吴庆双， 卢扬丽

(1.安徽师范大学 地理与旅游学院，安徽 芜湖 241003；2.资源环境与地理信息工程 安徽省工程技术研究中心，安徽 芜湖 241003)

酒店的空间布局是地理学、经济学等学科关注的一个研究热点[1]，城市酒店由于受到不同因素的影响，在空间分布中呈现不同的差异性[2]，探究城市中酒店的空间分布特征及其影响因素对发展城市经济、优化酒店布局以及满足居民消费需求具有重要的现实意义。

国内外学者针对酒店的空间布局及其影响机制展开了大量研究。在国内，刘雪春[3]等通过兰州市统计年鉴获取酒店数据对兰州市的酒店分布及影响因素做了分析，霍云霈[4]等通过网上公开数据获取我国1997年和2002年我国五星级宾馆，通过对比发现我国五星级酒店的发展受旅游业的影响较为显著，李蕊蕊[5]等通过漳州市统计年鉴获取酒店数据对漳州市经济型酒店的空间布局进行探究，栗丽娟[6]等通过北京市统计年鉴获取到北京市酒店数据对北京市经济连锁型酒店开展空间布局研究。国外学者研究侧重于酒店合理选址、酒店形成的影响因素等，Issahaku Adam[7]等通过公开酒店数据通过感知空间集聚效应对加纳首都库马西酒店分布的影响展开研究，并得出不同的集聚效应决定大城市酒店的位置分布，Luo Hao[8]等研究集聚经济对星级和非评级的经济型城市酒店的区位选择，研究结果表明高星级和非评级的经济型酒店都受到自身经济的影响，Bartolome Marco-Lajara[9]等基于商业集聚分析西班牙地中海沿岸酒店的分布。

综合国内外研究现状看来，酒店的空间布局已成为重要研究领域，从数据获取来源看，目前国内外对酒店空间分布研究的数据来源主要是通过统计年鉴，行业公开信息网公开数据等途径，具体酒店的位置信息很难获取。随着数据时代的到来，相关分析能快捷、高效地发现地理事物之间的空间分布关联性，使大数据在地理研究中的应用越来越突出[10]。POI数据作为空间大数据的表现形式之一，具有大数据的4V特征，即数据量大、数据种类多、速度快、价值密度低[11]。同时，POI大数据又具有其独特性，它具有地理标识的空间特征，包含名称、类别、经纬度等信息，能够通过网络爬虫免费获取，数据获取速度快捷、用途广泛[12]，可以作为空间大数据分析的基础性数据。目前涉及到的有通过语义知识支持的POI分析道路网的集成方法[13]，利用北京公交刷卡POI大数据识别功能区分布[14]，通过城市POI大数据提取分层地标[15]，基于Web地理图片的中国入境游客POI大数据分析空间格局[16]。

总体来看，比起传统的研究手段，POI数据的方便获取为研究酒店的空间结构提供了丰富可靠的数据来源，如何利用POI大数据对酒店空间分布特征及其影响因素进行分析已成为一个研究热点。本研究利用提供住宿服务为主的宾馆酒店POI数据，采用GIS空间分析中的核密度分析和空间自相关分析，以安徽省为研究区域，分析安徽省酒店的空间分布特征及酒店的空间自相关性，结合《安徽省统计年鉴2016年》公布的社会经济数据，基于普通最小二乘回归模型(OLS)分析酒店空间分布特征的影响因素。

1 区域概况和数据来源

安徽省地处我国中部地区，位于长江、淮河中下游、长江三角洲腹地，居中靠东、沿江通海，东连江苏、浙江，西接湖北、河南，南邻江西，北靠山东。东西宽约450km，南北长约570km，土地面积13.94万km2。本研究的数据主要包括地理数据和社会经济数据两部分。地理数据主要选取安徽省16个市共78个县区的数据，如图1所示，淮北、淮南北部、阜阳、亳州、宿州及蚌埠属于淮河以北地区，合肥、芜湖等10个地区位于淮河以南，其中，安庆、池州、铜陵、芜湖和马鞍山是沿江城市。行政区划图源于国家基础地理信息系统共享的数据；安徽省酒店的网点位置数据(2016年)主要通过百度地图API接口爬取共21803条POI数据(表1)；社会经济数据通过网站http://www.ahtjj.gov.cn/搜索到《安徽省统计年鉴2016年》选取各个县区的人口数量、旅游景点数量、可支配收入、人均GDP及人均消费等相关数据。

