基于网络信息的北京市旅游资源吸引力评价及空间分析

引用本文

朱鹤, 刘家明, 陶慧, 张娟. .基于网络信息的北京市旅游资源吸引力评价及空间分析.自然资源学报, 2015,30(12): 2081-2094
ZHU He, LIU Jia-ming, TAO Hui, ZHANG Juan. .Evaluation and Spatial Analysis of Tourism Resources Attraction in Beijing Based on the Internet Information.Journal of Natural Resources,2015,30(12): 2081-2094 复制到剪切板

Permissions

《自然资源学报》编辑部所有

基于网络信息的北京市旅游资源吸引力评价及空间分析

朱鹤^1,^2,³, 刘家明^1,^2,^*, 陶慧^1,^2,^3,⁴, 张娟⁵

1. 中国科学院区域可持续发展分析与模拟重点实验室,北京 100101

2. 中国科学院地理科学与资源研究所,北京 100101

3. 中国科学院大学,北京 100049

4. 湖北民族学院经济管理学院,湖北恩施 445000

5. 洛阳理工学院,河南洛阳 471023

第一作者简介：朱鹤（1989- ）,女,山东济南人,博士研究生,主要从事城市旅游与旅游规划研究。E-mail: zhuhe12@mails.ucas.ac.cn

*通信作者简介：刘家明（1966- ）,男,河南信阳人,研究员,博士生导师,主要从事旅游地理与旅游规划研究。E-mail: liujm@igsnrr.ac.cn

收稿日期:2014-09-29 网络出版日期:2015-12-20

基金:国家自然科学基金项目“都市郊区游憩用地空间布局与优化模式研究”（41071110）

摘要

传统的旅游吸引力研究方法在数据获取、市场化评价、游客体验等方面存在一定的缺陷,而互联网的发展为旅游资源吸引力的评价带来了新途径。论文以北京市为例,建立城市旅游资源分类体系,对统计资源进行分类,采用层次分析法,建立基于网络信息的旅游资源单体吸引力评价体系,对北京市的旅游资源吸引力进行评价。采用多种空间分析方法对旅游资源吸引力的空间格局进行分析,得出以下结论：1）参与统计评价的北京市旅游资源共415个,总体平均吸引力指数为0.31,其中人文景观类吸引力最强,资源点数量最多。2）北京市旅游资源吸引力存在空间集聚,休闲活动类资源吸引力空间集聚度最大,人文景观类资源吸引力空间集聚度最小。3）自然景观类资源分布较为均匀,且旅游吸引力存在多个密度中心,吸引力热点区主要位于主城区;人文景观类资源分布集中于主城区,并形成旅游吸引力热点区和次热点区相间分布的空间特征;休闲活动类资源分布以主城区为主,形成吸引力密度中心和以热点区为核心、周边为次热点区的空间集聚形态,周边区县主要是冷点集聚区。基于网络信息的旅游吸引力评价体系为旅游吸引力的研究提供了新方法,并应用于空间分析上,对城市旅游资源的开发和发展有一定的指导意义。

关键词: 旅游吸引力; 网络信息; 北京市

中图分类号:F592.99 文献标志码:A 文章编号:1000-3037(2015)12-2081-14

Evaluation and Spatial Analysis of Tourism Resources Attraction in Beijing Based on the Internet Information

ZHU He^1,^2,³, LIU Jia-ming^1,², TAO Hui^1,^2,^3,⁴, ZHANG Juan⁵

1. Key Laboratory of Regional Sustainable Development Modeling, CAS, Beijing 100101, China

2. Insitiute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

3. University of Chinese Academy of Sciences, Beijing 100049

4. Institute of Economics and Management, Hubei Minzu University, Enshi 445000, China

5. Luoyang Institute of Science and Technology, Luoyang 471023, China

Abstract

Traditional research methods of tourism attraction have some disadvantages, such as difficult data acquisition, poor market evaluation and different tourists’ experience. The development of internet brought us new approach. Taking Beijing as an example, this paper collected relevant information from internet, and classified tourism resources in Beijing according to the established classification system of urban tourism resources. Analytic hierarchy process (AHP) was used to establish a tourism resources attraction evaluation system, and the attraction of tourism resources in Beijing was evaluated. Then we analyzed the spatial pattern of tourism resources’ attraction by density estimation and spatial autocorrelation, and the following conclusions were found: 1) the total number of tourism resources in Beijing is 415, including 108 natural tourism resources, 203 humane tourism resources, 104 leisure tourism resources, and the average of tourism attraction of all resources is 0.32, among which humane tourism resources have taking the largest number and the highest tourism attractive index. 2) There is spatial agglomeration of the attraction of tourism resources in Beijing. The spatial agglomeration degree of leisure tourism resources is the largest, and that of humane tourism resources is the minimum. 3) The distribution of natural tourism resources is more uniform, with multiple density centers of tourism attraction, attractive hotspots mainly locating in the main city; humane tourism resources are concentrated in the main city, and forms the highest attractive density center, the primary and the secondary hot spots being alternatively distributed; leisure tourism resources are concentrated in the main city with the primary hotspots of attraction surrounded by the secondary ones, leaving cold spots in surrounding country areas, and their attractive density center is also in the main city. This paper put forward a evaluation system of tourism attraction based on internet information, which will be a new and convenient approach for tourism attraction research. It will be of some significance to the development of tourism resources.

Keyword: tourism attraction; the internet information; Beijing

Show Figures

旅游吸引力是旅游研究中的一个重要、高频的概念, 但同时也是一个定义较为模糊的概念。Gunn等认为, 旅游吸引力就是旅游者对旅游地的感知和体验^[1]。Lew认为, 旅游吸引力就是促使游客离家前往目的地的所有因素^[2]。MacCannell认为, 旅游吸引力的形成包括三部分：游客、景点和游客对目的地形成的显著印象^[3]。吴必虎等认为旅游目的地的吸引力就是目的地的各类条件和若干因素综合作用而形成的对旅游者的诱惑程度^[4]。聂献忠认为旅游吸引力是目的地的旅游资源对游客的心理和感知刺激的程度^[5]。郭亚军、陈岩英等则认为旅游吸引力是一个包含自然、人文、心理、体验等各种吸引力要素的复杂系统^{[6, 7]}。

对于旅游吸引力的定量化, 国内外均有一定的研究成果, Crampon提出了基本吸引力模型, 认为客源地与目的地间的旅游次数和客源地人口规模、目的地容量及两地之间的距离相关^[8]。Wolfe、Edwards、Cesario等又分别对此模型进行了进一步修正^{[9, 10, 11]}。国内学者保继刚、张凌云等也利用相似的模型以及回归模型等对案例地进行了旅游吸引力的分析^{[12, 13]}。沈惊宏和陆玉麟利用市场概率模型对我国城市旅游吸引力指数进行了测算^[14], 肖建红等则利用条件价值评估法（CVM）对旅游资源的价值进行评判^[15]。这些研究多从宏观的区域角度入手, 结合经济学研究方法, 建立吸引力评价模型, 以游客量为基础, 比较旅游市场的发展状况。

但上述旅游吸引力多指的是旅游目的地整体上对游客的吸引程度, 旅游吸引力评价也多以城市或区域为基础进行分析。而对于旅游吸引物单体, 即旅游资源的吸引力研究则相对较少。旅游资源, 尤其是高级别的旅游资源是旅游产业的物质基础^[16], 是旅游目的地的重要实体吸引物。凡是能对旅游者产生吸引力, 可以为旅游业开发利用, 并可产生一定效益的各种事物和因素均可成为旅游资源。旅游资源可以是独立的, 也可以是组合集聚的, 旅游资源吸引力是游客对于旅游资源所产生的游览动机, 是决定游客游览行为的重要作用力和旅游活动的基础, 主要受旅游资源品质、知名度、产品营销、价格、交通区位等条件影响。而与旅游资源评价不同的是, 旅游资源吸引力更多地反映了游客的感知与意愿, 游客对旅游资源单体正向积极的关注程度越高则游览意愿越强烈, 吸引力越强。可以说旅游资源吸引力是目的地旅游吸引力的最重要组成部分。其量化对于旅游资源的研究, 旅游市场的分析与开发, 以及对于旅游资源营销策略的制定和旅游形象、品牌的建立都有一定的参考和借鉴意义。

目前对于旅游资源单体吸引力的定量化研究较少, 现有研究多采用问卷调查法、德尔菲法、模糊综合分析法等传统研究方法^{[17, 18, 19]}, 从旅游资源的条件出发, 偏重于资源品级与现状, 较少触及现有市场及潜在市场, 部分研究将旅游资源吸引力评价与旅游资源的评价混为一谈, 游客感知与评价无法有效体现。此外, 传统的分析方法多存在一定的主观性, 对旅游资源单体进行评价耗时长、工作量大, 而且部分评价指标难以获得。

基于以上认识, 本文以网络信息数据为基础, 对城市旅游资源单体的吸引力进行评价。在互联网日益普及与发展的今天, 互联网中的电子社区和专题搜索引擎为人们提供了信息交流、共享的平台, 越来越多的游客通过互联网获取旅游目的地相关信息, 并乐于同他人分享。马丽君等通过研究发现游客网络关注度与实际客流量密切相关^[20]。李山等研究发现旅游景点的网络关注度是现实游客量的前兆^[21]。路紫、李君轶、柳礼奎等也分别对游客的互联网行为进行了深入研究^{[22, 23, 24, 25, 26]}。

通过对主流旅游信息网站进行分析发现, 目前的旅游网站使用者一般分为两类：一是对某景点有旅游体验, 将自身、攻略和旅游体验信息发布到网站上的旅游分享者; 二是有旅游意愿, 但尚未发生旅游行为的潜在旅游者, 他们以了解旅游目的地相关情况为目标, 受旅游信息分享者的经验所引导, 分享者提供的信息会对其旅游行为产生重要影响。通过网站可以对游客分享的信息进行统计, 也可以统计相关信息的访问量和潜在旅游者的意愿程度, 对这些信息整理可以直观地反映出游客及潜在游客对于旅游资源的关注度, 从而体现某个资源点的吸引力大小。根据中国互联网络信息中心（CNNIC）统计数据显示, 截至2014年12月, 中国有网民6.49亿, 互联网普及率达47.9%。网络信息有样本量大、样本来源分布较广、数据易获取、传播速度快等特点。对网络相关信息的挖掘为旅游资源的吸引力评价提供了新的思路和方法。

本文以业内访问量较高、评价较好的百度旅游、同程网和大众点评作为数据获取平台, 获得旅游资源点和相关指标。依据资源要素和特征, 对城市旅游资源进行进一步分类。采用层次分析法（AHP）建立指标体系, 以北京市为案例地进行分析, 探索不同类型旅游资源吸引力特征, 并采用探索性空间分析方法（ESDA）, 分析不同类型旅游资源的吸引力在空间上的分布格局, 以期为北京市旅游资源的开发和规划提供基础。

1 研究区域、数据来源及方法

1.1 研究区域与数据来源

本文的研究区域为北京市全市, 面积16 410.54 km²。截至2014年底, 北京市拥有7处世界遗产（均为世界文化遗产）、206家A级景区（其中5A级8家, 4A级63家, 3A级87家, 2A级36家, A级12家）, 99处全国重点文物保护单位, 5处国家地质公园, 15处国家森林公园。作为国际著名的文化古都、时尚之都、行政中心, 北京市旅游资源丰富, 旅游业是北京市的支柱产业之一。

