第37卷第3期(202丨年5月）
福建师范大学学报（自然科学版）
Journal of Fujian Normal University (Natural Science Edition)
Vol. 37, No. 3
M a y 2021
D O I：10. 12046/j. issn. 1000-5277. 2021.03. 010文章编号：1000-5277(2021)03-0068-09
基于百度地图A P I的景区分布格局及可达性分析
以重庆市为例
张治意，邓睿
(重庆交通大学建筑与城市规划学院，重庆400074)
G I S空间分析功能测度4A级以上景区的空间分布格局，从各景区到景区间的可达性和客源地至景区间的可
达性两方面综合评价重庆市景区可达性水平.研究结果显示：重庆市旅游景区总体呈集聚分布的格局，这将有利于景区间的联动整合开发，且4A级景区的集聚程度高于5A级景区；景区至景区间的可达性水平呈现以中心城区为核心的核心外围馍式；景区到客源地的可达性水平呈现以中心城区为中心的带状递减，并出现2个低值核心.总的来说，景区可达性水平与景区地理位置、区域经济状况密切相关.
关键词：旅游景区；空间分布；可达性；重庆市
中图分类号：K902文献标志码：A
Analysis of Distribution Pattern and Accessibility of Scenic Spots Based on Baidu Map A PI：Take Chongqing as An Example
ZHANG Zhiyi, DENG Rui
(College o f Architecture and Urban Planing,Chongqing Jiaotong University，Chongqing 400074, China)
Abstract ：The distribution pattern and accessibility of scenic spots have an im portant im pact on tourism development and space-time arrangement of tourism, leading to tourists’ spatial behavior and regional tourism industry layout, and ultimately affecting the economic benefits of tourism. Supported by GIS technology and based on Baidu m ap API data, this paper uses GIS spatial analysis function to measure the spatial distribution pattern of scenic spots above 4A level, and comprehensively evaluates the accessibility level of scenic spots in Chongqing from two aspects, namely, the accessibility between scenic spots and scenic spots and the accessibility between tourist sources and scenic spots. The research results show that Chongqing’s tourist attractions generally show a pattern of cluster distribution, which is conducive to the linkage and integrated development am ong scenic spots. Moreover, the clustering degree of 4A scenic spots is higher than 5 A scenic spots. The accessibility level of scenic spots to scenic spots presents the core peripheral m ode with the m etropolitan area as the core. The accessibility level of the scenic area to the tourist source area presents a belt decrease with the metropolitan area as the center and tw o low-value cores appear. In general, the accessibility level of scenic spots is closely related to their geographical location and regional economic status.
Key words：tourist attractions；spatial distribution；accessibility；Chongqing
收稿日期：2021-01-04
基金项目：国家重点研发项目（2019YFB2102502、2019YFB2102503)
通信作者：邓睿（1%3-)，女，讲师，博七，研究方向为地理信息系统与遥感技术的应用研究•***************
第3期张治意，等：基于百度地图A PI的景区分布格局及可达性分析69
旅游作为常见的一种社会经济活动，其发生、发展是以客源地（旅游主体）、目的地（旅游客 体）和旅游通道（旅游媒介）为物质载体[1]•旅游景区在目的地功能系统中占据重要地位，是旅游 业发展的基础U]，是重要的旅游吸引物[3].旅游景区等级制度体现了景区的旅游发展潜力和竞争优 势，文化和旅游部对A级景区认定是对景区的档次和质量进行综合评价，从而划分我国旅游景点的 重要性级别，它能综合的反映景区的服务质量、景观质量和环境质量旅游景区的等级划分有利于
旅游目的地形象建立，加强游客认知，促进旅游市场营销.
