EN中文

经济地理 >

2020 , Vol. 40 >Issue 8: 212 - 221

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.08.026

旅游经济与管理

典型山区旅游地旅游效率与交通协调格局及演进模式

  • 郭向阳 , 1, 2 ,
  • 穆学青 3 ,
  • 明庆忠 , 4, ※ ,
  • 丁正山 1, 2 ,
  • 陆保一 3
展开
  • 1.南京师范大学 地理科学学院，中国江苏 南京 210023
  • 2.江苏省地理信息资源开发与利用协同创新中心，中国江苏 南京 210023
  • 3.云南师范大学 旅游与地理科学学院，中国云南 昆明 650500
  • 4.云南财经大学 旅游文化产业研究院，中国云南 昆明 650221
※明庆忠（1963—），男，湖北黄冈人，博士，教授，博士生导师。主要研究方向为区域旅游规划与管理。E-mail：。

郭向阳（1990—），男，河南开封人，博士研究生。主要研究方向为旅游地理与旅游规划。E-mail：。

收稿日期: 2019-10-21

  修回日期: 2020-04-27

  网络出版日期: 2025-04-18

基金资助

国家自然科学基金项目(41961021)

国家自然科学基金项目(41671147)

江苏省研究生科研创新计划项目(KYCX20_1174)

收起

Coordination Pattern and Evolution Pattern of Tourism Efficiency and Traffic in Typical Mountainous Tourist Destinations

  • GUO Xiangyang , 1, 2 ,
  • MU Xueqing 3 ,
  • MING Qingzhong , 4, ※ ,
  • DING Zhengshan 1, 2 ,
  • LU Baoyi 3
Expand
  • 1. School of Geography Science，Nanjing Normal University，Nanjing 210023，Jiangsu, China
  • 2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application，Nanjing 210023，Jiangsu, China
  • 3. College of Tourism and Geography，Yunnan Normal University，Kunming 650500，Yunnan, China
  • 4. Institute of Tourism and Culture Industry，Yunnan University of Finance and Economics，Kunming 650221，Yunnan, China

Received date: 2019-10-21

  Revised date: 2020-04-27

  Online published: 2025-04-18

Fold

摘要

以典型山区旅游地云南省为研究对象，在构建交通服务功能和旅游效率评价指标基础上，综合运用Bootstrap-DEA模型、TOPSIS方法、耦合协调模型，系统分析了云南省旅游效率与交通服务功能协调度的时空特征及演进模式。结果表明：①时序特征：核密度曲线呈现“由轻微多峰转向单峰”的演变轨迹，说明云南省旅游效率与交通服务功能协调度由极化现象向较为均衡的态势演变；波峰逐渐呈现由尖峰向宽峰形发展的变化趋势，表明协调度的区域差异程度逐渐降低；核密度曲线双尾延长度呈增加趋势，且其波形逐渐向右移动，反映了协调度总体水平不断提升。②空间特征：不同等级协调度的空间分布差异较大，总体呈现出“东高西低，中部高—南北两翼低”的空间分异特征，具有一定的路径依赖和空间结构演替特征；高、较高协调度层级州市主要分布在滇中城市国际旅游圈和滇西北旅游圈的大理、丽江等交通枢纽及干线沿线，低、较低和一般层级协调度州市在空间分布上呈现收敛态势，主要分布在省域边缘地带。③演进模式：云南省旅游效率与交通服务功能协调度演进模式大致经历了由“散点”萌发模式、“点—轴”拓展模式向“双核心—外围”圈层扩展的阶段性演替过程。

关键词： 交通服务功能; 旅游效率; 协调格局; 演进模式; 山区旅游地; 旅游圈; 换乘便捷度

本文引用格式

郭向阳 , 穆学青 , 明庆忠 , 丁正山 , 陆保一 . 典型山区旅游地旅游效率与交通协调格局及演进模式[J]. 经济地理, 2020 , 40(8) : 212 -221 . DOI: 10.15957/j.cnki.jjdl.2020.08.026

Abstract

Transportation system is an important link connecting the supply and demand of tourism,which plays an important role in improving the matching efficiency and supply quality of tourism elements. Taking the typical tourist destination of Yunnan Province as a research case,in building a traffic service function and travel efficiency evaluation index,based on the integrated use of DEA model,the Bootstrap-weighted TOPSIS method,coupling coordination model,the kernel density estimation and inverse distance weighting spatial interpolation,systematically analyses the efficiency of yunnan tourism and transportation service function coordination degree of the space and time characteristics and evolution mode. The results show that: 1) Timing characteristics: The kernel density function shows the evolution track of "from slight multi-peak to single peak",indicating that the coordination degree of tourism industry efficiency and traffic service function from polarization phenomenon to more balanced situation in Yunnan Province evolves;The trend from the peak to the broad peak shape shows that the degree of regional difference of coordination degree gradually decreases;The extension of the two-tailed nuclear density curve is increasing,and the waveform of the nuclear density curve gradually moves to the right,reflecting the continuous improvement of the overall level of coordination. 2)Spatial characteristics:The overall level of provincial tourism industry efficiency and transportation service coordination has been continuously improved. The spatial distribution of different levels of coordination is quite different. The overall spatial differentiation characteristics of "high east and west low,middle high-both north and south all low",as well as have certain path dependence and phase characteristics;Regions with high and higher coordination levels are mainly distributed along the transportation hubs and trunk lines of the Central Yunnan International Tourism Circle and Dali and Lijiang in the Northwest Yunnan Tourism Circle;The city of low,relatively low and general level coordination degree shows a convergence in spatial distribution,mainly distributed on the edge of Yunnan province. 3) Evolution mode: The evolution mode of coordination between tourism efficiency and transportation service function in yunnan province has experienced a gradual succession process from "scatter" germination mode and "point-axis" expansion mode to "double core-periphery" circle.

