網絡關注度視角下南京夫子廟景區旅游需求時空動態分析

葉翠 郝至燁

摘 要：本文以南京夫子廟景區為例，在網絡關注度視角下探究景區的旅游需求時空動態分布特征。基于百度指數搜索數據，從年、月、季3個不同的時間尺度分析南京夫子廟的旅游需求時序特征，綜合運用地理集中度指數、首位度指數、莫蘭指數、標準差橢圓等方法探究夫子廟景區旅游需求空間分布特征和演變。結果表明：2020年人們對夫子廟景區的旅游需求整體低于2019年，2019年和2020年夏季需求較大，2019年秋季需求最小，2020年秋季需求較大；夫子廟景區旅游需求的地理集中度較高，首位分布明顯，需求市場集中在江蘇省鄰近區域，聚集方向呈“東北-西南”。

關鍵詞：網絡關注度；百度指數；旅游需求；南京夫子廟景區

中圖分類號：F592.7 文獻標識碼：A

基金項目：國家自然科學基金“空間O-D模型優化與不確定性分析”（41771417）；國家自然科學基金“城鎮群擴展下流域水循環要素多時空尺度演變規律及驅動機制”（41771029）。

引言

旅游需求是旅游者對旅游產品的需求，從各個維度分析人們的旅游需求特征與消費行為，能夠為相關部門開發旅游產品和有針對性地制訂營銷方案提供參考，從而滿足人們的美好生活需求，促進經濟和諧發展。因此，旅游需求的研究逐漸受到國內外學者的關注，其主要的研究方向有旅游需求的影響因素[1-2]、時空分布規律[3-5]、旅游需求分析與預測[6-8]等。例如，翁鋼民等基于因子分析方法發現居民的收入和消費水平是影響中國39個城市居民旅游需求的主要因素[2]；崔鳳軍應用問卷調查法分析了泰山景區旅游需求的日、周、年變化規律及客源地的空間分布特征[4]；康赫霍爾（Coshall）等對蘇格蘭地區國際旅游業的季節性模式進行了分析[5]；阿努拉格（Anurag）等基于貝葉斯雙向長短時記憶網絡評估了新加坡的旅游需求[8]。

傳統的旅游數據一般來自問卷調查，樣本量有限且更新速度慢。互聯網的發展為旅游需求的研究提供了大量數據。游客在進行決策前，往往使用搜索引擎來獲取旅游目的地的相關信息，該行為會被搜索引擎記錄并生成網絡搜索數據。因此，網絡關注度與旅游需求之間存在密切聯系[9-10]，近年來逐漸有學者采用網絡關注度數據對旅游地的國內旅游需求進行分析[11]。其中，百度搜索數據覆蓋人群廣、更新速度快，廣泛用于旅游需求的相關研究。孟思聰基于該數據發現了季節和閑暇時間會影響連云港旅游景區的網絡關注度[12]。王秋龍等基于百度指數平臺分析安徽省64家典型景區的居民旅游需求的時空分布特征，并探究了經濟發展水平、季節性、氣候舒適度等因素的影響[13]。有學者對比了百度指數數據和谷歌趨勢查詢數據在景區流量預測上的性能[14]。王哲成基于百度指數數據建立了上海迪士尼景區的需求預測模型[15]。

本文以南京夫子廟景區為例，基于百度指數平臺探究該景區的旅游需求特征，嘗試在網絡關注度的新視角下為旅游景區的供需平衡和科學管理提供參考和建議。從年、月、季3個不同的時間尺度對夫子廟景區的百度指數數據進行統計和分析，基于地理集中度指數、首位度指數揭示不同省份對夫子廟景區旅游需求的結構特征，綜合運用莫蘭指數、標準差橢圓等方法探究旅游需求的空間分布特征和演變，從“時空動態”視角探析南京夫子廟景區旅游需求的時空分布規律。

一、研究設計

（一）研究區概況

南京市是中國歷史文化名城和首批優秀旅游城市，吸引了全國各地的游客前來游玩。據南京市文化和旅游局統計，在2020年國慶期間，前往南京的旅游者總計967.3萬人次，旅游營收達93.4億元，位于全國前列。截至目前，南京市擁有兩個5A級旅游景區。5A級景區之一的南京夫子廟秦淮風光帶（以下簡稱南京夫子廟），是一處全國聞名的開放式景區，它包含中華門甕城、白鷺洲公園、江南貢院、烏衣巷等景點，以自然景觀與園林交相輝映、淮揚街區市井與文化為特色。

