EN中文

经济地理 >

2025 , Vol. 45 >Issue 10: 225 - 233

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.10.023

旅游经济与管理

基于网络游记的边疆地区游客情感时空特征及影响因素

  • 朱怡婷 , 1, 2 ,
  • 李金雪 , 1, ※ ,
  • 周春山 3 ,
  • 赵晨 1 ,
  • 崔盼盼 1
展开
  • 1. 新疆大学 旅游学院， 中国新疆 乌鲁木齐 830046
  • 2. 新疆大学 新疆历史文化旅游可持续发展重点实验室， 中国新疆 乌鲁木齐 830046
  • 3. 中山大学 地理科学与规划学院， 中国广东 广州 510275
※李金雪（2000—），女，硕士研究生，研究方向为旅游地理与边境旅游。E-mail:

朱怡婷（1981—），女，博士，教授，硕士生导师，研究方向为旅游地理、边疆地区可持续发展。E-mail:

收稿日期: 2024-06-26

  修回日期: 2025-10-10

  网络出版日期: 2025-11-20

基金资助

新疆维吾尔自治区自然科学基金面上项目(2024D01C17)

新疆维吾尔自治区社会科学基金重大项目子课题(2025&ZD017)

新疆维吾尔自治区社会科学基金一般项目(2023BGL073)

收起

Spatiotemporal Characteristics and Influencing Factors of Tourist Emotional in Border Areas Based on Online Travelogues

  • ZHU Yiting , 1, 2 ,
  • LI Jinxue , 1, ※ ,
  • ZHOU Chunshan 3 ,
  • ZHAO Chen 1 ,
  • CUI Panpan 1
Expand
  • 1. School of Tourism， Xinjiang University， Urumqi 830046， Xinjiang，China
  • 2. Key Laboratory of the Sustainable Development of Xinjiang's Historical and Cultural Tourism， Xinjiang University， Urumqi 830046， Xinjiang，China
  • 3. School of Geography and Planning， Sun Yat-sen University， Guangzhou 510275， Guangdong，China

Received date: 2024-06-26

  Revised date: 2025-10-10

  Online published: 2025-11-20

Fold

摘要

文章通过多平台爬取2023年新疆网络游记，利用ArcGIS空间分析方法剖析新疆38个县市游客情感的时空分布特征，并结合多尺度地理加权回归模型探究了游客情感空间分布的影响因素。结果表明：①时间上，新疆游客情感在周内呈现周期性波动特征，在月度呈现季节性波动特征。②新疆游客情感分布区域差异显著，总体呈现“北疆>东疆>南疆”的特征；游客情感的格局类型属于凝聚型分布，空间密度呈现“一主三次”的层级化聚集模式；此外，空间关联性差异较大，北疆霍城县、霍尔果斯市、尼勒克县、特克斯县与新源县为情感“高—高”集聚区；南疆尉犁县是唯一的情感“低—低”集聚区。③游客情感受内外部因素共同影响。生态质量、气候舒适性、旅游资源禀赋、交通可达性、产业结构均为正向影响，其中生态质量和气候舒适性具有空间异质性。

关键词： 网络游记; 游客情感; 景区; 空间自相关; 新疆

本文引用格式

朱怡婷 , 李金雪 , 周春山 , 赵晨 , 崔盼盼 . 基于网络游记的边疆地区游客情感时空特征及影响因素[J]. 经济地理, 2025 , 45(10) : 225 -233 . DOI: 10.15957/j.cnki.jjdl.2025.10.023

Abstract

This study employs multi-platform web crawlers to collect travelogues about Xinjiang from 2023, utilizing ArcGIS spatial analysis methods to examine the spatiotemporal distribution characteristics of tourist sentiment across 38 counties and cities in the region. A multiscale geographically weighted regression (MGWR) model is further applied to explore the influencing factors behind the spatial distribution of tourist sentiment. The results indicate that: 1) Temporally, tourist sentiment exhibits periodic fluctuations on a weekly basis and seasonal variations within monthly cycles; 2) Spatially, significant regional disparities are observed, with an overall pattern of "Northern Xinjiang > Eastern Xinjiang > Southern Xinjiang." The spatial distribution type is characterized as agglomerative, forming a hierarchical clustering pattern described as "one primary core with three secondary cores." Moreover, spatial correlation varies considerably: Huocheng County, Huoerguosi City, Nileke County, Tekes County, and Xinyuan County in Northern Xinjiang are identified as high-high clustering areas of tourist sentiment, while Yuli County in Southern Xinjiang is the only low-low clustering area. 3) Tourist sentiment is influenced by both internal and external factors. Ecological quality, climate comfort, tourism resource endowment, transportation accessibility, and industrial structure all exert positive effects, with ecological quality and climate comfort demonstrating spatial heterogeneity.

