基于旅游数字足迹的访沪国内游客时空行为特征研究

(上海师范大学 地理系,上海 200234)

基于旅游数字足迹的访沪国内游客时空行为特征研究

郭雅婷,贾铁飞

(上海师范大学 地理系,上海 200234)

采集携程网2013—2016年间能表明访沪国内游客出游时间和完整行程的游记,采用数理统计方法描述旅游资源的季节变化规律和各季节游客偏好的资源类型,运用空间分析方法分析游客到访景区的空间分布特征。结果表明:①不同类型旅游资源季节变化规律存在差异,各季节游客偏好的资源类型大体一致;②游客到访景区整体呈“大分散、小集聚”的空间分布特征,中心城区密集、城郊分散,且中心城区和城郊内部分布不均衡,城郊景区在春夏季占比高于秋冬季;③游客到访景区存在明显的“一心多点”等级集聚特征,核心热点区位于中心城区,密度值由外滩等构成的最高密集区向四周递减,其他区域的集聚呈飞地式点状,未形成扩散和蔓延态势,且从春季到冬季，次核心区域数量呈下降趋势。

旅游数字足迹;时空行为;访沪国内游客;空间集聚

1 引言

旅游者时空行为研究对旅游目的地可持续发展和景区管理具有重要作用。20世纪60年代中期国外学者开始对旅游者的行为进行了研究,主要集中在:①空间行为模式。通过实证研究,从早期对客源地—目的地、目的地之间行为模式的研究转向目的地内部及景区内部旅游者空间行为模式的研究[1,2]。②空间流动特征与规律。利用数理统计方法和地理空间分析方法研究旅游者在目的地的流动路径和集聚特征[3,4]。③影响因素。使用问卷调查和相关因子分析等方法,分析影响旅游者目的地选择的因素及其影响程度[5,6]。国内学者的相关研究出现在20世纪末,主要从旅游空间行为模式[7-11]、旅游者流动结构和规律[12-18]等方面开展研究。

随着移动互联网的普及和社交网络的兴起,旅游数字足迹

已逐渐成为人文地理和旅游研究新的数据来源。旅游数字足迹是指游客在旅游过程中和旅游结束后在微博、博客等网络社交空间以文本、图片等表达形式所主动发布或共享的旅游游记、旅游攻略、旅游点评等[19]。因此,旅游数字足迹作为因游客活动所形成的具有地理标签或位置信息的电子痕迹[20],能较清晰地反映出游客的旅游行为和时空运动轨迹[21]。国外学者基于通讯和社交媒体上的大数据,借助内容分析法、空间分析法等方法研究了游客的时空行为规律[22,23]。借鉴国外学者丰富的研究成果,国内学者也开始运用旅游数字足迹开展对旅游者行为的研究[24-31]。在研究区域方面,对入境旅游流研究从大中尺度、对国内游客行为研究从中小尺度展开,具体研究对象有旅游景区、历史街区、活动空间等。在数据来源方面,照片采集于panoramio、flicker等照片共享网站,游记文本来自蚂蜂窝、去哪儿网、携程网、新浪微博等，研究方法主要是数理统计方法、核密度分析方法、网络分析方法、对比分析方法。此外,也有学者利用旅游数字足迹开展旅游网络关注与共现效应、客流关系等方面的研究[32-36]。

大多数学者采用问卷调查、面对面访谈或旅游数字足迹作为获取数据的途径,研究旅游者在区域或具体景区(点)的时空行为特征,而很少有学者将景区(点)和资源类型结合起来开展相关研究。本研究基于携程网2013—2016年游记和照片数据,通过对上海市旅游景区(点)分类,研究不同季节游客偏好的资源类型、相同类型资源不同季节的变化规律、不同季节游客偏好的景区(点)空间分布特征。研究访沪国内游客不同季节旅游资源类型和景区(点)的兴趣偏好对进一步开发旅游市场、完善旅游服务具有重要意义。

