自治區國際旅游外匯收入58.92%.因此，選擇桂林市作為案例地具有很好的代表性和典型性.

1.2 數據來源與處理

Flickr是一個提供圖片和視頻托管的網站，由Ludicorp公司于2004年開發設計，是Web2.0的最佳利用例子之一.其特點為私人照片授權與標簽分類，圖片上傳者可自己定義該照片的關鍵字，也就是“標簽(Tags)”，搜索者就可很快的找到想要的照片，例如指定拍攝地點或照片的主題，同時Flickr也會挑選出最受歡迎的標簽名單，以此縮短搜索照片的時間.

文章考慮到我國入境游客的特殊性，以中文“桂林”和英文“Guilin”標簽，借助Python程序語言在2020年10月11日通過Flickr官方對外提供的在線地理標記接口(www.flickr.com/services/api)，獲取到桂林2012年1月1日—2019年12月31日的照片共55 337張.對采集到的數據進行整理，主要進行了以下兩項工作：(1)刪除元數據中未含有經緯度信息的照片；(2)剔除同一用戶id具有相同拍攝時間和相同經緯度的多張照片.最后保留了506位入境游客的8 031張地理標記照片作文本文的研究數據.將獲得的文本數據導入到ArcGIS10.2中，生成可視化桂林市入境游客地理標記照片空間分布圖1，作為本文研究的基礎數據庫.

圖1 桂林市入境游客地理標記照片空間位置

2 結果分析

通過地理標記照片拍攝時間按月份進行整理，發現桂林市入境游客的出游時間主要集中在3～6月和8～11月，這8個月入境游客占全年入境游客數量的84.78%，地理標記照片數量占全年拍攝數量的89.86%.7月、12月到次年2月是桂林入境旅游淡季，入境游客僅占全年入境游客的15.22%，地理標記照片數量僅占全年拍攝數量的10.14%.下一步使用ArcGIS核密度分析和空間熱點分析技術分析不同季節、年際地理標記照片分布特征如下.

依據季節劃分，其中春季為3-5月，夏季為6-8月，秋季為9-11月，冬季為12月到次年2月，見圖2，季節核密度存在顯著空間分異.首先從四個季節來看，桂林市地理標記照片集聚區主要分布在從桂林市中心至陽朔縣城的漓江和桂林市西北部的龍脊梯田景區；地理標記照片分布的高密度區主要集中在以秀峰區、疊彩區、七星區和象山區構成的桂林市中心一帶，以桃花江和漓江交匯處的兩江四湖·象山景區和獨秀峰·王城景區為高密度集聚景區.在春季，地理標記照片在陽朔縣城北部的興坪古鎮形成較高密度集聚區，并在興坪古鎮沿漓江往上游段形成大面積、長距離的帶狀集聚區.夏季、秋季和冬季的地理標記照片分布的集聚區基本一致，以桂林市市中心一帶為高密度區，陽朔縣城為較高密度區，其他主要集聚區分布在龍脊梯田景區和興坪古鎮.除此以外，夏季、秋季和冬季這三個季節，漓江桂林市中心至陽朔段的地理標記照片集聚區呈現塊狀分布，其并未形成連續的帶狀分布.

圖2 桂林市季節地理標記照片核密度分布

從不同年際來看，如圖3所示.2012-2013年和2014-2015年，這兩個時間段地理標記照片集中區較為相似，高密度集中在桂林市區和陽朔縣城；2016-2017年，地理標記照片高密度集中區在桂林市區和興坪古鎮；2018-2019年，只存在桂林市區一個高密度區.通過圖3(e)和(f)可以看出，2012-2015年，地理標記照片分布的高密度區主要集中在桂林市中心，較高密度區在陽朔縣城一帶，此外在龍脊梯田景區、陽朔興坪古鎮附近的漓江段形成了具有一定規模的地理標記照片集聚區；2016-2019年，桂林市地理標記照片分布的高密度區依舊是桂林市市中心一帶，較高密度區從2012-2015年的陽朔縣城轉移到興坪古鎮一帶，漓江從桂林市中心到陽朔段的地理標記照片分布的集聚帶相較于2012-2015年進一步拉長，桂林市西北部的龍脊梯田景區依舊是地理標記照片分布的集聚區.

