長三角城市群智慧旅游發(fā)展水平測度及其空間分異

劉瑩

摘? ?要：智慧旅游具有更精準(zhǔn)、更高效、更創(chuàng)新、更服務(wù)的優(yōu)勢，可以跨越時空障礙，在更廣范圍內(nèi)實現(xiàn)旅游產(chǎn)業(yè)的供給側(cè)改革與區(qū)域一體化發(fā)展，正成為現(xiàn)代旅游業(yè)的發(fā)展趨勢。以長三角城市群為研究對象，通過構(gòu)建智慧旅游基建、智慧旅游產(chǎn)業(yè)、旅游經(jīng)濟及旅游景區(qū)與環(huán)境的評價指標(biāo)，運用熵權(quán)TOPSIS與空間計量的方法，綜合評價長三角城市群的智慧旅游發(fā)展水平及空間差異。結(jié)果顯示，從得分的角度來看，上海市智慧旅游連續(xù)五年是第一名，成為發(fā)展水平極高的區(qū)域，杭州市、南京市、蘇州市為發(fā)展水平較高的區(qū)域，合肥市、無錫市、寧波市為發(fā)展水平一般的城市，得分相差較大，說明長三角城市群智慧旅游發(fā)展水平不平衡；從空間上看，長三角城市群呈現(xiàn)一個極點、南強北弱的空間格局，空間自相關(guān)的結(jié)果表明，發(fā)展水平高的城市對鄰近城市智慧旅游的發(fā)展具有抑制作用，呈現(xiàn)屏蔽效果，與旅游產(chǎn)業(yè)競爭格局有關(guān)。

關(guān)鍵詞：智慧旅游；長三角城市群；熵權(quán)TOPSIS；空間自相關(guān)

中圖分類號：F592.7 文獻標(biāo)志碼：A? ? ? ? ?文章編號：1673-291X（2023）04-0054-04

智慧旅游的跨時空特點能夠有效緩解新冠疫情常態(tài)化背景下，外部因素增加了運行的風(fēng)險與不確定性，因此，智慧旅游成為未來旅游發(fā)展的必然趨勢。以長三角城市群為例，該城市群包括上海市及安徽省、浙江省、江蘇省的26個城市，擁有獨具江南特色的旅游資源，不僅是我國旅游市場最活躍的地區(qū)之一，也是我國新一代信息技術(shù)發(fā)展的重要產(chǎn)業(yè)基地和創(chuàng)新高地；其中蘇州、上海等16個城市擁有的上市軟件和信息服務(wù)企業(yè)與電子信息制造業(yè)數(shù)量占全國的四分之一。長三角地區(qū)雖然具備了發(fā)展智慧旅游的硬件條件與軟件條件，成為發(fā)展智慧旅游的排頭兵，然而智慧旅游還存在著普及范圍小、涉及程度淺、創(chuàng)新與應(yīng)用不夠、區(qū)域不協(xié)同[1]等問題。因此，本文研究長三角地區(qū)的智慧旅游發(fā)展?fàn)顩r，以促進城市群旅游資源的合理配置與區(qū)域一體化發(fā)展。

一、文獻綜述

在信息科學(xué)發(fā)展的背景下，國外學(xué)者最先認識到先進的科學(xué)技術(shù)手段對旅游的作用[2-4]，直至2000年，加拿大旅游業(yè)協(xié)會的菲利普斯最早提出智慧旅游的概念[5]，并且應(yīng)用于旅游營銷之中。而國內(nèi)學(xué)者則在國家旅游局提出發(fā)展智慧旅游的目標(biāo)以后才提出相關(guān)概念以及進行相關(guān)研究[6]。雖然不同學(xué)者對智慧旅游的概念存在側(cè)重點的差異[7]，但是公認的是借助智慧化的手段改變游客、旅游企業(yè)、旅游目的地等各個主體的思維方式與行為模式，這必將帶動包括游客的體驗、管理方式、旅游形態(tài)等在內(nèi)的旅游業(yè)的深刻變革。