Key words： transportation service function; tourism efficiency; coordination pattern; evolution model; mountain tourism destination; tourism circle; transfer convenience

交通基础设施是旅游发展不可或缺的先决条件，每一次交通方式革命性突破都深刻影响着区域旅游发展和空间结构演变[1]。交通服务性功能作为度量区域基础设施对外联系的集成性指标，能够对人流、物流、资金流、信息流等要素集合产生集聚与扩散效应，带动本地和周边旅游经济增长。旅游效率是衡量旅游业发展水平与质量的重要“晴雨表”[2]，而交通系统是联系客源地与目的地之间的桥梁与通道，是旅游经济要素流动、转移、配置的重要载体，是旅游活动开展的先决条件[3]，其对目的地旅游效率的变化不无关系。随着旅游生产单元的多元化趋势愈加明显，加之区域旅游交通设施资源使用和空间配置差异显著，不同地区间交通服务功能与旅游效率的匹配关系存在参差不齐现象，亟需由“粗放型”增长向“集约型”转变。2018年，国务院办公厅印发的《关于促进全域旅游发展的指导意见》（国发〔2018〕15号）明确提出“加快旅游供给侧结构性改革，推动旅游业从粗放低效方式向精细高效方式转变”。旅游发展具有高度的交通依赖性，因地制宜地探索旅游效率与交通服务功能空间关系至关重要。如何在旅游业“提质增效、转型升级”背景下揭示区域旅游效率与交通服务功能协调度的空间分异及演进模式，成为今后相当长一段时期面临的重要议题。
近年来，交通优势度及旅游效率日益受到学界关注。①在旅游效率研究方面：研究内容较为广泛，主要包括旅游饭店[4⇓-6]、风景名胜区[2,7]、旅行社[8-9]、旅游上市公司[10]、旅游交通运营效率[11]等，随着研究深入，旅游生态效率受到关注[12⇓⇓-15]；研究方法包括TOPSIS方法[9,16]、随机前沿分析（SFA）[8,17]、DEA数据包络分析[2,5,8]、曼奎斯特指数（MPI）[18]等，其中，运用DEA模型测算旅游效率较多[7,19-20]；研究尺度涉及全国[17,20]、省域[13,21-22]、典型城市群[23-24]和市域[19,25]等。②在交通优势度研究方面，金凤君等[26]基于交通地理学理论界定了交通优势度的概念，并构建包括“交通网络密度、交通干线影响度和区位优势度”组成的交通优势度评价模型；吴威等[27]基于公路、铁路、水运、航空以及管道运输等多运输方式，从国内交通和国际交通两个层面构建了区域综合交通发展水平评价指标体系。此外，学者们还探讨了不同区域交通优势度的空间差异及其经济效应，比如郭建科等[28]在提出景区区位优势度概念基础上，测度我国225个国家级风景名胜区区位优势；戢晓峰等[29]运用ArcGIS空间分析、交通优势度模型和耦合协调模型，对云南省县域城镇化与交通优势度协调度的时空特征进行系统分析。③在交通与旅游效率关系方面，王兆峰等[30]通过前提假设构建交通网络结构下湘西地区旅游合作效率评价模型，并运用综合评价法及层次分析法对湘西地区2004—2014年旅游合作效率进行实证分析；康晓羽等[31]将交通里程、客运量等变量纳入旅游效率投入指标，使用DEA模型和曼奎斯特指数探究了2008—2014年山东省17个地市在交通要素影响下城市旅游效率动态变动情况。然而，定量测度旅游效率与交通服务功能协调水平，探索旅游效率与交通服务功能协调度时空特征及演进模式的研究文献尚不多见。
云南省地貌类型多样、地形结构复杂，是我国西南边疆典型的山区旅游地。其独具特色的亚热带高原季风气候、地理环境和地貌类型特征孕育了丰富的旅游资源（2017年1A~5A级景区数量共计达227家），旅游资源和空间结构形态在西南边疆山区具有较强代表性和典型性，是国内外游客热衷的旅游目的地之一。但云南省相对封闭交错的地形特征一定程度上制约了交通网络的空间展布与延伸，这决定了处于山区旅游地的云南省旅游效率对交通服务功能优化响应程度更加剧烈。鉴于此，本文以典型山区旅游地云南省为研究对象，在构建交通服务功能模型与旅游效率测度指标基础上，综合运用TOPSIS方法、Bootstrap-DEA模型、耦合协调模型和反距离权重空间插值方法，系统分析云南省旅游效率与交通服务功能协调度时空特征及演进模式。为深刻辨识边疆典型山区旅游地交通与旅游效率协调时空格局及演进模式提供新思路，丰富旅游交通地理的研究内容与方法内涵，同时为区域旅游与交通系统协调可持续发展提供科学借鉴。

1 研究方法与数据来源

1.1 研究区概况

云南省地处中国西南边陲，与广西壮族自治区、贵州省、四川省、西藏自治区等省区接壤，属中国经济欠发达地区，经济综合竞争力处于全国下游水平。国土面积39.41万km2，总人口4 801万人（2017年底），下辖8个地级市和8个自治州。云南省旅游效益快速持续增长，旅游接待总人次由2005年7 011.01万人次增加到2017年的56 700万人次，旅游总收入从430.14亿元增加到6 922.23亿元，年均分别增长59.06%和125.77%。同时，云南省闭塞的交通局面初步得到改善，全省公路通车里程达24.3万km，云南省各州市高速公路通车率达81.25%；全省铁路网密度低于全国平均水平，仅为0.0094km/km2；民用航空发展迅速，2017年有14个民航机场通航运营，民用航空航线里程达27.48万km，初步形成较发达立体式航空运输网络体系。

