EN中文

经济地理 >

2021 , Vol. 41 >Issue 4: 158 - 165

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.04.019

旅游经济与管理

中国主要旅游城市与入境客源国匹配度及演化格局

  • 刘军胜 , 1 ,
  • 马耀峰 2
展开
  • 1.西北大学 经济管理学院，中国陕西 西安 710127
  • 2.陕西师范大学 地理科学与旅游学院，中国陕西 西安 710062

刘军胜（1986—），男，河南开封人，博士，讲师，硕士生导师，研究方向为旅游地理与旅游经济。E-mail：

收稿日期: 2020-05-26

  网络出版日期: 2025-04-25

基金资助

教育部人文社会科学基金项目(20YJC790077)

陕西省社会科学基金项目(2018S11)

陕西省软科学研究计划项目(2019KRM105)

陕西省教育厅科研计划项目(20JK0383)

西北大学国家社会科学基金孵化项目(XM07190575)

收起

Matching Degree Between Major Tourist Cities and Inbound Tourist Source Countries in China and Its Spatio-temporal Evolution Pattern

  • LIU Junsheng , 1 ,
  • MA Yaofeng 2
Expand
  • 1. School of Economic & Management，Northwestern University，Xi'an 710127，Shaanxi，China
  • 2. School of Geography and Tourism，Shaanxi Normal University，Xi'an 710119，Shaanxi，China

Received date: 2020-05-26

  Online published: 2025-04-25

Fold

摘要

分析主要旅游城市与入境客源国的匹配度及其时空格局，并识别出入境客源市场的高匹配城市，对促进城市精确展开入境旅游市场营销与区域合作具有重要意义。采用匹配度模型与热图分析法，基于1991—2016年中国60座旅游城市13大客源国过夜游客统计数据，分析二者的匹配度及时空格局。研究发现：①主要旅游城市与入境客源国的匹配度整体上呈现“长尾”发展特征，不同旅游城市与入境客源国的匹配程度存在错位与差异。②主要旅游城市与客源国匹配度空间格局演变极化态势明显，入境过夜游客市场结构的空间不均衡性加剧。③与我国东部沿海城市存在较高匹配度的客源国集中在亚洲地区，与我国中西部城市存在较高匹配度的客源国集中在欧洲与美洲地区。④依据旅游城市与客源国的匹配度，识别出了不同入境客源国的高匹配城市。

关键词： 旅游城市; 入境客源国; 匹配度; 入境客源市场; 旅游目的地

本文引用格式

刘军胜 , 马耀峰 . 中国主要旅游城市与入境客源国匹配度及演化格局[J]. 经济地理, 2021 , 41(4) : 158 -165 . DOI: 10.15957/j.cnki.jjdl.2021.04.019

Abstract

Analyzing the matching degree and its spatio-temporal evolution pattern between major tourist cities and inbound tourist source countries,and identifying the highly matching cities in inbound and outbound tourist source markets have important reference value for promoting cities to accurately carry out inbound tourism marketing and regional cooperation. In this study,the matching degree model and heatmap analysis are used to analyze the matching degree between major tourist cities and inbound tourist source countries and its spatio-temporal evolution pattern based on the statistical data of 13 major tourist source countries of 60 tourist cities in China from 1991 to 2016. It is found that: 1) The matching degree between major tourist cities and inbound tourist source countries shows a "long tail" development feature as a whole,and the matching degree between different tourist cities and inbound tourist source countries is misplaced and different. 2) The matching degree between major tourist cities and source countries exhibits the obviously polarized spatial pattern,and the spatial imbalance of the market structure of inbound tourists intensifies. 3) The source countries which have high matching degree with the eastern coastal cities of our country are concentrated in Asia,the source countries which have high matching degree with the central and western cities of our country are concentrated in Europe and America. 4) According to the matching degree between tourist cities and tourist source countries,this paper identifies high matching cities of different inbound tourist source countries. The research results deepen the understanding of the characteristics and laws of spatial preference of urban inbound tourists,and provide practical reference for the accurate development of inbound tourism marketing and optimization of tourism industry layout.

