EN中文

地理科学 >

2022 , Vol. 42 >Issue 12: 2141 - 2149

DOI: https://doi.org/10.13249/j.cnki.sgs.2022.12.010

高铁网络化下云南省区域旅游交通格局及客源市场演变

  • 潘雯 , 1, 2 ,
  • 鞠爽 3 ,
  • 刘青 , 2, 4, * ,
  • 李贵才 1, 2
展开
  • 1.北京大学城市规划与设计学院，广东 深圳 518055
  • 2.北京大学（深圳）未来城市实验室，广东 深圳 518055
  • 3.昆明理工大学建筑与城市规划学院，云南 昆明 650500
  • 4.深圳市新城市规划建筑设计股份有限公司，广东 深圳 518172
刘青。E-mail:

潘雯（1996-），女，福建三明人，硕士研究生，主要从事城市与区域规划研究。E-mail:

收稿日期: 2021-12-28

  修回日期: 2022-03-10

  录用日期: 2022-09-16

  网络出版日期: 2022-12-20

基金资助

国家重点研发计划(2018YFD1100802)

北京大学（深圳）未来城市实验室铁汉科研开放课题基金

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Evolution of Regional Tourism Traffic Pattern and Tourist Source-Market Under High-speed Rail Network of Yunnan Province, China

  • Pan Wen , 1, 2 ,
  • Ju Shuang 3 ,
  • Liu Qing , 2, 4, * ,
  • Li Guicai 1, 2
Expand
  • 1. School of Urban Planning and Design, Peking University, Shenzhen 518055, Guangdong, China
  • 2. Future City Laboratory, Peking University, Shenzhen 518055, Guangdong, China
  • 3. Faculty of Architecture and Urban Planning, Kunming University of Science and Technology, Kunming 650500, Yunnan, China
  • 4. Shenzhen New Land Tool Planning & Architectural Design Company Limited, Shenzhen 518172, Guangdong, China

Received date: 2021-12-28

  Revised date: 2022-03-10

  Accepted date: 2022-09-16

  Online published: 2022-12-20

Supported by

National Key Research and Development Program of China(2018YFD1100802)

Peking University (Shenzhen) Future City Lab Tiehan Research Fund

Copyright

Copyright reserved © 2022.
Fold

摘要

以云南省3A级及以上旅游景点为例，采用基于分层栅格数据的成本距离测算法计算旅途时间，运用加权平均旅行时间、泰尔系数、日常可达性，探究无高铁、现状高铁、规划高铁下旅游交通格局及客源市场演变。结果表明：① 高铁网络显著提升旅游可达性，圈层状可达性空间格局出现破碎化，形成滇中地区、大理–丽江、昭通旅游交通优势地区。② 高铁加剧旅游景点可达性的不均衡，规划高铁时期有所缓和。可达性总体差异主要源于旅游发展区间与州市内，滇西北旅游发展区的州市间差距明显高于其他发展区。③ 旅游客源市场发生重构，5~8 h和8~12 h等时圈客源地是省域客源市场主体，对应70%以上中长途潜在游客。高铁网络引发的可达性优化强化知名旅游州市的吸引力，但对旅游品位弱势的州市挖掘中远程市场的作用相对有限。

关键词： 高铁网络; 旅游景点可达性; 区域旅游交通差异; 旅游客源市场

本文引用格式

潘雯 , 鞠爽 , 刘青 , 李贵才 . 高铁网络化下云南省区域旅游交通格局及客源市场演变[J]. 地理科学, 2022 , 42(12) : 2141 -2149 . DOI: 10.13249/j.cnki.sgs.2022.12.010

Abstract

As China's high-speed rail (HSR) network extends from coastal cities to inland cities, the Southwest area is facing the new challenges and opportunities brought by dramatic changes in tourism transportation and source-market. In this context, this paper takes the 3A level and above tourist attractions of Yunnan Province as an example, and use the layered cost distance method to calculate the travel time. The Weighted Average Travel Time index, Theil's T index and Daily Accessibility index are applied to explore the evolution of tourism transportation pattern and source-market under no-HSR, present-HSR (2020) and planned-HSR (2025). The results show that: 1) HSR network significantly enhances tourism accessibility, and the spatial pattern of circle-like accessibility is fragmented, forming the highly-accessible areas including the central Yunnan, Dali-Lijiang and Zhaotong. 2) HSR network exacerbates the unevenness of regional tourism accessibility, which is moderated under planned-HSR. The overall variation stems mainly from the inter- and intra-city differences in tourism development areas, with inter-city disparities higher in northwest Yunnan tourism development area than in other tourism development areas. 3) The tourism source-market is reconfigured, with the 5-8 h and 8-12 h isochronous circle source areas being the main provincial source market, corresponding to more than 70% of medium- and long-haul tourists. The accessibility optimization triggered by the HSR network strengthens the source attractiveness of well-known tourism cities, but has a relatively limited role in tapping the medium- and long-haul market for cities with backward tourism resource and popularity.

