EN中文

经济地理 >

2020 , Vol. 40 >Issue 9: 213 - 221

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.09.023

旅游经济与管理

旅游线路的空间集聚与中国旅游地理分区方案

  • 王海江 , 1 ,
  • 苏景轩 1 ,
  • 李欣欣 1 ,
  • 苗长虹 2 ,
  • 李晓玉 1
展开
  • 1.河南理工大学 测绘与国土信息工程学院，中国河南 焦作 454000
  • 2.河南大学 黄河文明与可持续发展研究中心，中国河南 开封 475001

王海江（1971—），男，河南焦作人，博士，副教授。主要研究方向为经济地理与区域发展。E-mail：。

收稿日期: 2019-11-27

  修回日期: 2020-06-13

  网络出版日期: 2025-04-23

基金资助

国家自然科学基金项目(41371133)

河南省高校科技创新人才（人文社科类）支持计划(2017-CXRC-013)

河南理工大学哲学社会科学创新团队(CXTD2020-1)

收起

The Spatial Agglomeration of Tourist Routes and the Scheme of China's Tourism Geographical Division

  • WANG Haijiang , 1 ,
  • SU Jingxuan 1 ,
  • LI Xinxin 1 ,
  • MIAO Changhong 2 ,
  • LI Xiaoyu 1
Expand
  • 1. School of Surveying & Land Information Engineering，Henan Polytechnic University，Jiaozuo 454000，Henan，China
  • 2. Key Research Institute of Yellow River Civilization and Sustainable Development/College of Environment & Planning，Henan University，Kaifeng 475001，Henan，China

Received date: 2019-11-27

  Revised date: 2020-06-13

  Online published: 2025-04-23

Fold

摘要

基于旅游线路大数据，通过近域O-D联系空间分析方法，精确模拟并深入解析全国旅游流空间集聚与分布特征，在此基础上探讨了全国旅游地理分区方案，并精细刻画不同出游类型的空间结构图谱。研究认为，旅游流的空间集中程度远高于一般意义上的人口和经济集聚，是一种首位型经济活动类型，服从“二八定律”。中国旅游流总体上呈现“大分散、小聚集，既分散又集中”的空间分布格局。全国尺度上旅游流呈分散化均衡布局，说明西部旅游业的发展在很大程度上抵减了东西之间的区域发展差异。省域尺度旅游线路区域性集聚特征明显，少数热门景区游客集聚过度。东北资源枯竭型地区旅游业方面活力相对不足，中部地区的“黄泛区”出现旅游业“局部塌陷”问题。研究显示，旅游线路空间分布格局清晰地指示了中国旅游地理区划的空间范围。依据旅游线路的空间集聚、旅游接待量、空间相似性、文化习俗同质性等原则，初步划分了东北林海雪原旅游区、京津冀历史文化旅游区、塞外草原风情旅游区等14个全国旅游地理分区。研究也显示，不同旅游出行方式的空间集聚特征也存在较大的差异性。

关键词： 旅游线路大数据; 旅游流; 空间集聚; 旅游地理分区方案; 首位度; 位序—规模指数; 二八定律

本文引用格式

王海江 , 苏景轩 , 李欣欣 , 苗长虹 , 李晓玉 . 旅游线路的空间集聚与中国旅游地理分区方案[J]. 经济地理, 2020 , 40(9) : 213 -221 . DOI: 10.15957/j.cnki.jjdl.2020.09.023

Abstract

Based on the big data of tourism routes,the spatial analysis method of near field O-D contact is used to accurately simulate and deeply analyze the spatial agglomeration and distribution characteristics of tourism flows in China. On this basis,the national tourism geographic division scheme is discussed,and the spatial structure map of different travel types are elaborated. The study believes that the spatial concentration of tourism flows is much higher than the population and economic agglomeration in the general sense. It is a type of first-class economic activity and is subject to the "two-eighth law". China's tourism flow generally presents a spatial distribution pattern of "large dispersion,small aggregation,namely,dispersion and concentration". The tourism flow on the national scale is decentralized and balanced,indicating that the development of tourism in the west has largely offset the regional development differences between East and West. The regional agglomeration characteristics of provincial-scale tourist routes are obvious,and a few popular scenic spots are over concentrated. The tourism industry in the resource-exhausted areas in Northeast China is relatively inactive,and the tourism industry in the central region,especially in the "Yellow River flooding Area",has experienced a considerable degree of "partial collapse". Studies have shown that the spatial distribution pattern of tourist routes clearly indicates the spatial extent of China's tourism geographic division. According to the principles of spatial agglomeration,reception volume,spatial similarity and cultural homogeneity of tourism routes,14 national tourism geographical divisions such as Northeast Forest Sea and Snow Plain Tourist Area,Beijing-Tianjin-Hebei Historical and Cultural Tourism Area and Grassland Tourist Area Outside The Great Wall are preliminarily divided. The study also shows that there are large differences in the spatial agglomeration characteristics of different modes of travel. This study has important theoretical and empirical reference value for comprehensively identifying the spatial agglomeration characteristics of China's tourism routes,the regional spatial distribution of tourism flows,the geographical division of tourism,the location of regional tourism functions and the choice of development paths in the era of big data.