2 研究范围和数据处理

2.1 研究范围

上海位于长江三角洲地区,旅游业发达,旅游资源丰富,截至2016年共有A级旅游景区(点)97个,其中5A级景区(点)3个、4A级景区(点)50个。2016年全市实现旅游总收入1689.70亿元,比上年增长了6.9%；接待入境旅游者854.37万人次,比上年增长6.8%；接待国内旅游者29620.60万人次,增长了7.4%。作为著名的都市旅游城市,上海是国内旅游的重要目的地,特别是近年来“世博会”的举办、迪士尼度假区的建成开放,进一步推动了上海旅游业的发展,因此把上海作为都市旅游研究的案例地具有一定的代表性。

本文采用2015年上海市新调整的行政区划,研究范围确定为浦东新区、黄浦区、静安区、徐汇区、虹口区、长宁区、杨浦区、闵行区、普陀区、嘉定区、松江区、青浦区、奉贤区、宝山区、金山区、崇明区16个区。

2.2 数据处理

本文使用游记和照片两种旅游数字足迹,游记用于提取旅游者、旅游时间和旅游景区(点),照片用于印证是否与游记中提到的旅游景区(点)相吻合。利用携程网,选取2013—2016年能表明游客旅游时间和完整旅游行程的游记共2370篇。

对游记中出现的景区(点)筛选标准:①从资源的组合角度出发,地处研究范围内的综合性景区,以该景区为研究对象,具体景点不予列出。②对大型旅游度假区,如佘山旅游度假区包含许多景区,并且景区具有一定吸引力的,以每个景区为研究对象,而不以度假区为研究对象。③对历史文化风貌区、特色社区等,旅游资源单体数量众多,此时不以风貌区、特色社区内的资源单体为研究对象,而以风貌区、特色社区为研究对象,同一位游客参观其内一个或若干个单体,参观该风貌区、特色社区的频数记为1。④对特色街区中的商业街区,以其为研究对象;对历史文化街区,如果街区中有3A以上景区,则把该景区单独列出,否则以该历史文化街区为研究对象。⑤对小型的旅游资源单体,如一个佛塔和非物质型的旅游资源,为了便于空间分析予以忽略。我们将2370篇游记的文本信息转化为Excel数据库,涉及旅游者、旅游时间、旅游景区(点),利用Google Earth确定旅游景区(点)的坐标值,创建Shapefile格式文件,将Excel数据库导入ArcGIS中,不同地理坐标生成不同的点,地理坐标相同的点相互叠合,建立2013—2016年访沪国内游客的地理信息数据库,作为研究的基础数据库。

3 访沪国内游客时间行为特征

依据《上海旅游资源图志》对上海旅游资源的分类[37],本文研究景区(点)涉及旅游资源的基本类型包括以下方面:AAA山岳型旅游地、AAD滩地型旅游地、BAA观光游憩河段、BBA观光游憩湖区、BBB沼泽与湿地、FAA教学科研实验场所、FAB康体游乐休闲度假地、FAC宗教与祭祀活动场所、FAD园林游憩区域、FAE文化活动场馆、FAG社会与商贸活动场所、FAH动物与植物展示地、FAK景物观赏点、FAZ创意产业集聚区、FBC展示演示场馆、FBD体育健身场馆、FCI广场、FCZ地方标志性建筑、FDB特色街巷、FDC特色社区、FDD名人故居与历史纪念建筑。

表1 访沪国内游客到访景区(点)类型季节特征

注:↑表示高于100%。

本文采用季节变动指数和各季节各类旅游资源占该季节所有旅游资源的百分比分别描述2013—2016年访沪国内游客参观某类旅游资源的季节变化规律和各季节游客偏好的旅游资源类型。季节变动指数指连续多年的各季节某类旅游资源平均流量指标值对连续多年所有季节该类旅游资源总平均值的相对数,以100%作为基准值。连续多年的各季节指数值越趋向于基准值,说明该类资源旅游流的季节性越小;反之，说明旅游流具有较强的季节性[38]。各季节某类旅游资源占该季节所有旅游资源的百分比指连续多年各季节某类旅游资源流量指标值对连续多年该季节所有旅游资源流量指标值的相对数,该值越大，说明该季节游客越偏好该类型旅游资源,具体数值见表1。