圖3 桂林市歷年地理標記照片核密度分布

根據圖4可以看出，2012年入境游客到訪量最大的縣區是陽朔縣，成為桂林入境游客空間分布的熱點區，入境游客在陽朔縣主要集中在陽朔縣城、興坪古鎮和九馬畫山景區；在象山區和秀峰區形成了次熱點區，入境游客主要游覽兩江四湖·象山景區、王城·獨秀峰景區和蘆笛巖景區.2015年入境游客在空間分布上的熱點主要集中在桂林市陽朔縣和象山區，入境游客主要游覽景點與2012年相似.陽朔縣的入境游客主要集中在縣城、興坪古鎮及其沿漓江往上至靈川大圩古鎮河段，象山區入境游客主要集中游覽兩江四湖·象山景區；2015年的次熱點區是秀峰區和龍勝各族自治縣，秀峰區入境游客訪問量較大的景區是王城·獨秀峰景區、兩江四湖·象山景區和蘆笛巖景區，龍勝各族自治縣的入境游客集中在龍脊梯田景區.入境游客在2019年空間分布上的熱點區是陽朔縣，入境游客依舊主要集中縣城附近，在象山區和秀峰區形成次熱點區，入境游客依舊集中在兩江四湖·象山景區、王城·獨秀峰和蘆笛巖景區.如圖5d所示，2012-2019年桂林市入境游客空間分布的熱點區是陽朔縣和象山區，次熱點區是秀峰區和龍勝各族自治縣，與2012年、2015年和2019年不同年份入境游客空間分布熱點基本相似，游覽的主要景區也高度一致.

圖4 桂林市不同年份游客熱點分布

通過核密度分析和空間熱點分析，可以看出在不同年際和季節，桂林市入境游客地理標記照片和游客數量在空間分布上變化較小，差異不大.入境游客主要集中在漓江從桂林市中心至陽朔縣城段和龍勝各族自治縣的西南部，游覽景區(點)主要是位于漓江兩岸的兩江四湖·象山景區、興坪古鎮、陽朔縣城和龍脊梯田景區；從桂林市入境游客及其地理標記照片在各縣區分布角度來看，入境游客在桂林市各縣區空間分異較大，主要集中分布在陽朔縣、象山區、秀峰區和龍勝各族自治縣，在空間分布上屬于熱點區和次熱點區.疊彩區、七星區、臨桂區、雁山區、靈川縣、興安縣、荔浦市、平樂縣、永福縣、資源縣、全州縣、灌陽縣和恭城瑤族自治縣等縣區入境游客相對較少，在空間分布上主要屬于一般區、次冷點區和冷點區.在這13個縣區中，地理標記照片在興安縣、荔浦市、平樂縣、永福縣、資源縣、全州縣、灌陽縣和恭城瑤族自治縣等8個縣未形成核密度集聚區.

3 影響因素分析

3.1 計量模型設定

為了進一步分析桂林市入境游客時空分布差異的影響因素，參照國內學者對入境游客時間分布影響因素的研究[20-21]，從社會經濟特征、旅游資源稟賦、縣區的可達性和空間位置等方面分析其對地理標記照片時空分布的影響，因此建立了以下模型：

Pit=α+β1Arei+β2Degi+β3Proit+β4Leadi+β5Railit+β6Pgdpit+β7Rateit+β8Capit+β9Disi+εit

上式中，Pit表示不同年份桂林市各縣區入境游客地理標記照片數量；Arei為行政區劃面積；Degi為行政等級，按照區、市、自治縣、縣分別用“4”、“3”、“2”、“1”表示，其中資源縣于1995年開始享受民族自治縣待遇，用“2”表示；Proit為旅游資源稟賦，用不同年份各縣區3A級及以上景區占全市同級景區的比例來表示，比例越高，旅游資源質量就越好；Leadi為縣區是否存在外國領導人到訪的景區(點)，用“0“和”1”表示，“1”表示有，“0”表示沒有，以此來研究外國領導人在桂林入境旅游市場中是否具有名人效應；Railit為交通發展水平，以量化不同縣區的可達性，本文選擇是否有客運火車站來代替，用“1”或“0”分別表示“有”或“沒有”，其中象山區、七星區、秀峰區和疊彩區為傳統市中心，存在使用同一火車站情況，均以“1”表示；Pgdpit為人均地區生產總值；Rateit為第三產業增加值比例；Capit為實際使用外資金額；Disi為縣區空間位置，以各縣區到桂林市中心的距離來表示.