Key words： tourist city; country of inbound tourists; matching degree; inbound source market; tourist destination

城市是接待入境客流的中心与集散地[2]，针对城市入境客源市场的相关研究主要集中在时空分布、集散特征、认知评价、供需耦合与影响因素等方面。入境游客时空分布方面，学者们发现入境游客空间分布上呈现“东密西疏”“南稠北稀”的空间格局，空间位序规模差异特征明显[3⇓⇓⇓-7]，同时入境游客出游城市受自然地理区位影响，淡旺季特征突出，可以划分出春秋宜游型、夏季宜游型、冬季宜游型与全年宜游型四类城市[8-9]。入境游客集散方面，我国城市入境客流集散总体呈现“东部强，中西弱”的空间梯度格局，且东部城市内部集散强度高于中西部地区，城市网络密度整体较低，入境旅游城市网络格局有待优化[10-11]。入境游客认知评价方面，学者们发现城市气候环境与服务质量影响游客对其旅游形象评价及决策行为，基础设施、旅游服务、旅游信息、旅游商品开发、语言交流等已经成为制约目的地城市入境旅游发展的主要负面因素[12⇓⇓⇓-16]。入境旅游供需耦合方面，入境旅游与区域经济、星级饭店、生态环境与邮电通讯的耦合关系逐步加深，东部发达城市的耦合度高于中西部地区，并可划分为高度耦合、中度耦合、轻度耦合与极不协调类型区，可见区域入境旅游整体上的供需耦合协调程度有待提升[17⇓⇓-20]。影响因素方面，目的地旅游产品开发、旅游签证、服务质量、语言文化等，以及游客旅游动机、计划安排等均是入境旅游市场发展的关联因素[21⇓⇓⇓⇓⇓-27]。
综上，针对入境游客时空格局、集散特征、认知评价、供需耦合与影响因素等的研究成果丰硕，但已有研究存在以下不足：首先，现有研究缺乏对旅游目的地与客源市场匹配程度的关注及其实证分析，Leiper认为探讨二者的匹配程度，可帮助目的地更好地实现与客源市场的协调对接及精准管理[28]，对保障目的地旅游业的高效与持续发展意义重大。其次，已有研究的尺度多集中在宏观区域或我国东西部少数重点入境旅游城市，缺乏对国内其他沿海、沿边与省会等城市的关注，从整体角度限制了对我国主要旅游城市与客源国匹配关系的认识，进而影响城市入境旅游市场营销针对性与效度。基于此，本文以60座主要旅游城市及13大主要客源国为研究对象，采用匹配度模型与热图分析法，探讨1991—2016年二者的时空匹配程度及格局特征，并识别出主要客源市场的高匹配城市，以深化对客源市场结构时空变化规律的认识，助力城市展开针对性的入境旅游市场营销，保障城市入境旅游持续发展。

1 研究方法与数据来源

1.1 案例地

本文以文化和旅游部统计的60座旅游城市与13个入境客源国为研究案例地。具体包括北京、天津、石家庄、秦皇岛、承德、太原、大同、呼和浩特、沈阳、大连、长春、吉林、延边、哈尔滨、上海、南京、无锡、苏州、南通、连云港、杭州、宁波、温州、合肥、黄山、福州、厦门、泉州、漳州、南昌、九江、济南、青岛、烟台、威海、郑州、洛阳、武汉、长沙、广州、深圳、珠海、汕头、湛江、中山、南宁、桂林、北海、海口、三亚、重庆、成都、贵阳、昆明、拉萨、西安、兰州、西宁、银川、乌鲁木齐[3]。客源国包括日本、韩国、马来西亚、菲律宾、新加坡、泰国、美国、加拿大、英国、法国、德国、俄罗斯、澳大利亚。

1.2 匹配度

匹配意指事物之间的配合与搭配[29]，即通过分析事物内部要素之间的比例与份额关系，来了解事物内部结构的发展规律。雷珀提出了目的地—客源地（O-D）模型，认为二者的匹配本质上是旅游市场供需结构协调关系的反映[28,30]，故探讨二者的匹配关系及程度对深刻理解旅游供需市场的协调发展规律具有较强的理论意义，可帮助旅游目的地识别出主要客源市场，对目的地开展针对性的入境旅游市场营销，拓展市场份额具有实践参考价值。
本研究在借鉴刘彦随匹配系数的基础上[31]，构建了中国主要旅游城市与入境客源市场匹配度模型，该模型由市场占有率与年均环比增长率两部分构成，以从规模与增量两方面来分析客源市场内部份额与增长潜力的强弱，进而揭示主要入境客源市场与旅游城市的时空匹配程度。如果某一主要客源市场与某一旅游城市的匹配度越高，则反映出客源市场与目的地的供需关系愈发协调（式1、式2）。
P = O i j D i j × X j ¯
X j ¯ = 1 n ∑ i = 1 n O i j - N i j × 100 N i j
式中：P表示入境客源市场与目的地城市的匹配度； O i j表示第i年度客源市场j的过夜人数； D i j表示第i年度目的地接待的过夜入境游客总人数； N i j表示上年度客源市场j的过夜人数； X j ¯表示目的地客源市场j的年均环比增长率均值[32]。