Key words： high-speed rail network; accessibility of tourist attractions; regional differences of tourism traffic; tourist market

高速铁路（简称高铁）已成为现代旅游业发展的重要“引擎”[1]。伴随中国高铁网络化进程，其“时空压缩”效应进一步提升旅游可达性，对旅游者行为模式[2]、目的地空间格局[3,4]、客源市场[5]等多方面发挥“多米诺”效应[1]。自2017年交旅融合发展战略提出以来，旅游空间竞争日益加剧，中西部地区借势吸引了比东部地区更多的游客[6]。而随着高铁网络从沿海向内陆延伸，内陆省域亟需应对高铁建设带来的挑战与机遇，有针对性地弥补交通劣势，推动旅游与交通的融合发展。
高铁对区域旅游交通影响研究以可达性为切入点，认为高铁具双刃性：促进旅游流从核心流向边缘，推动区域均衡发展；旅游欠发达区在“过滤”作用下发展受到限制，阻碍区域均衡发展[7]。由于旅途时间缩减，旅游客源市场随之重构[8]，尤其以中远程客源地变化更大[5]。梳理现有的文献发现，研究对象以长三角、京津冀等高铁起步早的中东部地区为主[9~12]，对旅游资源富集、开发潜力巨大的西南边疆地区鲜有关注；分析集中于单条或特定范围高铁的空间效应[9~12]，较少从全国高铁网络进行测算；测度方法普遍将城际通行时间视作旅途时间、忽略市内交通时间[13]，由于高铁站点通常存在选址边缘化、与城市交通脱节等问题，测度准确性待改善。
云南是中国西南边陲的旅游大省，其独特的地理环境和少数民族文化孕育出丰富的旅游资源，但长期滞后的交通基础产生严重制约。自2016年昆明开通高铁起，全省高铁版图急速扩张，为当地旅游业带来崭新机遇[14]。鉴于此，本文测度无高铁、现状高铁、规划高铁3种情景下旅游起讫点之间的时间，通过加权平均旅行时间、泰尔系数和日常可达性探究区域旅游交通格局演变，并根据旅途等时圈对潜在客源市场进行划分与分析，以期补充高铁对西南边疆地区旅游交通影响研究，为区域交旅融合发展提供借鉴指导，同时利于其他地区依托高铁培育旅游发展动能的理论研究与实践探索。

1 数据与方法

1.1 数据来源

数据主要有5类：① 从云南省文化和旅游厅发布的《云南省A级旅游景区名录》（截至2021年5月18日）（ http://dct.yn.gov.cn/html/20215/18112542451.shtml）选取3A级及以上景点作为旅游目的地，共计341个，并根据《云南省旅游产业“十三五”发展规划》划分为6个旅游发展区（图1）。旅游出发地为全国332个地级及以上城市（未含港澳台地区），由于未计算跨海通行，舟山、海口、儋州、三沙、三亚5市不计入。上述坐标来自百度地图API搜索。② 基础空间数据包括行政区划、河流水系、普通铁路、公路数据，来源于2017版的1:100万全国基础地理信息数据库（ https://www.webmap.cn/main.do?method=index）以及OpenStreetMap数据库（ https://download.geofabrik.de/）。③ 高铁数据则来源于《铁路“十三五”发展规划》（ http://www.nra.gov.cnztzl/hy/gfz/swfz/zcwj/201711/t20171128_146070.shtml）和《中长期铁路网规划》（ https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/201607/t20160720_962188.html?code=&state=123），通过矢量化获得全国范围的现状高铁（2020年）和规划高铁（2025年）网络。④ 社会经济数据包括地级以上城市GDP、年末人口和移动电话用户数量，来源2016年、2020年《中国城市统计年鉴》[15]和各地统计年鉴或公报；分省域网民规模来源于《2017年第39次中国互联网络发展状况统计报告》（ http://www.cac.gov.cn/2017-01/22/c_1120352022.htm）。⑤ 百度搜索指数是用户网络检索旅游信息的统计数据，是实际游客量的前兆和体现[16]。选取“云南旅游”和“昆明旅游”“大理旅游”等16州市旅游关键词，统计各地2016年逐日搜索量总和，由此作为客源地对云南旅游或各州市旅游的年网络关注度。
图1 云南省3A级及以上旅游景点及6个旅游发展区分布