計量模型中物理和經濟解釋變量的數據來源于2013-2019年各縣區年鑒、桂林年鑒和2020各縣區政府工作報告.本文樣本包括桂林17個區、市、自治縣和縣，研究時間序列均從2012-2019年，可以看出研究數據樣本是一個平衡面板數據，模型的估計和假設檢驗使用STATA15.1完成.在回歸之前，首先計算了每個預測變量的方差膨脹因子(VIF)和VIF均值，以測試預測變量之間的多重共線性，當VIF值大于10時，回歸存在有害的多重共線性.從表1的VIF可以看出，所有變量的VIF值都在臨界值10之下，不再存在有害的多重共線性.

表1 多重共線性檢驗結果

3.2 實證結果及分析

在面板數據估計模型的假設檢驗中，F檢驗(Prob >F=0.0000)拒絕了零假設，表明固定效應模型更加有效；LM檢驗(Prob>chibar2=0.003 3)同樣拒絕零假設，表明隨機效應模型更加有效；下一步需要在固定效應模型和隨機效應模型中進行選擇，由于本文構建的模型中含有行政區劃面積、是否有外國領導人游覽的景區(點)、縣區空間位置等不隨時間變化變量，固定效應回歸時這些變量將被忽略，對模型的估計產生重要影響.同時Hausman檢驗(Prob>chi2 = 0.504 5)的結果也表明選擇隨機效應模型比固定效應模型更好.所以本文最終采用隨機效應模型進行回歸估計，回歸結果如表2所示.

根據表2回歸結果可以發現，采用聚類穩健標準誤的最小二乘法估計(OLS_V)、隨機效應模型估計(FE)、可行廣義最小二乘法估計(FGLS)和極大似然估計(MLE)四種估計方法的結果基本一致，說明該模型具有很好的穩健性.該模型總體R^2在0.472以上，說明模型擬合效果相對較好.旅游資源稟賦(Proit)和國外領導人訪問(Leadi)均在全部四種估計方法中具有統計顯著性，其余變量在統計上都不具有顯著性.

考慮到面板數據可能存在異方差和序列相關問題，利用可行的廣義最小二乘法(FGLS)進行估計可以極大限度地利用面板數據的優點，盡量減少估計誤差.因此，后續主要依據可行廣義最小二乘法估計來分析桂林入境游客地理標記照片的影響因素.表2回歸結果顯示，旅游資源稟賦對地理標記照片時空分布具有顯著正向影響.在其他因素保持不變的前提下，旅游資源稟賦每提高1%，入境游客將會增加1 025.43%，可見旅游資源是旅游發展最重要的前提條件和基礎，表明旅游資源質量越好，對入境游客的吸引力越足；存在外國領導人游覽景區的縣區對地理標記照片時空分布同樣具有顯著正向影響，在一定程度上說明外國領導人因其特殊政治身份所具有的名人效應對桂林市入境發展起著十分重要的作用.雖然與旅游資源稟賦這一重要因素相比，其正向促進作用相對較小，但是其作用不應該被忽視，是桂林進行海外營銷推廣、吸引入境游客的中堅力量.縣區行政等級、第三產業增加值比例、行政區劃面積、縣區位置、人均地區生產總值、交通發展水平和實際利用外資總額等7個變量在四種估計方法中均未通過顯著性檢驗，表明桂林各縣區地理及社會經濟特征對入境游客地理標記照片的空間分布沒有顯著影響，不是影響入境游客前往游覽的影響因素.

表2 回歸結果

4 結論和對策

4.1 結論

文章通過使用來自網絡社區Flickr分享的帶有地理標記的照片來量化和比較桂林市不同縣區的入境游客數量.運用ArcGIS核密度分析和空間熱點分析技術研究了桂林市入境游客時空分布差異，進一步分析了入境游客時空分布差異的影響因素.這項研究的結果很好解釋了入境游客在桂林行政區劃范圍內旅行偏好及其形成的原因.