Key words： big data of tourist routes; tourism flow; spatial agglomeration; scheme of China's tourism geographical division; primacy degree; Order-Scale Index; pareto principle

旅游线路是旅游组织者在一定地域范围内综合考量旅游资源的空间分布与交通状况、游客的旅游动机与偏好、旅游的时间与空间成本等影响因素，对不同的景区与景点进行旅游时序与行程的空间优化与线路设计，以达到吸引和满足最大多数旅客的出行需求和旅游体验。旅游线路通过交通线把旅游活动主体与客体合理地联系在一起，以使旅游者在短时间内获得最大的游览效果[1]。旅游线路具有典型的空间属性，是社会经济活动在地理空间中的线性组织[2]。
近些年来，关于旅游线路的研究取得了丰硕的成果，国外学者对旅游线路的研究多集中于旅游线路的条件评估与动机分析[3]、旅游线路的概念模型[4]、旅游线路的规划设计[5⇓-7]、旅游线路空间模式[8-9]、旅游线路模式选择的影响因素[10-11]。国内对旅游线路的研究起步较晚，对旅游线路的研究主要集中在旅游产品开发与线路设计[12⇓-14]、旅游线路组织方法[15-16]、不同地区旅游线路空间模式与空间网络特征[17⇓⇓-20]。但多集中于中小区域、具体城市或景区，对于全国尺度下旅游线路的研究相对较少，究其原因是大空间尺度下的巨量空间数据的获取难度较大，数据本身所蕴含的地理空间信息有效提取与高效处理方法不易。
旅游地理大数据方面的研究日益趋热，利用微信[21]、微博[22⇓-24]、QQ群[25]、搜索引擎[26]、地理标记照片[27-28]、网络游记[29⇓-31]等旅游数字足迹信息，分析旅游流的时空分布、网络结构、路径轨迹及形象感知等方面的研究成果产出也相当丰硕。但是，“大数据”时代下人文经济地理学面临着数据决定论、数据分析方法准备不足以及数据自身缺陷所带来的危机与挑战[32]。同时，对大数据本身及精致数理模型的追求过多，可能会导致学术研究本身所要追求的知识发现与理论创新不足。
本文着眼于全国层面，基于旅游线路大数据，应用GIS空间网络分析方法，模拟中国旅游线路的空间分布与集聚特征，分析旅游流的分布规律与空间差异，并对中国旅游地理分区、区域旅游功能定位与发展路径等进行深入解析。

1 数据来源与分析方法

数据来源为2019年6月份在中国旅游综合门户网站携程网上采集。包括线上网络销售的全部国内旅游线路，经整理获得有效的旅游线路25 427条，其中跟团游16 925条，自由行4 104条，半自助游2 427条，私家团1 857条，游学团114条，数据中涉及到的出行总人数达到770万余人次。
每一条旅游线路的数据结构为线路名称、线路编号、线路出游数。从旅游线路可获知其具体行程安排及其旅游所经过的地区和景点，线路编号为该旅游产品的唯一性标识，可识别跨省域旅游线路的重复计算问题，线路出游数为在此线路上一段期内的实际出行人数，即线路上途经景点的旅游接待人数。
分析方法为近域O-D联系GIS网络空间分析方法[33]。一条旅游线路一般由若干个景点按游览顺序组成一条空间联系路径，即A-B-C-D-E…等，将每一条联系路径在空间上进行叠加，便构成了全国旅游线路的空间分布体系。但是GIS空间分析难以应对巨量的不同连接数量、不同联系路径的复杂空间联系。为此在空间分析前，先将每一条旅游线路的联系路径打散，按近域联系的原则依次分解成A-B、B-C、C-D、D-E…等简单的O-D联系路径，然后对所有的简单联系路径进行空间叠加，这样就可以构造出一个完整的近域O-D联系网络，从而实现复杂联系路径的全空间定位与全空间连接。
实际数据处理过程中，由于景点数量众多，其空间位置信息比较复杂，对每一景点的地理位置的确认工作相当繁琐而近于不可实现。为此，本研究将景点按照其所属行政区划进行归并，统一在地级及其以上中心城市这一空间尺度上，这样就可方便地得到全国旅游线路的城市网络分布体系。在城市间旅游联系视角下，旅游线路的空间联系按途经地市多少又可分两种类型：一种是旅游线路跨越了两个以上的城市，为城际间的旅游；另一种是旅游线路上的景点全部落在了一个城市空间范围之内，即为单个城市市域内的旅游。