景区分布格局及可达性状况对旅游开发的规模效益和旅游时空安排产生重要影响，并最终影响旅 游的经济收益国内外学者多从旅游空间结构与演变过程研究[6_7]、空间格局优化[8_9]、旅游相关 资源的空间分析[1<^11]等角度对旅游景区空间格局进行了研究，其位置数据获取主要通过资料查、实地调
研、遥感解译得到，这样工作量大且较为复杂.对可达性的研究主要集中在可达性变化对区域 发展的影响[12_13]、交通可达性的演化及其空间格局变化[w]、特定区域的可达性现状[15]、公共服务设 施可达性的空间差异及影响[16]等方面，其可达性计算大多是在GIS中构建地理网络后，再用模型测 度可达性.地理网络构建方法有用直线欧式距离的和路网交通距离的，其中直线欧式距离计算简便，但未考虑到实际路网分布对可达性的影响[〜18]；路网交通距离虽能解决这一问题，但需要建立起始 点和终点都附着在道路上且连通性好的网络，这就要耗费大量时间对网络进行A工矫正和拓扑分析[19].
重庆旅游点与传统的获取景区位置数据和路网数据相比，新兴的API技术则能弥补这些不足，API技术可以 更快速、便捷的收集大量数据，应用优势显著.API数据获取方便，省去了建立道路网络、标定参数 等众多的建模工作[19].此数据的应用能够降低可达性分析的门槛，并且能够为建模工作提供补充，提供数据进行校核反馈.百度地图考虑了天桥、单行线等情况，将规划的线路按照路口分段，分别算 不同路段的通行速度，速度随路况产生变化，拥有较高的精度，与实际出行情况更为接近，传统的空 间阻力计算很难将这些因素都考虑进去[2°].百度地图可提供多种交通方式的全出行链数据，能够基 于公共交通、汽车、火车等综合计算包含步行的全出行链的出行数据.市场利益驱使运营商对数据不 断进行更新与维护，数据的可靠性程度高，并且公众在实践中已广泛接受和使用其数据.随着网络技 术的发展，数据获取的渠道也越来越多，使用一些新兴的数据对旧地理问题（如景区布局与旅游可 达性）进行研究，就显得非常具有意义.
重庆市作为国内最具吸引力的旅游城市之一[21]，有丰富多样的旅游资源，有必要对重庆市旅游 景区的空间分布格局进行深入研究，促进其旅游可持续发展•本文把重庆市4A级以上景区作为研究 对象，采用核密度分析、地理集中指数等方法分析研究重庆市旅游景区的空间分布格局，再根据百度 地图API的自驾车旅游交通出行时间数据，分析重庆市各个旅游景区之间以及客源地到旅游景区之 间的可达性空间差异.面对路网和交通出行时间数据获取较难的问题，本文通过百度地图API调用开 放的网络数据，得到测度旅游景区可达性所需的驾车出行时间数据，拓展了数据的使用范围.分析景 区的分布格局与可达性状况有助于深人了解旅游景区空间分布的内在规律，为景区布局优化，旅游线 路规划与区域联合发展提供一定的参考，也有利于促进旅游产业的不断发展.
1研究区域与数据来源
1.1研究区域概况
重庆市地处中国西南，长江上游，四川盆地东缘，东临湖北、湖南，南靠贵州，西连四川，北接 陕西，地跨1〇5。11$~110。11%28。10'1^~32。13喟，全市面积8_2x l〇5km2，地势起伏大，南北高、中间低.地貌以山地、丘陵为主，喀斯特地貌广布，属亚热带季风气候，植被覆盖率高，并且区域内 文化底蕴深厚，旅游资源丰富.截至2018年1月，重庆市有8个5A级景区，85个4A级景区（分布 情况如图1所示）.2018年重庆接待游客5.97亿人次，入境游客数388. 02万人次，旅游总收人 4 344. 15
亿元，约占GDP比重21. 3%,《2018年城市旅游度假指数报告》显示重庆位居全国游客数 量增长最快的十强城市榜首.