從不同年際和季節來看，桂林市入境游客主要游覽的縣區以及景區(點)變化不大.入境游客主要集中在桂林市中心至陽朔縣城的漓江段和龍勝各族自治縣的東南角.陽朔縣城、興坪古鎮、兩江四湖·象山景區、蘆笛巖和龍脊梯田景區是入境游客主要集聚景區(點)；從入境游客熱點分布情況來看，入境游客喜歡前往陽朔縣、象山區、秀峰區和龍勝各族自治縣旅行，前往其他區縣旅游的入境游客較少.

從空間分布影響因素來看，有兩個因素可以解釋桂林市各縣區入境游客時空分異很大的現象.旅游資源稟賦與地理標記照片數量呈顯著正相關，即在該研究中縣區的3A級及以上景區占全市同級景區比例越高，入境游客更加愿意前往旅游，優越的旅游資源稟賦條件對入境游客直接產生吸引作用，因此對旅游目的地而言，合理利用現有旅游資源進行開發，打造高標準、高質量的旅游景區(點)是吸引入境游客前往旅游的基礎；同時有外國領導人前往游覽的縣區會有更多入境游客前往游覽參觀，說明政治名人效應在桂林入境旅游中發揮著不小的作用，對于目的地城市而言，合理借助外國領導人來訪事件進行宣傳營銷，以增加目的地城市的關注度，不失為一種有效的營銷手段.

4.2 對策

4.2.1 利用多途徑恢復入境旅游市場 疫情導致桂林入境旅游受到嚴重沖擊，桂林要在后疫情時代實現入境旅游市場快速恢復，繼續提升旅游國際化水平，需要繼續推行和實施桂林國際旅游勝地建設的成功經驗.持續打造國際旅游會展品牌，組織參加境外國際旅游展會；繼續鞏固提升傳統客源市場，積極開拓新興客源市場；增強與國際友好城市的往來與合作，積極締結新的國際友好城市，促進政府間官員往來交流，充分發揮政治名人效應，借此吸引更多入境游客前往桂林開展旅游活動.

4.2.2 合理定位各縣區旅游發展方向 桂林市部分縣區旅游發展趨于同質化的現象較為嚴重，部分縣區依舊停留在以傳統觀光旅游為主的階段，各縣區資源資源優勢未能充分體現.為促進入境旅游市場均衡發展和轉型升級，桂林市應積極統籌各縣區資源優勢，合理定位各縣區旅游發展方向，統籌各區縣文化旅游資源，積極將各縣區旅游發展納入桂林國際旅游勝地升級版建設藍圖，實現“一地一品”的旅游發展格局.以此構建多元化旅游體系，提升入境旅游品質，全面推進入境旅游發展新格局.

5 局限性和未來研究

本文以桂林市為例，使用來自網絡社區的地理標記照片作為衡量各縣區入境游客偏好的替代指標.與耗時耗力的調查相比，這種方法更節省時間，并能提供良好的空間覆蓋.但是，這種方法也有其局限性.因為無法準確獲得每年各縣區的入境游客數量，所以無法測算地理標記照片數據和真實入境游客數量之間是否存在良好的相關性.同時，Flickr用戶可能不能代表研究區域內的入境游客的整體情況，Flickr用戶的人口特征，如年齡、性別、收入和教育水平，可能不同于整個社會的人口結構情況.因此，基于入境游客地理標記照片的桂林市各縣區旅游偏好情況分析可能無法反映總體情況.最后，構建用于計量桂林市各縣區地理標記照片時空分布差異影響因素的計量模型解釋了47.2%的變異情況，表明還存在其他的因素影響各縣區入境游客地理標記照片的分布情況，如入境游客的社會人口特征和社會經濟狀況等因素，可能出于隱私安全等因素的考量，這些數據在網絡社區上是無法獲取的.未來研究若是能收集到桂林市各縣區入境游客的抽樣調查數據，研究的說服力可能更加充分，模型總體的解釋情況可能將更加有效.