1.3 热图分析法

Heatmap Illustrator是生物学领域常用的数据分析与制图软件。该软件可对数据展开归一化分析、回归与聚类分析等，并能方便快捷地输出高质量图件。本文采用HemI1.0.3软件，来分析主要旅游城市与客源国的匹配度及其演化特征与规律。分析过程是，首先对主要旅游城市与客源国的匹配度异常值进行剔除，并对匹配度值进行归一化处理，将数据转化为标量，以减小结果误差；其次，在数据归一化处理的基础上，采用皮尔逊距离度量法分析匹配值的相似度，进而呈现旅游城市与入境客源国匹配度的空间格局。

1.4 数据来源

1991年我国开始实施第八个“五年计划”，在此期间旅游业逐步成为我国第三产业的龙头产业，入境旅游进入快速发展的黄金期，故本文以5年为一阶段来收集和分析数据。综合考虑数据的准确性、连续性与可获得性，本文主要采集了统计准确性较高且消费水平较强的入境过夜游客人数来进行分析，具体数据来源于1992—2017年《中国旅游统计年鉴》[33]。

2 结果分析

2.1 主要旅游城市与入境客源国匹配度演化特征

由图1可知，1991—2016年，主要旅游城市与入境客源国的匹配度呈“长尾”发展特征。仅有韩国、日本、美国、俄罗斯与我国旅游城市的匹配度相对较高，其余国家的匹配度相对稳定且水平较低。从涨落情况看，韩国、俄罗斯、泰国、马来西亚、加拿大、澳大利亚与我国主要旅游城市的匹配度处于提升阶段，日本、美国、新加坡、菲律宾、英国、法国、德国与我国主要旅游城市的匹配度处于下降阶段。
图1 1991—2016年主要客源国匹配度时间演化

Fig.1 The evolution of matching degree of major countries from 1991 to 2016

匹配度上涨的六大客源国中，韩国与我国主要城市的匹配度涨幅最高，匹配度均值从“八五”期间的1.179升至2016年的7.860，上涨了5.7倍。俄罗斯与我国主要城市的匹配度涨势相对较弱，匹配度均值从“八五”期间的1.496升至2016年的2.953，上涨了0.97倍。马来西亚、泰国、加拿大、澳大利亚与我国主要城市匹配度涨幅相对较小，上述客源国的匹配度分别由1.958、1.218、0.749、0.71升至2.010、1.92、1.104、1.293。
匹配度下降的七大客源国中，日本与我国主要城市的匹配度降幅最大，匹配度均值从“八五”期间的6.742下降至2016年的2.568，下降了1.6倍。其次为新加坡，其与我国主要城市的匹配度均值从“八五”期间的2.32下降至2016年的1.35，下降了0.7倍。法国、德国、英国、菲律宾、美国与旅游城市的匹配度降幅较小，其中美国与菲律宾降幅最小。

2.2 主要旅游城市与入境客源国匹配度格局分析

首先，采用标准差与尼基系数，分析不同阶段旅游城市与入境客源国匹配度的发展差异。其次，采用HemI1.0.3软件，在剔除匹配度异常值的基础上，对匹配度进行归一化处理，并采用皮尔逊距离法分析匹配值的相似度，得出主要旅游城市与客源国不同阶段的匹配格局（图2）。可以发现，在研究阶段内，匹配度的绝对与相对差异均在逐步提升，其中，匹配度的标准差呈“先降后升”的趋势，而基尼系数则呈现逐步扩大的态势。空间格局方面，与旅游城市相匹配的客源国呈现以亚洲地区为主，但呈现由亚洲向欧美逐渐扩大与增多的特征，即与旅游城市相匹配的客源国由日本、新加坡、韩国、美国等逐步扩充至俄罗斯、英国、法国等，并最终形成了以韩国、日本、俄罗斯、美国为主的高匹配且稳定的客源市场。
图2 1991—2016年主要城市与入境客源国匹配度格局

Fig.2 Pattern of matching degree between tourist cities and tourist source countries from 1991 to 2016