Key words： online travelogues; tourist sentiment; tourist attractions; spatial autocorrelation; Xinjiang

边疆地区的旅游业发展日益凸显，其独特的地理环境、多元的文化背景和复杂的社会经济条件，为游客提供了丰富的旅游体验。情感作为游客旅游体验最具影响力的影响因素，不仅是个体叙述体验的关键组成部分[1]，也是衡量旅游目的地吸引力和服务质量的重要指标。因此，分析游客情感特征并探究其影响因素对于提升游客的体验感、促进旅游目的地的可持续发展具有重要意义。
随着旅游研究的“情感转向”，游客情感受到学界重点关注。早在1977年就有学者提出旅游情感具有“逃离—追求”的二元性[2]，奠定了游客情感动机研究的基础。随着体验经济概念的兴起[3]，研究者开始关注情感在旅游体验中的核心价值，将游客情感视为旅游体验的结果变量，强调其对旅游目的地管理的重要性[4]。随着研究的不断深入，对于情感的探索由情感量表开发[5]，向复杂的情感特征分析转变，尤其是情感的时空动态化特征受到广泛关注。已有学者对来访西安的国内游客[6]、野生动物旅游景区游客[7]、环青海湖游客[8]、骑行入藏者[9]的情感特征及动态变化进行分析；还有学者进一步针对不同旅游城市的游客情感在地理上的差异特征进行对比分析[10]、从时空分析角度研究不同景点之间游客的情感的变化过程[11]。
旅游体验作为一个连续的过程，游客情感在旅游体验的过程中受内外部因素而发生变化[12-13]，产生积极、消极、中性等情感表现[14]，并表现出不同的行为[15]。相关研究受到学界的持续关注，多涉及主题公园[16]、旅游景区[17]、乡村旅游地[18-19]、旅游街区[20]、城市街道[21-22]、旅游城市[23]等不同情境。
与此同时，随着网络社交媒体平台的不断发展，游记生动地呈现了其出游的地理信息和体验感。这类数据样本量大、时效性强、情感表达较真实[24]。情感数据的获取由问卷调查[20]、穿戴设备[25-26]转向带有地理位置信息的网络文本或照片[27-30]，为游客情感研究提供了重要的方法借鉴。
既有研究为旅游情感地理的研究进行了有效探索，经对比分析后发现研究游客情感时空特征与游客情感的影响因素一直是当前研究的热点。然而，现有研究还可进一步扩展：①现有研究多集中于东部发达地区或特定景区，对地理环境与社会经济格局独特的边疆地区的游客情感时空分异规律关注较少，可能更具复杂性；②研究方法上多依赖传统问卷调查与语义分析，对影响因素空间异质性的探讨尚不充分，难以揭示其在不同地域的作用尺度与强度；③从地理学视角对情感形成机制的深入理论阐释仍有提升空间，特别是游客主观感受与边疆地区客观环境之间的交互关系有待厘清。
基于此，本文以新疆为案例，通过社交媒体爬取网络游记，提取游客情感主题并计算情感值；在此基础上，结合空间分析工具与多尺度地理加权回归模型，解构游客情感时空特征并分析其影响因素，以期为旅游经济空间结构优化提供新的分析视角，为促进边疆地区旅游高质量发展提供决策参考。

1 研究区域及数据

1.1 研究区概况

新疆维吾尔自治区位于亚欧大陆中部，地处中国西北边陲，总面积166万km2，占全国陆地总面积的1/6。该区地形地貌复杂多样，呈现出“三山夹两盆”的地貌格局，丰富的地形与水热条件，孕育了独特的自然资源和人文资源。2023年，新疆接待游客总量突破2.78亿人次，成为西北地区热门的边疆旅游目的地。本文选取新疆作为案例地主要基于：①新疆旅游资源极为丰富，近年来游客量持续攀升；②景区数量众多，国家4A级及以上的高等级景区约为168家，占24.3%。景观各异，具有极强的观赏性；③新疆地理差异显著，且社会经济环境各异，游客体验多样。因此，新疆为研究游客情感提供了良好的情境。

1.2 数据来源

1.2.1 游客情感数据

综合考虑游记用户量大、数据丰富且开放性强的特点，本文选取携程旅行、去哪儿、马蜂窝、途牛旅游4个旅游网站。借助Python软件爬取2023年全年新疆旅游网络游记，共计1302篇。游记包括游客到访景区、出行时间、路线、情感词等信息。对所收集到的游记进行筛选，筛选标准为：①是否具备清晰完整的表述；②是否符合研究数据选择的特征，如2023年、新疆景区、情感词等。将筛选出具有明确情感表达的64个景区与所在的县级行政区域数据进行匹配，如同一县市内存在多个被提及的景区，则计算该县市内所有景区情感值的算术平均值，以综合反映该区域的整体情感，共得到38个样本县市的情感数据。最后，以大连理工大学信息中文情感词汇本体[31]、知网中文情感词典（How Net）[32]为主要词库，同时根据网络游记文本内容对情感主题进行补充，得到符合网络游记情感主题的积极情感词汇、消极情感词汇和中性情感词汇，归纳整理后得到情感主题及其分类（表1）。
表1 游客情感主题及其分类

Tab.1 Tourist emotional themes and their classification

情感分类 情感主题词汇
积极情感（22） 值得；喜欢；快乐（不亦乐乎、心情愉快、赏心悦目、兴致勃勃、尽兴、美滋滋、神清气爽）；梦幻
感动；不舍（依依惜别、耿耿于怀、意犹未尽、流连忘返）；放松（放松身心、轻松、心胸开阔）
治愈（惬意）；赞叹（感叹、感慨、惊叹、惊讶、惊喜、惊声尖叫）；期待（憧憬、心心念念）
迷人（迷恋、着迷）；爽（更猛更爽、爽歪歪）；满足（心满意足）；幸福；庆幸；敬畏；苍劲
激动（兴奋、精神振奋、刺激、过瘾）；震撼（酷、冲击、胆战心惊）；自由（自由自在）；沉醉（陶醉、享受、沁人心脾、心醉神迷）；舒适（舒服；闲适；悠闲；闲适自在）
中性情感（5） 有点意思（一般；不惊人）；平静（安静、静谧、清净、镇定）；空灵；神秘；粗犷
消极情感（10） 遗憾（可惜、惋惜）；失望（大失所望、后悔）；不太值得；心慌；煎熬；糟糕；不舒服
惊悚（吓人、诡异）；感伤（孤独、寂寞、郁闷）；不感兴趣（兴致缺缺、不感冒、没啥意思）