1.2 研究方法

根据研究目的，本文研究方法主要分为两部分：
第一部分：采用Bootstrap-DEA模型和TOPSIS方法分别测算云南省各州市旅游效率和交通服务功能评价值，运用耦合协调模型测算二者耦合协调度，并采用核密度估计曲线和ArcGIS空间分析工具对二者协调度时空特征进行可视化。主要用于揭示旅游效率与交通服务功能协调度的时空特征。
第二部分：综合反距离权重空间插值和现代空间组织理论，探究云南省交通服务功能与旅游效率协调度的演进模式。

1.2.1 Bootstrap-DEA模型

DEA是一种基于多项投入和多项产出评价相对效率的非参数方法，传统DEA模型在对小样本估计时往往会产生偏差，并忽略统计检验[2]。Bootstrap-DEA方法可以通过重复抽样来模拟数据的生成过程，弥补传统DEA的不足，修正样本估计产生的偏差[25]。因此，本文借助Bootstrap-DEA模型来测度云南省各州市旅游效率。具体步骤见文献[2]。

1.2.2 加权TOPSIS模型

TOPSIS法是系统工程中有限方案多属性决策分析的一种科学决策技术，其原理是通过计算备选方案与正、负理想解的相对距离来进行排序优选，没有特别要求样本量的多少，不受参考序列选择的干扰，具有几何意义直观、信息失真小、运算灵活及应用领域广等优点[32]。本文采用加权TOPSIS法对交通服务功能（Ti）进行测算。具体步骤见文献[32]。

1.2.3 耦合协调模型

耦合度是对两个系统相互作用程度大小的衡量，不能反映系统间的整体相互作用功效，需借助耦合协调度模型揭示系统间是否处于协调共生状态[33]。显然，旅游效率与交通服务功能存在协同关系，即交通对区域旅游质量提升、旅游资源开发、旅游形象塑造和旅游空间结构演化均具有驱动作用；同时旅游效率提升对交通运输质量、交通经济、交通网络布局和交通就业等产生反馈与倒逼效应。根据Bootstrap-DEA模型与TOPSIS方法分别得出的旅游效率和交通服务功能，运用耦合协调模型测算两大系统的耦合协调指数。耦合协调模型的数理学计算公式参见文献[29,34]。为便于比较分析，分别以0.2、0.4、0.6和0.8为分割点，二者协调度划分高（0.8，1]、较高（0.6，0.8]、一般（0.4，0.6]、较低（0.2，0.4]和低（0，0.26] 5个层级。

1.2.4 反距离权重空间插值

反距离权重插值以插值点与样本点间的距离为权重进行加权平均，离插值点越近的样本点赋予的权重愈大，离插值点越远的样本点赋予的权重愈小。本文综合反距离权重空间插值方法与现代空间组织理论[34]揭示旅游效率与交通服务功能协调度的演进模式。其公式为[35]：
Z S = ∑ i = 1 n λ i Z S i
式中： Z S为插值点S旅游效率与交通服务功能协调度的估计值；n为要使用的预测点周围样点的数量； λ i为计算过程中使用的各样点权重； Z S i为在 S i处获得的真实值。

1.3 指标体系构建与数据来源

1.3.1 旅游效率指标构建

旅游效率测算的科学性与客观性取决于投入和产出的指标选取。古典经济学理论中的投入要素一般涉及资本、土地和劳动力，因土地指标对旅游业发展影响较小，以往研究往往将其舍弃[2,18⇓-20,24]。本文结合与旅游业发展密切相关的要素，并借鉴曹芳东等[2]、马晓龙等[19]、方叶林等[20]对旅游效率测算的投入要素指标，将资本、劳动力、旅游吸引物、旅游接待设施作为投入要素。由于云南省各州市对旅游业的资本要素投入并没有官方统计，参考以往相关研究[18⇓-20]，采用第三产业固定资产投资额表征，虽然放大了指标数值，但考虑到旅游业与其他产业发展的关联性，第三产业固定资产投资将间接作用于旅游业基础设施建设与完善；劳动力为目的地旅游活动开展提供智力和体力支撑，是旅游地形象的重要塑造者之一，借鉴王兆峰等[36]的研究，选取直接从事与旅游业相关的住宿业和餐饮业从业人员之和进行表征；旅游吸引物是招来游客的核心，依据《旅游景区质量等级的划分与评定[GB/T18972-2017]》和汪德根等[37]的赋分标准，选取世界遗产地、国家级风景名胜区、国家级旅游度假区、A级景区数量综合加权计算得分表征。旅游业产出主要涉及到旅游效益和接待客流规模，因此将旅游总收入和旅游接待总人次作为旅游产出要素（表1）。
表1 旅游效率评价指标体系

Tab.1 Tourism efficiency evaluation index system

类型 产业要素 具体指标 指标释义
投入要素 资本 第三产业固定资产投资（亿元） 用于旅游设施建设、资源开发及形象塑造
劳动力 住宿业和餐饮业从业人员（人） 直接从事与旅游业相关的就业人员数量
旅游吸引物 分别赋值世界遗产、国家级风景名胜区、国家级旅游度假区、5A级景区和4A级景区10、8、6、6、4分，最后计算加权得分表征旅游吸引物。若某一景区有多个头衔，按最高级别计算（分） 旅游资源禀赋是旅游目的地吸引游客的核心要素
旅游接待设施 星级饭店与旅行社数量加总（家） 目的地接待游客承载量的能力
产出要素 旅游效益 旅游总收入（亿元） 旅游活动开展产生的直接经济收益
客流规模 旅游接待总人次（万人） 目的地的对客流的吸引力和集聚效应