本文基础数据获取中除行政区划、地形特征、交通条件等基础的地理信息以外, 其他数据和信息全部来自互联网。为保证相关旅游资源信息的全面性、客观性和多样性, 以业内口碑好、信息丰富、访客较多的国内网站百度旅游、同程网和大众点评作为数据获取平台。以三大网站中涵盖的北京市旅游资源作为统计对象, 参与评价统计的旅游资源需在三个网站中均有信息, 且相关指标值不全部为零。

经统计, 符合条件的北京市旅游资源点共计415个, 根据作者对于旅游资源和旅游资源吸引力的定义和影响条件, 结合互联网站中提供的相关数据, 分别从“ 游览意向” 、“ 接待情况” 、“ 总体评价” 、“ 分享情况” 和“ 价格” 五个方面, 在三个网站中筛选出18个有效指标, 分别为百度旅游可以获得景点的“ 想去” 、“ 去过” 、“ 星级” 、“ 点评数” 、“ 游记/画册数” 、“ 门票” 和“ 地址” 的指标数据和项目信息; 同程网中可以获得北京市旅游景点的“ 想去” 、“ 去过” 、“ 游记” 、“ 图片” 、“ 攻略” 、“ 点评” 指标数据; 大众点评网中可以获得北京市旅游景点的“ 全部点评数” 、“ 星级” 、“ 签到短评数” 、“ 图片” 、“ 人均消费” 指标数据和相关信息。其中“ 想去” 反映对该旅游资源有强烈游览意向的人数, 可以侧面反映旅游点的潜在客流量; “ 去过” 和“ 签到数” 反映对该旅游资源有游览经历的游客人数, 可以侧面反映旅游点游客的接待量; “ 星级” 反映游客对于旅游体验的整体感觉和评定等级; “ 点评数” 、“ 游记/画册数” 、“ 图片” 、“ 攻略” 等指标则反映了游客游览之后的分享程度, 一般来讲分享程度越大则越容易得到其他网友的重视, 带动潜在游客的游览意向, 提高旅游资源的吸引力, 同时分享程度也可以从侧面反映旅游点的知名度和营销力度; “ 门票” 和“ 人均消费” 则反映了景区门票情况和游客消费情况; “ 地址” 则反映旅游资源所在位置, 通过对其位置进行定位可以获得旅游资源点的大地坐标（X, Y）, 并可基于ArcGIS平台进行进一步的分析。

全部指标的流量截止时间为2014年8月31日, 使用网络爬虫、人工搜索录入等方法, 对415个旅游资源点共7 470个有效数据进行录入统计, 建立数据库。

1.2 研究方法

1.2.1 城市旅游资源分类

从20世纪50年代起, 我国学术界开始对旅游资源进行相关研究, 包括旅游资源的概念、类型、评价标准等^{[27, 28, 29]}。2003年出台了《旅游资源分类、调查与评价》（GB/T18972— 2003）国家标准, 是目前旅游资源划分、评价的最主要依据。但由于休闲度假的兴起, 旅游产品的丰富, 传统的旅游资源分类方法已无法满足越来越多的新型旅游方式和旅游资源的划分需求, 尤其是对于都市旅游资源。作者通过对城市旅游资源概念、要素和特征的分析, 并结合前人研究经验^[30], 对都市旅游资源进行重新划分。都市旅游资源可以是独立的旅游吸引点（独立型旅游资源）, 也可以是集聚的旅游吸引点组合（集合型旅游资源）, 作者认为当独立型旅游资源集聚在一起形成一个单独的旅游景点或景区时即变为集合型旅游资源。依据旅游资源的主要组成要素、形成原因和特征的不同, 作者认为城市旅游资源可以分为三大类即自然景观类、人文景观类和休闲活动类。根据旅游资源的存在状态、成因和开发目的不同将其分为17个亚类, 并进一步细分为101个子类, 形成城市旅游资源分类体系（表1）。

表1 城市旅游资源分类体系 Table 1 Classification system of urban tourism resources

大类	亚类	子类
A自然景观类	AA地文景观类	AAA山地/丘陵型旅游地, AAB谷地旅游地, AAC沙漠/戈壁, AAD洞穴, AAE地质地貌过程遗迹, AAF自然变动遗迹, AAG岛礁, AAH岸滩, AAI其他地质地貌景观
	AB水域风光类	ABA河段, ABB湖泊/水库/潭池, ABC河口/海洋, ABD瀑布, ABE冰雪地（不包括滑雪场）, ABF港口, ABG湿地
	AC生物景观类	ACA森林（不包括植物园）, ACB草原/花卉地, ACC动物栖息地（不包括动物园）
	AD天象与气候景观	ADA天象观察地, ADB天气与气候现象发生地
	AE自然综合类	AEA世界自然遗产, AEB自然风景名胜区, AEC自然保护区, AED森林公园, AEE地质公园, AEF湿地公园, AEG生态旅游（示范）区, AEH旅游度假区
B人文景观类	BA遗迹遗址类	BAA古人类遗迹或活动地遗址, BAB古代建筑与工程, BAC历史事件发生地, BAD军事遗址及古战场, BAE祭祀与宗教活动场所, BAF陵寝、陵园, BAG古典园林, BAH交通遗迹, BAI人文艺术遗址
	BB文化场所类	BBA博物馆/展览馆, BBB文化馆/艺术馆, BBC图书馆, BBD科技馆/天文馆, BBE名人故居或纪念建筑, BBF 其他主题文化场馆, BBG著名学校、研究所等
	BC景观建筑类	BCA异形建筑, BCB城堡/庄园, BCC石窟/洞穴, BCD纪念建筑/纪念碑、景观小品, BCE人造水景, BCF交通建筑, BCG影视基地及影视建筑, BCH景观大道
	BD人文活动类	BDA名人人事记录, BDB文学艺术, BDC传统工艺, BDD民间习俗, BDE现代节庆
	BE人文综合类	BEA世界文化遗产, BEB文化风景名胜区, BEC历史文化名城（镇）与古城镇, BED历史文化名村与古村落, BEE特色村镇, BEF文化园区与文化旅游示范区
C休闲活动类	CA公共游憩类	CAA广场, CAB社区公园, CAC公共游憩区, CAD主题街区或社区
	CB娱乐休闲类	CBA演艺中心、歌舞厅、娱乐城, CBB主题公园/游乐场（包含植物园、动物园等人造自然公园）, CBC影剧院与影视中心, CBD其他娱乐场所
	CC购物休闲类	CCA购物中心（商场）, CCB商业街与特色市场 CCC地方旅游商品购物区
	CD体育健身类	CDA体育馆或体育公园（含溜冰场）, CDB高尔夫球场, CDC健身馆/游泳馆, CDD滑雪滑冰场, CDE山地运动场, CDF水上运动场/水上乐园, CDG空中运动场所, CDH户外探险/野外生存区, CDI极限运动场所, CDJ其他运动场所
	CE保健疗养类	CEA温泉会所, CEB疗养院/康复中心, CEC美容院, CED养老休闲区
	CF产业休闲类	CFA 休闲农业园/休闲农业示范点, CFB休闲牧场/休闲牧业示范点, CFC休闲工业园与示范点, CFD创意文化（产业）园区, CFE主题度假酒店与商务会所, CFF会展会议休闲, CFG其他产业休闲资源
	CG其他休闲类	CGA教育休闲场所, CGB自驾车或房车营地, CGC禅修度假, CGD博彩休闲场所, CGE其他特殊休闲类

注：本体系对于独立型旅游资源和集合型旅游资源不再单独区分, 对于包含多种独立旅游吸引点的集合型旅游资源先看其是否满足三大类中综合亚类下的子类条件, 若不满足则以最主要的独立旅游吸引点的类型作为归类依据。

表1 城市旅游资源分类体系 Table 1 Classification system of urban tourism resources

1.2.2 基于网络信息的旅游资源吸引力评价体系

除“ 价格” 外, “ 游览意向” 、“ 接待情况” 、“ 总体评价” 、“ 分享情况” 均为正向指标, 即指标值越大, 则该资源点的吸引力越强。由于每个网站所反映的信息不同, 为避免网站做商业广告而提升某个旅游点的相关指标, 设所属网站为二级指标, 对每个一级指标下各网站反映的相似信息以相同权重处理。从三个网站中获取的18个指标作为三级指标。对于一级指标和三级指标的得分权重, 采用层次分析法（Analytic Hierarchy Process, AHP）对取得各项指标的权重进行分配, 通过指标重要性对比关系构建两两比照的得分矩阵。就一级指标而言, 以旅游资源吸引力评价作为目标层, 以5个一级指标作为准则层, 准则层指标之间进行两两对比, 设任意指标i与指标j相比较的相对重要性指标为x_ij, x_ij满足 $\begin{matrix} \sum x_{ij} = 1 \end{matrix}$ 且x_ij= 1/ x_ji。对分级标准进行李克特量表赋值, 本文所采用分级标准为：极其重要（9）、相当重要（7）、明显重要（5）、稍微重要（3）、同样重要（1）, 并进行打分矩阵的随机一致性比例参数检验, 从而获得指标体系权重。为增加研究结果的客观性和全面性, 本文请10位旅游方面相关专家分别进行打分评价, 最终权重结果为10位专家得分的平均值。对于同一所属网站（二级指标）下的三级指标存在多个指标数据量时, 仍采用AHP方法, 通过专家评定后得到平均权重再代入计算。处理后的各项指标及所占权重见表2。

表2 基于网络信息的旅游吸引力评价体系 Table 2 Evaluation system of tourism attraction based on internet information

对各样本的数据进一步整理, 为消除量纲、数量级不同等因素的影响, 对数据进行标准化。采用正向极差标准化的方法（价格指标下涉及的三级指标采用负向极差标准化）即：

$\begin{matrix} \overset{′}{v} = \frac{v - mi n_{k}}{ma x_{k} - mi n_{k}} \end{matrix}$ （1）

其中： $\begin{matrix} \overset{′}{v} \end{matrix}$ 为标准化处理后的指标值, ν 为原始数据, min_k为第k个指标项中的最小值, max_k为第k个指标项中的最大值（负向极差标准化则采用最大值减原始值除以最大值和最小值之差进行计算）。

经标准化处理后的各资源点的各项指标代入权重值进行计算, 则其旅游吸引力的综合得分计算公式为：

$\begin{matrix} M_{i} = \overset{17}{\sum_{k = 1}} (p_{k} \cdot {\overset{′}{v}}_{ik}) \end{matrix}$ （2）

其中：M_i为第i个资源点的吸引力综合评价得分, $\begin{matrix} p_{k} \end{matrix}$ 为第k个指标所占的权重, $\begin{matrix} {\overset{′}{v}}_{ik} \end{matrix}$ 为第i个资源点的第k个指标的标准化值。

1.2.3 探索性空间分析（ESDA）

旅游资源的吸引力不仅与旅游本底有关, 与交通、区位也存在一定的关系, 相邻景点的旅游吸引力必然存在着一定的相关性。借助GeoDa和ArcGIS 10.1软件, 采用探索性空间分析中的空间自相关来进行分析, 研究北京市旅游景点吸引力的空间集聚与离散特征。