1.2.2 影响因素指标数据

植被覆盖度数据来源于国家青藏高原科学数据中心（https://data.tpdc.ac.cn）；景区统计数据来源于新疆维吾尔自治区文化和旅游厅官网（http://wlt.xinjiang.gov.cn/）公布的旅游景区名录；路网数据从Open street map（https://www.openhistoricalmap.org）获取，经ArcGIS软件计算得到路网密度数据；地区生产总值、第三产业增加值根据《中国县域统计年鉴》获取；气象数据（气温、湿度、风速）主要来源于国家气象科学数据中心（http://data.cma.cn/）和国家青藏高原科学数据中心（https://data.tpdc.ac.cn）；地图数据源于自然资源部标准地图服务网站（http://bzdt.ch.mnr.gov.cn/）。

2 研究方法

2.1 情感值计算

情感分值主要由强度和极性两个部分组成。情感极性分为中性（0）、褒义（1）和贬义（2）三类，为方便情感值量化，把表示贬义的极性值2取为-1[33]，确定基本情感词汇的赋值范围为[0,9]。通过游记中对应的景区游客情感词汇的频数统计，根据情感出现频次进行三级归类。然后，将情感强度划分为5个等级：（0，3]为轻度积极情感，（3，5]中度积极情感，（5，7]为高度积极情感，（7，9]为强烈积极情感，0为中性情感；消极情感反之。通过赋值对游客情感进行量化，得到游客情感均值。情感均值能去除网络游记中景区出现数量的影响，较准确地反映网络游记中各县市的不同情感表现[34]，为简化表述，后文将“情感均值”统一表述为“情感值”。情感分值的计算方法如下：
$\begin{array}{c}S\left(w\right)=V\left(w\right)·P\left(w\right)\end{array}$
式中：S(w)表示情感分值；V(w)表示情感强度；P(w)表示情感极性。

2.2 最邻近指数

计算最近邻指数（nearest neighbor analysis，NNA），将具有明显情感表达的县市距离进行比较，进而得出新疆区域内情感点模式的集聚特征。公式如下：
$\begin{array}{c}NNI=\frac{d\left(NN\right)}{d\left(ran\right)}=\frac{2\sum _{i=1}^{n}min\left({d}_{ij}\right)}{n}·\sqrt{\frac{n}{A}}\end{array}$
式中：NNI为最近邻距离指数；d(NN)为最近邻距离；d(ran)为随机分布下的理论平均距离；n为样本总数目；A为研究区域面积；dij为i点到第j点的距离；min（dij）为i点到最邻近点的距离。
当NNI=1，说明点呈现随机分布；NNI>1，点呈现离散分布；NNI=2.149时，呈现完美离散；NNI<1，点趋向集聚分布；NNI=0时，呈现完美聚集。

2.3 核密度分析

使用ArcGIS10.7软件中的核密度分析工具，以各县市游客情感均值为分析对象点，运用核密度估计法分析其空间分布密度特征，并通过自然断点法分为5级以此来直观反映游客情感均值集中区域。

2.4 空间自相关分析

首先，采用全局莫兰指数（Global Moran's I）整体判断新疆游客情感是否存在统计上的集聚或分散现象。Global Moran's I指数的取值范围为[-1，1]，值为正代表集聚分布，值为负代表离散分布，值为零代表随机分布。

2.5 多尺度地理加权回归模型

MGWR模型所具有的“多尺度”特性，突破了GWR要求所有空间过程在同一尺度上发生的限制，消除了单一带宽假设，允许数据自身决定每个变量发挥作用的最佳地理尺度。因此，本文选用MGWR模型能更真实地反映不同驱动因素实际发挥作用的地理尺度，以及精准地探究新疆地区游客情感各个影响因素在不同地域空间的异质性。

3 游客情感时空特征分析

3.1 情感值计算结果

表2展示了新疆地区县市的游客情感值计算结果。从中看出，各县市游客情感皆表现为积极情感，情感均值最高的是新源县（6.02），最低的是若羌县（1.08）。进一步分析发现，轻度积极情感与中度积极情感占比相同，均为42.11%；高度积极情感占比最少，为15.79%；并无强烈积极情感。
表2 游客情感值计算结果

Tab.2 Tourist emotional value calculation result

序号 县市 情感
均值		 序号 县市 情感
均值
1 阿克陶县 3.01 20 尼勒克县 4.92
2 阿瓦提县 2.18 21 奇台县 2.94
3 巴楚县 1.95 22 若羌县 1.08
4 博湖县 2.92 23 沙湾市 4.33
5 布尔津县 5.98 24 沙依巴克区 4.12
6 独山子区 2.75 25 鄯善县 2.21
7 福海县 2.64 26 塔城市 4.59
8 阜康市 3.25 27 塔什库尔干塔吉克自治县 5.5
9 富蕴县 3.81 28 特克斯县 4.21
10 高昌区 3.47 29 天山区 4.25
11 巩留县 4.12 30 尉犁县 1.52
12 和静县 5.02 31 温宿县 3.62
13 和硕县 2.17 32 乌尔禾区 1.95
14 和田市 4.75 33 新和县 2.15
15 霍城县 4.83 34 新源县 6.02
16 霍尔果斯市 3.57 35 伊宁市 4.98
17 喀什市 5.24 36 伊州区 2.65
18 库车市 2.95 37 岳普湖县 2.89
19 轮台县 1.10 38 昭苏县 5.82