國內(nèi)外學(xué)者對智慧旅游的研究內(nèi)容主要包括從計算機科學(xué)角度出發(fā)的智慧旅游平臺設(shè)計與優(yōu)化[8，9]，以及從旅游環(huán)節(jié)與類型為角度的智慧化建設(shè)，包括景區(qū)的智慧化[10-12]、旅游目的地智慧化[13，14]、鄉(xiāng)村旅游智慧化[15]、康養(yǎng)旅游智慧化[16]，智慧旅游與全域旅游的關(guān)系[17]和智慧旅游的發(fā)展評價與對策[18-21]等方面。

智慧旅游的評價方法主要有調(diào)查問卷法、模糊綜合評價、專家打分法、結(jié)構(gòu)方程模型、熵值法等。汪俠[21]從游客滿意度的角度出發(fā)設(shè)計了九個景區(qū)智慧的評價體系；左晶晶[12]在參考汪俠的評價體系的基礎(chǔ)上，運用調(diào)查問卷的方法對上海迪士尼的智慧化水平進行評價。本文從城市群的角度出發(fā)，以長三角城市為研究對象，因此，以可以比較為原則，運用熵權(quán)TOPSISI能夠較為客觀地評價智慧旅游的發(fā)展水平。

綜上，國內(nèi)外學(xué)者對智慧旅游的相關(guān)概念、理論體系以及評價方法進行了探索，但是僅僅從景區(qū)或者單個城市的應(yīng)用層面展開論述，在城市群的層面研究的還較少，空間層面的相關(guān)性研究也比較少。因此，本文以具備軟硬件設(shè)施的長三角城市為研究對象，運用定量分析與時空分析的方法對城市群的智慧旅游的發(fā)展水平進行測度，探究其發(fā)展的空間格局，從而促進長三角城市的智慧旅游的發(fā)展以及提出城市一體化、區(qū)域一體化發(fā)展的策略。

二、研究方法與數(shù)據(jù)來源

（一）評價指標(biāo)的構(gòu)建

劉利寧[18]認為，智慧旅游與智慧城市的建設(shè)密不可分，因此構(gòu)建硬件支撐體系、綜合應(yīng)用系統(tǒng)和應(yīng)用價值評價三大體系，覆蓋了包含基礎(chǔ)網(wǎng)絡(luò)、公共安全、智慧交通、智慧酒店、智慧景區(qū)、經(jīng)濟效益指標(biāo)在內(nèi)的全方位評價。但是該評價是最理想的評價，數(shù)據(jù)的可獲得性不強，不同城市的數(shù)據(jù)統(tǒng)一口徑不同。穆學(xué)青[19]構(gòu)建了旅游經(jīng)濟、旅游創(chuàng)新、旅游潛力、旅游環(huán)境來評估云南省智慧旅游的發(fā)展水平，其指標(biāo)缺少對物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)的評價，不夠全面。此外，還有學(xué)者針對景區(qū)的智慧化進行評估，如陳博[20]運用問卷調(diào)查的方法從基礎(chǔ)建設(shè)、服務(wù)、營銷、管理對景區(qū)智慧化進行評價，具有借鑒意義。基于以上分析，本文以全面性、數(shù)據(jù)可獲得性和數(shù)據(jù)可比性、可適用性為原則，構(gòu)建長三角城市群的智慧旅游評價指標(biāo)。

（二）熵權(quán)TOPSIS

熵權(quán)TOPSIS法[21]是結(jié)合了熵權(quán)法與逼近理想解排序法對評價對象的屬性進行綜合評價的方法。熵權(quán)法根據(jù)指標(biāo)數(shù)據(jù)所包含的信息量大小來判斷指標(biāo)的權(quán)重，熵值越小，信息量越多，權(quán)重越大。逼近理想解排序法（TOPSIS）是通過計算有限個評價對象與理想化目標(biāo)的接近程度來對多個評價對象進行優(yōu)劣排序的綜合評價方法。熵權(quán)法與TOPSIS法相結(jié)合，能夠更加準(zhǔn)確地對評價對象進行排序。