首先对研究对象进行全局空间自相关Moran's I指数分析和Z值检验：

$\begin{matrix} I = \frac{n \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij} (x_{i} - \overset{̅}{x}) (x_{j} - \overset{̅}{x})}{\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij} (x_{i} {- \overset{̅}{x})}^{2}} \end{matrix}$ （3）

其中：n为研究对象个数, x_i、x_j分别为i和j的属性值, $\begin{matrix} \overset{̅}{x} \end{matrix}$ 为所有属性值的均值, w_ij为空间距离权重矩阵。本文测算的是点单位的空间相关关系, 故选择点距离权重矩阵, $\begin{matrix} \overset{̅}{x} \end{matrix}$ 为全部点间距离的均值。

Moran's I指数在[-1, 1]区间内, 等于0表示无空间自相关, 大于0表示存在空间集聚, 小于0表示存在空间发散分布。通常需要对Global Moran's I值进行显著性检验：

$\begin{matrix} Z = \frac{I - E (I)}{\sqrt[]{var (I)}} \end{matrix}$ （4）

其中：E(I)为期望值, var(I)为方差。当空间相关关系存在时, Z大于0则为空间正相关, 小于0为空间负相关。之后通过局部空间自相关LISA（Local indicators of spatial association）, 分析其局部空间集聚状况。

1.2.4 密度分析

密度分析是通过离散点进行内插计算的过程。其中核密度分析（Kernel Density Estimation, KDE）采用核函数通过对搜索区内的点赋以不同权重而使结果分布更为平滑。

$\begin{matrix} \hat{f} (x) = \frac{1}{n h^{d}} \overset{n}{\sum_{i = 1}} K [\frac{h}{h} (x - x_{i})] \end{matrix}$ （5）

其中：K[ ]为核函数, h为带宽, n为在带宽范围内的已知点数目, d为数据的维度。在本文研究中, 采样点具有不同的规模大小, 核密度估算中需要考虑规模变量, 即对于不同规模的已知点, 依据规模确定计数次数, 以消除样点自身属性的不同, 保证统计数据的客观性。

2 北京市旅游资源吸引力评价

参与统计的北京市旅游资源点共415个, 其中自然景观类旅游资源点为108个, 人文景观类旅游资源点为203个, 休闲活动类旅游资源点为104个, 共有16个亚类的旅游资源（表3）。其中遗迹遗址类资源点总量最多, 其次是文化场所类和地文景观类。总体旅游吸引度综合评价值M为0.32。自然景观类（A类）中, 平均旅游吸引力指数为0.31; 人文景观类（B类）中, 平均旅游吸引力指数为0.33; 休闲活动类（C类）中, 平均旅游吸引力指数为0.32。可见, 在北京市的旅游资源中, 人文景观类资源的吸引力相对较高, 但全市范围内三类资源的吸引力相差不大。从亚类上来看, 人文综合类（BE）、购物休闲类（CC）和公共游憩类（CA）的旅游吸引力分列前三位。总体来看, 北京市吸引力最高的前五位旅游资源点为颐和园、故宫、八达岭长城、南锣鼓巷和圆明园, 除南锣鼓巷外均为人文景观类旅游资源。而若就官方接待量而言, 一般认为故宫、八达岭长城、颐和园、北海公园和北京动物园为游客前五位的旅游资源点, 这与本文所得的吸引力排名前五的旅游资源点存在一定的差异, 这主要是因为在本文的吸引力定义及评价中, 接待状况只是评价体系中的一部分, 且网络数据无法反映用户所在地域, 无法区分本地一日游居民与外地游客。

表3 北京市各类旅游资源的吸引力评价 Table 3 Evaluation of tourism attraction of three kinds of tourism resources in Beijing

其中自然景观类（A类）旅游吸引力排名前五位的分别为香山公园、京都第一瀑、奥林匹克森林公园、龙庆峡和十渡, 以地文景观类为主。人文景观类（B类）旅游吸引力排名前五位的分别为颐和园、故宫、八达岭长城、圆明园和天坛, 除圆明园外均为世界文化遗产。而休闲活动类（C类）中吸引力排名前五位的为南锣鼓巷、天安门广场、北京动物园、鸟巢和世界公园, 包括休闲街区、体育场馆和主题公园等类型。

对每个指标下各类型的旅游资源点得分情况进行分析, 其中游览意向方面, 颐和园、故宫、南锣鼓巷三个景点排名最靠前, 人文综合类（BE）、购物休闲类（CC）、娱乐休闲类（CB）三个亚类排名靠前, 而其他休闲类（CG）、产业休闲类（CF）和文化场所类（BB）排在最后, 说明这些旅游资源还需要扩大推广力度, 增强品牌效应, 提升游客兴趣度, 提高潜在游客的游览意向。从接待情况来看, 排名前三位的景点是购物休闲类（CC）、人文综合类（BE）、娱乐休闲类（CB）, 排名后三位的是保健疗养类（CE）、水域风光类（AB）和产业休闲类（CF）, 这部分休闲活动类旅游景点市场普适度不是很高, 在今后的规划和开发中应面向大众市场, 进一步扩大市场范围, 提高其游客接待量。总体评价方面排名前三位的是人文综合类（BE）、购物休闲类（CC）和人文活动类（BD）旅游资源, 排名后三位的为保健疗养类（CE）、其他休闲类（CG）、遗址遗迹类（BA）, 这些排名靠后类型的旅游景点要注重提高游客体验, 完善服务体系, 提高游客满意度。分享情况方面排名前三位的是人文综合类（BE）、景观建筑类（BC）、购物休闲类（CC）, 排名后三位的是保健疗养类（CE）、其他休闲类（CG）和体育健身类（CD）, 对于分享情况靠后的景区要提高信息化建设程度, 同时可以采取评价返利、增强互联网线上推广、同相关网站合作等方式鼓励推动游客评价和游览信息分享。价格方面排名前三位的是景观建筑类（BC）、人文综合类（BE）和公共游憩类（CA）, 排名后三位的是产业休闲类（CF）、其他休闲类（CG）、和水域风光类（AB）, 部分景点可以采取降低消费价格或活动促销等手段提高其旅游吸引力。

3 北京市旅游资源吸引力的空间分析

3.1 全局空间自相关分析

通过对全部旅游资源点和分别对自然景观类资源点（A类）、人文景观类资源点（B类）、休闲活动类资源点（C类）的吸引力进行全局Moran's I计算, 发现所有I值均大于0, 显著性检验Z值均大于0且显著, 表明资源点吸引力之间存在空间正相关。而其中I_C> I_A> I_B（表4）, 表明C类休闲活动类资源吸引力的空间集聚性最高, A类自然景观资源点吸引力的空间集聚性其次, B类人文景观类资源点吸引力的空间集聚性最小。

表4 不同类型旅游资源的吸引力全局Moran's I指数 Table 4 Global Moran’ s I of different kinds of tourism resources attraction

经进一步分析, 作者认为C类休闲活动类资源吸引力具有最强的空间集聚特征是因为休闲活动类资源点分布受自然地理要素限制较小, 而与交通、客源、区位等因素影响较大, 所以休闲活动类资源点多分布在市中心, 空间布局上更容易产生集聚, 所以其旅游资源吸引力也更容易形成空间集聚。A类自然景观类资源点吸引力的空间集聚特征明显是因为自然景观类资源点多与自然地理要素有关, 而自然资源, 尤其以山、水为代表的具有连续性的自然本底多具有空间集聚性, 这导致了相邻的自然景观类旅游资源吸引力往往较相似, 出现了较强的空间集聚。B类人文景观类景点多以历史遗迹、文化活动场所等为主, 虽然总体分布上主要集中在城六区, 但其吸引力主要由自身因素所决定, 受周边地理因素影响不大, 故其吸引力的空间集聚特征较小。

3.2 局部空间自相关分析

不同类型的旅游资源吸引力在地理上集聚的总体情况并不能反映局部空间的差异变化, 因此对每种资源类型的吸引力值进行局部空间自相关（LISA）分析, 探讨其空间集聚特征。

3.2.1 自然景观类资源点吸引力空间格局

受自然资源本底影响, 北京市自然景观类旅游资源点分布较为均匀, 并出现西北多、东南少的状况, 这与北京市的西北山地多、地势高、自然环境较好的特征是相吻合的。通过对北京市自然景观类旅游资源点做核密度分析, 以10 km为搜索半径, 以资源点的旅游吸引力指数作为规模变量, 得到北京市自然景观类旅游资源的吸引力密度分布图 [图1(a)], 发现自然景观类的旅游资源存在多个吸引力集中片区, 且分布较为均匀, 其中以“ 海淀区-昌平区” 和“ 密云区-怀柔区” 两片最为集中, 而这两个片区也是北京市自然环境较好的地区。而自然景观类资源点的吸引力集聚区主要在海淀区, 其中8个资源点为高-高集聚（自身吸引力强, 相邻旅游点的吸引力也强）, 为旅游吸引力热点地区。5个资源点为低-高集聚区（自身吸引力弱, 但相邻点吸引力强）, 是旅游吸引力次热点地区。低-低集聚的点有3个（自身吸引力弱, 相邻点吸引力也弱）, 位于房山区, 是旅游吸引力的冷点地区。高-低集聚有4个点（自身吸引力强, 相邻点吸引力弱）, 主要位于郊区的密云区和房山区, 是旅游吸引力的次冷点地区。其余旅游资源点在吸引力方面空间集聚不显著 [图1(b)]。以上结果表明了自然景观类旅游资源吸引力受自然资源和环境条件影响较大, 但旅游资源吸引力的空间集聚区主要位于城六区, 这主要是受交通、区位、设施等条件的影响, 而导致地理空间位置较近的资源点吸引力相互之间存在一定的相似性。

	Figure Option View Download New Window
	图1 自然景观类旅游资源点吸引力空间格局Fig. 1 Spatial pattern of natural tourism resources attraction

3.2.2 人文景观类资源点吸引力空间格局

通过对北京市人文景观类资源吸引力密度分析（方法和参数同自然景观类）, 发现“ 东城区-西城区” 片区是北京市人文景观资源的集中区 [图2(a)]。这是因为受城市历史发展影响比较大, 人文旅游资源尤其是历史遗迹、文物等资源多集中于老城区, 本文统计的203个人文景观类旅游资源点中有150个位于城六区, 占总数的74.26%, 且吸引力较高的人文景观类资源点大多位于城六区。其中71个点为高-高集聚区, 是旅游吸引力热点区, 全部位于城六区。76个点是低-高集聚区, 为吸引力次热点地区, 除拉斐特城堡和清河西汉古城遗址两个景点外, 其余全部位于城六区。主城六区内人文旅游资源形成旅游吸引力热点区和次热点区相间分布的现象。低-低集聚的点有两个, 形成冷点区, 高-低集聚的点有两个形成次冷点区, 均位于密云区和平谷区内。城六区外其他资源点大部分呈现旅游吸引力空间集聚效应不显著的现象 [图2(b)]。城六区是人文景观类旅游资源点吸引力的集聚中心, 而各资源点之间由于交通便捷、距离较近, 相互的联动和辐射效应比较大, 形成了吸引力集聚。