2 中国旅游线路空间集聚程度分析

基于以上研究方法，将全部旅游线路进行近域联系空间连接，全景式绘制出中国旅游线路的空间分布与空间集聚图（图1、图2）。图1为途经两个及以上城市的城际旅游线路空间分布，图2为基于旅游线路的中国地级中心城市旅游接待规模的空间分布图。
图1 中国城际旅游线路的空间分布

Fig.1 Spatial distribution of intercity tourism routes in China

图2 中国中心城市旅游接待规模的空间分布

Fig.2 Spatial distribution of tourism reception scale in central cities of China

2.1 旅游流的空间集中程度远高于一般意义上的人口和经济集聚

中国旅游线路的空间分布表现出一种明显的区域性空间集聚特性。为深入分析旅游线路的空间集中程度，对全国及四大区域各城市旅游线路上的出游人数进行规模排序，考察旅游城市体系作为一种传统人类经济活动（如类似城市体系、交通体系）空间集聚的位序—规模分布特征。
位序—规模分布标准模型为齐夫准则即Zipf模型[34]，应用广泛的是Lotka模式[34]：
P i = P 1 R i - q R i = 1,2 , … n
式中：n为城市数量； R i为i城市旅游流规模位序； P i为i城市旅游流规模； P 1为理想的首位城市旅游流规模；q为Zipf指数。将上述模型进行对数变换，得到：
1 n P i = l n P 1 - q 1 n R i
Zipf指数q也被称作集中指数，一般依其大小可划分为：首位型（q≥1.2），集中型（0.85<q<1.2），分散均衡型（q≤0.85），其中当q=1时，城市体系处于自然状态下集中型的最优分布。
Zipf模型计算结果如表1、图3、图4。通过比较显示，中国城市经济发展水平、城市规模体系、经济规模、旅游流的q值即集中指数分别为0.4919、0.9696、1.2733、2.789，表明中国城市经济发展水平相对分散均衡，城市体系规模分布相对合理有序，经济规模在适度向大城市集中，而旅游流的集中指数远远大于前三者，是一种空间集中程度远高于人口和经济集聚的首位型经济活动类型。旅游线路是基于旅游资源禀赋、交通出行条件、旅游动机与偏好、目的地季节性变化等综合优化而设计的，是为了最大化适应和满足旅游消费需求。旅游出行目的地无疑会集中指向资源禀赋、出行条件、服务设施、游憩体验等要素空间组合较好的地方，旅游业这种极强的综合性需求特点使得旅游流的空间集聚程度高于传统的单要素空间集聚。中国四区域的计算结果也证实了这种空间集聚特征，且东北与中部地区旅游流的集中度要高于东部和西部，其原因是东北与中部的旅游吸引物相对东部与西部较少，且资源同质化较多，加上区位条件、服务设施、时令变化等综合因素的影响，旅游流更加倾向于向少数优质景点集中。
表1 旅游流、GDP与人口的空间集中度指数（Zipf指数）

Tab.1 Spatial concentration index of tourism flow, GDP and population （Zipf index）

类型 位序—规模分布对数模拟 R2值
全国旅游流 y=20.309-2.789x 0.7254
GDP y=21.738-1.2733x 0.8923
城市体系（人口规模） y=9.2806-0.9696x 0.8545
经济水平（人均GDP） y=13.371-0.4919x 0.7995
东部地区旅游流 y=18.105-2.8969x 0.7210
中部地区旅游流 y=15.429 -2.9359x 0.7849
西部地区旅游流 y=18.235-2.8147x 0.7095
东北地区旅游流 y=13.004-3.1200x 0.7466
图3 中国城市旅游流、GDP及人口的位序—规模指数分布

Fig.3 The Order-Scale Index distribution of China's urban tourism flow, GDP and population

图4 四区域旅游流的位序—规模指数分布

Fig.4 The Order-Scale Index distribution of four regional tourist flows

2.2 旅游流空间集聚总体服从一般意义上的“二八定律”

将全国、四区域及各省区城市的旅游接待量的首位度、前20%的城市旅游流量占比等数据进行汇总计算，发现全国的城市旅游流基本上符合在人文社科领域广泛适用的“二八定律”。即全国、各省区旅游流量前20%的城市其流量之和分别占到各自的85.61%和81.16%，剩余80%的城市其旅游流量之和占比不足20%（表2）。
表2 全国及各省区旅游的首位城市、首位度及前20%城市占比(%)