由图2可知，1991—1995年，旅游城市与入境客源国匹配度的标准差为1.686，基尼系数为0.166，匹配度差异相对较小。日本、新加坡、美国与旅游城市的匹配程度较高，匹配度均值为6.742、3.223、2.320，英国、法国、德国、韩国、泰国、俄罗斯与旅游城市的匹配度居中，菲律宾、加拿大、澳大利亚与旅游城市的匹配度最低，位于0.710~0.860之间。
1996—2000年，旅游城市与入境客源国匹配度的标准差为1.151，基尼系数为0.300，匹配度差异较上阶段上升。日本、美国、韩国、俄罗斯、新加坡与旅游城市的匹配程度较高，匹配度均值为6.088、3.712、3.448、2.561、2.029，英国、法国、德国、泰国与旅游城市的匹配度相对较低，菲律宾、加拿大、澳大利亚与旅游城市的匹配度最低。
2001—2005年，旅游城市与入境客源国匹配度的标准差为1.168，基尼系数为0.330，匹配度差异持续扩大，主要是日本与美国的匹配度提升较快，且匹配度较高的国家增加导致。韩国、日本、美国、俄罗斯、马来西亚与旅游城市的匹配程度较高，匹配度均值为5.769、5.021、4.202、2.369、2.136，其次为英国、法国、德国、新加坡与泰国，而菲律宾、加拿大、澳大利亚与旅游城市的匹配度最低，位于0.744~0.952之间。
2006—2010年，旅游城市与入境客源国匹配度的标准差为1.783，基尼系数为0.313，匹配度差异呈下降态势。韩国、日本、美国、俄罗斯与旅游城市的匹配程度较高，匹配度均值为6.624、4.879、3.963、3.102，英国、法国、德国、泰国、加拿大、澳大利亚与旅游城市的匹配度相对较低，菲律宾与旅游城市的匹配度最低，仅为0.724。
2011—2015年，旅游城市与入境客源国匹配度的标准差为1.747，基尼系数为0.316。韩国、俄罗斯、美国、日本与旅游城市的匹配程度较高，匹配度均值为6.854、4.309、3.561、2.697，英国、法国、德国、泰国、加拿大、澳大利亚与旅游城市的匹配度相对较低，菲律宾与旅游城市的匹配度最低，仅为0.758。
2016年，旅游城市与入境客源国匹配度的标准差为1.906，基尼系数为0.327，匹配度差异呈扩大态势。韩国、日本、俄罗斯、美国、马来西亚与旅游城市的匹配程度较高，匹配度均值为7.86、3.88、3.144、2.568、2.010，英国、法国、德国、新加坡、泰国、加拿大、澳大利亚与旅游城市的匹配度相对较低，菲律宾与旅游城市的匹配度最低，为0.686。
整体来看，旅游城市与客源国匹配度格局的形成与演化离不开距离衰减规律及区域经济发展水平两大因素的影响。从匹配度格局的演化可以发现，受距离衰减规律的影响，与我国主要旅游城市存在较高匹配度的国家以韩国、日本、马来西亚等亚洲客源国为主，而欧美国家相对距离较远，致使其出行成本增加，导致来华游客规模相对弱于亚洲客源国。同时，各国经济发展的水平与游客的可支配收入密切关联，并直接影响游客的出游决策，分析可知，除日本、韩国外，以美国、俄罗斯等为主的欧美国家与旅游城市的匹配度相对高于亚洲地区的其他客源国，且亚洲客源国菲律宾的匹配度一直较低。

2.3 入境客源国匹配城市的识别分析

2.3.1 亚洲入境客源国匹配城市的识别

研究阶段内，日本的匹配城市数量呈现下降态势，“八五”至“十五”期间分别有16、17与20座城市与日本存在较高的匹配度，此后，匹配度较高的城市数量减少至2016年的11座（表1）。从空间格局看，与日本匹配度较高的城市集中在我国东部沿海与北方地区，有9座城市与日本保持较稳定的高匹配度，包括东部的天津、大连、济南、青岛、南通、福州、漳州，以及中西部的长沙与西安。
表1 亚洲入境客源国主要匹配城市识别

Tab.1 Identification between the Asian inbound source countries and major tourist cities

客源国 1991—1995 1996—2000 2001—2005 2006—2010 2011—2015 2016
日本 天津、大连、南通、福州、漳州、济南、青岛、长沙、西安、珠海、北京、延边、上海、太原、九江、兰州 天津、大连、南通、福州、漳州、济南、青岛、长沙、西安、珠海、北京、延边、上海、九江、成都、重庆、呼和浩特 天津、大连、南通、福州、漳州、济南、青岛、长沙、西安、珠海、北京、大同、延边、上海、厦门、中山、成都、拉萨、兰州、西宁 天津、大连、南通、福州、漳州、济南、青岛、长沙、西安、大同、延边、上海、厦门、成都、西宁 天津、大连、南通、福州、漳州、济南、青岛、长沙、西安、武汉