（三）空間自相關(guān)

空間自相關(guān)分析[22]是一種常見的空間統(tǒng)計方法，用來描述某個區(qū)域的屬性與周圍區(qū)域的同一屬性在空間上的相似程度，在分析要素的空間分布特征中被廣泛使用。本文采用全局Moran’s I指數(shù)對長三角城市智慧旅游發(fā)展的空間相關(guān)性進行分析[22]。

（四）數(shù)據(jù)來源

智慧旅游評價指標(biāo)的數(shù)據(jù)主要來源于EPS數(shù)據(jù)庫，缺失數(shù)據(jù)通過2015—2019年長三角各城市的統(tǒng)計年鑒以及國民經(jīng)濟與社會發(fā)展統(tǒng)計公報來補充，景區(qū)來源于各個城市的文化旅游局，具有權(quán)威性與客觀性。

三、結(jié)果分析

（一）智慧旅游得分評價

2015—2019年，長三角城市智慧旅游水平在逐漸提升，城市之間差距較大。智慧旅游綜合得分極高的城市，即第一梯隊的城市是上海市，2015—2019年綜合得分均在0.85分以上，且逐年遞增；2019年綜合得分接近于1，遠遠超過第二梯隊的城市；在智慧旅游基建、智慧產(chǎn)業(yè)發(fā)展、旅游經(jīng)濟得分為1，表現(xiàn)最好。智慧旅游綜合得分較高的區(qū)域，即第二梯隊的城市是杭州市、南京市、蘇州市，綜合得分在0.15—0.3之間，且逐年遞增，但與第一梯隊相差過大；其中，杭州市、南京市在智慧產(chǎn)業(yè)發(fā)展與智慧景區(qū)發(fā)展的較好，蘇州市在智慧基礎(chǔ)設(shè)施建設(shè)與智慧景區(qū)發(fā)展較好。智慧旅游綜合發(fā)展水平中等的區(qū)域，即第三梯隊的城市是合肥市、無錫市、寧波市，綜合得分在0.07—0.1之間，且增速緩慢，僅僅在智慧景區(qū)及環(huán)境表現(xiàn)較好。智慧旅游綜合發(fā)展水平較差的城市共11個，大多屬于浙江省，有溫州市、金華市、舟山市、嘉興市、湖州市、臺州市、紹興市、常州市、池州市、蕪湖市、南通市等，綜合得分在0.03—0.07之間。智慧旅游綜合發(fā)展水平最差的區(qū)域集中在安徽省與江蘇省，有鹽城市、揚州市、滁州市、宣城市、鎮(zhèn)江市、安慶市、泰州市、馬鞍山市、銅陵市等，綜合得分在0.01—0.03之間，增速緩慢，綜合得分相差不大。

（二）智慧旅游的空間分布

運用自然間斷點分級法，將26個城市智慧旅游發(fā)展水平分為五個層級，即極高水平、較高水平、中等水平、較差水平、差水平，并得出如下結(jié)論。

第一，2019年智慧旅游綜合得分的空間布局呈現(xiàn)一個極點、南強北弱的格局，長三角城市群所在省份中浙江省智慧旅游發(fā)展水平高于江蘇省和安徽省。上海市為極大點，帶動了周圍南通市、蘇州市、無錫市智慧旅游的發(fā)展。杭州市、南京市、合肥市為省會城市，智慧旅游的建設(shè)較好。鹽城市、滁州市、安慶市、宣城市的智慧旅游水平較低，省會城市對其帶動作用還不強。