Tab.2 The first city, the primary index and the top 20% of cities in the country and provinces(%)

区域 位序前20%
城市占比		 省域 首位旅
游城市		 首位度 位序前20%
城市占比
东部 86.40 京津冀 北京 63.57 86.55
长三角 杭州 22.67 82.84
大湾区 香港 43.08 81.00
福建 厦门 70.81 95.44
山东 青岛 41.62 85.97
海南 三亚 97.10 99.56
中部 84.27 山西 忻州 35.73 57.87
安徽 黄山 91.77 99.64
江西 上饶 37.75 70.40
河南 郑州 23.90 86.42
湖北 宜昌 84.66 98.26
湖南 张家界 51.63 92.81
西部 78.13 内蒙古 赤峰 24.52 61.21
广西 桂林 52.69 77.00
重庆 重庆 24.68 84.88
贵州 凯里 29.90 58.84
云南 丽江 34.42 93.80
西藏 拉萨 29.48 55.61
陕西 西安 56.12 81.05
甘肃 张掖 27.31 79.05
青海 共和 37.45 66.07
宁夏 中卫 47.11 47.11
新疆 乌鲁木齐 20.69 86.12
东北 85.87 辽宁 大连 90.20 96.54
吉林 白山 54.32 94.05
黑龙江 哈尔滨 62.97 87.93
全国 85.61 省域均值 48.31 81.16
各省区首位度较高的有京津冀的北京、福建厦门、海南三亚、安徽黄山、湖北宜昌、湖南张家界、广西桂林、陕西西安、辽宁大连、吉林白山、黑龙江哈尔滨等，单个首位旅游城市的旅游流量就超过了所在省域的50%，其中的三亚、黄山、大连、宜昌旅游首位度大于80%，基本上集全省的旅游流量于一身。区域中心城市和禀赋突出的旅游城市，富集域内优质的旅游资源，拥有便捷的交通网络，加上中心城市完善的综合服务设施和多样化的旅游体验，使得旅游流的区位指向高度重叠，区域旅游“二八”现象突出。这也提示区域旅游业发展要极其重视“少数关键”即主要中心城市和重点景区。

2.3 空间距离约束在旅游线路选择中依然起着重要作用

在770万人次的出行数据样本中，跨城际旅游线路上的出行人数近300万人次，约占全部旅游线路出行人数的38.81%，即目的地旅游线路的选择有约1/3的人是跨地市的中长距离旅行，而近2/3的大多数人是选择在一个城市空间范围内的短距离旅行。短距离旅行的出行人数2倍于中长距离旅行，说明即使是在现代高速交通技术条件支撑下，空间距离衰减规律依旧对旅游线路选择有着重要的约束作用。
二八定律：19世纪末20世纪初意大利经济学家帕累托发现，在任何一组东西中，最重要的只占其中一小部分，约20%，其余80%尽管是多数，却是次要的，因此称作“二八定律”。

3 中国旅游流空间格局总体呈现大空间分散、小区域聚集的分布规律

基于旅游线路数据考察全国旅游流的空间分布，总体呈现出一种“大分散、小聚集，既分散又集中”的特征。旅游流在全国空间尺度上是一种大的分散化均衡布局，在省域空间尺度上呈区域性集聚分布，如图5、图6所示。
图5 中国旅游线路的空间分布总体格局

Fig.5 The overall pattern of spatial distribution of China's tourist routes

图6 中国旅游线路的空间相关性

Fig.6 Spatial correlation of Chinese tourist routes

3.1 全国范围内旅游流呈分散化均衡布局，一定程度上平衡了区域发展差异

中国的自然山水、历史人文、民族宗教等旅游资源极其丰富多样，江浙的山水园林，东北的白山黑水，海南的热带风光，西藏的雪域高原，黄河流域的厚重文化，河西走廊的大漠风情，众多的旅游景点散布在大江南北、长城内外。可以说，旅游业在全国的大分散化的空间分布格局，在很大程度上抵减了东西之间的区域经济与社会发展差异，尤其是对于西部、中部欠发达地区，充分挖掘其独特的自然山水与人文风情等旅游资源，大力发展地域特色鲜明的旅游业，为落后地区的区域发展尤其是脱贫攻坚提供了持续而有效的产业支撑。

3.2 省域范围内旅游线路区域性集聚特征明显，旅游流的空间极化严重

省域范围内，旅游线路的区域性集聚和空间极化特征明显，这与全国尺度相比较差异较大。如云南集中在昆明、大理、丽江、香格里拉一线；河南集中在郑州、开封、洛阳一线；华东集中在上海、杭州、南京、苏州、无锡；西北则集中于河西走廊、天山南北等区域。尤其是在旅游黄金周期间，各个省区的少数几个热门景区游客爆满，交通严重拥堵，区域旅游空间极化现象严重。这种状况与省域尺度内旅游资源的空间分布不均、游客出行需求同向、空间同质、时间同步等因素密不可分。