	Figure Option View Download New Window
	图2 人文景观类旅游资源点吸引力空间格局Fig. 2 Spatial pattern of humane tourism resources attraction

3.2.3 休闲活动类景资源点吸引力空间格局

休闲活动类资源点主要以承载居民休闲活动为主, 其分布受人流密度、交通、环境等条件影响较大, 休闲活动类景点整体上以在主城六区分布为主, 市郊区特别是北部山区也有一定分布 [图3(a)]。对北京市休闲活动类旅游资源吸引力进行密度分析（方法和参数同自然景观类）后发现, 北京市休闲活动类旅游资源吸引力集中区也主要位于以“ 东城区-西城区” 为核心的主城区。其中41个点为高-高集聚的旅游吸引力热点区, 38个点为低-高集聚的吸引力次热点区, 这两类点仍然以位于主城六区为主, 分布上热点区主要位于中心地带, 周边为次热点区。位于低-低集聚的冷点区的资源点共15个, 主要位于郊区的密云、延庆和怀柔区。其余10个点吸引力空间集聚效果不显著 [图3(b)]。大部分休闲活动类资源点吸引力均出现空间集聚特征, 这是因为休闲活动类旅游资源具有很强的带动和辐射效应, 在空间上很容易形成片区和产业集群, 是带动地方旅游业连片发展和整体提升的重要资源。

	Figure Option View Download New Window
	图3 休闲活动类旅游资源点吸引力空间格局Fig. 3 Spatial pattern of leisure tourism resources attraction

4 结论与讨论

本文基于百度旅游、同程网、大众点评三个主要的互联网旅游信息平台进行分析, 获取北京市415个旅游资源点的相关指标和信息。建立城市旅游资源分类体系, 对北京市城市旅游资源点进行分类整理。基于对网络信息中相关指标的理解和整理, 将所获取的指标分为“ 游览意向” 、“ 接待情况” 、“ 总体评价” 、“ 分享情况” 和“ 价格” 5个一级指标, 来源网站作为二级指标, 三级指标为直接获得的18个指标, 除二级指标外均采用AHP的方法赋以权重, 建立基于网络信息的城市旅游资源吸引力评价指标体系。对所获取的数据进行标准化等进一步处理, 代入旅游吸引力评价指标体系进行计算, 得出每种类型的旅游资源及每个旅游资源点的旅游吸引力。采用探索性空间分析、密度分析等空间分析方法, 对每个类型的旅游资源吸引力进行进一步分析, 探究其空间格局。研究发现：

1）符合统计条件的北京市旅游资源点共415个, 其中人文景观类旅游资源点最多, 为203个, 这其中遗迹遗址类景点最多。其次是自然景观类旅游资源点为108个, 休闲活动类旅游资源点为104个, 共16个亚类的旅游资源。

2）北京市全部旅游资源点吸引力平均值为0.32, 其中人文景观类资源平均旅游吸引力最高, 为0.33, 其次为休闲活动类, 平均旅游吸引力为0.32, 自然景观类资源平均旅游吸引力为0.31。亚类中人文综合类、购物休闲类和公共游憩类排名前三, 而其他休闲类、保健疗养类、体育健身类排名较为靠后。依据一级指标得分对不同类型的旅游资源吸引力进行评价, 并提出相应的提升措施。

3）通过对各类型资源旅游吸引力全局空间自相关分析发现, 所有类型的旅游资源吸引力均存在空间集聚, 均呈空间正相关, 其中集聚度休闲活动类> 自然景观类> 人文景观类。

4）对每种类型资源的旅游吸引力进行密度分析和局部空间自相关分析, 发现：自然景观类资源存在多个吸引力密度中心, 其中“ 海淀区-昌平区” 和“ 密云区-怀柔区” 两片为吸引力密度最大的地区。空间集聚上来看, 主城区是主要的热点集聚区, 其他地区空间集聚性不显著。人文景观类资源点主要集中在主城区, 而主城区尤其是老城区是旅游吸引力的最高密度区。主城区呈热点区与次热点区相间分布的空间集聚状态, 周边地区旅游资源吸引力空间集聚不显著。主城区同样也是休闲活动类旅游资源吸引力的高密度区, 主城区核心即老城区是休闲活动类资源旅游吸引力的热点区, 周边为次热点区, 北部延庆区、怀柔区、密云区为冷点区。

本文重新对城市旅游资源进行分类, 并提出了基于网络信息的旅游资源吸引力评价的新方法, 对北京市不同类型的城市旅游资源吸引力进行评估; 采用多种空间分析方法, 研究各类型城市旅游资源吸引力的空间分布特征与格局, 对于城市旅游资源的分类、评价、规划和开发具有一定的指导意义和实践借鉴。但由于资源本身的复杂性, 对于所选取的资源点范围、分类等仍有待进一步的研究。此外, 网络信息数据的有效性以及本文所建立的旅游吸引力评价指标体系的合理性也需要进一步的实例验证。

随着互联网的普及和网络信息的爆炸式发展, 信息的传输速度不断加快, 不对称性逐步削弱, 而互联网产业和技术也正在对传统产业进行融合与提升。网络大数据的运用可以更快、更直接、更宏观地反映旅游现象和产业发展。因此, 对于旅游资源的开发和运营要充分结合互联网, 注重网络口碑营销, 拓展信息分享渠道, 以持续带动现有和潜在客源。在发展策略的制定上也要注重游客需求分析、现有市场状况, 及时调整发展思路。

对于北京市旅游资源的开发, 要注重空间上的关联性, 提升城郊自然景观类旅游资源交通和设施的便利程度, 推动形成自然景区集聚区; 而对于人文景观类旅游资源, 建议增强资源点之间的联系, 形成组合产品, 推动整体吸引力提升; 休闲活动类因其具有较强的产业和区域带动性将继续成为今后的开发重点, 在项目开发中建议继续丰富资源种类, 提升资源品质, 以形成持续的游客吸引力。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	Gunn C A, Var T. Tourism planning: Basics, Concepts, Cases[M]. London: Routledge, 1988. [本文引用:1]
[2]	Lew A A. A framework of tourist attraction research[J]. Annals of Tourism Research, 1987, 14: 553-575. [本文引用:1]
[3]	MacCannell D. The Tourist: A New Theory of the Leisure Class [M]. New York: Schocken Books Press, 1976. [本文引用:1]
[4]	吴必虎, 徐斌, 邱扶东. 中国国内旅游客源市场系统研究 [M]. 上海: 华东师范大学出版社, 1999. [WU Bi-hu, XU Bin, QIU Fu-dong. Chinese Domestic Tourism Market System Research. Shanghai: East China Normal University Press, 1999. ] [本文引用:1]
[5]	聂献忠. 现代城市旅游业经营 [M]. 北京: 社会科学文献出版社, 2003. [NIE Xian-zhong. Modern City Tourism Management. Beijing: Social Sciences Academic Press, 2003. ] [本文引用:1]
[6]	郭亚军, 郝索. 旅游区引力系统探析[J]. 旅游科学, 2000(4): 5-8, 38. [GUO Ya-jun, HAO Suo. Gravitational systems in tourism area. Tourism Science, 2000(4): 5-8, 38. ] [本文引用:1]
[7]	陈岩英. 旅游地的吸引力系统及其管理研究[J]. 旅游科学, 2004, 18(3): 16-21. [CHEN Yan-ying. A study of attractiveness system of tourism destinations and its management. Tourism Science, 2004, 18(3): 16-21. ] [本文引用:1]
[8]	Crampon L J. Gravitational model approach to travel market analysis[J]. Journal of Marketing, 1966, 30: 27-31. [本文引用:1]
[9]	Wolfe R I. The inertia model[J]. Journal of Leisure Research, 1972, 4: 73-76. [本文引用:1]
[10]	Edwards S L, Dennis S J. Long distance day tripping in Great Britain[J]. Journal of Transport Economics and Policy, 1976, 10: 237-256. [本文引用:1]
[11]	Cesario F J, Knetseh J L. A recreation site demand benefit estimate on model[J]. Regional Studies, 1976, 10: 97-104. [本文引用:1]
[12]	保继刚. 引力模型在游客预测中的应用[J]. 中山大学学报: 自然科学版, 1992, 31(4): 133-136. [BAO Ji-gang. An application of gravity model in tourist forecasting. Acta Scientiarum Naturalium Univertatis Sunyatseni, 1992, 31(4): 133-136. ] [本文引用:1]
[13]	张凌云. 旅游地引力模型研究的回顾与前瞻[J]. 地理研究, 1989, 8(3): 21-23. [ZHANG Ling-yun. Review on the study of tourism gravity models and its future. Geographical Research, 1989, 8(3): 21-23. ] [本文引用:1]
[14]	沈惊宏, 陆玉麒. 中国市域旅游综合吸引力指数评价[J]. 自然资源学报, 2012, 27(4): 662-673. [SHEN Jing-hong, LU Yu-qi. Evaluation about composite attraction index of tourism in Chinese cities. Journal of Natural Resources, 2012, 27(4): 662-673. ] [本文引用:1]
[15]	肖建红, 于庆东, 张运磊, 等. 基于CMV的旅游相关资源价值评估总体范围扩展方法研究[J]. 自然资源学报, 2013, 28(9): 1623-1635. [XIAO Jian-hong, YU Qing-dong, ZHANG Yun-lei, et al. Extended methods of population range on evaluation of tourism related resources based on contingent valuation method. Journal of Natural Resources, 2013, 28(9): 1623-1635. ] [本文引用:1]
[16]	保继刚. 旅游开发研究: 理论、方法与实践 [M]. 北京: 科学出版社, 1996. [BAO Ji-gang. Research on Tourism Development: Theory, Method and Practice. Beijing: Science Press, 1996. ] [本文引用:1]
[17]	张文彬, 李松林, 余建坤, 等. 模糊数学在旅游吸引力评价中的应用研究[J]. 云南师范大学学报: 自然科学版, 2005, 25(6): 62-66. [ZHANG Wen-bin, LI Song-lin, YU Jian-kun, et al. Application study of fuzzy mathematics on travel appeal appraising. Journal of Yunnan Normal University, 2005, 25(6): 62-66. ] [本文引用:1]
[18]	王静. 基于游客感知的旅游吸引力研究 [D]. 北京: 首都师范大学, 2012. [WANG Jing. Research on Tourism Attraction Based on the Tourists Perception. Beijing: Capital Normal University, 2012. ] [本文引用:1]
[19]	李芬, 孙然好, 陈利顶. 北京城市公园湿地的休憩吸引力评价[J]. 应用生态学报, 2012, 23(8): 2093-2099. [LI Fen, SUN Ran-hao, CHEN Li-ding. Recreational attraction of urban park wetland s in Beijing. Chinese Journal of Applied Ecology, 2012, 23(8): 2093-2099. ] [本文引用:1]
[20]	马丽君, 孙根年, 黄芸玛, 等. 城市国内客流量与游客网络关注度时空相关分析[J]. 经济地理, 2011, 31(4): 680-685. [MA Li-jun, SUN Gen-nian, HUANG Yun-ma, et al. A correlative analysis on the relationship between domestic tourists and network attention. Economic Geography, 2011, 31(4): 680-685. ] [本文引用:1]
[21]	李山, 邱荣旭, 陈玲. 基于百度指数的旅游景区络空间关注度: 时间分布及其前兆效应[J]. 地理与地理信息科学, 2008, 24(6): 102-107. [LI Shan, QIU Rong-xu, CHEN Ling. Analysis on inbound tourism market and its development measures of Gansu Province. Geography and Geo-Information Science, 2008, 24(6): 102-107. ] [本文引用:1]
[22]	路紫, 赵亚红, 吴士锋, 等. 旅游网站访问者行为的时间分布及导引分析[J]. 地理学报, 2007, 62(6): 621-630. [LU Zi, ZHAO Ya-hong, WU Shi-feng, et al. The time distribution and guide analysis of visiting behavior of tourism website users. Acta Geograhica Sinica, 2007, 62(6): 621-630. ] [本文引用:1]
[23]	路紫, 李晓楠. 旅游网站访问者行为时间分布的复杂化与网站功能深度使用分析[J]. 人文地理, 2011, 2(2): 7-12, 48. [LU Zi, LI Xiao-nan. The time distribution complication of tourism website users behavior and usability analysis of tourism website function in depth. Human Geography, 2011, 2(2): 7-12, 48. ] [本文引用:1]
[24]	李君轶, 杨敏. 西安国内游客旅游网络信息搜索行为研究[J]. 经济地理, 2010, 30(7): 1212-1216, 1220. [LI Jun-yi, YANG Min. Research on internet information search behaviors of domestic tourists. Economic Geography, 2010, 30(7): 1212-1216, 1220. ] [本文引用:1]
[25]	路紫, 李晓楠, 杨小彦, 等. 基于旅游网站交互功能的访问者行为多时间维度研究[J]. 经济地理, 2010, 30(12): 2100-2103. [LU Zi, LI Xiao-nan, YANG Xiao-yan, et al. Multiple time dimensions of visitors’ behavior based on the interactive function of tourism websites. Economic Geography, 2010, 30(12): 2100-2103. ] [本文引用:1]
[26]	柳礼奎. 旅游网站对潜在人流的导引率研究 [D]. 石家庄: 河北师范大学, 2007. [LIU Li-kui. The Guiding Rate Study of Tourism Website to Potential Human Flow—Taking Trip Website’s Find Travel Mate as a Case. Shijiazhuang: Hebei Normal University, 2007. ] [本文引用:1]
[27]	杨振之. 论度假旅游资源的分类与评价[J]. 旅游学刊, 2005, 20(6): 30-34. [YANG Zhen-zhi. On the classification and evaluation of holiday tourism resources. Tourism Tribune, 2005, 20(6): 30-34. ] [本文引用:1]
[28]	郭来喜, 吴必虎, 刘锋, 等. 中国旅游资源分类系统与类型评价[J]. 地理学报, 2000, 55(3): 294-301. [GUO Lai-xi, WU Bi-hu, LIU Feng, et al. Study on the tourist resources classification system and types evaluation in China. Acta Geographica Sinica, 2000, 55(3): 294-301. ] [本文引用:1]
[29]	王建军, 李朝阳, 田明中. 生态旅游资源分类与评价体系构建[J]. 地理研究, 2006, 25(3): 507-516. [WANG Jian-jun, LI Chao-yang, TIAN Ming-zhong. The establishment of the classification and evaluation system of ecotourism resource. Geographical Research, 2006, 25(3): 507-516. ] [本文引用:1]
[30]	黄震方, 祝晔, 袁林旺, 等. 休闲旅游资源的内涵、分类与评价——以江苏省常州市为例[J]. 地理研究, 2011, 30(9): 1543-1553. [HUANG Zhen-fang, ZHU Ye, YUAN Lin-wang, et al. The intention, classification and evaluation of leisure tourism resources: A case study of Changzhou, Jiangsu Province. Geographical Research, 2011, 30(9): 1543-1553. ] [本文引用:1]