3.2 时间特征分析

根据计算得出的2023年多平台网络游记的游客情感值，统计其星期和月份尺度下的变化特征。

3.2.1 周内变化特征

由图1可知，游客情感值周内变化呈现周期性波动特征。结果显示工作日期间，周一至周三的游客情感值分别为3.28、3.15和3.23，整体波动较小，表明游客在工作日初期的情感值相对稳定；周四情感值降至5.03，为一周内的最低点，可能是游客在工作日后期因疲劳而产生消极情感；周五情感值跃升至5.85。在休息日期间，情感值持续攀升，周六（4.06）至周日（4.21）达到周内峰值。可见，游客在周六和周日的情感值明显高于工作日。
图1 星期尺度的游客情感值波动

Fig.1 The fluctuation chart of tourists' emotional values on a weekly basis

3.2.2 月度变化特征

根据新疆游客情感值月度情感均值波动，发现游客情感变化呈现季节性波动特征，情感值整体呈现“双峰型”分布（图2）。
图2 月份尺度的游客情感值波动特征

Fig.2 Monthly fluctuation chart of tourists' emotional values

5~10月，新疆气温回暖、旅游设施完善以及旅游活动供给丰富，吸引大批游客涌入成为新疆的旅游旺季。游客情感值整体处于相对较高的水平。从5月开始，情感值从3.35逐步攀升，至7月达到3.66，8月虽略有下降至3.10，但9月又回升至3.80，之后在10月小幅降至3.61，可能由于节假日造成交通拥堵影响了游客体验，游客情感强度降低。
11月到次年4月，新疆气候寒冷、客流量相对较少，是新疆旅游淡季。游客情感值呈现明显的下降态势。其中，1~3月情感值小幅度上升，4月作为淡旺季的交点，情感值升至3.75，预示旅游旺季游客情感值高水平的发展趋势；11~12月游客情感值大幅下降，可能是气温下降影响游客体验，导致游客情感表达匮乏且强度降低。

3.3 空间特征分析

3.3.1 空间分布特征

为了探究游客情感值空间分布特征，本文采用ArcGIS 10.7以情感值为字段，对代表游客情感的点状要素在新疆地图上进行空间分布特征分析（图3）。
图3 新疆游客情感类型的空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS（2024）0650号的标准地图制作，底图边界无修改；图中序号与表2对应。图4~图6同。

Fig.3 Tourist emotional spatial distribution map

从游客情感类型分布看，新疆游客情感整体以积极情感为主导，平均值为3.57，处于中度积极情感区间，但区域差异特征明显。具体来说，北疆地区情感均值高达4.11，高于全疆平均水平，形成情感高峰区。其中新源县（6.02）、布尔津县（5.98）和昭苏县（5.82）3个高度积极情感县市密集分布于此，可能是北疆舒适的气候、发达的经济水平对游客情感存在影响作用。东疆地区仅高昌区（3.47）1个中度积极情感县市分布，其情感值处于中度积极水平。南疆地区情感均值最低为3.33，为中度积极情感但低于北疆和东疆地区，且区域内县市多为轻度积极情感。其中位于塔克拉玛干沙漠边缘的轮台县（1.10）、若羌县（1.08）最低，这里的塔里木胡杨林公园与米兰古城景区气候干燥。值得注意的是，南疆地区的喀什市（5.24）、塔什库尔干塔吉克自治县（5.50）表现为高度积极情感，近年来，喀什古城、帕米尔高原等历史文化景区文化沉浸体验业态丰富，游客积极情感表现突出。
综上所述，新疆存在情感区域差异，空间分布呈现“北疆>东疆>南疆”的特征，气候变化与经济发展可能会影响游客情感分布。

3.3.2 空间集聚特征

在省域空间尺度上可将游客情感值视为点状要素，将其地理位置用坐标点表示。点状要素通常具有随机、均匀、凝聚3种空间分布类型。将新疆38个具有情感表达的县市地理坐标导入ArcGIS 10.7软件平台，通过平均最邻近工具进行运算，得出R=0.6889（P<0.0001），即R<1，表明新疆游客情感值的空间布局类型属于凝聚型分布。同时，运用ArcGIS10.7中的核密度估计功能将游客情感值的凝聚位置进行可视化（图4）。
图4 新疆游客情感值核密度的空间分布

Fig.4 Tourist emotional density map

结果显示，新疆游客情感值空间密度呈现“一主三次”的层级化聚集模式。其中，环绕伊犁河谷，以新源县、昭苏县、尼勒克县三角地带为中心形成了主核心密集区。局部分布两个独立的较高值区，分别以布尔津县与喀什市为核心向四周辐射，密度值低于主核心区但是高于新疆其他地区，形成次级聚集中心，空间上与主核心区呈分离状态。此外，还出现了一对空间相连的较高值区，以和静县与乌鲁木齐主城区（天山区、沙依巴克区）为核心辐射，形态呈“哑铃状”。低—较低值区则集中在两大盆地腹部，以轮台县（1.10）、若羌县（1.08）等情感值较低的县市为核心形成次级聚集中心，表现出“核心—边缘”结构的空间形态。