3.3 东北资源枯竭型地区旅游业方面活力相对不足

全国旅游线路冷热不一，整体上是南热北冷，华东、西南热，东北、中部冷。华东沪苏浙、华南闽粤桂琼、西南云贵川渝等区域热门景点众多，旅游线路相对密集。东北3省、中部6省区的旅游线路则主要集中在本区域的少数几个优质景区内，整体上的旅游流量不大。其中，东北地区虽然幅员辽阔、资源独特，但其地理区位相对偏远，受游时比、季节性影响较大。同时，近些年东北资源枯竭型地区经济转型压力较大，区内旅游线路活跃度不够，旅游业发展活力也相对不足。

3.4 中部地区旅游业出现了相当程度的“局部塌陷”

中部地区拥有优越的居中区位、厚重的历史文化，但其在旅游业方面却出现了相当程度的“局部塌陷”局面。虽然有学者认为“全国尺度上不存在中部旅游塌陷”[36]，但是，基于全国旅游线路大数据支持下的中国旅游流空间分布格局（图5、图6）已经清晰标示出中部地区有很大一块连片分布的旅游业发展严重不足的“局部塌陷”区域。该区域主要集中在豫东南、皖北，并延及苏北和鲁西南，其核心地带正好和“黄泛区”重叠，指示其形成原因二者有着某种因果关联。“黄泛区”的生态环境约束、传统农区的产业发展困境、历史发展的曲折多难等多重不利因素空间叠加，加上本区域旅游资源同质性强、旅游产品同质化严重，反映在旅游业发展方面出现较为严重的“局部塌陷”，而更深层次的原因需要引起学者们注意和深入解读。

4 中国旅游线路分类型集聚特征

旅游按出行的方式不同可分成跟团游、自由行、私家团、半自助游等多种类型，不同出行方式的空间集聚特征也存在较大的差异性（表3，图7）。
表3 不同旅游类型的空间集中度

Tab.3 Spatial concentration of different types of tourism

类型 位序—规模分布对数模拟 R2值 位序前20%城市占比 旅游流量前5位城市
全部类型 y=20.309-2.789x 0.7254 85.61 三亚、香港、丽江、厦门、大理
自由行 y=18.871-3.059x 0.8681 96.25 三亚、香港、澳门、珠海、厦门
私家团 y=13.033-1.978x 0.7883 77.85 丽江、呼伦贝尔、桂林、香格里拉、景洪
跟团游 y=19.211-2.6108x 0.7113 81.84 丽江、大理、昆明、三亚、杭州
半自助游 y=15.228-2.5168x 0.8451 90.47 宜昌、三亚、香港、北京、丽江
图7 中国旅游线路分类型空间结构图谱

Fig.7 Spatial structure map of China's tourist route classification

作为受年轻一代喜欢的出行方式，自由行的空间集聚程度最高，集中指数为3.059，高于全国旅游平均集聚度，出行目的地主要集中在海南、粤港澳，长三角、河西走廊等少数地区，主要旅游城市为三亚、香港、澳门、珠海、厦门等。跟团游是目前选择最多的大众化出行方式，集中指数为2.6108，其空间集聚情形代表了全国旅游出行的总体特征，即全国大分散、省区小集聚。半自助游介于跟团游与背包客之间，相对其它旅游方式更加便利和自由，集中指数为2.5168，主要集中在长江三峡、川藏线、河西走廊、云南及海南等地。私家团是一种有限定制旅游，出行人数总体上规模较小，其集中指数为1.978，空间集聚程度也最弱，在全国也相对集中在云贵、陕甘青、新疆、内蒙等区域。

5 中国旅游地理分区

5.1 旅游地理分区凸显了区域优势和地域特色

由于全国旅游线路空间分布有着极强的区域性空间集聚特征，全国旅游线路空间分布格局清晰地指示出了中国旅游地理区划的大体空间范围。
一定地域空间范围内，基于域内独特的自然风光、人文景观、历史文化、宗教习俗等旅游资源，依托众多的旅游景区和景点，由诸多不同的旅游线路密集连接成一个区域旅游整体，就形成了具有鲜明地域特色的旅游地理分区。旅游地理分区是在不同发展条件下，综合集成区域内诸多旅游资源与发展要素，经过长期演变并逐渐形成的一种旅游空间聚合体。旅游地理分区突显了旅游地域功能，如河西走廊的古丝路景观、郑汴洛的中原文化、云南的民族风情、成都的慢生活等，人们去那里旅游的目的即为体验其独有的地域特色与别样风景。