从季节变动指数来看,季节变化明显的旅游资源类型有山岳型旅游地、滩地型旅游地、观光游憩湖区、沼泽与湿地、园林游憩区域、动物与植物展示地等自然旅游资源和教学科研实验场所、康体游乐休闲度假地、文化活动场馆等人文旅游资源。春季春暖花开,园林游憩区域、动物与植物展示地、景物观赏点春季季节变动指数明显高于其他季节;夏季正值暑假,教学科研实验场所、康体游乐休闲度假地、文化活动场馆等对学生具有吸引力的旅游资源和山岳型旅游地、滩地型旅游地、观光游憩湖区等自然资源夏季季节变动指数明显高于其他季节;特色街巷、特色社区、名人故居与历史纪念建筑、地方性标志建筑、创意产业集聚区秋季季节变动指数略高于其他季节;冬季正值元旦,展示演示场馆季节变动指数较高。纵向来看,2013—2016年各季节访沪国内游客偏好的旅游资源类型大体一致,主要集中在特色社区、园林游憩区域、特色街巷、文化活动场馆、地方标志性建筑和创意产业集聚区,代表性景区(点)分别为外滩历史文化风貌区、豫园、思南路、中华艺术宫、东方明珠广播电视塔、田子坊,这些类型的旅游资源等级高、数量多、分布广,对游客具有较高的吸引力。

4 访沪国内游客空间行为特征

4.1 到访景区(点)分布

根据访沪国内游客数据,得到2013—2016年游客到访景区

(点)的分布特征(图1)和到访上海各区数量的对比(图2,见封四),按照季节对游客出游景区(点)分别进行统计(表2),得到其空间分布特征(图3)。访沪国内游客到访景区(点)分布在全上海境内,总体呈现高度的地理集聚,形成“大分散、小集聚”的空间分布特征。即中心城区分布密集、城郊分布稀疏,由中心向外围递减,且中心城区和郊区内部旅游资源分布不均衡。上海城市核心区占主导,主要集中在黄浦区、浦东新区、徐汇区、虹口区。黄浦区是上海的老城区,旅游资源丰富,外滩、南京路步行街、豫园、城隍庙是上海市的品牌形象；浦东新区是上海著名的休闲度假区,拥有东方明珠广播电视塔、上海科技馆、上海野生动物园等品位度较高的景区；徐汇区和虹口区是上海重要的商业文化区,历史文物古迹众多、基础设施完备、交通便捷,对游客具有较大的吸引力。静安区保留上海传统特色建筑,松江区、嘉定区、青浦区、崇明区随着休闲旅游的发展成为次热点吸引区。中心城区普陀区、长宁区、杨浦区的旅游资源较少,与其他中心城区有着巨大差异,而远郊金山区、奉贤区距离市中心远、景区(点)分散,旅游发展缓慢。以季节划分,我们对2013—2016年访沪国内游客到访频次前30位的景区(点)进行了统计,中心城区景区(点)数多于城郊,外滩、南京路步行街、城隍庙、豫园、东方明珠电视塔、田子坊始终排在前列,但春季和夏季游客到访景区(点)中城郊景区(点)所占的比重要高于秋季和冬季。

图1 访沪国内游客到访景区(点)空间分布

序号 春季 夏季 秋季 冬季 景区频数景区频数景区频数景区频数1外滩396外滩428外滩538外滩3962南京路步行街212南京路步行街272南京路步行街340南京路步行街2283城隍庙200城隍庙248城隍庙270城隍庙1844田子坊192东方明珠广播电视塔192东方明珠广播电视塔222田子坊1745东方明珠广播电视塔150田子坊192豫园218豫园1666豫园116豫园182田子坊204东方明珠广播电视塔1527新天地78迪士尼乐园*178迪士尼乐园*128上海杜莎夫人蜡像馆728朱家角古镇*78新天地118新天地102新天地689辰山植物园*60上海博物馆78人民广场94朱家角古镇*6410世纪公园58朱家角古镇*72朱家角古镇*90环球金融中心6011上海植物园56上海科技馆68上海博物馆68上海博物馆5612佘山国家森林公园*54上海杜莎夫人蜡像馆56武康路68静安寺46131933老场坊50中华艺术宫521933老场坊641933老场坊4414顾村公园*50环球金融中心50环球金融中心64七宝古镇*4215人民广场50南翔古镇*48七宝古镇*60人民广场42

(续表2)

