叶翠 郝至烨

摘 要：本文以南京夫子庙景区为例，在网络关注度视角下探究景区的旅游需求时空动态分布特征。基于百度指数搜索数据，从年、月、季3个不同的时间尺度分析南京夫子庙的旅游需求时序特征，综合运用地理集中度指数、首位度指数、莫兰指数、标准差椭圆等方法探究夫子庙景区旅游需求空间分布特征和演变。结果表明：2020年人们对夫子庙景区的旅游需求整体低于2019年，2019年和2020年夏季需求较大，2019年秋季需求最小，2020年秋季需求较大；夫子庙景区旅游需求的地理集中度较高，首位分布明显，需求市场集中在江苏省邻近区域，聚集方向呈“东北-西南”。

关键词：网络关注度；百度指数；旅游需求；南京夫子庙景区

中图分类号：F592.7 文献标识码：A

基金项目：国家自然科学基金“空间O-D模型优化与不确定性分析”（41771417）；国家自然科学基金“城镇群扩展下流域水循环要素多时空尺度演变规律及驱动机制”（41771029）。

引言

旅游需求是旅游者对旅游产品的需求，从各个维度分析人们的旅游需求特征与消费行为，能够为相关部门开发旅游产品和有针对性地制订营销方案提供参考，从而满足人们的美好生活需求，促进经济和谐发展。因此，旅游需求的研究逐渐受到国内外学者的关注，其主要的研究方向有旅游需求的影响因素[1-2]、时空分布规律[3-5]、旅游需求分析与预测[6-8]等。例如，翁钢民等基于因子分析方法发现居民的收入和消费水平是影响中国39个城市居民旅游需求的主要因素[2]；崔凤军应用问卷调查法分析了泰山景区旅游需求的日、周、年变化规律及客源地的空间分布特征[4]；康赫霍尔（Coshall）等对苏格兰地区国际旅游业的季节性模式进行了分析[5]；阿努拉格（Anurag）等基于贝叶斯双向长短时记忆网络评估了新加坡的旅游需求[8]。

传统的旅游数据一般来自问卷调查，样本量有限且更新速度慢。互联网的发展为旅游需求的研究提供了大量数据。游客在进行决策前，往往使用搜索引擎来获取旅游目的地的相关信息，该行为会被搜索引擎记录并生成网络搜索数据。因此，网络关注度与旅游需求之间存在密切联系[9-10]，近年来逐渐有学者采用网络关注度数据对旅游地的国内旅游需求进行分析[11]。其中，百度搜索数据覆盖人群广、更新速度快，广泛用于旅游需求的相关研究。孟思聪基于该数据发现了季节和闲暇时间会影响连云港旅游景区的网络关注度[12]。王秋龙等基于百度指数平台分析安徽省64家典型景区的居民旅游需求的时空分布特征，并探究了经济发展水平、季节性、气候舒适度等因素的影响[13]。有学者对比了百度指数数据和谷歌趋势查询数据在景区流量预测上的性能[14]。王哲成基于百度指数数据建立了上海迪士尼景区的需求预测模型[15]。

本文以南京夫子庙景区为例，基于百度指数平台探究该景区的旅游需求特征，尝试在网络关注度的新视角下为旅游景区的供需平衡和科学管理提供参考和建议。从年、月、季3个不同的时间尺度对夫子庙景区的百度指数数据进行统计和分析，基于地理集中度指数、首位度指数揭示不同省份对夫子庙景区旅游需求的结构特征，综合运用莫兰指数、标准差椭圆等方法探究旅游需求的空间分布特征和演变，从“时空动态”视角探析南京夫子庙景区旅游需求的时空分布规律。

一、研究设计

（一）研究区概况

南京市是中国历史文化名城和首批优秀旅游城市，吸引了全国各地的游客前来游玩。据南京市文化和旅游局统计，在2020年国庆期间，前往南京的旅游者总计967.3万人次，旅游营收达93.4亿元，位于全国前列。截至目前，南京市拥有两个5A级旅游景区。5A级景区之一的南京夫子庙秦淮风光带（以下简称南京夫子庙），是一处全国闻名的开放式景区，它包含中华门瓮城、白鹭洲公园、江南贡院、乌衣巷等景点，以自然景观与园林交相辉映、淮扬街区市井与文化为特色。