1988

0.0

... Gunn等认为,旅游吸引力就是旅游者对旅游地的感知和体验^[1] ...

1987

0.0

... Lew认为,旅游吸引力就是促使游客离家前往目的地的所有因素^[2] ...

1976

0.0

... MacCannell认为,旅游吸引力的形成包括三部分：游客、景点和游客对目的地形成的显著印象^[3] ...

1999

0.0

... 吴必虎等认为旅游目的地的吸引力就是目的地的各类条件和若干因素综合作用而形成的对旅游者的诱惑程度^[4] ...

2003

0.0

... 聂献忠认为旅游吸引力是目的地的旅游资源对游客的心理和感知刺激的程度^[5] ...

0.0

郭亚军, 郝索. 旅游区引力系统探析[J]. 旅游科学, 2000(4): 5-8, 38.

[GUO

Ya-jun

, HAO

Suo.

Gravitational systems in tourism area. Tourism Science, 2000(4): 5-8, 38. ]

本文结合实际，针对旅游区经营管理中出现的现实问题，提出旅游区引力系统构建的基本方法，增强旅游区的竞争实力。

... 郭亚军、陈岩英等则认为旅游吸引力是一个包含自然、人文、心理、体验等各种吸引力要素的复杂系统^[6,7] ...

2004

0.0

陈岩英. 旅游地的吸引力系统及其管理研究[J]. 旅游科学, 2004, 18(3): 16-21.

[CHEN

Yan-ying

. A study of attractiveness system of tourism destinations and its management. Tourism Science, 2004, 18(3): 16-21. ]

旅游地的吸引力是一种结构性的吸引力,它由旅游资源吸引力、旅游服务吸引力、旅游环境吸引力等要素共同构成,这一结构系统中的吸引力要素存在演化逻辑上的差异.从形成过程看,旅游地吸引力系统要经历运作结构形成、运作结构被感知、结构形象树立和结构吸引力定型等基本阶段.

... 郭亚军、陈岩英等则认为旅游吸引力是一个包含自然、人文、心理、体验等各种吸引力要素的复杂系统^[6,7] ...

1966

0.0

... 对于旅游吸引力的定量化,国内外均有一定的研究成果,Crampon提出了基本吸引力模型,认为客源地与目的地间的旅游次数和客源地人口规模、目的地容量及两地之间的距离相关^[8] ...

1972

0.0

... Wolfe、Edwards、Cesario等又分别对此模型进行了进一步修正^[9,10,11] ...

1976

0.0

... Wolfe、Edwards、Cesario等又分别对此模型进行了进一步修正^[9,10,11] ...

1976

0.0

... Wolfe、Edwards、Cesario等又分别对此模型进行了进一步修正^[9,10,11] ...

1992

0.0

保继刚. 引力模型在游客预测中的应用[J]. 中山大学学报: 自然科学版, 1992, 31(4): 133-136.

[BAO

Ji-gang

. An application of gravity model in tourist forecasting. Acta Scientiarum Naturalium Univertatis Sunyatseni, 1992, 31(4): 133-136. ]

本文利用北京市1985年6月份国内游客抽样调查资料,应用引力模型,选用若干指标建立了北京市6月份国内游客预测数学模型。

... 国内学者保继刚、张凌云等也利用相似的模型以及回归模型等对案例地进行了旅游吸引力的分析^[12,13] ...

1989

0.0

张凌云. 旅游地引力模型研究的回顾与前瞻[J]. 地理研究, 1989, 8(3): 21-23.

[ZHANG

Ling-yun

. Review on the study of tourism gravity models and its future. Geographical Research, 1989, 8(3): 21-23. ]

This article introduces and summarizes the research on tourism gravity models done by foreign scholars as well as the research work in recent years pursued by the author on this subject.Former tourism models made by western tourism geographers are drawn from experiences in the region and have poor theorefical basis, so that the model applied in a specific region,whatever formula or methord used, is not available for other regions.In 1986, I wrote a thesis about tourism macroscopic layout in Japan.In that thesis, by considering a tourism attraction mechanism, a more gerneral gravity model was made.Thus, it provide a new way which helps analyze and study tourism layouts and locations. Further, I advances a new concept, Attraction Field of Tourism Layout.It describs and analysises tne distribution and structure of Attraction Field as well as the reciprocal behavior between the each centre source.The tourism attraction is quite complex, which includes multi——factors ofnature, economy and society.It is too difficult to use a simple factor to explain exactly the reason for tourism attraction.In the part of this article, the writer also makes a tentative analysis on the tendency of the development of the gravity models theory, citing some examples such as.1) The overall study on multi-branches of learning. The tourism gravity models may involve economics (tourism competitive models, threshold models and so on.)2) The randomness and f uzziness of tourism gravity models (applied statistics models, Markov chain models and fuzzy models.)3) Study of systematology (the growth and distribution models of dynamics system, etc.)

本文简要地介绍和总结了国外学者在旅游地引力模型上所作的研究以及作者近年来在这方面的工作和探索,并对引力模型理论发展的可能趋势作了初步的分析。

... 国内学者保继刚、张凌云等也利用相似的模型以及回归模型等对案例地进行了旅游吸引力的分析^[12,13] ...

2012

0.0

沈惊宏, 陆玉麒. 中国市域旅游综合吸引力指数评价[J]. 自然资源学报, 2012, 27(4): 662-673.

[SHEN

Jing-hong

, LU

Yu-qi

. Evaluation about composite attraction index of tourism in Chinese cities. Journal of Natural Resources, 2012, 27(4): 662-673. ]

In the paper 338 cities in China are regarded as tourism destinations and tourist markets. Using the attraction opportunity model, the author surveys the attraction index of tourism resources in the Chinese city territory, and taking Nanjing as an example, divides traveling destinations and tourist markets as 5 ranks through the GIS space visualization. The first three higher grades tourism destination cities gradually declining from centre to periphery encircle Nanjing. It proves fully that location acts basic function. The result is that the distribution of different ranks traveling destinations of Nanjing shows the weaken rule away from distance, but it presents the position spanning phenomenon. Tourist markets also are assorted as a five-rank classification. It shows most of the tourist markets of Nanjing cluster around it, and the grade declines from centre to periphery, western to eastern. But there is no strict bound among all grade tourist markets, and they interlock mutually. The phenomenon takes place in the third, the fourth, and the fifth tourism destinations. When a city's tourism size is larger than other cites around, the weaken rule away from distance will be not distinct, and the size of tourism destination will control their grade locations of tourist markets for the destination's immense attraction. Then it causes that the grade of remote tourist market is higher than the nearer one. The grades of tourist market at the two poles are few while those in the middle are many. That is to say, both the higher and lower grade tourist markets are few, and the medium grade tourist markets are many. The author evolves the model of attraction index countering thoughts to survey ranking list of attraction index in the Chinese cities, and divides it into five classifications and visualize it using GIS. The result shows that there are no clear bounds among the five classification cities. They interlace each other. But the attraction of the cities still takes on the dim outline from bigness to smallness. Basically, the most attractive cities are located in eastern and central areas. The attraction gradually becomes weak from eastern to western, from central to southern and northern. In the end, taking the accessibility of Chinese cities as the foundation, the author divides ten classifications of development degree of tourism resources in Chinese cities in terms of uniformity or not between ranking list of attraction indexes and tourist scale to contrast them for development of city tourism. The ten classification cities are fully developed tourism cities and national developed tourism cities, national developing tourism cities, national less developed tourism cities, local developed tourism cities, local developing tourism cities, local less developed tourism cities, outlying developed tourism cities and outlying developing tourism cities and outlying less developed tourism cities.