5.2 中国旅游地理分区方案

依据旅游线路的空间分布与区域集聚特征、中心城市旅游接待量、区域旅游资源的空间相似性、历史文化与生活习俗的地域同质性等分区原则，初步将全国分成东北林海雪原旅游区、京津冀历史文化旅游区、塞外草原风情旅游区、华东山水园林旅游区、黄河中下游历史文化旅游区、长江中游名山峡谷旅游区、成渝历史文化旅游区、云贵山水民族风情旅游区、雪域高原宗教文化旅游区、华南热带亚热带景观旅游区、大湾区现代都市旅游区、闽台文化旅游区、新疆生态文化旅游区、河西走廊历史文化旅游区等14个旅游区（图8、图9，表4）。
图8 中国旅游地理分区方案

Fig.8 Scheme map of China's tourism geographical division

图9 中国旅游地理分区与旅游线路的空间拟合

Fig.9 Spatial superposition of tourism geographical division and tourist routes in China

表4 中国旅游地理分区方案

Tab.4 Scheme of China's tourism geographical division

大区 序号 旅游区名称 地理区位 地域特色 旅游核心城市
东北区 Ⅰ 东北林海雪原旅游区 黑吉辽 林海雪原 大连、沈阳、白山、长春、哈尔滨、牡丹江、大兴安岭
华北区 Ⅱ 京津冀历史文化旅游区 京津冀 历史文化、海滨风光 北京、天津、唐山、承德、张家口
Ⅲ 塞外草原风情旅游区 内蒙古 草原风情 赤峰、鄂尔多斯、呼和浩特、呼伦贝尔、包头
华东区 Ⅳ 华东山水园林旅游区 沪苏浙皖 现代都市、山水园林 杭州、上海、嘉兴、苏州、无锡、南京、金华、舟山、宁波、常州、黄山
华中区 Ⅴ 黄河中下游历史文化旅游区 晋陕豫鲁 历史文化 忻州、晋中、大同、太原、西安、延安、渭南、郑州、洛阳、开封、焦作、青岛、泰安、济宁、济南、烟台、威海
Ⅵ 长江中游名山峡谷旅游区 鄂湘赣 名山峡谷 张家界、吉首、长沙、湘潭、宜昌、神农架、恩施、武汉、上饶、九江、南昌、景德镇
西南区 Ⅶ 成渝历史文化旅游区 成渝 山水风光、历史文化 重庆、成都、乐山、康定、马尔康、西昌
Ⅷ 云贵山水民族风情旅游区 云贵 山水风光、民族文化 丽江、大理、昆明、香格里拉、景洪、凯里、都匀、安顺、贵阳
青藏区 Ⅸ 雪域高原宗教文化旅游区 西藏 雪域高原、宗教文化 拉萨、山南、林芝、日喀则
华南区 Ⅹ 华南热带亚热带景观旅游区 桂琼 热带亚热带景观、海滨风光 桂林、南宁、崇左、北海、百色、三亚、海口
Ⅺ 大湾区现代都市旅游区 粤港澳 现代都市、海滨风光 珠海、广州、惠州、清远、江门、佛山、东莞、深圳、阳江、香港、澳门
东南区 Ⅻ 闽台文化旅游区 闽台 海峡风光、闽台文化 厦门、龙岩、南平、漳州、福州、台北
西北区 ⅩⅢ 新疆生态文化旅游区 新疆 自然生态、民族文化 乌鲁木齐、阿勒泰、阜康、吐鲁番、伊宁、库尔勒
ⅩⅣ 河西走廊历史文化旅游区 甘宁青 大漠风情、历史文化 张掖、酒泉、嘉峪关、兰州、共和、西宁、德令哈、海晏、中卫、银川、石嘴山

5.3 旅游地理分区功能定位与发展方向诠释了演化经济地理学的路径依赖

演化经济地理学认为，区域经济发展的过程可以看成是路径依赖过程[37]。对于旅游业，在特定空间范围内，富有地域特色的旅游业经过长期的发展和实践，该区域就会逐渐形成特色相似、方向一致、功能趋同的同质化旅游地理分区。旅游地理分区一旦成形，就会在旅游发展战略、旅游功能定位、景区资源开发保护、旅游商品宣传、旅游线路规划设计等方面持续强化其地域特色，凸显区域优势，其发展路径就会日益清晰并趋于固化和锁定，旅游区的影响力和吸引力也将会获得不断累积和提升，进而形成区域旅游业发展的惯性引导即路径依赖，并在今后的发展演化过程中持续强化。旅游地理分区的形成与发展很好地体现了演化经济地理学的路径锁定与路径依赖理论。