南京夫子庙作为中国著名景区代表之一，分析其旅游需求的时空特征，有助于该地游客流预测与市场细分，为旅游精准营销提供一定的理论依据和基础，也可为其他类似旅游地的客源市场及实践管理提供参考。

（二）数据来源

百度搜索引擎是全球领先的中文搜索引擎，人们使用该引擎搜索相关信息的行为一般会被记录下来。百度指数平台基于对大量用户数据搜索行为的统计与分析，提供关键词的搜索指数和用户来源地分布的相关数据，可用于网民偏好与关注热点的研究。根据数据的可获取性、代表性、權威性的选择标准，本研究选取百度指数数据代表游客对于旅游地的网络关注度。以南京夫子庙为统计对象，选取“南京夫子庙”“夫子庙”为基准关键词，获取了31个中国行政区（港澳台除外）2019年、2020年每日百度搜索指数数据（PC端和移动端）。

（三）研究方法

1.地理集中度

二、结果分析

（一）旅游需求时序特征

图1显示了2019—2020年不同月份旅游需求的平均百度指数变化，从年份来看，2020年月关注度曲线整体在2019年的下面，表明2020年南京夫子庙旅游需求整体低于2019年。

从月份来看，2020年1—2月网络关注度持续降低，达到最低点，3月以后网络关注度开始持续上升，6月开始网络关注度快速增长，在7—8月、9—10月迎来了高峰期，10月开始网络关注度下降。2019年与2020年的月关注度曲线趋势有相似的部分，但也有所不同。2019年和2020年都显示出了网络关注度月份的不平稳性，但2020年整体变化趋势波动小于2019年。2019年呈现“多峰型”，2020年为“双峰型”，2019年最大峰值出现在8月，在12月达到最低值，而2020年在2月达到最低值，峰值则出现在10月左右。

图2显示了不同季节旅游需求的百度平均指数变化，从季节来看，2019年和2020年的夏季需求量都较大，2019年春季和夏季夫子庙旅游需求量最大，秋季需求量最小，季节波动较小；而2020年秋季与之相反，秋季最大，季节需求量呈现倒U型曲线。

（二）旅游需求结构特征

计算南京夫子庙2019年和2020年各月的地理集中度、二省区指数、四省区指数、十一省区指数，反映了南京夫子庙需求市场的地理集中程度及其变化，结果显示各个指标在年份、月份上都有所差异（见表1）。从年份来看，2019年的地理集中度与2020年地理集中度存在差异，2020年地理集中度月平均要小于2019年，因此相较于2019年，2020年夫子庙旅游需求市场结构更加分散。2019—2020年月平均二省区指数、四省区指数、十一省区指数，与地理集中度趋势相似，2019年相应的首位度指数高于2020年。

从月份来看，2019年1—6月旅游需求地理集中度整体高于2020年，而6—12月低于2020年，说明2019年1—6月较2020年市场结构相对集中，6—12月市场结构相对分散。2019年2月和10月地理集中度最高，11月和12月二省区指数最高，11月和6月四省区指数最高，十一省区指数2月和10月最高。说明2019年10—12月旅游需求首位分布明显。2020年8月和10月地理集中度最高，旅游需求在空间上相对集中。从月份变化趋势看，2019年与2020年在2月份的差异最大，2019年2月相较其他月份地理集中度和首位度都较高，而2020年则恰恰相反。

整体上，无论是2020年还是2019年，南京夫子庙的首位度总体值都接近于1或者大于1，地理集中度指数也较高，综合来看，居民对夫子庙景区的旅游需求可能存在结构失衡和过于集中的趋势。

（三）旅游需求空间分布特征

图3显示了夫子庙景区网络关注度排名前10的地区。为进一步分析南京夫子庙旅游需求空间分布的情况，笔者绘制2019—2020年旅游需求分布的标准差椭圆，其结果如表2所示。

从空间分布的整体情况来看，2019年与2020年南京夫子庙旅游需求空间分布基本一致，具有明显的空间分布特征，符合地理学第一定律，与江苏省越邻近的省份对夫子庙的旅游需求越大，除北京和广东外，旅游需求较高的地区主要集中在江苏省的邻近区域（安徽、浙江、山东、上海），其次为次邻近的区域（河南、湖北、河北）。