 天津、大连、南通、福州、漳州、济南、青岛、长沙、西安、武汉、珠海

韩国 沈阳、威海、济南、青岛、烟台、西安、吉林、北海



 沈阳、济南、青岛、烟台、威海、西安、大连、三亚、长沙



 沈阳、济南、青岛、烟台、威海、西安、吉林、苏州、杭州、黄山、九江、长沙、桂林、三亚、西宁

 沈阳、济南、青岛、烟台、威海、西安、吉林、长春、苏州、连云港、杭州、黄山、九江、长沙、海口、三亚、西宁 沈阳、济南、青岛、烟台、威海、西安、太原、大同、大连、长春、吉林、连云港、杭州、黄山、九江、郑州、洛阳、长沙、南宁、桂林、海口、三亚、重庆、西宁 沈阳、济南、青岛、烟台、威海、西安、天津、太原、大同、大连、吉林、苏州、连云港、杭州、宁波、黄山、漳州、九江、洛阳、长沙、南宁、桂林、海口、三亚、重庆、贵阳、昆明、西宁
菲律宾 烟台、宁波、厦门、泉州、漳州、北海、青岛 烟台、天津、青岛
 烟台、天津、漳州、贵阳 烟台、漳州、天津、郑州 烟台、连云港、漳州、西宁 烟台、连云港、南宁、北海
新加坡 承德、漳州、秦皇岛、珠海、贵阳、吉林、厦门、泉州 承德、漳州、秦皇岛
 承德、漳州、西宁
 承德、漳州
 承德、漳州
 承德、漳州、长春、珠海、南宁
泰国 昆明、漳州、西安、呼和浩特、九江、汕头 昆明、漳州、西安、长沙、汕头、西宁 昆明、漳州、西安、洛阳、深圳、西宁 昆明、漳州、西安、西宁、洛阳 昆明、漳州、西安、南昌、南宁、重庆、西宁、呼和浩特 昆明、漳州、西安、南昌、长沙、珠海、南宁、重庆、西宁、呼和浩特
马来西亚 - 泉州、漳州、长春、承德、贵阳 泉州、漳州、长春、承德、大同、无锡、郑州 泉州、漳州、长春、大同、郑州、南宁、兰州 泉州、漳州、长春、郑州、桂林、西宁 泉州、漳州、长春、长沙、兰州、西宁、南宁、桂林、海口

注：表中加粗字体表示与入境客源国匹配度较高且稳定的城市。

韩国的匹配城市数量整体上呈现上升的态势，“八五”期间与韩国的匹配度较高的城市只有8座，而2016年的高匹配城市数量升至28座。从空间格局看，匹配度较高的城市集中在我国东部沿海与北方地区，中西部与南方城市数量有少量增加，其中有6座城市与韩国的匹配度较高且稳定，包括东部的沈阳、威海、济南、青岛与烟台，以及西部的西安。
菲律宾的匹配城市数量相对较少，且城市匹配格局变化程度较小。“八五”期间共有7座城市与菲律宾的匹配度较高，“九五”以后，匹配度较高的城市维持在3~4座。菲律宾匹配度较高的城市集中在我国的东部沿海地区，包括烟台、漳州、天津、北海和南宁，而郑州、贵阳与西宁则交替出现。
新加坡的城市匹配格局演变特征和菲律宾较为相似，相匹配的城市数量较少且变化程度较小。“八五”期间共有8座城市与新加坡的匹配度较高，“九五”以后，高匹配的城市逐步减少，2016年较高匹配度城市减少至4座。从空间格局看，匹配度较高的城市集中在我国的东部沿海地区，但仅与承德、漳州保持较稳定的高匹配度。
近年来，我国接待泰国入境过夜游客的规模逐步提升，与泰国相匹配的城市数量呈现增加态势。“八五”至“十一五”期间，与泰国匹配度较高的城市相对较少，“十一五”之后，泰国的高匹配城市数量增加较快，2016年匹配度较高的城市增至10座。从空间格局看，匹配度较高的城市集中在我国东部沿海与南方地区，昆明、漳州与泰国保持较稳定的高匹配度，中西部的西安、洛阳、长沙、重庆、西宁与呼和浩特也逐步成为泰国的高匹配城市。
马来西亚的匹配城市数量呈现逐步上升态势，高匹配城市数量由“九五”期间的5座升至2016年的9座。匹配度较高的城市集中在我国东部沿海与南方地区，泉州、漳州、长春是马来西亚的高匹配城市。