表1 安徽省各市酒店POI个数

注：这里的酒店主要是住宿服务为主的宾馆酒店

2 研究方法

2.1 主要研究思路

图2 研究技术路线Fig.2 Research technology roadmap

本研究思路(如图2所示)主要分为两个部分：一是以安徽省酒店POI数据为基础，分析其空间分布特征；二是以安徽省酒店数量、人口数量、旅游景点数量、人均GDP、可支配收入及人均消费为基础，分析酒店空间分布特征的主要影响因素。

2.2 地理集中指数

地理集中指数是判断地理空间分布集中性的重要指标[17]，用其计算全省各市酒店的空间分布集中性：

(1)

式中：C为安徽省酒店的地理集中指数，xi为安徽省第i个市的酒店POI数量，T为安徽省酒店POI总数，n为安徽省地级城市的总数。

2.3 核密度分析

考虑到受栅格大小和位置的影响，本文采用核密度分析法[18]，计算点要素在其周围领域中的密度，核密度可以对点数据进行高质量的密度估计，对于数据x1,x2,…,xn，核密度估计的形式为

(2)

式中：K为核函数，x-xi是x和xi之间的距离；h是带宽；n是范围内的点数。带宽值的选择对估计量fh(x)的影响较大[19]，如果h太小，那么密度估计偏向于把概率密度分配得太局限于观测数据附近，致使估计密度函数有很多错误的峰值，如果h太大，则密度估计就把概率密度贡献散得太开，这样会忽略掉f的一些重要特征。在进行POI数据的城市酒店空间分布特征研究时，不仅考虑到不同地区POI数据酒店的分布差异，还要考虑到同一地区POI数据酒店的分布差异，带宽的合理选择，能够避免POI数据的酒店空间分布特征过于强化或弱化。通过公式(3)计算可计算出带宽的数值。

(3)

式中：δ为样本方差，经计算确定安徽省适合的带宽为500m。

2.4 空间自相关分析

空间自相关主要用于计算区域单元上的某一属性或某种地理现象与其相邻空间点上同一属性值的相关程度[20]。在给定一组要素及相关属性的情况下，用空间相关性评估其空间的关系是聚类模式、离散模式还是随机模式[21]。主要通过计算莫兰指数(Moran’s I指数)值、Z得分值和P值来对该指数的显著性进行评估，公式为

(4)

2.5 普通最小二乘回归分析

在需要确定两个或两个以上自变量与因变量之间相互依赖的定量关系时，通常对变量之间建立回归分析[22]。本研究借助普通最小二乘回归模型(Ordinarily Least Square，OLS)对安徽省酒店的空间布局特征进行集聚差异性分析，其公式为

(5)

式中回归模型的随机误差项ε满足球形扰动假设，回归系数β被假定在整个空间区域去一个常数值，一般采用OLS方法来进行模型参数βj的估计。

3 结果分析

3.1 酒店空间分布特征分析

3.1.1 酒店空间集聚特征分析 通过公式(1)计算安徽市16个市21803条酒店的数据得集中指数G=27.98，假设安徽省21803家酒店平均分布在16个市，则平均每个城市的酒店POI数量为21803/16≈1363个，那么这时酒店的地理集中指数G=25。而27.98大于25，说明从市区的尺度看，安徽省的酒店分布是集中的，同时存在地区差异性。从图3中可看出安徽省酒店的主要分布在几大区域，分别为淮河流域、省会城市和沿江城市三大典型地带，酒店的集聚特征主要表现在以下三个方面。

图3 安徽省酒店POI数据核密度分析图Fig.3 Anhui province hotel POI spatial of density map

(1)以合肥市为核心的大集聚特征。从图3可以看出合肥市中心及肥东、肥西靠近市区的地段酒店数量高度集中，并由市中心向外围扩散的布局，在长丰县东北、巢湖市东南、庐江县中南部出现一个小集聚现象。合肥市作为省会城市，是安徽省政治、经济、文化中心。地处江淮丘陵，北起舜耕山，南至巢湖盆地周围，拥有“中国优秀旅游城市”之称，其中，三河古镇为国家5A级旅游景区。这些为合肥市酒店行业的发展提供了诸多优势。