从标准差椭圆来看，2019年与2020年分布情况相似，都呈现“东北-西南”走向，且2020年偏转方位角增大，这表明“东北-西南”方向是南京夫子庙旅游需求分布的主要聚集发展轴。2020年旅游需求的重心相较于2019年往西南方向偏移，2020年比2019年的标准差椭圆的短轴有所收缩，而长轴有所增长，客源的方向性分布趋势加强。2019年标准差椭圆面积大于2020年，表明2020年南京夫子庙景区客源的范围可能小于2019年。利用莫兰指数来计算夫子庙旅游需求分布的空间自相关程度，2019年、2020年的全局莫蘭指数分别为0.155、0.157，且结果具有显著性，这表明2019年和2020年夫子庙旅游需求都表现出显著的正空间自相关性，存在空间上的集聚，进一步验证了上文集中度的结果。

三、结论

本研究依托“百度指数”大数据平台，从“时空动态”视角探析南京夫子庙旅游需求分布特征，结果如下。

第一，2020年南京夫子庙旅游需求与2019年差异较大。2020年整体对南京夫子庙的旅游需求低于2019年，2019年12月—2020年2月游客对夫子庙的旅游需求经历了一段“低谷期”，2020年3月后逐步回升，9—10月迎来了高峰期。2020年夫子庙旅游需求整体变化波动小于2019年，2019年呈现“多峰型”，2020年呈现“双峰型”。

第二，夏季人们到南京夫子庙的游玩意愿较高，2019年秋季最低，2020年秋季与之相反，需求量最高。

第三，南京夫子庙的旅游需求的地理集中度和首位度在不同年份和月份均表现出一定的差异，但南京旅游需求的地理集中度总体较高，首位分布较为明显，可能存在结构失衡和过于集中的趋势。

第四，旅游需求量最大地区为江苏本省，除北京和广东外，与江苏省邻近的区域（山东、上海、安徽、浙江等）人们对南京夫子庙关注度较高。“东北-西南”走向是南京夫子庙需求分布的主要聚集方向轴。相较于2019年，2020年客源地的重心向西南方向有所偏移，“东北-西南”方向性分布趋势加强，整体范围小于2019年。

参考文献

[1] LIM C.The major determinants of Korean outbound travel to Australia[J].Mathematics and computers in simulation，2004（3）：477-485.

[2] 翁钢民，徐晓娜，尚雪梅.我国城市居民国内旅游需求影响因素分析[J].城市问题，2007（4）：31-35.

[3] JANSEN-VERBEKE M，SPEER R.A regional analysis of tourist flows with Europe[J].Tourism management，1995（1）：73-82.

[4] 崔凤军，张建忠，杨永慎.泰山旅游需求时空分布规律及旅游者行为特征的初步研究[J].经济地理，1997（3）：62-67.

[5] COSHALL J， CHARLESWORTH R，PAGE S J.Seasonality of overseas tourism demand in Scotland：a regional analysis[J].Regional studies，2015（10）：1603-1620.

[6] 陶偉，倪明.中西方旅游需求预测对比研究：理论基础与模型[J].旅游学刊，2010（8）：12-17.

[7] 邹伏霞，邹冬生.基于五种模型比较的湖南省生态旅游需求预测研究[J].长江流域资源与环境，2020（11）：2406-2416.

[8] KULSHRESTHA A，KRISHNASWAMY V，SHARMA M，et al.Bayesian BILSTM approach for tourism demand forecasting[J].Annals of tourism research，2020，83：1-19.

[9] 马丽君，孙根年，黄芸玛，等.城市国内客流量与游客网络关注度时空相关分析[J].经济地理，2011（4）：680-685.

[10] 林志慧，马耀峰，刘宪锋，等.旅游景区网络关注度时空分布特征分析[J].资源科学，2012（12）：2427-2433.

[11] 王茜雅，张建新，刘培学，等.大数据视角下城市客源市场空间结构动态研究：以南京市为例[J].资源开发与市场，2018（1）：77-82.

[12] 孟思聪，马晓冬.基于百度指数的连云港旅游网络关注度研究[J].旅游论坛，2017（5）：102-115.

[13] 王秋龙，潘立新，吕俭，等.基于网络关注度的安徽省居民省内旅游需求时空特征分析[J].地域研究与开发，2021（1）：120-125.

[14] YANG X，PAN B，EVANS J A，et al.Forecasting Chinese tourist volume with search engine data[J].Tourism management，2015，46：386-397.

[15] 王哲成.基于百度指数的上海迪士尼入园游客量预测[D].上海：上海财经大学，2020：3-5.