2.3.2 欧美入境客源国匹配城市的识别

研究阶段内，美国的匹配城市数量呈下降态势。“十五”与“十一五”期间，与美国相匹配的城市相对较多，而后与高匹配城市数量逐步下降，2016年与美国匹配度较高的城市减少至8座（表2）。从空间格局看，匹配度较高的城市集中在我国东部沿海与南方地区，福州、漳州、深圳、西安与美国保持较为稳定的高匹配度，中部地区的九江、长沙、南昌与郑州与美国的匹配度也较高，但有一定的波动变化。
表2 欧美入境客源国主要匹配城市识别

Tab.2 Identification between European and American inbound tourist source countries and major tourist cities

客源国 1991—1995 1996—2000 2001—2005 2006—2010 2011—2015 2016
美国 福州、漳州、深圳、西安、珠海、长沙、郑州、重庆、北海、九江 福州、漳州、深圳、西安、南通、宁波、珠海、南昌、九江、长沙、重庆 福州、漳州、深圳、西安、南通、连云港、泉州、南昌、九江、长沙、重庆、拉萨 福州、漳州、深圳、西安、宁波、黄山、泉州、南昌、九江、郑州、长沙、重庆 福州、漳州、深圳、西安、宁波、泉州、南昌、九江、郑州、重庆 福州、漳州、深圳、西安、北京、宁波、九江、郑州
法国 西安、大同 西安、大同 西安、大同、洛阳、九江 西安、大同、洛阳、九江 西安、大同、九江 西安、大同、九江
德国 西安 西安、九江
 西安、呼和浩特、漳州、九江、洛阳 西安、呼和浩特、九江、武汉、大同 西安、长春、漳州、九江 西安、长春、漳州、九江
加拿大 西安、珠海、吉林 西安、长沙 西安、湛江、西宁 西安、漳州、郑州、吉林 西安、漳州、郑州、九江、西宁 西安、漳州、郑州、九江
英国 西安、湛江、九江 西安、湛江、九江 西安、湛江、九江、承德 西安、湛江、九江、承德 西安、湛江、九江、漳州、郑州 西安、湛江、九江、郑州
澳大利亚 西安、九江、珠海 西安、九江、珠海 西安、九江、连云港 西安、九江 西安、九江、吉林、西宁 西安、九江、吉林、南通
俄罗斯 秦皇岛、乌鲁木齐、吉林、沈阳、延边、哈尔滨 秦皇岛、乌鲁木齐、吉林、天津、延边、连云港、沈阳、青岛、长沙、呼和浩特 秦皇岛、乌鲁木齐、吉林、石家庄、连云港、三亚 秦皇岛、乌鲁木齐、吉林、大同、连云港、九江、郑州、湛江、三亚 秦皇岛、乌鲁木齐、吉林、大同、呼和浩特、连云港、九江、威海、郑州、三亚、西宁 秦皇岛、乌鲁木齐、吉林、承德、呼和浩特、长春、连云港、九江、威海、郑州、三亚、西宁

注：表中加粗字体表示与入境客源国匹配度较高且稳定的城市。

法国的匹配城市数量相对较少且稳定，1991—2016年，与法国高匹配的城市维持在2~4座。从空间格局看，匹配度较高的城市集中在西安、大同、洛阳与九江等中西部城市，其中西安、大同与法国保持较稳定的高匹配度。
德国的匹配城市数量呈下降态势，“十五”“十一五”期间与德国相匹配的城市保持在5座，其余时间段相匹配城市的数量较少。从空间格局看，匹配度较高的城市集中在我国的中西部与北方地区，且西安一直是德国的高匹配城市，其次是九江和漳州。
加拿大、英国、澳大利亚的匹配城市数量与空间格局特征较为相似，与三个国家相匹配的城市数量变化不大且较为稳定，匹配度较高的城市集中在我国中西部地区。与加拿大相匹配度的城市中，仅有西安与加拿大保持较高的匹配度，但漳州、郑州与九江正逐步成为加拿大的高匹配城市；英国、澳大利亚与中西部的西安、九江维持较高的匹配度。
俄罗斯的匹配城市数量呈增加趋势，“八五”期间共有6座高匹配城市，2016年与俄罗斯匹配度较高的城市增至12座。匹配度较高的城市集中在我国的中西部与北方地区，秦皇岛、乌鲁木齐、吉林是俄罗斯的高匹配城市，其次是呼和浩特、连云港、九江与三亚。