(2)沿江沿河部分城市的高度集中特征。沿长江发展起来的安庆市、池州市、铜陵市、芜湖市及马鞍山市POI数据酒店的空间布局同样呈现集聚特征，但是集聚的分布存在有差异，安庆市怀宁县及与铜陵地段的集聚度较高，池州市的青阳县酒店分布呈高度集中，而安庆市、池州市西南部酒店集聚现象几乎不明显。芜湖市和马鞍山市市辖区附近酒店的集中由高到低的扩散分布。安徽省北部以淮河流域为主，阜阳、蚌埠是淮河经过的地区，交通便捷，加上阜阳著名的八里河风景区、蚌埠的嘉年华和龙子湖风景区，吸引大量游客，对酒店的需求增加使该地带的酒店分布高度集中。

(3)局部城市酒店小集聚的分布特征。位于安徽省最南边的黄山市，在其市中心南边出现明显的集聚，黄山市北部靠近市中心地段则集聚特征不明显。因为黄山风景区的影响，每年从全国各地到来的大量游客，带动当地酒店的需求，进而使得黄山市以南地区酒店数量增加。从图3可以直观的看出，安徽省西部酒店空间分布也有一个集聚区(六安市)，并且酒店分布集聚区囊括整个六安整个市辖区，远离市区的酒店分布集聚越来越不明显。安徽省最北的淮北市南边、濉溪县东边出现酒店空间布局的高度集中。

3.1.2 酒店空间自相关性特征分析 以安徽省16个市78个县级行政区为单元，对安徽省21803条酒店数据进行Moran’s I全局空间自相关分析，Moran’s I的指数范围一般在-1～1之间，计算数值为正值说明空间事物是呈正相关的，反之则呈负相关，Z得分的临界值为-1.96和+1.96倍标准差。同时，与其相关的P值为0.05，如果Z值在-1.96和+1.96之间，则P值将大于0.05，因而不能拒绝零假设，所表现出的模式很可能是随机空间过程产生的结果。当Z值在-1.96和+1.96之外，且P值小于0.05，则模型的置信度为95%。分析结果如表2所示，安徽省酒店的Moran’s I系数大于0，且P值是小于0.05，表示安徽省酒店的空间分布具有空间自相关性，且呈正相关，并且Z值在-1.96和+1.96之外，且P值小于0.05，所以模型的置信度为95%。

表2 安徽省酒店POI数据的空间自相关分析结果

图4 安徽省酒店POI点数量的集聚类型图Fig.4 Types of aggregation in Anhui Province hotel POI data figure

如图4所示，在集聚类型上来说，安徽省酒店空间集聚可分为四种类型：高-高(HH)、低-高(LH)、高-低(HL)和低-低(LL)。其中，省会城市合肥地区呈HH集聚，长丰县呈LH集聚并且围绕HH集聚分布，皖南地区安庆—太湖县和黄山—祁门县呈LL集聚、黄山市辖区呈HL集聚。

3.2 基于OLS的影响因素分析

对安徽省78个县区的POI酒店数量、人口数量、旅游景点、可支配收入、人均GDP及人均消费进行普通最小二乘法回归分析(即OLS估计)，表3中：Coefficient表示相关系数，其系数的绝对值越大说明相关性越高；T-Statistic表示T统计量，其数值越大表明显著性越高；Probability表示P值，其带*号的表示具有显著性；Robust_pr[b]表示概率的健壮度，带*号表示系数和结果较为稳健；VIF表示冗余度，若系数大于7.5则表示冗余度高，应予以剔除。从表3分析结果中可以看出，五个变量冗余度均小于7.5，安徽省各县区POI酒店数量与人口数量、旅游景点数量、可支配收入、人均GDP及人均消费各相关因素均呈正相关性，从显著度来看，人口数量、旅游景点数和可支配收入与POI酒店数量呈显著相关性，而人均GDP和人均消费与POI酒店数量的相关性具有不显著性，表明安徽省酒店的空间布局主要受人口数量、旅游景点和可支配收入的影响较为显著。

表3 安徽省酒店分布影响因素OLS估算结果

3.2.1 人口数量 从OLS分析的结果来看，人口数量对安徽省酒店空间分布影响最为显著，其相关系数达到1.970176，以合肥市为例，合肥市是经济、政治和文化中心，同时也是安徽省内人口较为集中的地区，从核密度分析的结果得出，合肥市的酒店空间密集度较高，表现出人口数量的分布对酒店空间格局的影响具有正相关性。从图5可以直观地看出安徽省各市酒店数量与人口数量的分布走势大体是一致的，除亳州和淮北外其他城市基本是呈正相关分布的，总体上表明安徽省酒店空间分布受人口数量的影响较为显著。