3.3.3 空间关联特征

基于ArcGIS软件空间分析工具中的空间自相关（Moran's I）对游客情感空间分布进行自相关分析。根据游客情感的Moran's I统计结果显示，Moran's I统计值全部通过1%的显著性水平检验，其Moran's I为0.506906，z值为3.71，说明游客情感在空间上呈非随机聚集模式，具有正的空间相关性，且表现为空间聚集的特点，即高的情感集聚现象会正向影响到周边情感的分布。
进一步地，通过LISA揭示局部空间异质性（图5）。结果显示，新疆游客情感分布呈现出明显的空间自相关性，在空间分布上呈现出不均衡的状态，出现了“高—高”“低—低”2种不同的分布集聚区，各地区之间的相互依赖性较强。具体来说，“高—高”集聚全部集中在北疆的伊犁河谷地区，涵盖霍城县、霍尔果斯市、尼勒克县、特克斯县与新源县。这些县市地理相邻，形成一片情感高值区域，说明北疆地区的游客情感整体积极、稳定。唯一出现的“低—低”集聚出现在南疆尉犁县，该区域情感值低，且与周边形成低值连片，可能与该地区经济发展和生态环境有关。东疆地区的伊州区、高昌区、鄯善县两种状况均未出现，说明东疆地区整体情感值稳定，未形成显著的空间集聚特征。
图5 新疆游客情感密度LISA空间聚类的空间分布

Fig.5 Tourist emotional density LISA spatial clustering

总体来看，2023年新疆游客情感的空间关联呈现出“双极集聚”特征，北疆地区的霍城县、霍尔果斯市、尼勒克县、特克斯县与新源县表现出“高—高”集聚；南疆地区的尉犁县形成“情感洼地”，表现出唯一的“低—低”集聚。

4 游客情感影响因素分析

4.1 影响因素选取

旅游情感地理学视角下，游客情感是游客在旅游目的地体验的核心体现。游客情感的影响因素通常分为内部因素和外部因素，针对游客情感复杂多变的特点需要全面、系统地考虑内外部因素对游客情感的共同作用[35]。结合认知—情感—行为理论，将外部环境视为“刺激”，经游客内部认知评价，生成情感态度，进而影响旅游行为与决策。以网络文本为基础，本文采用ROST CM6进行文本词频分析，通过高频词来深层次挖掘影响新疆游客情感变化的重要因素。从内在体验与外在环境两个维度出发，系统选取影响游客情感的六大因素（表3）。其中生态质量[36]、产业结构[37]、交通可达性、气候舒适性、旅游资源禀赋可视为影响游客情感的外部客观环境因素。具体来说，植被覆盖度的变化能够有效衡量生态质量的好坏[38]；景区指数在一定程度上可以量化旅游资源的多样性[39]；便捷的交通本身就是一种旅游吸引力，是游客旅程中的物理载体，路网密度能够反映区域内部交通的可达性，是游客旅游过程中的基础保障[40]；产业结构发展对旅游服务品质的提升有一定的促进作用；气候舒适性借鉴已有研究，选取“平均气温”“相对湿度”“平均温度”这3个数据来计算气候舒适度[41]，计算方法参见相关文献[42]。它们共同构成了旅游目的地的资源环境本底与设施条件，是刺激情感反应的物质基础。内部因素源于游客旅游偏好，旅游偏好是游客对旅游目的地所表现出的以认知因素为主导的具有情感和意向因素[43]，利用网络文本可以较为直观地反映其对旅游目的地的认知评价[35]；以筛选后的游记文本内容为整体进行文本分析，挖掘其内在原因。
表3 游客情感值的影响因素及说明

Tab.3 Tourist emotional influencing factor index system

变量 指标选取 指标来源
生态质量 植被覆盖度 国家青藏高原科学数据中心
产业结构 第三产业占比 第三产业增加值占GDP比重
交通可达性 路网密度 公路路网总长度与该区域面积的比值
气候舒适性 气候舒适度 根据年平均气温、湿度、风速计算[42]
旅游资源禀赋 景区指数 5A旅游景区数·5+4A旅游景区数·4+3A旅游景区数·3+2A旅游景区数·2+A旅游景区数
旅游偏好 认知评价 网络文本分析

4.2 模型对比与尺度分析

首先采用SPSS 26.0软件对生态质量、产业结构、交通可达性、气候舒适性、旅游资源禀赋5个变量进行多重共线性检验，显示各变量方差膨胀因子（VIF）均小于5，不存在多重共线性问题。进一步采用最小二乘回归模型（OLS）、地理加权回归模型（GWR）以及多尺度地理加权回归模型（MGWR）来对比分析各变量对游客情感的影响作用（表4）。结果显示，MGWR模型的AICc与残差平方和数值最低，调整后的拟合优度R2呈递增趋势，MGWR（0.891）>GWR（0.875）>OLS（0.856），而AICc值为下降趋势，MGWR（41.122）<GWR（65.946）<OLS（68.200），表明MGWR模型更接近真实值回归结果。故选用MGWR模型进一步探究影响游客情感空间集聚的因素。
表4 OLS模型、GWR模型及MGWR模型总体回归结果

Tab.4 Overall regression results of the OLS model, GWR model and MGWR model

影响因素 模型1：OLS模型 模型2：GWR模型 模型3：MGWR模型
系数 标准差 系数 标准差 带宽 系数 标准差 带宽
生态质量 0.701** 0.091 0.743*** 0.066 11.81 0.551*** 0.069 3.63
产业结构 0.319** 0.099 0.215* 0.099 11.81 0.126* 0.068 36.95
交通可达性 0.263** 0.096 0.289*** 0.023 11.81 0.224*** 0.072 36.95
气候舒适性 0.498*** 0.089 0.427*** 0.037 11.81 0.328*** 0.074 4.45
旅游资源禀赋 0.366** 0.091 0.413*** 0.018 11.81 0.308*** 0.068 36.95