6 结论与展望

基于旅游线路大数据，通过近域O-D联系GIS空间网络分析方法，全景式展示全国旅游流空间集聚的分布格局与结构特征，并在此基础上初步确定了全国旅游地理分区方案，并精细刻画不同出游类型的空间结构图谱。研究形成以下认识：
①旅游流的空间集中程度远高于一般意义上的人口和经济集聚，是一种首位型经济活动类型，总体服从一般意义上的“二八定律”。
②中国旅游流总体上呈现“大分散、小聚集，既分散又集中”的空间分布格局。
③全国尺度上旅游流呈分散化均衡布局，很大程度上抵减了东西之间的区域发展差异。西部及中部等广大欠发达地区，因地制宜发展地域特色鲜明的旅游业，为区域发展和脱贫攻坚提供了持续而有效的产业支撑。
④省域尺度旅游线路区域性集聚特征明显，旅游流中观尺度空间极化现象严重，少数热门景区游客爆满，拥堵严重。这与省域尺度内旅游资源的空间分布不均，游客出行需求同向、空间同质、时间同步等影响因素密不可分，这种情形目前在短期内无法有效解决，强化引导、有效疏解、错峰出行是解决问题的思路方向。
⑤全国旅游线路空间分布格局清晰地指示了中国旅游地理区划的空间范围。依据旅游线路的空间集聚、旅游接待量、空间相似性、文化习俗同质性等原则，本研究初步划分出了14个全国旅游地理分区。
研究建议：
①旅游地理分区的划分，突出了区域优势，突显了地域特色，这对区域旅游业发展功能定位与旅游线路优化设计有着积极而重要的作用。本研究主要依据旅游线路的空间集聚在全国层面上进行地理分区研究，空间尺度较为宏观，进一步的研究需要沿着旅游线路空间集聚这一思路，将空间尺度下探到省域及更小范围内进行更加精细具体的区域旅游地理分区研究。
②旅游地理分区一旦划定，在以后的旅游业发展实践中其功能定位、地域特色等将会不断优化、持续强化，进而固化锁定，形成区域旅游发展的路径依赖，良性循环累积。这正好契合了演化经济地理学的路径依赖理论。对旅游业演化发展的区域韧性、地方依赖、路径锁定及路径依赖等相关理论的解析，需要结合更多的典型案例，进行生动而深刻的解读。
旅游政策建议：
研究显示，东北地区旅游业方面活力相对不足，中部地区尤其是在“黄泛区”旅游业出现了相当程度的“局部塌陷”问题。资源枯竭型地区的转型困境与旅游持续低迷相互叠加，黄泛区的环境约束与旅游困境相互掣肘，不利因素，负向累积，区域经济与社会发展困难重重，这需要引起相关管理部门的特别关注。同时这也提示国家及地方省区需要出台特殊区域强有力的旅游业发展激励机制与优惠政策，如资源枯竭型地区旅游发展专项规划、黄泛区旅游业发展振兴计划等，以区域旅游业高质量发展来拉升和促进区域可持续发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
马勇. 旅游学概论[M]. 北京: 高等教育出版社, 1996.

[2]
孙勇, 史春云, 唐雯雯, 等. 云南省旅游线路网络与空间结构特征[J]. 人文地理, 2016, 31(1):147-153.

[3]
Báez-Montenegro A, Bedate Centeno A, Sanz Lara J A, et al. Contingent valuation and motivation analysis of tourist routes:an application to the cultural heritage of Valdivia,Chile[J]. Tourism Economics, 2015, 22(3):558-571.

[4]
Oppermann M. A model of travel itineraries[J]. Journal of Trav-el Research, 1995, 33(4):57-61.

[5]
Rodríguez B, Molina J, Pérez F, et al. Interactive design of personalised tourism routes[J]. Tourism Management, 2012, 33(4):926-940.

[6]
Cenamor I, de la Rosa T, Núñez S, et al. Planning for tourism routes using social networks[J]. Expert Systems with Applications, 2017(69):1-9.

[7]
Lew A A, Mckercher B. Trip destinations,gateways and itineraries:The example of Hong Kong[J]. Tourism Management, 2002, 23(6):609-621.

[8]
Stewart S I, Vogt C A. Multi-destination trip patterns[J]. Annals of Tourism Research, 1997, 24(2):458-461.

[9]
Tideswell C, Faulkner B. Multidestination travel patterns of international tourists to Queensland[J]. Journal of Travel Research, 1999, 37(4):364-374.