70福建师范大学学报（自然科学版)2021 年
1069E108° E110° E
图1重庆市旅游景区分布图
Fig. 1Distribution m a p of tourist attractions in Chongqing
1.2数据来源与处理
本文根据2018年重庆文化和旅游发展委员会发布的A级旅游景区名单，选择4A级以上旅游景 区（93个）作为研究对象；以市内人口聚集、旅游消费能力和意愿高的城镇作为旅游客源地，考虑 到数据处理问题，将38个区县的政府驻地作为需求区域归一点.常住人口数和客源地GDP数据都由 2018年《重庆市统计年鉴》获得.景区位置（P01)数据和交通出行时间数据从百度地图应用程序接 口调用得到，出行时间数据是利用百度地图线路规划功能抓取2019年某日交通平峰时段各景区到景 区、各客源地到旅游景区以驾车方式到达的最短通行时间.首先，在百度地图上采集并计算景区和客 源地的中心点坐标，并将其作为可达性计算的起点或者终点位置；然后，使用python编程与百度地 图API路径规划接口，以景区或者客源地的中心坐标为参数，请求自驾车方式的路径规划，并输出 结果（表1).表1中alD是起始点（景区）的坐标，blD是终点（景区或者客源地）的坐标，least-tim e 表示自 驾车方式下的最短通行时间.
表1百度地图A P I获取通行时间示例
Tab. 1Example of access time obtained by Baidu m a p A P I
alD blD least-time/h
01 2. 667 3
02 5. 080 3
03 3. 306 9
04 4.671 3
093 4. 117 5
理论上旅游景区可达性评估应以相同年份GDP和常住人口数为参考，但受到了统计数据公布年 份和百度出行查询只提供当前出行时间数据的限制.考虑到区域的交通布局具有空间黏滞性，GDP和常住人口数在短时间内也不会有显著变化，因此本研究使用2019年的交通出行数据和2018年的常住 人口、GDP数据来分析重庆市旅游景区的可达性状况.
第3期张治意，等：基于百度地图AP 丨的景区分布格局及可达性分析
2研究方法
2.1空间结构识别基尼系数与地理集中指数用于描述空间要素分布集中和平衡程度，能够反映旅游景区分布的均匀 情况.一般地，基尼系数的值介于0~1之间，系数值越大说明集中程度越高，均匀度越低，其表达 式为[5]:
Gini =n
~
I P M P ,
i= 1ln /V (1)
式中，Gini 为基尼系数；为第；个分区内的旅游景区数占研究区总数的比重；/V 为分区数量，景区 分布的均匀度C = 1-Gini 。地理集中指数的数学表达式为[11]:
C = 100 X (2)
式中，C 为研究区域地理集中指数；；为第i 个分区的景区数量；71为景区总数；C 值介于0~ 100, C 值越大，分布越集中，C 值越小，分布越分散；将均匀分布于各区县的地理集中指数定义为理论均匀度.
为进一步辨析重庆市旅游景区的分布情况，本研究用ArcGislO . 2的核密度（Kernel )分析功能对 旅游景区的空间分布进行了可视化.核密度分析能根据研究对象本身空间分布特征分析生成核密度 图，直观反映研究对象的分布模式、集聚位置、集聚大小和形状等.公式为[22]:
1 一 fx - * ^=
^ , (3)nh l = i 乂 h J 式中，()为核函数；/«>0，表示带宽；
为估计点到事件X ，处的距离.
2.2可达性模型可达性反映特定空间内某一区域到其他区域的难易程度，时间和距离为可达性模型的主要考虑维 度，根据本文研究目的，以区域内某个旅游景区到其他各个景区的平均最短通行时间来判断该旅游景 区的时间可达性，其计算公式为[23]:
n
<4, = ^i /n ' (4)
式中，i 、y 为旅游景区；7；表示景区；通过公路i 通方式到达景区的最短通行时间；n 为旅游景区总 数；次为旅游景区；的平均最短通行时间，其值越小，表明该旅游景区可达性越好，反之越差.