南京夫子廟作為中國著名景區代表之一，分析其旅游需求的時空特征，有助于該地游客流預測與市場細分，為旅游精準營銷提供一定的理論依據和基礎，也可為其他類似旅游地的客源市場及實踐管理提供參考。

（二）數據來源

百度搜索引擎是全球領先的中文搜索引擎，人們使用該引擎搜索相關信息的行為一般會被記錄下來。百度指數平臺基于對大量用戶數據搜索行為的統計與分析，提供關鍵詞的搜索指數和用戶來源地分布的相關數據，可用于網民偏好與關注熱點的研究。根據數據的可獲取性、代表性、權威性的選擇標準，本研究選取百度指數數據代表游客對于旅游地的網絡關注度。以南京夫子廟為統計對象，選取“南京夫子廟”“夫子廟”為基準關鍵詞，獲取了31個中國行政區（港澳臺除外）2019年、2020年每日百度搜索指數數據（PC端和移動端）。

（三）研究方法

1.地理集中度

二、結果分析

（一）旅游需求時序特征

圖1顯示了2019—2020年不同月份旅游需求的平均百度指數變化，從年份來看，2020年月關注度曲線整體在2019年的下面，表明2020年南京夫子廟旅游需求整體低于2019年。

從月份來看，2020年1—2月網絡關注度持續降低，達到最低點，3月以后網絡關注度開始持續上升，6月開始網絡關注度快速增長，在7—8月、9—10月迎來了高峰期，10月開始網絡關注度下降。2019年與2020年的月關注度曲線趨勢有相似的部分，但也有所不同。2019年和2020年都顯示出了網絡關注度月份的不平穩性，但2020年整體變化趨勢波動小于2019年。2019年呈現“多峰型”，2020年為“雙峰型”，2019年最大峰值出現在8月，在12月達到最低值，而2020年在2月達到最低值，峰值則出現在10月左右。

圖2顯示了不同季節旅游需求的百度平均指數變化，從季節來看，2019年和2020年的夏季需求量都較大，2019年春季和夏季夫子廟旅游需求量最大，秋季需求量最小，季節波動較??；而2020年秋季與之相反，秋季最大，季節需求量呈現倒U型曲線。

（二）旅游需求結構特征

計算南京夫子廟2019年和2020年各月的地理集中度、二省區指數、四省區指數、十一省區指數，反映了南京夫子廟需求市場的地理集中程度及其變化，結果顯示各個指標在年份、月份上都有所差異（見表1）。從年份來看，2019年的地理集中度與2020年地理集中度存在差異，2020年地理集中度月平均要小于2019年，因此相較于2019年，2020年夫子廟旅游需求市場結構更加分散。2019—2020年月平均二省區指數、四省區指數、十一省區指數，與地理集中度趨勢相似，2019年相應的首位度指數高于2020年。

從月份來看，2019年1—6月旅游需求地理集中度整體高于2020年，而6—12月低于2020年，說明2019年1—6月較2020年市場結構相對集中，6—12月市場結構相對分散。2019年2月和10月地理集中度最高，11月和12月二省區指數最高，11月和6月四省區指數最高，十一省區指數2月和10月最高。說明2019年10—12月旅游需求首位分布明顯。2020年8月和10月地理集中度最高，旅游需求在空間上相對集中。從月份變化趨勢看，2019年與2020年在2月份的差異最大，2019年2月相較其他月份地理集中度和首位度都較高，而2020年則恰恰相反。

整體上，無論是2020年還是2019年，南京夫子廟的首位度總體值都接近于1或者大于1，地理集中度指數也較高，綜合來看，居民對夫子廟景區的旅游需求可能存在結構失衡和過于集中的趨勢。

（三）旅游需求空間分布特征

圖3顯示了夫子廟景區網絡關注度排名前10的地區。為進一步分析南京夫子廟旅游需求空間分布的情況，筆者繪制2019—2020年旅游需求分布的標準差橢圓，其結果如表2所示。

從空間分布的整體情況來看，2019年與2020年南京夫子廟旅游需求空間分布基本一致，具有明顯的空間分布特征，符合地理學第一定律，與江蘇省越鄰近的省份對夫子廟的旅游需求越大，除北京和廣東外，旅游需求較高的地區主要集中在江蘇省的鄰近區域（安徽、浙江、山東、上海），其次為次鄰近的區域（河南、湖北、河北）。