3.2.2 旅游景点 表3显示，安徽省酒店的空间分布与旅游景点数量的相关度较为显著，相关系数仅次于与人口数量的，为0.546042，图6展示，旅游景点分布较多的城市有合肥、黄山、安庆、芜湖、宣城，池州，而这几个城市的酒店数量分布同样占相对优势，这说明酒店数量与当地旅游景点具有较为显著的正相关。

图5 酒店数量与人口数量的关系

图6 酒店数量与旅游景点数量关系

3.2.3 可支配收入 可支配收入对安徽省酒店空间分布特征的影响从表3OLS分析结果可直观地得出，二者是呈正相关性的。但是相关系数次于与人口数量及旅游景点的。从Robust_pr[b]和Probability来看，可支配收入与安徽省酒店空间分布有显著的相关性。可支配收入超过40 000元的仅有合肥、芜湖、马鞍山、蚌埠和淮南几个城市(图7)，而这几个城市酒店数量的分布从图中可直观看出同样占相对优势。

3.3.4 人均GDP 从表3回归模型分析结果可知，人均GDP似乎对安徽省酒店的空间集聚特征影响并不显著。虽然从Coefficient来看，人均GDP与酒店数量是呈正相关的，但是相关系数非常小，并且从Robust_pr[b]来看，人均GDP作为安徽省酒店空间集聚特征的影响变量其健壮度不明显。此外从图8中可以看出，酒店数量分布最多的是合肥市，人均GDP最高的却是铜陵市，但是铜陵市的酒店数量却不及合肥市的五分之一。综上所述表明安徽省酒店数量与人均GDP相关性并不显著。

图7 酒店数量与可支配收入的关系

图8 酒店数量与人均GDP的关系

图9 酒店数量与人均消费的关系Fig.9 The relationship between the number of hotels and per capita consumption

3.2.5 人均消费 从Coefficient来看，人均消费与酒店数量是呈正相关性，但是从Robust_pr[b]和Probability来看，人均消费对安徽省酒店空间分布的解释作用不显著，同时从各市人均消费与酒店数量的相关性来看(图9)，全省人均消费水平达到8000元的城市有合肥、芜湖、铜陵、亳州、马鞍山、淮南、池州、宣城及黄山，但是这些城市酒店数量与人均消费的走势却呈现较大反差。这表明，人均消费水平对当地酒店数量的影响并不明显。

4 结 论

安徽省酒店的空间布局具有区域差异性，其空间分布特征具有地理集聚性和空间自相关性，本研究基于POI数据分析了安徽省酒店的空间分布特征，并选取人口数量、旅游景点、可支配收入、人均GDP及人均消费等五项社会经济指标作为酒店空间分布特征的解释变量，得到以下结论。

(1)通过核密度分析得出安徽省酒店的空间分布特征，发现安徽省酒店的空间布局与区域的地理位置、经济具有强相关性。并且形成了以“合肥市为核心的大集聚，沿江沿河部分城市高度集中，局部城市酒店小集聚”的显著特征。合肥市酒店的高度集中，并由市中心向外围扩散的布局，符合经济发展的趋势。在淮河流域和沿江地带，酒店的高度集中，是安徽省酒店空间布局的又一个典型的特征。

(2)由空间自相关性分析可知安徽省酒店的空间分布具有自相关性，说明酒店在安徽省的空间分布不是随机或是平均分布的。其中合肥市—肥东县—肥西县呈高-高类型的集聚分布，并且长丰县的低-高集聚围绕高-高分布，表明合肥市作为安徽省的省会城市，经济发展速度快，人口数量大且急剧增长，对消费需求的大大增加，拉动了当地酒店行业的发展。而在淮河流域和皖江城市两个地带的空间集聚性相关性并不高，其中长江以南的安庆—太湖县和黄山—祁门县呈低-低集聚，黄山市辖区呈高-低集聚。

(3)以县区为单位，通过OLS分析五项社会经济指标与酒店数量的关系可知，酒店的空间分布与人口数量、旅游景点、可支配收入、人均GDP及人均消费均是呈正相关，其中，与人口数量、旅游景点、可支配收入呈显著相关，与人均GDP和人均消费呈不显著相关。结果表明，安徽省酒店的空间分布受人口数量、旅游景点、可支配收入的影响较为显著。

(4)本研究结合POI数据，运用地理空间分析方法对安徽省酒店空间结构及其影响因素进行了分析，有助于优化酒店布局，并提高政府部门商业规划和酒店发展前期研究的科学性，研究结果表明POI数据在研究酒店的空间结构中具有较大的应用价值。