Fig. 1 Distribution map of 3A level and above tourist attractions and six tourism development areas in Yunnan Province

1.2 情景设定

为了直观分析高铁建设前后旅游交通格局变化，以高铁为变量、其他交通线路维持不变，设定3种研究情景：① 无高铁情景下，使用公路和普通铁路；② 现状高铁情景下，在无高铁基础上增加现状高铁（2020年）；③ 规划高铁情景下，在现状高铁基础上增加规划高铁（2025年）。

1.3 研究方法

1） 旅途时间测度。旅途时间涉及交通工具选择、换乘、接驳等因素[17,18]。本文通过测度分层栅格数据的成本距离，计算包含从旅游出发地（地级以上城市政府所在地）到目的地（旅游景点）每个阶段的总时间。
以1 km×1 km精度栅格化，根据设定速度计算每个栅格的时间成本，公式见参考文献[10]。参考已有研究[2,10,12]以及中国铁路和道路交通设计规范，高铁、普通铁路、高速公路的速度为300 km/h、160 km/h、120 km/h，各等级普通公路的速度为30~100 km/h，普通陆地、水域的速度为6 km/h、2 km/h。在高铁、普通铁路和高速公路（非出入口处）设置缓冲区并设速0.1 km/h，在火车站或高铁站设置缓冲区并设速60 km/h，模拟高铁减速进站和游客换乘。据此，分别建立普通公路、高速公路、普通铁路、现状高铁以及规划高铁5种交通方式的成本栅格，计算特定研究情景下的最短旅途时间。
2） 加权平均旅行时间。鉴于交通可达性受客源地社会经济水平的影响，采用加权平均旅行时间衡量旅游景点可达性，其定义为某地到区域内其他所有地区最短旅途时间的加权均值[9,10,12]，本文以各旅游出发地的年末人口和GDP作为权重。由于关注旅途时间变化对于可达性的影响[17]，所有情景均采用2019年统计数据。
3） 泰尔系数。泰尔系数作为研究区域交通差异的常用指标，其优势在于将总体差异嵌套分解为不同层次或尺度的差异[19]。以云南省16个州市为基础地理单元，结合六大旅游发展分区，将省域旅游交通总体差异Td分解为州市内差异TWC、州市间差异TBC、旅游发展分区间差异TBR。公式如下：
$ \begin{split} {T}_{d}=&{T}_{WC}+{T}_{BC}+{T}_{BR} =\displaystyle\sum\nolimits _{i=1}^{m}\displaystyle\sum\nolimits _{j=1}^{n}\left(\dfrac{{Y}_{ij}}{Y}\right){T}_{ij}+\\ &\displaystyle\sum\nolimits _{i=1}^{m}\left(\dfrac{{Y}_{i}}{Y}\right){T}_{pi}+\displaystyle\sum\nolimits _{i=1}^{m}\left(\dfrac{{Y}_{i}}{Y}\right)\mathrm{ln}\left(\dfrac{{Y}_{i}/Y}{{P}_{i}/P}\right) \end{split} $
旅游发展区i的州市间差异Tpi为：
$ {T}_{pi}=\displaystyle\sum\nolimits _{j=1}^{n}\dfrac{{Y}_{ij}}{{Y}_{i}}\mathrm{ln}\left(\dfrac{{Y}_{ij}/{Y}_{i}}{{P}_{ij}/{P}_{i}}\right) $
旅游发展区i、第j州市的州市内差异Tij为：
$ {T}_{ij}=\displaystyle\sum\nolimits _{k=1}^{q}\dfrac{{Y}_{ijk}}{{Y}_{ij}}\mathrm{ln}\left(\dfrac{{Y}_{ijk}/{Y}_{ij}}{{P}_{ijk}/{P}_{ij}}\right) $
式中，P、Y分别是省域景点的总数及可达性总和；k为各州市景点；Pi、Pij、Pijk及Yi、Yij、Yijk分别对应特定范围的景点总数及可达性总和；m、n、q分别为旅游发展区数量、各旅游发展区的州市数量以及各州市的景点数量。
4） 日常可达性。日常可达性可用于测度旅游景点所能服务的客源市场范围[20,21]。结合对客源地潜在出游量的预估，根据不同时间阈值计算各旅途等时圈下的客源地及其规模，探究高铁网络化下的客源市场演变。公式如下：
$ {DA}_{u}={\displaystyle\sum }_{v=1}^{{p}}{\delta }_{uv}{P}_{uv} $
$ {P}_{uv}={R}_{v}\times \left({B}_{uv}/{W}_{v}\right) $
式中，DAu是目的地u的日常可达性即客源市场范围；p为客源地数量；δuv为系数，若目的地u到客源地v的时间在阈值内δuv等于1，否则等于0；Puv是客源地v前往目的地u的潜在出游量，利用年末人口Rv以及由年网络关注度Buv和网民规模Wv表征的潜在出游率进行预估[22]，网民规模由其占所在省域移动电话总数比、对全省域网民规模分配得到。