1.3.2 交通服务功能指标构建

依据金凤君等[26]和戢晓峰等[29]的研究观点，区域交通优势度主要包括“路网密度、可达性和区位优势度”3个度量维度，交通优势度评价指标已被诸多学者引用并进行了大量实证，但较少关注交通供给与当地出行需求的关系，且不同交通类型间的换乘便捷度在交通优势度评价时往往被忽略。交通经济带理论[38]强调交通干线对区域产业扶持、资源要素流空间传导的服务性和驱动效应。此外，《交通强国建设纲要》指出“推进出行服务快速化、便捷化”，更加明确了交通系统的服务性与便捷化要求。鉴于此，本文基于交通服务功能视角构建交通服务功能概念模型，认为交通服务功能评价模型不仅要关注交通系统本身路网规模和干线影响力等固有属性，而且交通系统供给对游客出行换乘便捷性与高效性的服务功能属性也不可忽略，需要引入与旅游主体出行满意度直接相关的换乘便捷性、交通—居民（游客）主客体供需关系等指标来综合评价交通服务功能。综上，本文认为交通服务功能包括“路网密度规模、交通干线影响力、换乘便捷度和供需关系”4个衡量维度（图1）。
图1 交通服务功能评价框架

Fig.1 Traffic service function evaluation framework

1.3.2.1 路网密度规模

路网密度规模表征本地交通网络覆盖广度和强度，路网密度越大，交通服务腹地范围越广，各旅游节点联系越密切。选取铁路网络密度、高速公路和等级公路网密度表征，其公式为：
D i = L i / A i
式中： D i为路网密度（km/km2）； L i为i州市路网里程（km）； A i为i州市国土面积（km2）。

1.3.2.2 交通干线影响力

交通干线影响力表征交通干线或枢纽对邻近地带的辐射力。本文结合云南省交通系统实际情况和以往研究[26,39-40]做法，采用专家赋值法对不同交通干线与i州市行政中心的地理距离（D）进行分段赋值，并采用极差法[33]将交通干线值量化处理（表2）。
表2 交通干线影响力权重赋值

Tab.2 Traffic trunk influence weight assignment

交通子系统 子类型 距离D（km） 权重赋值 交通子系统 子类型 距离D（km） 权重赋值
公路 高速公路 D<10 2.0 机场 干线机场 D<10 2.0
10≤D<30 1.5 10≤D<30 1.5
D≥30 1.0 30≤D<60 1.0
等级公路 D<10 1.0 D≥60 0
10≤D<30 0.5 支线机场 拥有 0.5
铁路 快速铁路
（G、D、C开头）		 D<10 2.0 未拥有 0
10≤D<30 1.5 口岸 一类口岸 D<10 1.5
D≥30 1.0 10≤D<30 1.0
普通铁路 D<10 1.5 D≥30 0.5
10≤D<30 1.0 二类口岸 拥有 0.5
D≥30 0.5 未拥有 0

注：口岸分类依据云南省商务厅口岸通关促进处。

1.3.2.3 换乘便捷度

交通枢纽（城市）场站的一体化衔接与多式联运直接体现了交通系统便捷高效性要求，是充分发挥各种运输方式比较优势和组合效率，提升运输服务供给能力和质量，改进旅客出行体验，切实增强人民群众获得感、幸福感和安全感的现实需求。换乘便捷度用来衡量i类交通方式与其他交通类型间的中转便捷性，是衡量交通运输系统中客货流中转效能强弱的重要指标，是游客实现“快旅慢游”的保障。具体赋分方法如下：
①铁路换乘便捷度：依据区内各铁路站点通往最近高速公路路口、民航机场的平均旅行时间（t）判定。根据《中华人民共和国公路工程技术标准JTGB01-2003》和郭向阳等[32]的赋值标准，限定高速、国道、省道、县道的时速分别为：100 km/h、80 km/h、60 km/h和30 km/h（下同）。若平均旅行时间t<60 min赋2分；60 min≤t<120 min赋1.5分；120 min≤t<180 min赋0.5分；180 min≤t赋0分。
②高速公路换乘便捷度。依据区内各高速公路路口通向最近铁路站点、民航机场的平均旅行时间（t）分段赋值。若平均旅行时间t<60 min赋2分；60 min≤t<120 min赋1.5分；120 min≤t<180 min赋0.5分；180 min≤t赋0分。
③机场换乘便捷度。依据区内各民航机场通往最近铁路站点、高速公路路口平均旅行时间（t）判定。若平均旅行时间t<60 min赋2分；60 min≤t<120 min赋1.5分；120 min≤t<180 min赋0.5分；180 min≤t赋0分。
④供需关系。供需关系反映不同交通运输方式等旅游客体供给侧与旅游地居民（游客）等旅游主体需求侧间的供需均衡关系，表征交通服务在旅游供给侧满足本地居民（游客）出行需求的功能强度。借鉴苗毅等[41]的研究，①铁路交通与旅游主体供需关系：采用G、D、C字头车次停靠数量与旅游地接待旅客总人次之比（%）衡量。②高速公路与旅游主体供需关系：采用高速公路进出口数量与旅游地接待旅客总人次之比（%）衡量。③民航机场与旅游主体供需关系：采用民用航班起降架次与旅游地接待旅客总人次之比（%）衡量。

1.3.3 数据来源与处理

本文基于多源数据为样本，其中，交通及场站类数据源自高德交通大数据系统、12306铁道部火车票官网（https://www.12306.cn/index/）、《云南省交通地图册》和《云南年鉴》，口岸类数据源自《云南省商务年鉴》。旅游及其他类型数据源自《中国城市统计年鉴》和《云南省统计年鉴》，国家级风景名胜区源自《中国城市建设年鉴》，旅游景区数据依据云南省文化与旅游厅官网（https://www.ynta.gov.cn/default.aspx）整理。数据处理：交通类数据主要借助ArcGIS空间分析技术对交通道路数据进行采样、地理匹配、图层叠加和矢量化操作，不同交通干线与各行政中心的地理距离采用百度地图进行测量；价格型数据以2005年GDP平减指数为基期进行不变价处理。

2 旅游效率与交通服务功能协调度时空格局特征

综合运用Bootstrap-DEA模型、TOPSIS方法和耦合协调模型测算典型山区旅游地云南省旅游效率与交通服务功能的协调度（表3）。
表3 云南省旅游效率与交通服务功能协调度及其统计值