序号 春季 夏季 秋季 冬季 景区频数景区频数景区频数景区频数16七宝古镇*48人民广场48中华艺术宫60中华艺术宫4017环球金融中心481933老场坊44徐家汇天主教堂52野生动物园*3618迪士尼乐园*46欢乐谷*40上海杜莎夫人蜡像馆50迪士尼乐园*3419泰晤士小镇*46陆家嘴中心绿地38上海科技馆44徐家汇天主教堂3420武康路44复旦大学36多伦路文化名人街42淮海路3021中华艺术宫40金茂大厦36复旦大学38上海老街3022上海杜莎夫人蜡像馆38佘山国家森林公园*32静安寺38世纪公园3023上海博物馆36玛雅海滩水乐园30淮海路36甜爱路3024静安寺32七宝古镇*28野生动物园*36武康路3025甜爱路32上海交通大学28思南路36多伦路文化名人街2826徐家汇天主教堂32淮海路26甜爱路36南翔古镇*2427多伦路文化名人街30泰晤士小镇*26金茂大厦30上海科技馆2428上海鲜花港*28徐家汇天主教堂26衡山路28陆家嘴中心绿地2429野生动物园*28东平国家森林公园*24陆家嘴中心绿地28鲁迅公园2230思南路28多伦路文化名人街22上海动物园28中共一大会址22

注:*为城郊景区(点)。

图3 各季节访沪国内游客到访景区(点)空间分布(前30位)

4.2 到访景区(点)的空间集聚

本文运用ArcGIS10.0软件中的核密度分析工具对2013—2016年各季节访沪国内游客到访景区(点)频次进行了核密度估计,并采用自然间断点分级法分为极高、高、次高、中、低5类,高以上的区域被定义为核心热点地区,中和次高的区域被定义为次核心热点区,其他区域被定义为冷点区(图4,见封四)。

春季访沪的国内游客到访景区(点)存在较为明显的“一心多点”等级集聚特征。“一心”即中心城区,特别是外滩、南京路步行街、人民广场、豫园、城隍庙、陆家嘴金融区等是游客到访最为集聚的区域；“多点”即迪士尼度假区、佘山国家旅游度假区、淀山湖度假区、奉贤海湾旅游区、闵行七宝古镇、宝山顾村公园形成次核心热点区,其密度值高于城郊其他地区,说明游客在这些区域有一定的集聚,但集聚度没有中心城区高。

夏季访沪的国内游客到访的景区(点)高密度核心区也位于中心城区,密度值从外滩一带向四周呈现出下降的趋势,在迪士尼度假区、佘山国家旅游度假区、淀山湖度假区形成了较低密度的集聚区。秋季访沪国内游客到访景区(点)的核心热点区位于黄浦区、浦东新区西北与黄浦区接壤地带,密度值在中心城区由高密度核心区向四周递减,迪士尼度假区和淀山湖度假区次核心热点区的范围较春秋两个季节有所缩减;对冬季访沪的国内游客而言,访问景区(点)的高密度区域同样集中在中心城区,城郊密度值低,未形成热点聚集区,说明游客流量极小。

5 结论

各季节游客偏好的旅游资源类型大体一致,主要集中在特色社区、园林游憩区域、特色街巷、文化活动场馆、地方标志性建筑和创意产业集聚区,这些类型的旅游资源等级高、分布广、数量多。但不同类型旅游资源季节变化存在差异,园林游憩区域、动物与植物展示地、景物观赏点的春季季节变动指数明显高于其他季节;教学科研实验场所、康体游乐休闲度假地、文化活动场馆和山岳型旅游地、滩地型旅游地夏季季节变动指数高于其他季节;秋季特色街巷、特色社区、名人故居与历史纪念建筑、地方性标志建筑和创意产业集聚区的季节变动指数高于其他季节;冬季展示演示场馆季节变动指数较高。

访沪国内游客到访景区(点)分布在上海全境,形成了“大分散、小集聚”的空间分布特征,中心城区密集,城郊分散,且中心城区和城郊内部存在分布不均衡状态。黄浦区、浦东新区最集中,徐汇区、虹口区、松江区、青浦区、静安区、嘉定区次之,普陀区、长宁区及远郊的金山区、奉贤区对游客的吸引力较小。此外,各季节游客对中心城区景区(点)的偏好明显高于城郊,但春夏季游客到访景区(点)中城郊景区(点)所占比重要高于秋冬季。