论文以中国338个市域作为旅游客源地和旅游目的地,测算其旅游吸引力指数。以南京市为例,通过GIS空间可视化并分别划分出5个等级旅游目的地及旅游客源地。结果发现南京不同等级旅游目的地呈距离衰减规律,但同时出现区位跨越现象;南京旅游客源地总体上亦呈现距离衰减规律,但也出现远距离客源地等级甚至比近距离客源地等级要高的现象。笔者把吸引指数模型逆思维推演测算出了中国城市总吸引指数排名,并以可达性为基础,根据旅游目的地城市总吸引指数和旅游规模排名位序是否一致划分出中国城市旅游的发展程度现状10种类型,为城市旅游发展提供比较参考。

... 沈惊宏和陆玉麟利用市场概率模型对我国城市旅游吸引力指数进行了测算^[14],肖建红等则利用条件价值评估法（CVM）对旅游资源的价值进行评判^[15] ...

2013

0.0

肖建红, 于庆东, 张运磊, 等. 基于CMV的旅游相关资源价值评估总体范围扩展方法研究[J]. 自然资源学报, 2013, 28(9): 1623-1635.

[XIAO

Jian-hong

, YU

Qing-dong

, ZHANG

Yun-lei

, et al. Extended methods of population range on evaluation of tourism related resources based on contingent valuation method. Journal of Natural Resources, 2013, 28(9): 1623-1635. ]

The contingent valuation method (CVM) is important for evaluating tourism related resources. The accuracy of the results was determined by WTP (or WTA) and population range. For CVM, improving the accuracy of WTP (or WTA) was the main research topic from home and abroad, but related studies on extended method of population range were few. In abroad, the population range on evaluation of tourism related resources was extended to users, households in or nearby the areas where tourism related resources located. The domestic population range was extended to users, residents or employees in the areas where tourism related resources located, or related residents or employees in the whole country. All these methods had some defects. According to the survey samples' information, extended methods of non-users and users population range were put forward. The non-users' population range was based on tourism related resources attention degree coefficient, which was represented by relative travel rate. The users' population range was based on tourist numbers. The paper conducts an empirical analysis by the extended methods, which evaluate non-use value of tourism resources of Putuo golden triangle in Zhoushan city in the base year 2008. The result reveals that: the non-use value of tourism resources of Putuo golden triangle is 345.83×10 6 yuan RMB in 2008. The contribution of domestic non-users, domestic users, and foreign users were 159.21×10 6 , 184.17×10 6 and 2.45×10 6 yuan RMB respectively. The result is more reasonable than the others which evaluated by the existed domestic and foreign extended methods.

1. Business College, Qingdao University, Qingdao 266071, China; 2. Physical Science College, Qingdao University, Qingdao 266071, China

条件价值评估法(CVM)是旅游相关资源价值评估的重要方法,其评估结果的准确性主要由支付意愿(WTP)或补偿意愿(WTA)和总体范围扩展两者决定。目前,国内外关于CVM方法的相关研究主要是针对提高WTP(或WTA)的准确性,而关于总体范围扩展方法的相关研究较少。国外旅游相关资源价值评估总体范围主要扩展为使用者,或资源所在区域的家庭,或资源所在邻近区域的家庭;国内主要扩展为使用者,或资源所在区域的居民,或资源所在区域的就业者,或全国范围的相关居民或就业者;这些总体范围扩展方法均存在一些缺陷。论文以调查样本信息为依据,提出了一种基于旅游相关资源关注度系数(用出游小区相对旅游率表示)的非使用者总体范围扩展方法和基于游客量的使用者总体范围扩展方法,并以舟山普陀金三角景区非使用价值评估为例,以2008年为评价基准年份,进行了实证分析。结果表明:普陀金三角旅游资源非使用价值为345.83×10 6 元/a,其中非使用者贡献159.21×10 6 元/a,国内使用者贡献184.17×10 6 元/a,国外使用者贡献2.45×10 6 元/a。并与国内外各种总体范围扩展计算的结果进行对比,该结果较为合理。

1996

0.0

... 旅游资源,尤其是高级别的旅游资源是旅游产业的物质基础^[16],是旅游目的地的重要实体吸引物 ...

2005

0.0

张文彬, 李松林, 余建坤, 等. 模糊数学在旅游吸引力评价中的应用研究[J]. 云南师范大学学报: 自然科学版, 2005, 25(6): 62-66.

[ZHANG

Wen-bin

, LI

Song-lin

, YU

Jian-kun

, et al. Application study of fuzzy mathematics on travel appeal appraising. Journal of Yunnan Normal University, 2005, 25(6): 62-66. ]

文章针对旅游吸引力的评价问题,将层次分析法应用于模糊综合评价法中,建立了模糊综合评价的多层次、多算子的数学模型,研究了旅游吸引力的评价问题,消除定性分析因主观因素带来的不确定性,使旅游吸引力评价更加趋于科学化、合理化.并且给出了一个实例说明其应用.

... 目前对于旅游资源单体吸引力的定量化研究较少,现有研究多采用问卷调查法、德尔菲法、模糊综合分析法等传统研究方法^[17,18,19],从旅游资源的条件出发,偏重于资源品级与现状,较少触及现有市场及潜在市场,部分研究将旅游资源吸引力评价与旅游资源的评价混为一谈,游客感知与评价无法有效体现 ...

2012

0.0

王静. 基于游客感知的旅游吸引力研究 [D]. 北京: 首都师范大学, 2012.

[WANG

Jing

. Research on Tourism Attraction Based on the Tourists Perception. Beijing: Capital Normal University, 2012. ]

现代化的旅游已经从单纯的观光游玩逐步发展到了深层次的旅游休闲,在这样的背景下古城镇旅游也随之盛行,那么提升古城镇旅游的吸引力显得尤为重要。旅游本身是旅游资源、旅游服务、旅游者相互作用的结果,只有旅游资源的开发满足旅游者的需求,才能够给游客留下深刻印象,从而增加游客量。所以本文从游客感知出发,让游客对平遥旅游做出评价,从而能够给平遥旅游的发展提供思路和方向。根据数据显示平遥古城的游客量每年是递增的,但是游客的增加量却逐年递减,这说明平遥旅游的潜在旅游者数量在不断下降,因此目前提高平遥旅游的吸引力是非常重要的。本文通过对游客感知的调研,运用了层次分析法得到每个因子的权重,从而分析平遥旅游吸引力影响因子对平遥旅游的影响.这样就可以掌握平遥旅游影响因子实际状况与游客心中的满意度之间的差距,最终能够通过改善影响因子而吸引更多的游客。本文首先通过对平遥9年游客量和门票收入数据的统计和分析,能够清楚的了解目前平遥旅游的基本状态。其次通过在平遥发放调查问卷和与导师、同学的研究得出平遥旅游吸引力的旅游影响因子。然后根据游客对这些因子的感知程度,最终掌握哪个旅游因子没有达到游客的满意,需要进一步的改进和挖掘。本文分为六部分,第一章绪论是介绍了本文的研究背景、研究意义以及研究思路和方法。第二章介绍了本文研究需要的理论基础,并对国内外的相关文献做出了总结,最终得出自己对古城镇旅游概念的界定。第三章是通过对平遥游客量及门票收入数据的收集,分析了近几年平遥旅游的发展状况。第四章是通过问卷调查和研究得出了影响平遥旅游的因子,并能够对游客的感知确定那些因子在游客心中是较满意的,哪些因子还需要进一步的完善。第五章是通过问卷调查得出平遥旅游吸引力反应机制,并通过层次分析确定了每个因子的权重,并且对其排名。第六章是通过上述数据的分析,确定提升平遥旅游吸引力的发展思路和战略措施,希望能够对平遥旅游的开发具有重要意义。

2012

0.0

李芬, 孙然好, 陈利顶. 北京城市公园湿地的休憩吸引力评价[J]. 应用生态学报, 2012, 23(8): 2093-2099.

[LI

Fen

, SUN

Ran-hao

, CHEN

Li-ding

. Recreational attraction of urban park wetland s in Beijing. Chinese Journal of Applied Ecology, 2012, 23(8): 2093-2099. ]

Taking the 20 urban park wetlands in Beijing as test objects, a 3-layer evaluation index system including urban park wetland landscape quality, location condition, and accessibility for the recreational attraction of urban bark wetlands was established, and, by using analytic hierarchy process (AHP) and an integrating index evaluation method, the recreational attraction of the urban park wetlands in Beijing was quantitatively assessed, and validated with questionnaire data. In Beijing, the urban park wetlands with high recreational attraction were in the order of the Summer Palace, Olympic Park, Qinglong Lake Park, Beihai Park, Yuanmingyuan Park, Yuyuantan Park, Shidu, Golden Sea Lake scenic area, Taoranting Park, and Yeyahu wetland. The Rice Fragrance Lake wetland and Zhenzhuhu scenic area had the lowest recreational attraction, and the others were fair. The evaluation results were supported by the questionnaire data, which indicated that the index system and evaluation model were useful. According to the recreational services, the 20 park wetlands in Beijing could be clustered into four categories, which could be managed in different ways. Appropriately assessing the recreational services of urban park wetlands could help the decisionmaking on the urban parks optimal planning and designing, improve human living environment, and optimize the spatial distribution of urban landscape.

以北京地区20个城市公园湿地为研究对象，从公园湿地的景观质量、区位条件、可达性3方面构建了城市公园湿地休憩吸引力评价指标体系，并基于层次分析法赋权的综合指数评价方法，对公园湿地的休憩吸引力进行评价，最后通过实地问卷调查数据对休憩吸引力评价结果进行验证.结果表明：具有高休憩吸引力的公园湿地依次为颐和园、奥林匹克公园、青龙湖公园、北海公园、圆明园、玉渊潭公园、十渡、金海湖风景区、陶然亭公园、野鸭湖湿地，稻香湖湿地和珍珠湖风景区的休憩吸引力最低，其余8个公园湿地休憩吸引力一般.休憩吸引力评价结果与实际调查数据相符，说明所建立的评价指标体系与评价方法是可行的.20个公园湿地按照其休憩吸引力可聚为4类，据此可制定不同的管理对策.通过城市公园湿地休憩吸引力评价，分析城市公园湿地景观在休闲游憩方面所发挥的作用，可以为城市湿地公园的优化与配置、提高人居环境质量、改善城市景观布局提供依据.

2011

0.0

马丽君, 孙根年, 黄芸玛, 等. 城市国内客流量与游客网络关注度时空相关分析[J]. 经济地理, 2011, 31(4): 680-685.