区域可达性不但与空间区位和交通网络条件相关，还与地区的经济水平、旅游景区等级存在关联 性，经济发展水平和旅游景区等级也会影响游客的移动意愿和能力.为了更好地测度旅游景区与主要 客源地的空间关联，本文考虑了景区等级、经济规模和人口对可达性的影响.由于交通的可逆性，为 方便计算，本文将旅游景区作为源点、主要客源地即城镇作为目标点，用加权平均旅行时间距离指标 评价区域旅游景区与客源地可达性程度，其计算公式为[24]:
=
(5)
»= 1 i = 1Mt I = ^/Pl x G J x ^ ,
(6)式中，/l ，为旅游景区i 的加权平均旅行时间；n 为主要客源地个数；厂；为景区；到客源地最短的最短 通行时间成本；财^为景区和客源地的权重，反映景区等级、经济规模和人口对出行的影响程度；为y 客源地常住人口数；$为）客源地GDP 总量；为；
景区的等级.
72福建师范大学学报（自然科学版)2021 年
3研究结果
3.1景区空N i只别
3.1.1景区分布均衡性
重庆各区县之间自然环境和社会经济状况既存在相似性也具有空间差异，因而有必要分区探讨旅 游景区的空间布局.本文根据各个区县的地理位置特征，将重庆市划分为4大分区，分别是中心城 区、主城新区、渝东北、渝东南，然后用基尼系数和地理集中化指数分析重庆市旅游景区空间分布的 均衡程度，具体如表2和表3所示.结果显示，重庆各类型A级景区的Gini均大于0.75，接近于1，C均小于0.25，表明重庆市旅游景区在4大分区中空间分布较集中、均衡度低.倘若93处旅游景区 平均分布于各区县时，其理论均匀度为G= 16.22.而地理集中指数介于52. 68〜61. 24之间，均大于 理论均匀度，表明旅游景区分布集中.
重庆中心城区有36个4A级以上旅游景区，占研究总数的38.71%，其面积5 472. 68 km2，仅占 重庆市总面积的6.64%.这是由于重庆旅游景区集中分布在城镇等经济发展水平较高的地区，尤其以 特建筑、博物馆、历史文化遗址、度假村为主的人文类景区分布集中.
表2重庆市旅游景区空间分布统计
Tab. 2 Spatial distribution statistics of tourist attractions in Chongqing
4大分区
全体4A5A
包括区县数量/个比重/%数量/个比重/%数量/个比重/%
中心城区3638.713642. 3500北碚区、渝北区、渝中区、大渡口、江北区、沙坪坝区、九龙坡区、南岸
主城新区2425. 812023. 53450区、巴南区
涪陵区、长寿区、江津区、合川区、永川区、南川区、綦江区、大足区、
渝东北1718.281517.65225铜梁区、璧山区、潼南区、荣昌区
万州区、梁平区、城口县、丰都县、垫江县、忠县、开州区、云阳县、奉
渝东南1617.21416. 47225节县、巫山县、巫溪县
黔江区、武隆区、石柱县、秀山县、酉阳县、彭水县
总计93100851008100
表3重庆市旅游景区基尼系数和地理集中指数
Tab. 3 Gini coefficient and geographical concentration index of tourist attractions in Chongqing
景区等级Gini C G理论均匀度
4A0. 940. 0654. 13
5A0. 750. 2561. 2416.22
总计0.960.0452. 86
3. 1.2景区密度分析
重庆市5六级景区密度0.89个/1041〇11：!，4人级10.37个/丨041〇112，所有景区11.34个/1041〇112.采用核密度分析法对重庆市不同级别旅游景区进行分析，生成了 4A、5A级景区和所有景区的核密度 分布图，由图2可知，5A级旅游景区在重庆各地呈分散格局，且大多为自然景区，与社会经济发展
关系不大，受自然条件、地形地貌的影响较多；而重庆市的4A级旅游景区和所有景区总体分布格局 类似，显现出“大集聚、小分散”的核心—
—边缘分布格局，主要以重庆中心城区旅游景区为核心，以主城新区的合川、大足、江津、綦江、南川等为次核心.一方面展现了区域内旅游景区间空间分布 的强关联性特点，有利于协同互惠发展，体现了重庆中心城区和主城新区的旅游发展竞争力和游客吸
发布评论