Tab.3 The coordination degree and statistical value of tourism efficiency and traffic service function in Yunnan Province

州市 2005 2011 2017
昆明 0.6927 0.8572 0.9044
曲靖 0.3823 0.4717 0.6642
玉溪 0.3780 0.4376 0.6803
保山 0.3940 0.4096 0.4763
昭通 0.1629 0.2448 0.3091
丽江 0.4242 0.5011 0.6489
普洱 0.2822 0.3374 0.4741
临沧 0.2972 0.3822 0.4396
楚雄 0.2555 0.3166 0.3888
红河 0.4517 0.5492 0.5755
文山 0.4213 0.4835 0.5861
西双版纳 0.3524 0.4361 0.5290
大理 0.5445 0.6991 0.8564
德宏 0.3784 0.4058 0.4796
怒江 0.1111 0.1081 0.1361
迪庆 0.1568 0.2039 0.2118
最大值 0.6926 0.8572 0.9044
最小值 0.1111 0.1081 0.1361
均值 0.3553 0.4277 0.5225

2.1 旅游效率与交通服务功能协调度时序演进特征

第一，总体水平上，依据表3和上文协调度等级划分标准可知，2005—2017年云南省旅游效率与交通服务功能协调度高、较高层级州市数量逐渐增多，由2005年的1个上升至2017年的5个；协调度一般区州市数量呈现先增后减的“Λ”型发展轨迹，3个节点年份的州市数量分别为4、8和7；协调度低、较低等级州市数量逐渐下降，由2005年的11个降低至2017年的4个。此外，协调度均值由2005年的0.3553上升至2017年0.5225，协调度最大值由2005年的0.6926增至2017年的0.9044，其最小值由2005年的0.1111增至2017年的0.1361，均表明2005—2017年云南省旅游效率与交通服务功能总体协调水平提升明显。
第二，时序动态演进上，核密度估计（Kernel Density Estimation）是对随机变量的概率密度进行测算，利用连续的密度曲线勾画出随机变量的分布状态，且能较好地捕捉随机变量的分布特征[42]。本文根据Kernel密度曲线来考量旅游效率与交通服务功能协调度分布形态、峰值、位置和延伸性等的变化，揭示协调度的时序动态演进特征（图2）。
图2 旅游效率与交通服务功能协调度核密度估计

Fig.2 Tourism efficiency and traffic service function coordination degree kernel density estimation

图2从整体上描述了研究期内云南省旅游效率与交通服务功能协调度的时序演变态势。①从形状上看，核密度曲线呈现“由轻微多峰转向单峰”的演变轨迹，说明协调度由极化向较为均衡的态势演变，且地区差距有所减缓。②从峰度上看，高、低水平波峰高度总体上均呈下降趋势，波峰逐渐由尖峰向宽峰形发展，表明云南省旅游效率与交通服务功能协调度的区域差异程度逐渐降低。③从位置上看，核密度曲线双尾延长度总体呈增加趋势，左尾延长度增加较小，右尾延长度增加较大，说明协调度低值区波动较小，高值区波动较大；核密度曲线波形逐渐右移，反映了云南省旅游效率与交通服务功能协调度总体水平不断提升，这与上文协调度总体水平分析结果一致。这主要得益于“十一五”和“十二五”时期云南省分别作出旅游“二次创业”和“旅游强省”等重大战略决策，加之《云南省“十二五”综合交通体系发展规划》实施，交通运输和旅游产业供给侧结构性改革成效明显，优化并加速旅游产业要素与交通融合发展，促使二者协调效应不断增强。

2.2 旅游效率与交通服务功能协调度空间分异特征

旅游效率与交通服务功能协调度的空间差异反映了二者整体功效的分异强度。依据上文对协调度的等级划分标准，综合表3和ArcGIS空间可视化工具，绘制协调度空间分异图，深入探讨二者协调度的空间分异特征（图3）。
图3 云南省旅游效率与交通服务功能协调度空间格局

Fig.3 Spatial pattern of coordination between tourism efficiency and traffic service function in Yunnan Province

第一，在总体空间分异特征上，云南省旅游效率与交通服务功能不同协调度等级的空间分布总体差异较大，呈现出“东高西低，中部高—南北两翼低”的特征，具有一定的路径依赖和空间结构演替特征。这与云南省地形地貌特征、经济社会发展水平、交通网络发达程度和区域发展政策密切相关，反映了旅游效率与交通服务功能协调度空间分异受制于自然因素、经济社会因素和政策因素的多重影响。
第二，高、较高等级协调度州市从无到有，呈现空间扩张态势。从期初昆明一家独大到期末形成以昆明、大理两大旅游极核为中心，并向周边地带圈层式扩散的等级递减格局。高、较高协调度层级主要覆盖滇中城市国际旅游圈和滇西北旅游圈的大理、丽江等交通干线沿线。究其原因，一方面以上地区自古为交通发展的要冲地带，昆大丽城际快速铁路、长水国际机场、大理机场、丽江机场、杭瑞高速、大理高速等复合式交通网络叠加分布，基础服务设施规模、场站设施密度及交通干线等级相对较高；另一方面以上地区旅游资源禀赋充裕（滇中A级及以上等级景区数量占全省的30.33%），发达的经济实力为旅游投资、资源开发提供了资金支持，且居民出游频率较多。在综合性交通服务功能的“穿针引线”作用下，各等级旅游中心地系统资源要素空间组织与投入规模易达到其最佳生产前沿面，交通服务功能与旅游效率空间耦合效应良好。
第三，低、较低和一般层级协调度州市在空间分布上呈现收敛态势，主要分布在省域边缘地带，比如怒江、昭通、临沧、普洱等州市。一方面以上地区自身经济发展实力较弱，旅游发展能力受限，加之旅游基础设施接待力有限，区域旅游合作规模效应和客流集聚效应不足，旅游要素组织管理经验欠缺，旅游发展对资源要素的依赖程度较大，存在资源低效利用和规模报酬递减的粗放式增长现象；另一方面以上地区由于地理区位、地形地质条件复杂（处于横断山脉和三江并流地区）、生态环境脆弱等自然因素和经济实力落后、旅游基础设欠完善等经济社会因素的综合制约，交通网络空间拓展与延伸受到地形阻隔机制明显，交通组合模式单一（怒江仅有低等级公路），场站枢纽设等级施和站点密度较小，且远离旅游发展极核昆明，受旅游要素传递距离衰减规律和空间竞争效应的影响，得到旅游核心城市的涓滴效应明显不足，交通服务功能与旅游效率在空间上呈现低、较低层级协调状态。