注：回归系数均为标准化系数。***、**、*分别表示通过1%、5%、10%的显著性检验。

MGWR模型回归结果显示生态质量、交通可达性、气候舒适性、旅游资源禀赋通过1%的显著性水平检验，且正向影响游客情感，产业结构则通过10%的显著性水平检验。变量回归系数统计描述见表4，系数平均值对变量影响强度由大到小排序为：生态质量（0.551）>气候舒适性（0.328）>旅游资源禀赋（0.308）>交通可达性（0.224）>产业结构（0.126）。可见，生态质量、气候舒适性、旅游资源禀赋是影响游客情感空间分布的核心因素，其影响程度远大于其他影响因素。

4.3 回归系数空间格局分析

本文选择通过显著性检验的生态质量、产业结构、交通可达性、气候舒适性、旅游资源禀赋5个因素，利用ArcGIS10.7软件对其回归系数进行自然断裂点分类及可视化（图6），识别对游客情感作用强度和空间异质性作用，并通过网络文本的文本分析探索外部因素如何通过游客内部认知评价转化为具体的情感。由表4可知，回归系数均为正数，表示各指标对游客情感均为正向。
图6 游客情感影响因素回归系数的空间分布

Fig.6 The spatial distribution of regression coefficients for factors influencing tourists' emotions

①生态质量的回归系数在0.2414到0.6985区间内，数值差异相对较大，是影响游客情感空间分布的核心变量；回归带宽为3.63，占样本总量的9.55%，为局部变量，其影响在空间上存在显著差异。影响效应呈现“北强南低”的梯度格局，影响作用自北向南逐渐减弱，高值区主要围绕伊犁河谷，以新源、巩留、昭苏和阿勒泰山区附近的布尔津、富蕴县为主。“沿路经过，周围郁郁葱葱，放眼望去都是绿色。”那拉提草原和喀拉峻分别以“空中草原”和“人体草原”而著称，辽阔而壮美的植被覆盖更符合人的审美，冲击游客的感官体验，从而提升体验质量和更强烈的积极情感。
②产业结构回归系数在0.3280~0.3284区间内，数值差异低，说明其对游客情感的影响较弱；回归带宽为36.95，接近样本总量，为全局变量，其影响在空间上无显著差异。可能是由于各县市虽产业结构较高，但过度聚焦行政、商贸功能，旅游体验碎片化，缺乏差异感体验，正向影响被拥挤体验所抵消，因此产业结构对游客情感作用无差异化且影响较低。
③交通可达性回归系数在0.223901~0.2223998区间内，数值差异低，说明其对游客情感的影响较弱；回归带宽为36.95，接近样本总量，为全局变量，其影响在空间上无显著差异。相对高值区沿独库公路线状分布，沿途景观的动态变化，有效激发了游客的积极情感。“车程真的远，坐累了，睡了一路。韩导安慰，新疆很大，这个时间算短的了，有些景点之间四五百公里，更久呢。”新疆景区间距离普遍较远，尽管路网改善仅缩短车行时间，但总旅行时间仍受飞机、火车等交通工具制约，积极情感被长距离疲劳所抵消。
④气候舒适性的回归系数在0.0099到0.3450区间内，数值差异较大，是影响游客情感空间分布的核心变量；回归带宽为4.45，占样本总量的11.71%，为局部变量，其影响在空间上存在显著差异，影响主要作用于南疆地区。高值区呈“Y”形分布，以塔什库尔干塔吉克自治县、阿克陶县、岳普湖县等县市为主，从慕士塔格峰（海拔7546 m）到喀拉库勒湖（海拔3600 m），相差20°的极端昼夜温差与高海拔环境，从而引发游客情绪上的变化，“恰好赶上了阴雨天，空气凉爽，含负氧离子高，跟乌鲁木齐的干燥比起来截然不同。”游客对气候舒适性的感知差异不同，提高舒适性有利于积极情感产生。
⑤旅游资源禀赋回归系数在0.3067到0.3081区间内，数值差异低，说明其对游客情感的影响较弱；回归带宽为36.95，接近样本总量，为全局变量，其影响在空间上无显著差异。“喀纳斯的美，不仅仅是用极致的色彩征服你的眼睛，更是用绝对的宁静抚慰你的情绪。”极少高值区出现在布尔津县、富蕴县，正如游记中提到的，这些县存在多个高等级景区如喀纳斯、可可托海等，有益于游客积极情感产生。但是新疆总体旅游资源丰富，因此在区域上并无较大差异。

5 结论与讨论

5.1 结论

本文以新疆为研究案例地，以网络游记为基础计算游客情感值，分析其时空特征，并利用多尺度地理加权回归模型探究了游客情感的影响因素。主要结论如下：①时间维度上，周内游客情感值呈现周期性波动特征，休息日的情感值高于工作日；月度游客情感呈现季节性波动特征，情感随着旅游淡旺季改变而变化。②空间维度上，游客情感总体呈现“北疆>东疆>南疆”的分布特征；情感分布类型属于凝聚型分布，空间密度呈现“一主三次”的层级化特征；游客情感具有明显的空间自相关性，“高—高”集聚区主要出现在北疆地区，南疆地区是唯一的“低—低”集聚区，形成“双极集聚”的空间关联特征。③MGWR模型拟合优度显著高于OLS、GWR模型，不同影响因素的作用尺度存在差异。生态质量、气候舒适性、旅游资源禀赋、交通可达性与产业结构均对游客情感具有显著正向影响，作用强度依次递减。此外，生态质量和气候舒适性表现出空间异质性，分别作用于北疆和南疆地区。