访沪国内游客景区(点)选择非常集中,存在明显的“一心多点”等级集聚特征。核心集聚区位于中心城区,在外滩、南京路步行街、陆家嘴金融中心等的辐射下,中心城区密度值整体上由辐射中心向四周梯级递减,其他区域的集聚呈飞地式点状结构,未形成扩散和蔓延态势,点状集聚区主要有迪士尼度假区、佘山国家旅游度假区、淀山湖度假区、奉贤海湾旅游区、闵行七宝古镇、宝山顾村公园,不同季节点状集聚存在差异,从春季到冬季集聚点呈下降趋势。总体而言,夏季和秋季的热点区域的密度值高于春、冬两季。

[1]Oppweman M.A Model of Travel Itineraries[J].Journal of Travel Research,1995,33(4)∶57-61.

[2]Smallwood C B,Bekley L E,Moore S A.An Analysis of Visitor Movement Patterns Using Travel Networks in a Large Marine Park,North-western Australia[J].Tourism Management,2011,6(1)∶1-12.

[3]Verbeke M J.A Regional Analysis of Tourist Flows Within Europe[J].Tourism Management,1995,16(1)∶73-80.

[4]Orellana D,Arend A K,Ligtenberg A,etal.Exploring Visitor Movement Patterns in Natural Recreational Areas[J].Tourism Management,2012，33(3)∶672-682.

[5]Lew A,Mckercher B.Modeling Tourist Movements：A Local Destination Analysis[J].Annals of Tourism Research,2006,33(2)∶403-423.

[6]Gonzalez M E A,Comesana L R,Brea J A F.Assessing Tourist Behavioral Intentions Through Perceived Service Quality and Customer Satisfaction[J].Journal of Business,2007,60(2)∶153-160.

[7]杨新军,牛栋,吴必虎.旅游行为空间模式及其评价[J].经济地理,2000,20(4)∶105-108.

[8]黄潇婷.基于时间地理学的景区旅游者时空行为模式研究——以北京颐和园为例[J].旅游学刊,2009,24(6)∶82-87.

[9]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.

[10]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.

[11]陆林,汤云云.珠江三角洲都市圈国内旅游者空间行为模式研究[J].地理科学,2014,34(1)∶10-18.

[12]吴必虎.上海城市游憩者流动行为研究[J].地理学报,1994,49(2)∶117-127.

[13]郑鹏,马耀峰,王洁洁,等.基于“推—拉”理论的美国旅游者旅华流动影响因素研究[J].人文地理,2010，25(5)∶112-117.

[14]钟士恩,张捷,韩国圣,等.旅游流空间模式基本理论：问题分析及其展望[J].人文地理,2010,25(2)∶31-36.

[15]王永明,马耀峰,王美霞.上海入境旅游流对长江流域各省区空间场效应研究[J].经济地理,2010,30(5)∶854-858.

[16]吕丽,陆林,凌善金.上海世博会旅游者空间扩散网络分析[J].旅游学刊,2013,28(6)∶111-119.

[17]卢松,吉慧,菜云峰.黄山市自驾车入游流旅行空间行为研究[J].地理研究,2013,32(1)∶179-190.

[18]贾铁飞,刘蓉.访沪国内游客旅游行为空间特征研究[J].人文地理,2015,30(5)∶140-146.

[19]Girardin F,Calabrese F,Fiore F D.Digital Footprinting：Uncovering Tourists with User—generated Content[J]. Pervasive Computing IEEE,2008,14(4)∶36-43.

[20]Gartner G,Bennett D A,Morita T.Toward Ubiquitous Cartography[J].Cartography and Geographic Information Science,2007,34(4)∶247-257.

[21]李君轶.旅游数字足迹：在线揭示游客的时空轨迹[J]. 思想战线, 2013(3)∶103-107.

[22]Andrea V,Liang L,Assaf B,etal.A Holistic Framework for the Study of Urban Traces and the Profiling of Urban Processes and Dynamics[C].Intelligent Transportation Systems,ITSC′09.12th International IEEE Conference on Intelligent Transportation Systems,2009∶1-6.

[23]Crandall D,Backstrom L,Cosley D,etal.Inferring Social Ties from Geographic Coincidences[C].Proc National Academy of Sciences(PNAS),2010,107(52)∶22436-22441.