3 旅游效率与交通服务功能协调度演进模式

交通经济带理论[38]认为在区域发展过程中，城镇、产业、社会和文化等活动不断借助交通体系的技术创新，能量表现出明显的集聚和扩散趋向，从而导致经济带内部结构、总体功能、经济实力、腹地边界等要素明显的阶段性变化特征。云南省旅游效率与交通服务功能协调度演进模式是由交通系统网络特征与旅游效率空间结构特征共同作用形成。交通网络系统由交通节点、轴线及交通网及交通圈等要素组成。因此，旅游效率与交通服务功能协调模式可衍生出“节点、轴线、点—轴、点—轴—圈层、核心—圈层”等多种模式。依据云南省旅游效率与交通服务功能协调度空间插值（图4）和现代空间组织理论[35,43-44]，将云南省旅游效率与交通服务功能协调度的演进模式提炼为“散点”萌发模式、“点—轴”拓展模式和“双核心—外围”圈层扩展模式，协调度模式呈现明显的阶段性演替过程（图5）。
图4 云南省旅游效率与交通服务功能协调度空间插值

Fig.4 Spatial interpolation of tourism efficiency and traffic service function coordination degree

图5 云南省旅游效率与交通服务功能协调度演进模式

Fig.5 Evolution mode of tourism efficiency and transportation service function coordination in yunnan province

3.1 “散点”状萌发模式（2005年之前）

沈惊宏等[43]依据国内外旅游目的地不同发展阶段的特征，将区域旅游系统空间结构演化模式分为疏点模式、散块模式、条带模式、团块模式和板块模式。其中，疏点模式是区域旅游系统的萌芽阶段，区域节点彼此联系较少。2005年之前，云南省旅游效率与交通服务功能协调度格局与疏点模式相呼应，协调度均处在缓慢上升期，旅游发展大多依赖低等级公路、部分高速公路、贵昆及南昆铁路和少量航空运输，不同交通模式衔接性弱，仅依托优势旅游资源形成昆明—大理—丽江、昆明—红河—文山和昆明—西双版纳等若干条微弱旅游轴线。受自然地理因素与社会经济因素综合影响，低层级交通服务功能对旅游效率驱动效应较弱，仅有昆明、大理、丽江等传统旅游区交通与旅游协同效应相对较好，高或较高层级协调型州市在空间上呈现“散点状”模式。

3.2 “点—轴”拓展模式（2005—2011年）

我国著名经济地理学家陆大道[44]在1984年提出了“点—轴”系统理论，认为社会经济客体在区域或空间的范畴上总是处于相互作用之中，大部分社会经济要素在“点”上集聚，并由线状基础设施联系在一起而形成“轴”，由于区域间存在要素流传导“梯度”和“压力差”，物质要素和非物质要素易形成空间扩散。2005—2011年，云南省旅游效率与交通服务功能协调度呈现“点—轴”拓展特征，即滇中部地区以昆明为极核，以昆河铁路、贵昆铁路、杭瑞高速、渝昆高速及立体式航空网络为旅游轴线；滇西北地区以大理为核心节点，以纵向大丽铁路、大保高速和横向昆大丽铁路等为旅游轴线，形成省域内部东西方向高、较高层级协调片区，协调度呈现明显“点—轴”拓展模式。具体来看，此阶段昆石、昆安、平锁、罗富、元武等高速公路建成通车，沪昆铁路沾益复线、大丽铁路（大理—丽江）、仁丽铁路、昆明至楚雄城际列车开行，以及文山普者黑机场、腾冲驼峰机场通航，旅游地节点间横纵向联系增强，交通服务功能对旅游经济要素流的空间溢出效应明显提升，昆明、大理等一级旅游地辐射影响腹地范围扩大，丽江、西双版纳、保山等次级旅游节点借助综合性交通建设而加速崛起，且核心旅游节点昆明、大理的旅游品牌效应、标杆效应及规模性旅游流依托旅游通道有效扩散到邻近地区，协调度呈现“点—轴”状等级层次性结构。