5.2 建议

根据上述结论，本文得出推进新疆旅游高质量发展的实践启示如下：①新疆旅游发展受到旅游活动、旅游基础设施与季节性景观的影响。应当实施动态资源调配，丰富工作日期间旅游活动；在旺季通过预约分流、延长开放时间缓解拥堵，平衡客流以此加强游客旅游体验。②新疆旅游存在不平衡发展的现实情况。应当强化北疆伊犁河谷核心区的引领作用，推动一体化旅游发展格局；针对南疆情感低值区，重点改善生态环境，开发适宜时段的活动以减轻气候影响，促进全疆旅游经济一体化。③游客情感的影响因素反映出新疆旅游发展中的障碍因素，应当采取差异化发展策略，强化北疆生态与景观疗愈功能，同步提高南疆旅游服务品质和旅游体验；实现旅游资源的高效配置与区域协调发展，推进边疆地区旅游经济的空间治理。

5.3 讨论

本研究的理论贡献主要体现在以下方面：①理论上，将旅游与情感地理学结合，并将其纳入边疆地区旅游可持续发展的研究中，从“认知—情感—行为”理论出发，系统归纳了新疆游客情感的时空分异规律，有效拓展了情感地理学在边疆情景中的应用边界，丰富了旅游情感地理学在边疆地区的研究应用。②方法上，将多尺度地理加权回归（MGWR）模型引入游客情感影响因素的分析中，揭示了不同影响因素在全局与局部尺度上的作用差异，明确了内外部因素交互作用下边疆地区游客情感的空间异质性，为旅游情感的形成机制提供了方法借鉴。③实践上，集成网络游记、地理信息与空间分析技术，从游客时空行为与情感结合的角度出发，系统性地揭示游客情感的时空特征及其影响因素，不仅为新疆旅游空间结构的精准优化和差异化治理提供了科学依据，也为其他边疆地区开展旅游情感研究提供了可参考的分析框架，在一定程度上弥补了区域一体化背景下边疆地区旅游发展不均衡、理论指导性不足的现状，提升了研究的实践性、指导性与政策价值。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Pizam A. Creating memorable experiences[J]. International Journal of Hospitality Management, 2010, 29(3):343-343.

DOI

[2]
Dann G M S. Anomie,ego-enhancement and tourism[J]. Annals of Tourism Research, 1977, 4(4):184-194.

DOI

[3]
Pine B J, Gilmore J H. Welcome to the experience economy. It's no longer just about healing:Patients want a personal transformation[J]. Health Forum Journal, 2001, 44(5):10-6,2.

PMID

[4]
Enrique J B, Luisa A, Juergen G. The theme park experience:An analysis of pleasure,arousal and satisfaction[J]. Tourism Management, 2004, 26(6):833-844.

DOI

[5]
Hosany S, Gilbert D. Measuring tourists' emotional experiences toward hedonic holiday destinations[J]. Journal of Travel Research, 2010, 49(4):513-526.

DOI

[6]
李君轶, 朱函杰, 付利利. 基于大数据的西安市国内游客情感体验时空变化研究[J]. 干旱区地理, 2020, 43(4):1067-1076.

DOI

[7]
丛丽, 何继红. 野生动物旅游景区游客情感特征研究——以长隆野生动物世界为例[J]. 旅游学刊, 2020, 35(2):53-64.

[8]
陈钢华, 温倩, 史艳荣. 环青海湖骑行游客情感动态性的特征与发生机制[J]. 地理科学, 2024, 44(6):1050-1059.

DOI

[9]
张朝枝, 张鑫. 流动性的旅游体验模型建构——基于骑行入藏者的研究[J]. 地理研究, 2017, 36(12):2332-2342.

DOI

[10]
白刚. 游客情感倾向的地理差异及特征分析——以成都和重庆为例[J]. 西南大学学报(自然科学版), 2022, 44(3):151-160.

[11]
Wei J, Zhengan X, Qin S, et al. Using Geotagged Social Media Data to Explore Sentiment Changes in Tourist Flow:A Spatiotemporal Analytical Framework[J]. ISPRS International Journal of Geo-Information, 2021, 10(3):135-135.

DOI

[12]
张坤, 李春林, 张津沂. 基于图片大数据的入境游客感知和行为演变研究——以北京市为例[J]. 旅游学刊, 2020, 35(8):61-70.

[13]
黄潇婷. 基于时空路径的旅游情感体验过程研究——以香港海洋公园为例[J]. 旅游学刊, 2015, 30(6):39-45.

[14]
陈航, 王跃伟. 基于旅游者情感的目的地品牌评价研究:以互联网旅游日记为例[J]. 人文地理, 2018, 33(2):154-160.

[15]
Kim J. The antecedents of memorable tourism experiences:The development of a scale to measure the destination attributes associated with memorable experiences[J]. Tourism Management, 2014, 44:34-45.

DOI

[16]
Ma J Y, Gao J, Scott N, et al. Customer delight from theme park experiences:The antecedents of delight based on cognitive appraisal theory[J]. Annals of Tourism Research, 2013, 42:359-381.