[10]
Page S, Connell J. Exploring the spatial patterns of car-based tourist travel in Loch Lomond and Trossachs National Park,Scotland[J]. Tourism Management, 2008, 29(3):561-580.

[11]
Dredge D. Destination place planning and design[J]. Annals of Tourism Research, 1999, 26(4):772-791.

[12]
陈青光, 周茂权. 桂林旅游产品开发和线路设计[J]. 旅游学刊, 1995(3):32-35.

[13]
曾明星. 崇明岛绿色度假旅游项目规划及线路设计构想[J]. 旅游学刊, 2001, 16(2):34-38.

[14]
贾百俊, 王旭红. 陕西跨世纪旅游线路的总体设计[J]. 旅游学刊, 2000, 15(2):18-22.

[15]
马晓龙. 基于游客行为的旅游线路组织研究[J]. 地理与地理信息科学, 2005, 21(2):98-101.

[16]
翟辅东. 西藏区域旅游线路组织优化研究[J]. 旅游学刊, 2008, 23(1):63-66.

[17]
刘丽敏, 钟林生, 虞虎, 等. 青海省自助游与团队游线路网络空间特征与影响因素[J]. 经济地理, 2018, 38(1):187-195.

DOI

[18]
朱明, 史春云, 袁欣, 等. 基于旅行社线路的国内旅行空间模式研究[J]. 旅游学刊, 2010, 25(9):32-37.

[19]
汤黎明, 魏冀明, 赵渺希, 等. 区域旅游线路的复杂网络特征——以福建省为例[J]. 旅游学刊, 2014, 29(6):57-66.

[20]
史春云, 朱传耿, 赵玉宗, 等. 国外旅游线路空间模式研究进展[J]. 人文地理, 2010, 25(4):31-35.

[21]
苟思远, 李钢, 张可心, 等. 基于自媒体平台的“旅游者”时空行为研究——以W教授的微信“朋友圈”为例[J]. 旅游学刊, 2016, 31(8):71-80.

[22]
王雯夫, 陈子豪, 孙奇, 等. 基于社交媒体的城市旅游区特征分析——以苏州市为例[J]. 北京大学学报:自然科学版, 2019, 55(3):80-88.

[23]
唐佳, 李君轶. 基于微博大数据的西安国内游客日内时间分布模式研究[J]. 人文地理, 2016, 31(3):151-160.

[24]
闫闪闪, 靳诚. 基于多源数据的市域旅游流空间网络结构特征——以洛阳市为例[J]. 经济地理, 2019, 39(8):231-240.

[25]
张高军, 李君轶, 毕丽芳, 等. 旅游同步虚拟社区信息交互特征探析——以QQ群为例[J]. 旅游学刊, 2013, 28(2):119-126.

[26]
吕兴洋, 刘丽娟, 林爽. 在线信息搜索对旅游者感知形象及决策的影响研究[J]. 人文地理, 2015, 30(5):111-116.

[27]
秦静, 李郎平, 唐鸣镝, 等. 基于地理标记照片的北京市入境旅游流空间特征[J]. 地理学报, 2018, 73(8):1 556-1 570.

[28]
杨兴柱, 蒋锴, 陆林. 南京市游客路径轨迹空间特征研究——以地理标记照片为例[J]. 经济地理, 2014, 34(1):181-187.

[29]
张高军, 李君轶, 张柳. 华山风景区旅游形象感知研究——基于游客网络日志的文本分析[J]. 旅游科学, 2011, 25(4):87-94.

[30]
张妍妍, 李君轶, 杨敏. 基于旅游数字足迹的西安旅游流网络结构研究[J]. 人文地理, 2014, 29(4):111-118.

[31]
张鲜鲜, 李婧晗, 左颖, 等. 基于数字足迹的游客时空行为特征分析——以南京市为例[J]. 经济地理, 2018, 38(12):228-235.

[32]
甄峰, 王波. “大数据”热潮下人文地理学研究的再思考[J]. 地理研究, 2015, 34(5):5-13.

[33]
王海江, 苗长虹, 李欣欣. 流视角下中国铁路交通联系空间模拟与格局解析[J]. 经济地理, 2019, 39(1):32-39.

[34]
Zipf G K. Human Behaviour and the Principle of Least Effort[M]. New York: Hafner Publishing Company, 1949.

[35]
周一星, 于海波. 中国城市人口规模结构的重构[J]. 城市规划, 2004, 28(6):49-55.

[36]
马晓龙, 保继刚. “塌陷”背景下中部旅游发展的地理学透视[J]. 人文地理, 2008, 23(1):80-87.

[37]
安虎森, 季赛卫. 演化经济地理学理论研究进展[J]. 学习与实践, 2014(7):5-18.

Options
文章导航

/

〈 〉