3.3 “双核心—外围”圈层扩展模式（2011—2017年）

1960年代，美国发展经济学家P·弗里德曼将“中心—外围”理论引入区域经济学，认为区域系统均由中心和外围系统组成，中心地区能够获得比外围地区强大的经济竞争优势，外围处于依附地位而缺乏经济自主，易导致空间出现二元结构[35]。2011—2017年，云南省旅游效率与交通服务功能协调度呈现典型“双核心—外围”圈层扩散特征。
核心圈层：分别以滇中国际旅游圈——昆明和滇西北旅游极核——大理为代表。昆明处于沪昆、云桂高铁以及多条高速公路的空间交汇地带，东西向杭瑞高速、北向渝昆高速、南向昆曼国际大通道等，形成了“横向联结、纵向交错”式旅游交通放射线，交通网络及站点密度较大，比如，2017年底，滇中的昆明、曲靖高速公路网密度分别达到0.0378 km/km2和0.0274 km/km2，位居全省第一、第二位，滇中机场区域、公路及铁路干线空间布局相对紧凑，交通设施与旅游流供需关系相对均衡，且旅游客流换乘便捷性较高，加之滇中城市国际旅游圈旅游景区品位高、旅游资源丰度大（3A级以上景区占全省44.54%），且智慧旅游建设水平成效明显，旅游资源管理能力和经验丰富，借助“穿点引线、以线带面”交通系统易发挥旅游产业投入要素的最大功效，形成交通服务功能与旅游效率高、较高层级协调核心圈层。大理是协调度的另一个核心地带，其处在滇中旅游圈连接滇西北、滇西旅游圈的中转地带，是大丽高速、杭瑞高速、昆大丽铁路的空间交汇点，且拥有大理机场、昆楚大城际铁路等快速交通系统，站点密度较高，场站衔接性相对紧凑，且拥有大理国家级风景名胜区、苍山、崇圣寺三塔和大理古城等高等级自然及人文类旅游资源，交通服务功能与旅游产业要素空间重叠匹配性较好。
外围圈层：在两大协调度核心区昆明、大理的过渡和外缘地带，主要包括怒江、临沧、普洱、昭通等州市，因交通枢纽辐射性和交通线路延展性随地理距离增加而衰减，大都处于交通系统末梢位置，虽有边境口岸设施布局，但口岸通道功能与其他交通方式组合衔接模式相对单一、网络及站点密度较低、景区可达性较弱，且外缘地带经济实力和旅游资源管理能力相对较低，旅游规模报酬大都处于递减阶段，加之区域行政边界阻隔效应和边疆地理区位空间屏障机制影响，交通服务功能对旅游物质能量流的空间传导与组织配置效率受到牵制，形成旅游效率与交通服务功能低协调外围圈层。

4 结论

①协调度时序特征上，2005—2017年，云南省旅游效率与交通服务功能协调度均值由2005年的0.3553上升至2017年0.5225，协调度总体水平提升明显。核密度曲线呈现“由轻微多峰转向单峰”的演变轨迹，说明云南省旅游效率与交通服务功能协调度由极化现象向较为均衡的态势演变；波峰呈现由尖峰向宽峰形发展的趋势，表明协调度的区域差异程度逐渐降低；核密度曲线双尾延长度总体上呈增加趋势，且核密度曲线波形逐渐右移，反映了旅游效率与交通服务功能协调度总体水平不断增高。
②协调度空间特征上，不同等级协调度的空间分布差异较大，总体呈现“东高西低，中部高—南北两翼低”的特征，具有一定的路径依赖和空间结构演替特征；高、较高协调度层级地区主要包括滇中城市国际旅游圈和滇西北旅游圈的大理、丽江等交通枢纽及干线沿线；低、较低和一般层级协调度州市在空间分布上呈现收敛态势，主要分布在省域边缘地带。
③云南省旅游效率与交通服务功能协调演进模式大致经历了由“散点”萌发、“点—轴”拓展向“双核心—外围”圈层扩展的演替过程，阶段性演替特征明显。①“散点”状萌发模式（2005年之前）：此阶段旅游效率与交通服务功能协调度处在较缓慢上升期，受自然地理因素与社会经济因素综合制约，交通服务功能与旅游效率耦合效应较弱。②“点—轴”拓展模式（2005—2011年）：交通服务对旅游效率联动效应明显增强，并对周边次级旅游节点形成涓滴效应，初步形成具有等级层次的旅游中心地系统。③“双核心—外围”圈层扩展模式（2011—2017年）：核心圈层分别以滇中国际旅游圈—昆明和滇西北旅游极核—大理为代表，而协调度边缘地带因交通枢纽辐射效应衰减、交通组合模式单一、网络及站点密度较低、景区可达性较弱，且区域行政边界阻隔效应和边疆地理区位空间阻隔机制影响，交通服务功能对旅游物质能量流的传导效应受到牵制。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
汪德根. 高铁网络时代区域旅游空间格局[M]. 北京: 商务印书馆, 2016.

[2]
曹芳东, 黄震方, 徐敏, 等. 风景名胜区旅游效率及其分解效率的时空格局与影响因素:基于Bootstrap-DEA模型的分析方法[J]. 地理研究, 2015, 34(12):2395-2408.

DOI

[3]
郭向阳, 穆学青, 明庆忠. 云南省旅游经济与交通系统耦合空间态势分析[J]. 经济地理, 2017, 37(9):200-206.

[4]
Gabarda M A, Garcia X, Ribas A. Mass tourism and water effi-ciency in the hotel industry:a case study[J]. International Journal of Hospitality Management, 2017(61):82-93.

[5]
Cho T Y, Wang T Y. Estimations of cost metafrontier Malmquist productivity index:using international tourism hotels in Taiwan as an example[J]. Empirical Economics, 2018, 55(4):1661-1694.

[6]
张广海, 高俊. 中国星级酒店业TFP时空特征与影响因素研究[J]. 旅游学刊, 2018, 33(12):66-75.

[7]
Cao F D, Huang Z F, Jin C, et al. Chinese national scenic areas tourism efficiency:multi-scale fluctuation,prediction and optimization[J]. Asia Pacific Journal of Tourism Research, 2016, 21(5):570-595.

[8]
Assaf A G. Benchmarking the Asia Pacific tourism industry:a Bayesian combination of DEA and stochastic frontier[J]. Tourism Management, 2012, 33(5):1122-1127.

[9]
胡志毅. 基于DEA-Malmquist模型的中国旅行社业发展效率特征分析[J]. 旅游学刊, 2015, 30(5):23-30.

[10]
郭岚, 张勇, 李志娟. 基于因子分析与DEA方法的旅游上市公司效率评价[J]. 管理学报, 2008, 5(2):258-262.

[11]
刘长生. 低碳旅游服务提供效率评价研究——以张家界景区环保交通为例[J]. 旅游学刊, 2012, 27(3):90-98.