從標準差橢圓來看，2019年與2020年分布情況相似，都呈現“東北-西南”走向，且2020年偏轉方位角增大，這表明“東北-西南”方向是南京夫子廟旅游需求分布的主要聚集發展軸。2020年旅游需求的重心相較于2019年往西南方向偏移，2020年比2019年的標準差橢圓的短軸有所收縮，而長軸有所增長，客源的方向性分布趨勢加強。2019年標準差橢圓面積大于2020年，表明2020年南京夫子廟景區客源的范圍可能小于2019年。利用莫蘭指數來計算夫子廟旅游需求分布的空間自相關程度，2019年、2020年的全局莫蘭指數分別為0.155、0.157，且結果具有顯著性，這表明2019年和2020年夫子廟旅游需求都表現出顯著的正空間自相關性，存在空間上的集聚，進一步驗證了上文集中度的結果。

三、結論

本研究依托“百度指數”大數據平臺，從“時空動態”視角探析南京夫子廟旅游需求分布特征，結果如下。

第一，2020年南京夫子廟旅游需求與2019年差異較大。2020年整體對南京夫子廟的旅游需求低于2019年，2019年12月—2020年2月游客對夫子廟的旅游需求經歷了一段“低谷期”，2020年3月后逐步回升，9—10月迎來了高峰期。2020年夫子廟旅游需求整體變化波動小于2019年，2019年呈現“多峰型”，2020年呈現“雙峰型”。

第二，夏季人們到南京夫子廟的游玩意愿較高，2019年秋季最低，2020年秋季與之相反，需求量最高。

第三，南京夫子廟的旅游需求的地理集中度和首位度在不同年份和月份均表現出一定的差異，但南京旅游需求的地理集中度總體較高，首位分布較為明顯，可能存在結構失衡和過于集中的趨勢。

第四，旅游需求量最大地區為江蘇本省，除北京和廣東外，與江蘇省鄰近的區域（山東、上海、安徽、浙江等）人們對南京夫子廟關注度較高?！皷|北-西南”走向是南京夫子廟需求分布的主要聚集方向軸。相較于2019年，2020年客源地的重心向西南方向有所偏移，“東北-西南”方向性分布趨勢加強，整體范圍小于2019年。

參考文獻

[1] LIM C.The major determinants of Korean outbound travel to Australia[J].Mathematics and computers in simulation，2004（3）：477-485.

[2] 翁鋼民，徐曉娜，尚雪梅.我國城市居民國內旅游需求影響因素分析[J].城市問題，2007（4）：31-35.

[3] JANSEN-VERBEKE M，SPEER R.A regional analysis of tourist flows with Europe[J].Tourism management，1995（1）：73-82.

[4] 崔鳳軍，張建忠，楊永慎.泰山旅游需求時空分布規律及旅游者行為特征的初步研究[J].經濟地理，1997（3）：62-67.

[5] COSHALL J， CHARLESWORTH R，PAGE S J.Seasonality of overseas tourism demand in Scotland：a regional analysis[J].Regional studies，2015（10）：1603-1620.

[6] 陶偉，倪明.中西方旅游需求預測對比研究：理論基礎與模型[J].旅游學刊，2010（8）：12-17.

[7] 鄒伏霞，鄒冬生.基于五種模型比較的湖南省生態旅游需求預測研究[J].長江流域資源與環境，2020（11）：2406-2416.

[8] KULSHRESTHA A，KRISHNASWAMY V，SHARMA M，et al.Bayesian BILSTM approach for tourism demand forecasting[J].Annals of tourism research，2020，83：1-19.

[9] 馬麗君，孫根年，黃蕓瑪，等.城市國內客流量與游客網絡關注度時空相關分析[J].經濟地理，2011（4）：680-685.

[10] 林志慧，馬耀峰，劉憲鋒，等.旅游景區網絡關注度時空分布特征分析[J].資源科學，2012（12）：2427-2433.

[11] 王茜雅，張建新，劉培學，等.大數據視角下城市客源市場空間結構動態研究：以南京市為例[J].資源開發與市場，2018（1）：77-82.

[12] 孟思聰，馬曉冬.基于百度指數的連云港旅游網絡關注度研究[J].旅游論壇，2017（5）：102-115.

[13] 王秋龍，潘立新，呂儉，等.基于網絡關注度的安徽省居民省內旅游需求時空特征分析[J].地域研究與開發，2021（1）：120-125.

[14] YANG X，PAN B，EVANS J A，et al.Forecasting Chinese tourist volume with search engine data[J].Tourism management，2015，46：386-397.

[15] 王哲成.基于百度指數的上海迪士尼入園游客量預測[D].上海：上海財經大學，2020：3-5.