[24]纪星,李君轶.基于地理参考照片的西北五省游客时空格局研究[J].河南科学,2015,33(11)∶2013-2049.

[25]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.

[26]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.

[27]吴静,杨兴柱,孙井东.基于新地理信息技术的南京市游客流动性空间特征研究[J].人文地理,2015，30(2)∶148-154.

[28]靳诚,徐菁,黄震方,等.南京城市内部景点间游客流动特征分析[J].地理学报,2014,69(12)∶1858-1870.

[29]李春明,王亚军,刘尹,等.基于地理参考照片的景区游客时空行为研究[J].旅游学刊,2013,28(10)∶30-36.

[30]杨敏,李君轶,杨利.基于旅游数字足迹的城市入境游客时空行为研究——以成都市为例[J].旅游科学,2015,29(3)∶59-68.

[31]丁娟,李俊峰.基于Web地理图片的中国入境游客POI空间格局[J].经济地理,2015,35(6)∶24-31.

[32]梁保尔,潘植强.基于旅游数字足迹的目的地关注度与共现效应研究——以上海历史街区为例[J].旅游学刊,2015,30(7)∶80-90.

[33]布倩楠,杨勇,滕茜,等.上海旅游景区冷热均衡及联动效应研究——基于网络游记与要闻动态的比较分析[J].资源科学,2015,37(1)∶184-192.

[34]姚占雷,许鑫,李丽梅,等.网络游记中的景区共现现象分析——以华东地区首批国家5A级旅游景区为例[J].旅游科学,2011,25(2)∶39-46.

[35]王波,甄峰,魏宗财.南京市区活动空间总体特征研究——基于大数据的实证分析[J].人文地理,2014,29(3)∶14-21.

[36]龙茂兴,孙根年,马丽君,等.区域旅游网络关注度与客流量时空动态比较分析——以四川为例[J].地域研究与开发,2011,30(3)∶93-97.

[37]高峻.上海旅游资源图志[M].上海：科学普及出版社,2012.

[38]李永军.西安海外旅游流时空动态分析[D].西安：陕西师范大学硕士学位论文,2000.

[39]杨兴柱,顾朝林,王群,等.南京市内部旅游客流空间测度与模拟[J].地理科学,2011,31(7)∶802-808.

[40]王远飞,何洪林.空间数据分析方法[M].北京：科学出版社,2007∶66-69.

StudyonTemporal-spatialBehaviorCharacteristicsofDomesticTouristsinShanghaiBasedonTourists′DigitalFootprints

GUO Ya-ting,JIA Tie-fei

(Department of Geography,Shanghai Normal University,Shanghai 200234,China)

This paper firstly collected the online travel notes of tourists who visited Shanghai from 2013 to 2016 through trip and then sorted out the travel time and travel spots.Using seasonal variation index and the percentage of a certain type of tourism resource accounted for all types of tourism resources to describe the seasonal variation regularity of a certain type of tourism resource and the types of tourism resources that tourists preferred in different reasons respectively.Based on these previous data,this paper made used of GIS spatial analysis methods,trying to figure out the spatial distribution feature.The results showed that:①Different tourism resources had different seasonal variation regularity,the types of tourism resources that tourists preference were largely consistent in different seasons.②The spatial distribution feature was “scatter in a large area and cluster in a small area”,the spots were intensive in central city and scattered in suburb and the distributions were unbalanced within central city and suburb.Also,the percentage of spots in suburb were more in spring and summer than in autumn and winter.③The spots that tourists visited formed a hierarchical clustering characteristics“one center and several dots” and city center was a core hot region,the density was decreased from the highest concentration area that was consist of the Bund,Nanjing Road and Lujiazui Financial Center,in addition,the structure in other areas was dots enclave and didn′t spread,the number of sub-core hot regions was decreased from spring to winter.

tourists′ digital footprints;temporal-spatial behavior;domestic tourists in Shanghai;spatial agglomeration

10.3969 /j.issn.1005-8141.2017.09.0025

F592.68

A

1005-8141(2017)09-1147-06

2017-07-27；

2017-08-11

及通讯作者简介：郭雅婷(1992-),女,山西省长治人,硕士研究生,主要从事旅游者行为、旅游资源研究。