[12]
Robaina M, Madaleno M. Resources:eco-efficiency,sustain-ability and innovation in tourism:innovation and sustainability[C]// The Future of Tourism. 2019.

[13]
姚治国, 陈田, 尹寿兵, 等. 区域旅游生态效率实证分析——以海南省为例究[J]. 地理科学, 2016, 36(3):417-423.

DOI

[14]
彭红松, 章锦河, 韩娅, 等. 旅游地生态效率测度的SBM-DEA模型及实证分析[J]. 生态学报, 2017, 37(2):628-638.

[15]
马勇, 刘军. 绿色发展背景下旅游生态效率的核心价值及提升策略[J]. 旅游学刊, 2016, 31(9):1-3.

[16]
李国兵, 田亚平. 珠三角旅游资源竞争力与旅游业发展水平的效度分析[J]. 经济地理, 2019, 39(3):218-224,239.

[17]
李亮, 赵磊. 中国旅游发展效率及其影响因素的实证研究:基于随机前沿分析方法(SFA)[J]. 经济管理, 2013, 35(2):124-134.

[18]
梁明珠, 易婷婷, Bin Li. 基于DEA-MI模型的城市旅游效率演进模式研究[J]. 旅游学刊, 2013, 28(5):53-62.

[19]
马晓龙, 保继刚. 中国主要城市旅游效率的区域差异与空间格局[J]. 人文地理, 2010, 25(1):105-110.

[20]
方叶林, 黄震方, 王芳, 等. 中国大陆省际旅游效率时空演化及其俱乐部趋同研究[J]. 地理科学进展, 2018, 37(10):1392-1404.

DOI

[21]
徐冬, 黄震方, 胡小海, 等. 浙江省县域旅游效率空间格局演变及其影响因素[J]. 经济地理, 2018, 38(5):197-207.

DOI

[22]
郭向阳, 穆学青, 明庆忠. 边疆省域旅游效率空间分异及驱动因素——以云南省为例[J]. 世界地理研究, 2020, 29(2)416-427.

DOI

[23]
王坤, 黄震方, 曹芳东, 等. 泛长江三角洲城市旅游绩效空间格局演变及其影响因素[J]. 自然资源学报2016, 31(7):1149-1163.

[24]
李瑞, 吴殿廷, 殷红梅, 等. 2000年以来中国东部四大沿海城市群城市旅游业发展效率的综合测度与时空特征[J]. 地理研究, 2014, 33(5):961-977.

DOI

[25]
方创琳, 关兴良. 中国城市群投入产出效率的综合测度与空间分异[J]. 地理学报, 2011, 66(8):1011-1022.

[26]
金凤君, 王成金, 李秀伟. 中国区域交通优势的甄别方法及应用分析[J]. 地理学报, 2008, 63(8):787-798.

[27]
吴威, 曹有挥, 张璐璐, 等. 基于供给侧的区域交通发展水平综合评价——以中国三大城市群为例[J]. 地理科学, 2018, 38(4):495-503.

DOI

[28]
郭建科, 王绍博, 王辉, 等. 国家级风景名胜区区位优势度综合测评[J]. 经济地理, 2017, 37(1):187-195.

[29]
戢晓峰, 姜莉, 陈方. 云南省县域城镇化与交通优势度的时空协同性演化分析[J]. 地理科学, 2017, 37(12):1875-1884.

DOI

[30]
王兆峰, 李丹. 基于交通网络的区域旅游空间合作效率评价与差异变化分析——以湘西地区为例[J]. 地理科学, 2016, 36(11):1697-1705.

DOI

[31]
康晓羽. 交通网络影响下的城市旅游效率分析——以山东省十七地市为例[D]. 济南: 山东财经大学, 2016.

[32]
郭向阳, 穆学青, 明庆忠, 等. 旅游地快速交通优势度与旅游流强度的空间耦合分析[J]. 地理研究, 2019, 38(5):1119-1135.

DOI

[33]
Zheng Q X, Kuang Y Q, Huang N S. Coordinated development between urban tourism economy and transport in the Pearl River Delta,China[J]. Sustainability, 2016,https://doi.org/10.3390/su8121338.

[34]
李小建. 经济地理学[M]. 北京: 高等教育出版社, 2016.

[35]
郭庆宾, 张中华. 长江中游城市群要素集聚能力的时空演变[J]. 地理学报, 2017, 72(10):1746-1761.

DOI

[36]
王兆峰, 徐赛. 不同交通方式对旅游效率的影响与评价——以张家界为例[J]. 地理科学, 2018, 38(7):1148-1155.

DOI

[37]
汪德根, 钱佳, 牛玉. 高铁网络化下中国城市旅游场强空间格局及演化[J]. 地理学报, 2016, 71(10):1784-1800.

DOI

[38]
韩增林, 杨荫凯, 张文尝, 等. 交通经济带的基础理论及其生命周期模式研究[J]. 地理科学, 2000, 20(4):295-300.

[39]
郭向阳, 明庆忠, 吴建丽, 等. 云南省区域旅游空间结构演变研究[J]. 山地学报, 2017, 35(1):78-84.

[40]
戢晓峰, 刘丁硕. 物流产业效率与交通优势度耦合协调水平测度——以中国36个主要城市为例[J]. 城市问题, 2019, 38(2):61-68.

[41]
苗毅, 王成新, 徐传珂, 等. 山东省高速交通与服务业分布的空间关系研究[J]. 地域研究与开发, 2018, 37(6):29-33,45.

[42]
Silverman B W. Density estimation for statistics and data analysis[M]. London: Chapman and Hall, 1986.

[43]
沈惊宏, 余兆旺, 沈宏婷. 区域旅游空间结构演化模式研究——以安徽省为例[J]. 经济地理, 2015, 35(1):180-186.

[44]
陆大道. 区域发展及其空间结构[M]. 北京, 科学出版社: 1995.

Options
文章导航

/

〈 〉