3 结论与讨论

第一，主要旅游城市与客源国的匹配度历时性演化整体上呈现“长尾”发展特征，入境过夜游客规模较大的客源国，其与我国主要旅游城市的匹配度也相对较高，但不同客源国与旅游城市的匹配发展潜力存在错位与差异。与我国旅游城市匹配度较高的客源国相对较少，集中在韩国、日本、俄罗斯与美国，上述四国与我国主要城市的匹配度均值均高于2.95。同时发现部分客源国与旅游城市的匹配度较高，但增速却呈下降态势，其中美国、日本的匹配度下降趋势明显。
第二，主要旅游城市与客源国匹配度极化态势明显，旅游城市接待的入境过夜游客市场结构的不均衡性加剧。基尼系数由“八五”期间的0.166提升至2016年的0.327，逐步向0.4的警戒线迈进。万绪才等学者认为我国入境旅游发展差异较大[2]，入境旅游发展较好的城市主要集中在我国东部地区，本研究的结果部分支持了该结论。同时发现，入境客源国与我国旅游城市的匹配存在空间差异，并非所有的入境客源国均偏好于东部城市，部分客源国与我国中西部旅游城市也存在较高的匹配度。
第三，从匹配格局的演变看，与我国东部沿海城市存在较高匹配度的客源国集中在亚洲地区，与我国中西部内陆城市存在较高匹配度的客源国集中在欧洲与大洋洲地区。日本、韩国、菲律宾、新加坡、泰国、美国与我国东部城市的匹配度较高；德国、法国、英国、澳大利亚、俄罗斯、加拿大与我国中西部城市的匹配度较高。
第四，通过匹配度分析，识别出了入境客源国的高匹配城市。高匹配城市包括东部地区的北京、上海、广州、天津、承德、大连、济南、青岛、沈阳、秦皇岛、吉林、长春、南通、烟台、福州、泉州、漳州与湛江，中部地区的武汉、长沙、九江、郑州、大同与呼和浩特，西部地区的西安、昆明、乌鲁木齐与重庆。
第五，旅游业具有较强的敏感性与脆弱性，受新冠疫情的影响，我国入境旅游市场受到沉重打击，在此背景下，探讨主要旅游城市与客源国的匹配度，并识别出其高匹配城市，对评估目的地城市入境旅游市场损失以及后续市场重启，以辅助各城市做好与客源市场的对接及管理具有较强的实践参考价值。本文构建了匹配度模型，通过对目的地内部不同客源市场比例与份额关系的分析，对透视目的地城市内部客源市场结构规律具有一定理论参考价值。
第六，旅游目的地入境客源市场所呈现的时空格局特征及差异，是在目的地旅游供给差异与入境游客偏好选择的共同作用下产生的，是旅游供给与需求双方协调发展规律的外在表现。通过对主要旅游城市与入境客源国匹配度的时空格局分析，可深化对入境游客目的地选择空间异质性的理解，强化对入境客源市场结构发展规律的认识。
第七，本文仅探讨了主要旅游城市与入境客源国的匹配度及其演化格局，在目的地与客源地互动日益密切的发展背景下，对影响二者匹配关系的成因及其驱动机制有待深度挖掘。社会网络视角下，主要旅游城市与入境客源国匹配关系的核心—边缘、凝聚子群等的结构特征及规律有待继续探究。新冠疫情影响下，城市入境客源市场的选择偏好、位序规模、集散规律、市场营销策略等问题也有待重新思考与分析。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
马耀峰, 高杨. 新时代我国入境旅游政策协调与路径优化的审视[J]. 陕西师范大学学报:哲学社会科学版, 2018, 47(2):30-36.

[2]
万绪才, 王厚廷, 傅朝霞, 等. 中国城市入境旅游发展差异及其影响因素——以重点旅游城市为例[J]. 地理研究, 2013, 32(2):337-346.

[3]
李创新, 马耀峰, 张佑印, 等. 中国旅游热点城市入境客流与收入时空动态演化与错位——重力模型的实证[J]. 经济地理, 2010, 30(8):1372-1377.

[4]
李悦铮, 姜廷宏, 俞金国. 大连市入境旅游市场现状与发展态势分析[J]. 经济地理, 2004, 24(3):426-429.

[5]
马耀峰, 李永军. 中国入境后旅游流的空间分布研究[J]. 人文地理, 2001(6):44-46.

[6]
刘军胜, 马耀峰. 河南省城市入境旅游规模与位序差异化[J]. 经济地理, 2012, 32(6):150-155,172.

[7]
唐承财, 宋昌耀, 厉新建. 河北省入境旅游规模差异及影响因素分析[J]. 人文地理, 2014, 29(5):155-160.

[8]
孙晓东, 倪荣鑫, 冯学钢. 城市入境旅游及客源市场的季节性特征研究——基于上海的实证分析[J]. 旅游学刊, 2019, 34(8):25-39.