DOI

[17]
刘逸, 陈海龙, 陈了凡, 等. 基于UGC的气候环境对游客情感的影响研究[J]. 人文地理, 2023, 38(5):146-153,190.

[18]
张亮, 李君轶, 岳依洋, 等. 乡村生活场景对游客情感体验的影响分析——基于眼动追踪的实验研究[J]. 人文地理, 2024, 39(2):154-163.

[19]
田逢军, 汪忠列, 李潇, 等. 乡村旅游地游客情感时空特征及影响因素——以婺源为例[J]. 经济地理, 2024, 44(1):221-229.

DOI

[20]
吴思琪, 李君轶. 旅游街区日/夜景观对游客情感及行为意向的影响——基于眼动实验分析[J]. 地理与地理信息科学, 2023, 39(5):66-73.

[21]
齐子吟, 李君轶, 贺哲, 等. 城市街道景观色彩对游客情感感知影响——基于街景图像的研究[J]. 地球信息科学学报, 2024, 26(2):514-529.

DOI

[22]
成茜, 李君轶, 张妍妍. 城市街道及景观特征对游客情感影响的现场实验分析[J]. 地理与地理信息科学, 2025, 41(1):142-149.

[23]
梁嘉祺, 姜珊, 陶犁. 基于网络游记语义分析和GIS可视化的游客时空行为与情绪关系实证研究——以北京市为例[J]. 人文地理, 2020, 35(2):152-160.

[24]
朱逊, 张冉, 赵晓龙. 影响公众情绪偏好的城市蓝色空间特征识别研究——以松花江流域为例[J]. 中国园林, 2021, 37(8):50-55.

[25]
冯庆, 田一钧, 孙根年. 基于网络游记的陕西旅游目的地形象感知研究——以陕西省八大5A级旅游景区为例[J]. 资源开发与市场, 2018, 34(11):1623-1628.

[26]
Kanjo E, Al-Husain L, Chamberlain A. Emotions in context:examining pervasive affective sensing systems,applications,and analyses[J]. Personal and Ubiquitous Computing, 2015, 19(7):1197-1212.

DOI

[27]
Wang Y, Zhou S, Guan Q, et al. Enhancing place emotion analysis with multi-view emotion recognition from geo-tagged photos:A global tourist attraction perspective[J]. ISPRS International Journal of Geo-Information, 2024, 13(7):256-256.

DOI

[28]
梁嘉祺, 姜珊, 陶犁. 基于网络游记语义分析和GIS可视化的游客时空行为与情绪关系实证研究——以北京市为例[J]. 人文地理, 2020, 35(2):152-160.

[29]
卢欢, 杨淼甜, 张妍妍, 等. 基于街景照片的城市旅游情感空间探测研究[J]. 人文地理, 2023, 38(3):164-172.

[30]
Wang X, Mou N, Zhu S, et al. How to perceive tourism destination image?A visual content analysis based on inbound tourists' photos[J]. Journal of Destination Marketing & Management, 2024, 33:100923-100923.

[31]
陈建美, 林鸿飞, 杨志豪. 基于语法的情感词汇自动获取[J]. 智能系统学报, 2009, 4(2):100-106.

[32]
He X J, Meng X, Dong Y B, et al. Demand identification model of potential technology based on SAO structure semantic analysis:The case of new energy and energy saving fields[J]. Technology in Society, 2019(58):101116.

[33]
敦欣卉, 张云秋, 杨铠西. 基于微博的细粒度情感分析[J]. 数据分析与知识发现, 2017, 1(7):6172.

[34]
梁璐, 代莉, 田嘉申, 等. 情感地理学视角下纪念性恐惧景观地游客体验特征分析——以5·12汶川特大地震纪念馆为例[J]. 西北大学学报(自然科学版), 2018, 48(6):884-892.

[35]
刘丹萍, 金程. 旅游中的情感研究综述[J]. 旅游科学, 2015, 29(2):74-85.

[36]
闫海燕, 董蕊, 何艳冰, 等. 传统村落舒适物集聚度对游客情感的影响[J]. 中国生态旅游, 2025, 15(1):199-211.

DOI

[37]
袁利, 孙根年. 出境旅游网络关注度时空演变及影响因素研究——以泰国为例[J]. 浙江大学学报(理学版), 2023, 50(1):1-15.

[38]
李帅, 任昱, 高君亮, 等. 基于FCD模型的1991—2022年鄂尔多斯市植被覆盖度时空变化分析[J]. 干旱区资源与环境, 2025, 39(8):175-187.

[39]
王红艳, 马耀峰. 基于空间错位理论的陕西省旅游资源与入境旅游质量研究[J]. 干旱区资源与环境, 2016, 30(10):198-203.

[40]
凌欢, 程励. 非对称视角下区域旅游经济差异形成机制研究——基于31个省(区、市)的清晰集定性比较分析[J]. 旅游科学, 2023, 37(4):161182.

[41]
高慧君, 李君轶. 基于微博大数据的游客情感与气候舒适度关系研究——以西安市国内游客为例[J]. 陕西师范大学学报(自然科学版), 2017, 45(1):110-117.

[42]
荣培君, 张荣荣, 赵现红. 中国气候舒适度时空演变及其对旅游业的影响[J]. 世界地理研究, 2024, 33(7):139-149.

DOI

[43]
白凯, 马耀峰. 旅游者购物偏好行为研究——以西安入境旅游者为例[J]. 旅游学刊, 2007, 22(11):52-57.

Options
文章导航

/

〈 〉