[MA

Li-jun

, SUN

Gen-nian

, HUANG

Yun-ma

, et al. A correlative analysis on the relationship between domestic tourists and network attention. Economic Geography, 2011, 31(4): 680-685. ]

系统收集城市客流量及游客网络关注度数据,分析影响客流量及游客网络关注度时空变化的主要因素及其边际效应,构建了国内游客量与游客网络关注度的时空相关模型.结果显示:①气候舒适度、双休节假日等是影响客流量及游客网络关注度年内变化的主要因素,气候舒适度及节假日对客流量和游客网络关注度月指数的边际效应系数分别为0.207、4.173和0.743、5.093;②旅游资源丰度、经济发展水平、人口数量、气候舒适度等是影响客流量及游客网络关注度空间分布的主要因素,其对客流量及游客网络关注度空间分布的边际效应系数分别为37.102、0.683、1.356、47.175和0.397、0.002、0.005、0.786;③游客网络关注度与客流量在时空变化上有较强的相关性,游客网络关注度月指数每变化1%,客流量月指数将增加(或减少)0.611%,游客网络关注度每增加(或减少)1万次,客流量将增加(或减少)125.866万人次.

... 马丽君等通过研究发现游客网络关注度与实际客流量密切相关^[20] ...

2008

0.0

李山, 邱荣旭, 陈玲. 基于百度指数的旅游景区络空间关注度: 时间分布及其前兆效应[J]. 地理与地理信息科学, 2008, 24(6): 102-107.

[LI

Shan

, QIU

Rong-xu

, CHEN

Ling

. Analysis on inbound tourism market and its development measures of Gansu Province. Geography and Geo-Information Science, 2008, 24(6): 102-107. ]

利用百度指数提供的"用户关注度"功能,通过月1日至2007年 8月31日每天的络空问关注度数据,并对其中具有完整数据系列的53个景区展开统计分析.研究表明,旅游景区络空间关注度在时间分布上具有以下特征:周内呈现周四三二高、周日与周六低的"手掌"模式,其中南方景区和自然类景区尤为明显;年内呈现4月、8月最高的"双峰"模式,其中自然类景区表现出4月、7 月、9月最高的"三峰"模式.研究还发现,旅游景区络空间关注度是其现实游客量的前兆:周内表现为"日前兆",即一周之内,以周五为代表的旅游景区工作日络空间关注度是其周末游客量的前兆;年内表现为"旬前兆",即一年之中,旅游景区络空间关注度是其后1～2周游客量的前兆."前兆效应"也呈现出一定的不确定性,相关机制尚待研究.

... 李山等研究发现旅游景点的网络关注度是现实游客量的前兆^[21] ...

2007

0.0

路紫, 赵亚红, 吴士锋, 等. 旅游网站访问者行为的时间分布及导引分析[J]. 地理学报, 2007, 62(6): 621-630.

[LU

, ZHAO

Ya-hong

, WU

Shi-feng

, et al. The time distribution and guide analysis of visiting behavior of tourism website users. Acta Geograhica Sinica, 2007, 62(6): 621-630. ]

This paper obtained detailed data from many kinds of online survey systems and website traffic statistic tools. The data are summarized using time-distributing characteristics of the browsing behavior of tourism website visitors on daily, weekly and yearly bases. Under this condition, this paper analyzed the relationship of the traffic of tourism websites and the tourists. Four questions are researched: (1) the self characteristics of website, the comparison of China and foreign countries, and the comparison of southern and northern regions in China; (2) the comparison between the whole internet browsing with different kinds of websites browsing; (3) the comparison of the internet and tradition media; and (4) the guide of tourism website information flow to realistic tourists flow. The time-distributing characteristics of the browsing behavior of tourism website visitors on daily, weekly and yearly bases: Daily: (1) the characteristic is bimodal distribution, 10:00 am and 14:00 pm are the summit, and 20:00-22:00 pm is high frequency stage. The browsing time variation is different in China and other countries, and in northern and southern China. There is close connection in browsing behavior of users and their habits. (2) There are great differences in the browsing time-stage of tourism websites, the whole Internet and the main websites. (3) The time characteristic and reason of browsing behavior of users can be explained from the deep level of users' identity variable. (4) The browsing behavior of tourism websites is different from the looking and hearing behavior of TV media: the time-distributing of net media is dispersive, and the net-usage rate is higher beyond the golden stage. (5) Overall, the tourist traffic daily is the same with the usage trend of tourism websites. From time to time, the information flow does not guide to people flow. Weekly: (1) the self characteristic has no obvious difference in China and foreign countries, and in southern and northern regions. The time distribution of browsing behavior of users is low at weekends and high on weekdays. (2) There are similar characteristics and different characteristics when comparing the whole internet with other types of websites. The usage rate is low at weekends and high on weekdays, which is the same compared with other type websites, mainly because the users get some outdoor activities such as sport. (3) The usage type of tourism website appears "Z-shaped" distribution pattern, and the using trend of websites is complementary each other with tourist distribution. The browsing traffic of tourism website is high on weekdays and low at weekends, and people flow is low on weekdays and high at weekends. Yearly: (1) the self characteristic is the complicated multiple characteristic type. There are obvious differences between China and other countries, and between southern and northern regions. The traffic of websites that has no obvious regionality is the highest before golden week yearly, in other time stage, the cycle is week and the changing of traffic is little. The traffic of websites that has obvious regionality is one-peak distribution type yearly. (2) The browsing time behavior and the fluctuation of tourist flow with time have close connections. The season influences the seasonal distribution of tourist flow, and influences the seasonal distribution of the usage of tourism websites. The society season produces the splice effect. It causes the yearly traffic trend of tourism websites and tourist flow trend wavy, which is the guidance of information flow to people flow of tourism websites.

运用多种网上查询系统和网站访问量统计工具, 获取了旅游网站访问者时间分布的较详细资料, 基此总结了旅游网站访问者日内、周内、年内行为的时间分布特征, 进而讨论了旅游网站访问者人数与景区旅游者人数之间的相关性及其信息流对人流的导引作用。研究发现: 旅游网站访问者日内行为的基本规律是自身表现为一种双峰状态且国内北方显著于南方, 其在使用时段上与整体互联网及其主要网站类型的“尖峰时段”特征有较大差异, 日内旅游网站访问者人数与景区旅游者人数时间分布的基本一致性说明信息流对人流不具导引作用; 旅游网站访问者周内行为的基本规律是自身呈现出周末较少平日较多的特征, 与整体互联网及与互联网其他类型的网站比较既有相同性也有差异性, 旅游网站平日访问量较高周末访问量较低的特征与周内旅游人数平日较少周末较多的“Z”型分布呈互补状; 旅游网站访问者年内行为的基本规律是依据旅游网站的地域性明显与否而形成国内南北方的多种类型, 其访问者的时间行为与旅游者人数波动的紧密关系是由自然季节因素的, 旅游地旅游网站年内访问者人数走势与该旅游地旅游者人数走势表现出的波涟状特征可解释为信息流对人流发生导引作用。

... 路紫、李君轶、柳礼奎等也分别对游客的互联网行为进行了深入研究^{[22,23,24,25,26]} ...

2011

0.0

路紫, 李晓楠. 旅游网站访问者行为时间分布的复杂化与网站功能深度使用分析[J]. 人文地理, 2011, 2(2): 7-12, 48.

[LU

, LI

Xiao-nan

. The time distribution complication of tourism website users behavior and usability analysis of tourism website function in depth. Human Geography, 2011, 2(2): 7-12, 48. ]

应用时间日志调查系统,以及Alexa排名、访问量、页面浏览量查询系统,获得了不同类型旅游网站访问者日内、周内、年内行为的近新资料,基此总结了时间分布的复杂化特征及其与网站功能深度使用之间的内在联系.研究发现:旅游网站访问者日内行为不同于一般峰值规律的均匀化分布形态特例增多,其主要存在于网上交流与组织功能较强大的网站类型上;旅游网站访问者周内行为周末较少的状态正在改变,信息功能类网站较其它功能类类网站周未增多现象显著;旅游网站访问者年内行为已出现节后访问高峰的现象,访问行为时间分布不断广泛化.研究认为:访问者行为时间分布的复杂化是基于网站需求的多样化及相应的网站使用时间延长而产生的,由此可构建时间替代、时间效率、活动兼顾的共同作用机制.

... 路紫、李君轶、柳礼奎等也分别对游客的互联网行为进行了深入研究^{[22,23,24,25,26]} ...

2010

0.0

李君轶, 杨敏. 西安国内游客旅游网络信息搜索行为研究[J]. 经济地理, 2010, 30(7): 1212-1216, 1220.

[LI

Jun-yi

, YANG

Min

. Research on internet information search behaviors of domestic tourists. Economic Geography, 2010, 30(7): 1212-1216, 1220. ]

随着互联网的迅速普及和旅游信息化的快速发展,互联网已成为旅游业重要的营销和电子交易工具,网络也成为游客获取信息的重要渠道,旅游网络营销和游客网络行为的研究成为热点.通过对游客实证调查,研究了国内游客的旅游网络信息搜索行为特征与偏好,并进一步采用因子分析法分析了游客对旅游网站内容的关注程度.研究发现:我国国内游客登录旅游网站的时间短、频率低;游客使用网络获取旅游信息在信息获取渠道中居于十分重要的位置;在信息搜索时主要使用百度和Google搜索引擎;游客十分喜爱图片、动画、视频等信息表现形式.而对于网络信息的关注程度则是具有明显的层次性,依次为"行"、"吃"、"住"、"购"、"娱"和"游".

... 路紫、李君轶、柳礼奎等也分别对游客的互联网行为进行了深入研究^{[22,23,24,25,26]} ...

2010

0.0

路紫, 李晓楠, 杨小彦, 等. 基于旅游网站交互功能的访问者行为多时间维度研究[J]. 经济地理, 2010, 30(12): 2100-2103.

[LU

, LI

Xiao-nan

, YANG

Xiao-yan

, et al. Multiple time dimensions of visitors’ behavior based on the interactive function of tourism websites. Economic Geography, 2010, 30(12): 2100-2103. ]

应用国内不同类型旅游网站Alexa排名和访问量查询系统,获得了一组不同起始时间的日内、周内、年内访问者行为的时间序列资料,基此研究了多时间维度下的旅游网站访问者行为特征,研究中特别关注旅游网站交互功能的作用.首先给出了一种分析多维时间序列的"多时间维度"方法,以便用单一的集合数据测量若干时间序列周期的访问量变动;然后解释了这些行为特征可能受到的不同旅游网站功能的影响.研究发现:访问者在日内行为上不断增多的均匀化分布主要发生在网上交流与组织功能较强大的网站类型中;访问者在周内行为上周末较少状态的改变以信息功能类网站表现显著;访问者在年内行为上也因旅游网站功能不同而存在一定差异,节后访问高峰现象与新的网站功能的使用密切相关.研究认为:①通过访问量活跃率拟合的成熟曲线能够表述访问者行为随时间变化的特征,成熟曲线与均值线的比较说明了活跃率的偏离情况.②访问者行为时间分布形态的广泛化和复杂化是基于网站需求的多样化及相应的网站使用时间延长而产生的,正是多样性的需求极大地弱化了传统的活跃率分布规律.③弄清楚旅游网站访问者行为的时间分布的多样性变化,有助于实行针对性的网上产品设计与服务.对电子服务企业开发电子商务而言,有助于建立依据时间分布多样性需求的网络营销战略与网站广告设置.

... 路紫、李君轶、柳礼奎等也分别对游客的互联网行为进行了深入研究^{[22,23,24,25,26]} ...