[9]
冯学钢, 黄和平, 邱建辉. 我国入境旅游流季节性特征及其时空演变研究——基于22个热点旅游城市面板数据的实证分析[J]. 华东经济管理, 2015, 29(6):1-9,187.

[10]
马耀峰, 林志慧, 刘宪锋, 等. 中国主要城市入境旅游网络结构演变分析[J]. 地理科学, 2014, 34(1):25-31.

DOI

[11]
张佑印, 马耀峰, 赵现红. 中国一级城市入境旅游流时空演变模式分析[J]. 城市问题, 2008(2):90-94.

[12]
陈乔, 程成, 田芮凡. 东盟旅桂“客流量—景区—酒店”空间错位及演变[J]. 经济地理, 2017, 37(9):192-199.

[13]
阮文佳, 虞虎, 宋学俊. 基于扩展计划行为理论的国际游客在雾霾威胁下的行为意向研究——以北京国际游客为例[J]. 干旱区资源与环境, 2019, 33(7):195-201.

[14]
何琼峰, 李仲广. 基于入境游客感知的中国旅游服务质量演进特征和影响机制[J]. 人文地理, 2014, 29(1):154-160.

[15]
张宏梅, 陆林. 游客涉入对旅游目的地形象感知的影响——盎格鲁入境旅游者与国内旅游者的比较[J]. 地理学报, 2010, 65(12):1613-1623.

DOI

[16]
高军, 马耀峰, 吴必虎. 外国游客感知视角的我国入境旅游不足之处——基于扎根理论研究范式的分析[J]. 旅游科学, 2010, 24(5):49-55.

[17]
窦开龙. 入境旅游与城市经济耦合关系的时空演化[J]. 经济问题, 2019(12):122-127.

[18]
裴博, 马耀峰, 李天顺, 等. 供需视角下入境旅游流与星级饭店系统耦合协调及其影响因素分析——以北京市为例[J]. 陕西师范大学学报:自然科学版, 2014, 42(5):97-102.

[19]
冯娜, 李君轶. 外向在线旅游信息流与入境旅游流的耦合分析——以美加入境旅游流为例[J]. 旅游学刊, 2014, 29(4):79-86.

[20]
董亚娟, 马耀峰, 李振亭, 等. 西安入境旅游流与城市旅游环境耦合协调关系研究[J]. 地域研究与开发, 2013, 32(1):98-101.

[21]
保继刚, 刘雪梅. 广东城市海外旅游发展动力因子量化分析[J]. 旅游学刊, 2002(1):44-48.

[22]
Ballif F, Ballio H O, Cebeci K. Impacts of exported Turkish soap operas and visa-free entry on inbound tourism to Turkey[J]. Tourism Management, 2013,37:186-192.

[23]
Li Gang, Law R, Vu H Q, et al. Discovering the hotel selection preferences of Hong Kong inbound travelers using the Choquet Integral[J]. Tourism Management, 2013,36:321-330.

[24]
Liu Yaping, Li Yinchang, Parkpain P. Inbound tourism in Thailand: Market form and scale differentiation in ASEAN source countries[J]. Tourism Management, 2018,64:22-36.

[25]
唐弘久, 保继刚. 我国主要入境客源地游客的时空特征及影响因素[J]. 经济地理, 2018, 38(9):222-230,239.

DOI

[26]
马耀峰, 梁旺兵. 基于亲景度的美国旅华市场拓展研究——以我国六大旅游热点城市为例[J]. 旅游学刊, 2005, 20(1):35-38.

[27]
许春晓, 黄兰萍. 中国南方喀斯特自然遗产地旅游形象价值结构——基于旅游社交网站评论的研究[J]. 湖南师范大学自然科学学报, 2020, 43(4):26-34.

[28]
Leiper N. Tourism Management[M]. Collingwood, VIC: TAFE Publications,1995.

[29]
商务国际辞书编辑部. 现代汉语词典[M]. 北京: 商务印书馆, 2018.

[30]
刘军胜, 马耀峰. 基于发生学与系统论的旅游流与目的地供需耦合成长演化与驱动机制研究——以西安市为例[J]. 地理研究, 2017, 36(8):1583-1600.

DOI

[31]
刘彦随, 甘红, 张富刚. 中国东北地区农业水土资源匹配格局[J]. 地理学报, 2006, 61(8):847-854.

[32]
魏小安, 曾博伟. 汶川地震后中国旅游形势分析与判断[J]. 旅游学刊, 2008, 23(8):13-18.

[33]
国家旅游局. 中国旅游统计年鉴[M]. 北京: 中国旅游出版社, 1992—2017.

Options
文章导航

/

〈 〉