第二，長三角城市群智慧旅游綜合水平的全局莫蘭指數(shù)為負值，即Moran’s I的值為-0.025 9。說明長三角城市智慧旅游不具有空間統(tǒng)計上的相關(guān)性，但是負數(shù)表明城市之間智慧旅游發(fā)展呈現(xiàn)負相關(guān)，高水平城市對低水平城市的發(fā)展具有抑制作用，主要是因為數(shù)據(jù)之間的差距過大，上海市綜合得分是第二名的5倍，表明智慧旅游的發(fā)展不平衡。

第三，分別計算2019年四個維度的全局莫蘭指數(shù)，仍未通過顯著性檢驗。其中智慧旅游產(chǎn)業(yè)的發(fā)展呈現(xiàn)負相關(guān)，智慧旅游基礎(chǔ)設(shè)施建設(shè)、旅游經(jīng)濟、智慧景區(qū)與環(huán)境呈較弱的正相關(guān)性，說明智慧旅游的負相關(guān)作用主要通過智慧旅游產(chǎn)業(yè)發(fā)揮的抑制作用，進一步表明長三角城市之間旅游業(yè)處于競爭的狀態(tài)，旅游產(chǎn)品同質(zhì)化。

第四，運用Arcgis對長三角智慧旅游進行冷熱點分析，從而進一步顯示出城市智慧旅游發(fā)展水平的聚類區(qū)域（如圖2b）。結(jié)果表明，高水平的區(qū)域主要集中在嘉興市（置信度為99%）、上海市（置信度為95%）與南通市（置信度為90%），無低水平聚類的區(qū)域，并且其他區(qū)域并未通過顯著性檢驗。由此說明，長三角地區(qū)呈現(xiàn)南強北弱的空間格局，主要集中在以上海市為中心的周邊城市，南京市與合肥市的智慧旅游發(fā)展帶動作用弱，仍處于抑制階段。

參考文獻：

[1]? ?黃平，曾紹倫.城市群同城化與智慧旅游一體化研究綜述[J].生態(tài)經(jīng)濟，2015，31（11）：108-113.

[2]? ?Li，Y.；Hu，C.；Huang，C.；Duan，L.The concept of smart tourism in the context of tourism information services[J].Tour.Managment，2016，（58）：293，300.

[3]? ?Ben Haobin Ye；Huiyue Ye；Rob Law.Systematic Review of Smart Tourism Research[J].Sustainability，2020，（12）：3401.

[4]? ?Robert B Bentley. Information Technology and Tourism.An update，2003：141-144.

[5]? ?Phillips S G.The tourism industry association of Canada [EB/OL].www.slideshare.com，2000-12-05.

[6]? ?胡鞍鋼，周紹杰，任皓.供給側(cè)結(jié)構(gòu)性改革——適應(yīng)和引領(lǐng)中國經(jīng)濟新常態(tài)[J].清華大學(xué)學(xué)報：哲學(xué)社會科學(xué)版，2016，31（2）：17-22，195.

[7]? ?李云鵬，胡中州，黃超，段莉瓊.旅游信息服務(wù)視閾下的智慧旅游概念探討[J].旅游學(xué)刊，2014，29（5）：106-115.

[8]? ?袁晶，張彰.“互聯(lián)網(wǎng)+”思維下智慧旅游平臺優(yōu)化探討——以江西省為例[J].企業(yè)經(jīng)濟，2018，（12）：143-147.

[9]? ?賀劍武.基于大數(shù)據(jù)分析技術(shù)的旅游智慧平臺設(shè)計[J].現(xiàn)代電子技術(shù)，2020，43（14）：183-186.

[10]? ?王建英，謝朝武，陳帥.景區(qū)智慧旅游設(shè)施的優(yōu)化布局——以泉州古城為例[J].經(jīng)濟地理，2019，39（6）：223-231.

[11]? ?王艷麗，姜海濤.智慧旅游背景下中國二線城市景點門票價格策略研究[J].價格月刊，2020，（10）：32-35.

[12]? ?左晶晶，唐蕙沁.智慧旅游建設(shè)對游客滿意度的影響——基于上海迪士尼樂園的研究[J].消費經(jīng)濟，2020，36（5）：79-89.