2007

0.0

柳礼奎. 旅游网站对潜在人流的导引率研究 [D]. 石家庄: 河北师范大学, 2007.

[LIU

Li-kui

. The Guiding Rate Study of Tourism Website to Potential Human Flow—Taking Trip Website’s Find Travel Mate as a Case. Shijiazhuang: Hebei Normal University, 2007. ]

旅游网站对潜在人流的导引是客观存在的。它成功导引潜在人流的能力可以通过旅游网站导引率加以精准的度量。但旅游网站导引率构成以及旅游网站对潜在人流导引强度大小的准确度量是一个极为复杂的体系。本文在理论上,首次给出了旅游网站导引率的概念,较为全面地认识了旅游网站导引率复杂的构成体系,并系统地构建旅游网站导引率的层序以及旅游网站导引率的有效提升机制,用一种全新的研究视角综合地透析了旅游网站导引人流的效果和强度,从而准确地认知了旅游网站成功导引潜在旅游者的要素体系,确定了旅游网站自身特征与网站访问者之间的导引关系;在实践上,结合携程旅游网结伴同游专栏对潜在旅游者导引的数据采集,明显的反映出旅游网站对潜在旅游者导引的最终效果和程度,对其它旅游网站成功导引潜在旅游者提供参考,也可为旅游组织或旅游企业提出新型商业模式以加强区域旅游管理,同时,也能为无形信息流导引其他流态的研究提供借鉴。本文以旅游网站对人流的导引为切入点,揭示了旅游网站导引率的本质属性及其构成,建立了旅游网站导引率提高的相关体系。选取国内目前最具影响力的旅游网站 (携程旅游网)为实证对象。具体内容包括: 第一部分,对已有的旅游网站信息流导引人流以及相关导引情况的研究成果进行回顾并做出了相应的现状评析,在此基础上形成了本文的研究思路,从而确立了研究内容、研究方法、研究意义等。第二部分,旅游网站对潜在人流有着明显的导引作用。本部分阐释了旅游网站导引人流的过程和机理,尝试性地给出旅游网站导引率的概念,剖析了导引率构成的三个层序及其相互关系,在此基础上建立了旅游网站导引率提升的竞合联动、损益相生和聚散转化三大体系,使旅游网站导引率的改善有理可据,最终刻画了旅游网站导引率的外在表现形式,将旅游网站导引率通过时间和空间等形态加以直观地表达。第三部分,选取携程旅游网结伴同游专栏为研究对象,在跟踪采集该栏目发布的数据基础上选取了北京、上海等六大城市为典型样本区,运用本文所给出的旅游网站导引率运算模型,将携程旅游网结伴同游专栏对潜在人流的导引率通过时间和空间等形态表现出来,最终结合旅游网站导引率提升机制体系分析了携程旅游网导引率改善的相关途径。第四部分,经过对旅游网站导引率的理论论证和对携程结伴同游专栏导引率的运算,得出相关结论,并进一步指出研究的不足而提出讨论的新命题。本文遵循着两条基本线索:一、论证旅游网站无形信息流对潜在人流形成导引的效果和强度而提出导引率增长机制体系构建。二、从旅游网站导引潜在人流导引率的理论分析到实证研究,对实证对象进行具体量化而得出相应的导引率。

... 路紫、李君轶、柳礼奎等也分别对游客的互联网行为进行了深入研究^{[22,23,24,25,26]} ...

2005

0.0

杨振之. 论度假旅游资源的分类与评价[J]. 旅游学刊, 2005, 20(6): 30-34.

[YANG

Zhen-zhi

. On the classification and evaluation of holiday tourism resources. Tourism Tribune, 2005, 20(6): 30-34. ]

本文认为，现行的国家标准《旅游资源分类、调查与评价》只适用于观光旅游资源的分类与评价，对度假旅游资源的分类、评价则不适宜。文章对度假旅游资源的构成要素作了较为详细的研究与评价，认为度假旅游资源由观赏游憩资源、生态环境资源、服务设施及服务、餐饮及其环境、娱

... 从20世纪50年代起,我国学术界开始对旅游资源进行相关研究,包括旅游资源的概念、类型、评价标准等^[27,28,29] ...

2000

0.0

郭来喜, 吴必虎, 刘锋, 等. 中国旅游资源分类系统与类型评价[J]. 地理学报, 2000, 55(3): 294-301.

[GUO

Lai-xi

, WU

Bi-hu

, LIU

Feng

, et al. Study on the tourist resources classification system and types evaluation in China. Acta Geographica Sinica, 2000, 55(3): 294-301. ]

Tourist resources are the material basis of sustainable tourism and the potentiality of tourism economic growth. As the working criterion and technical guide for investigating tourist resources, the classification system of tourist resources is a very important premise of the work. Based on the criterion for investigating Chinese tourist resources, the new classification system was put forward. The newly added are three serials of natural, human and service; ten types of geologic landscape, water scene, climate and biology, other natural scene, historic heritage, modern human attractions, abstract human attractions, other human attraction, service resource and other service resources; plus ninety eight patterns. There are three grades to indicate the scale of monocase of tourist resources, which are field, segment and site. The tourist resources also can be divided into three states: developed, to be developed and latent. Based on this new classification system, more consummate characteristic item was revised, and the quantitative evaluation of types tourist resources was carried out by taking the Beihai City as an example to validate this system and methods. In the end, the paper points out that in order to achieve sustainable tourism, China must consummate the criterion for investigating tourist resources, and expand investigations to provide a series of tourist extractive engineering for building China into a country even more attractive to tourists in the world.

旅游资源是旅游业可持续发展的物质基础和旅游生产力增长的潜力所在。作为国家普查规范和技术导引,旅游资源普查必然依据一定的分类系统,通过不同类型地域的实践,在《中国旅游资源普查规范》 (试行稿 )基础上,新拟的旅游资源分类系统完善为分类分级分态系统,并增加到 3个景系,1 0个景类,98个景型。在表征资源单体规模时,以景域、景段、景元三个空间尺度等级来区别,并根据资源所处状态分为已开发态、待开发态和潜在势态三种。

... 从20世纪50年代起,我国学术界开始对旅游资源进行相关研究,包括旅游资源的概念、类型、评价标准等^[27,28,29] ...

2006

0.0

王建军, 李朝阳, 田明中. 生态旅游资源分类与评价体系构建[J]. 地理研究, 2006, 25(3): 507-516.

[WANG

Jian-jun

, LI

Chao-yang

, TIAN

Ming-zhong

. The establishment of the classification and evaluation system of ecotourism resource. Geographical Research, 2006, 25(3): 507-516. ]

Ecotourism,which differs from popular tourism,is a kind of sustainable development mode to protect environment.As a new concept ecotourism resource was originated from fresh recognition of tourism resource.Owing to the inseparability of ecotourism landscape from environment,ecological environment is not treated as the background of tourism resource any longer,and the quality of ecotourism environment has to be advanced to the core of ecotourism resource,even the absolute attractive factor.So we think the classified and appraised methods of ecotourism should be characteristic with itself,instead of the ordinary class-appraisal methods to the ecotourism research.We give a proper analysis and definition on the two important parts of ecotourism: the resource of ecotourism landscape and ecotourism environment,and try putting forward a class-appraisal approach that lays equal stress on the landscape and the environment resource,elementarily establishing a new ecotourism scheme of landscape & environment and based on AHP methods,exploringly creating a theoretical frame of qualitative and quantitative class & appraisal methods on ecotourism resource,in which the ecotourism-landscape resource and ecotourism-environment resource are correlative with each other.Hopefully,the remarks can stimulate discussion and fill up the blank of the research,moreover make the basic theory of ecotourism resource research more perfect.A scientific class-appraisal system of ecotourism resource has a guiding significance to identify feature of ecotourism resource type,to analyze its structure exactly,to explicit its present and future status when it will be exploited,to evaluate its value and influence and to draw up a plan of ecotourism resource exploitation and protection.

生态旅游是不同于大众化旅游的一种保护环境的持续发展模式。生态旅游资源是以生态旅游的新视角去认识旅游资源而形成的一种新类型。在生态旅游资源构成中,生态环境不再只作为旅游资源的背景,甚至成为生态旅游的主要吸引因素。本文通过对构成生态旅游资源的生态旅游景观资源、生态旅游环境资源进行分析界定,尝试性地提出了景观和环境并重的旅游资源分类评价思想,初步创立了生态旅游资源的景观—环境分类方案;探索性地采用AHP方法构建了生态旅游景观资源与生态旅游环境资源相结合的定性与定量综合评价基本框架。

... 从20世纪50年代起,我国学术界开始对旅游资源进行相关研究,包括旅游资源的概念、类型、评价标准等^[27,28,29] ...

2011

0.0

黄震方, 祝晔, 袁林旺, 等. 休闲旅游资源的内涵、分类与评价——以江苏省常州市为例[J]. 地理研究, 2011, 30(9): 1543-1553.

[HUANG

Zhen-fang

, ZHU

, YUAN

Lin-wang

, et al. The intention, classification and evaluation of leisure tourism resources: A case study of Changzhou, Jiangsu Province. Geographical Research, 2011, 30(9): 1543-1553. ]

Leisure tourism is a hot spot and development direction of tourism consumption. The classification and evaluation system of leisure tourism resources has their particularity. In this paper, we define the concepts of leisure and leisure tourism resources, discuss the elements and characteristics of leisure tourism resources, and propose the classification of leisure tourism resources based on the combination of resources characteristics and leisure mode. In detail, the leisure tourism resources can be classified into four main types, namely natural recreation type, cultural leisure type, entertainment and recreation type and special leisure type. We also construct the factor weight, marking evaluation criteria and the evaluation system of leisure tourism resources composed of several elements including resources elements value, resource impact, development conditions, resources potential. Moreover, we apply the proposed classification system and evaluation method to discuss the leisure tourism resources of Changzhou, Jiangsu Province. The results show that the classification and evaluation system of leisure tourism resources have the rationality, universality and generalization, which can provide the scientific bases of classification and evaluation of leisure tourism resources together with planning and development of leisure tourism for the tourism destination.

1. College of Geographical Science, Nanjing Normal University, Nanjing 210046, China; 2. Nanjing Institute of Industry Technology, Nanjing 210046, China

休闲旅游是旅游消费的热点和发展方向,休闲旅游资源的分类与评价有其特殊性。本文界定了休闲与休闲旅游资源的概念,探讨了休闲旅游资源的构成要素和资源特性,提出了基于资源性质与休闲方式相结合的休闲旅游资源的分类方案,将其分为自然游憩类、文化休闲类、康娱游憩类、专项休闲类四个主要类型,构建了由资源要素价值、资源影响力、开发条件与资源潜力等要素组成的休闲旅游资源评价体系及因子权重和赋分评价标准。并以江苏省常州市为例,对休闲旅游资源进行了分类与评价。结果表明:本文所构建的休闲旅游资源划分与评价体系具有合理性、普适性和可推广性,可为旅游地进行休闲旅游资源的分类、评价及休闲度假旅游规划与开发提供科学依据。

... 作者通过对城市旅游资源概念、要素和特征的分析,并结合前人研究经验^[30],对都市旅游资源进行重新划分 ...