[13]? ?José Luis Cornejo Ortega;Christopher D.Malcolm.Touristic Stakeholders’ Perceptions about the Smart Tourism Destination Concept in Puerto Vallarta，Jalisco， Mexico[J].Sustainability ，2020，（12）：1741.

[14]? ?Pam Lee；William Cannon Hunter；Namho Chung.Smart Tourism City： Developments and Transformations[J].Sustainability，2020，（12）：3958.

[15]? ?宋罡，唐凌云.“互聯(lián)網(wǎng)+”背景下遼寧鄉(xiāng)村智慧旅游發(fā)展路徑研究[J].北方園藝，2020，（14）：170-175.

[16]? ?李靜，謝小雨，潘旭東，姜楠.面向康養(yǎng)旅游的北戴河智慧騎行服務(wù)策略研究[J].包裝工程，2021，42（8）：115-123.

[17]? ?吳海燕.以智慧旅游視野發(fā)展全域旅游的理論和實踐[J].經(jīng)濟問題探索，2018，（8）：60-66.

[18]? ?劉利寧.智慧旅游評價指標(biāo)體系研究[J].科技管理研究，2013，33（6）：67-71.

[19]? ?穆學(xué)青，郭向陽，陳亞顰.云南省智慧旅游發(fā)展水平測度及空間差異研究[J].地理與地理信息科學(xué)，2019，35（4）：123-129.

[20]? ?陳博，陸玉麒，舒迪，潘穎，丁正山.景區(qū)智慧化發(fā)展水平測度及空間分布差異研究——以江蘇省4A級及以上景區(qū)為例[J].南京師大學(xué)報：自然科學(xué)版，2019，42（2）：129-135.

[21]? ?張焱，趙鴨橋，周鋁，王奇，馮璐.基于改進TOPSIS法的鄉(xiāng)村振興評價及地區(qū)比較[J].中國農(nóng)業(yè)資源與區(qū)劃，2021，42（2）：207-217.

[22]? ?仲昭成，沈麗珍，汪俠.長三角智慧產(chǎn)業(yè)空間演化特征及影響因素[J].經(jīng)濟地理，2021，41（11）：106-117.

The Measurement and Spatial Differentiation of Smart Tourism Development Level in Yangtze River Delta Urban Agglomeration

Liu Ying

（School of Management， Shanghai University of Engineering Science， Shanghai 201620， China）

Abstract： Smart tourism has the advantages of more accurate， more efficient， more innovative and more service. It can surmount the barriers of time and space and realize the supply-side reform and regional integration development of the tourism industry in a broader range， which is becoming the development trend of modern tourism. Taking the Yangtze River Delta urban agglomeration as the research object， by constructing the evaluation indicators of smart tourism infrastructure， smart tourism industry， tourism economy， scenic spots and environment， and using the method of entropy weight TOPSIS and spatial measurement， the development level and spatial difference of smart tourism in the Yangtze River Delta urban agglomeration are comprehensively evaluated. The results show that from the point of view of scores， Shanghai has ranked first in smart tourism for five consecutive years， and has become a region with a high level of development. Hangzhou， Nanjing and Suzhou are regions with a high level of development， while Hefei， Wuxi and Ningbo are cities with an average level of development， with a large difference in scores， indicating that the development level of smart tourism in the Yangtze River Delta urban agglomeration is unbalanced; from the perspective of space， the urban agglomeration in the Yangtze River Delta presents a spatial pattern of poles， strong in the south and weak in the north. The results of spatial autocorrelation show that cities with high development level have a restraining effect on the development of smart tourism in neighboring cities， showing a shielding effect， which is related to the competitive pattern of tourism industry.

Key words： smart tourism; Yangtze River Delta urban agglomeration; entropy weight TOPSIS; spatial autocorrelation

[責(zé)任編輯? ?彥? ?文]