2 云南省旅游交通格局演变分析

2.1 旅游景点可达性提升特征

高铁网络压缩了旅途时间，极大地强化了云南省旅游景点可达性。现状高铁下，全省景点可达性均值由17.58 h减至10.27 h，收缩比例达41.58%；规划高铁的提升效果相对有限，仅缩小0.41 h。
不同高铁时期，各州市的景点可达性变化存在差异。在现状高铁时期，昆明、昭通、玉溪、曲靖等初始交通高于平均水平的州市，可达性增益大于其他州市，变化率介于43.64%~48.22%。怒江、迪庆、临沧、西双版纳等交通落后州市，高铁提升效应明显更小，变化率均低于40%。其中，改善最小的是地理位置偏远闭塞的怒江，最大的是玉溪、昭通和昆明。规划高铁时期，可达性变化率下降至1.67%~6.67%，改善最显著的依次是大理、保山和丽江，得益于高铁支线建设滇西地区可达性获得较大改善。

2.2 旅游景点可达性空间格局演变

利用克里金插值，绘制旅游景点可达性的空间分布及绝对变化图，分析区域旅游交通空间的动态演变（图2）。如图2所示，高铁打破了逐级递减的圈层状可达性格局，同等可达性地区出现破碎化，形成多个可达性高值区。
图2 云南省旅游景点可达性及其变化的空间格局

Fig. 2 Spatial pattern of accessibility of tourist attractions and its variation in Yunnan Province

1） 无高铁时期，景点可达性整体偏低且自东向西逐渐递减，这与云南省地势特征和交通发展不平衡密切相关。大部分景点的加权平均旅行时间超过16 h，只有位于云贵川交界处的昭通为12~13 h。以无量山-哀牢山-元江谷地为界，西部可达性普遍低于东部。东部地区地形缓和、初始交通较发达，以滇中地区为起点沿干线公路，向西往大理、丽江、保山、德宏辐射，向南往玉溪、普洱延展。西部地区地势起伏多变、经济发展落后，缺乏高速公路、国道等快速客运通道，与高铁干线及站点相距较远。
2） 现状高铁时期，旅游景点可达性大幅提高，形成以滇中地区和昭通为核心、随距离增加而衰减的核心–边缘结构。在高铁辐射带动下，除迪庆和怒江局部地区以外的景点可达性缩至14 h以内，最高达6~8 h。依托渝昆、沪昆、云桂3条干线高铁，滇中地区和昭通的时间收敛幅度最大。
3） 规划高铁时期，新建线路空间辐射有限，可达性低值和高值区域分别出现小幅度的收缩与拓展。滇中旅游交通优势地带进一步扩张，大部分景点可达性缩至7~8 h。楚雄-大理段和昆明-红河段高铁是围绕主干线、服务特定区域的支线，针对性地提升了滇西北、滇东南可达性，促使大理-丽江成为滇西北旅游交通优势地区。
总体上，高铁“时空压缩”效应改善了区域交通劣势格局，扩大旅游资源的对外通达性，但其空间效应存在地域异质性。受“廊道”效应影响，沿线地区获得更大的可达性增益，旅游交通格局向滇中地区、大理-丽江、昭通集聚，其作为单目的地和集散中心的功能将日益凸显[23]，由此逐渐打破王瑛等[24]“以昆明为客源集散地、单中心吸引点发展”的旅游业格局。昆明、大理等高铁城市成为旅游交通的中转节点，辐射带动非高铁地区旅游交通。另外，支线有效扩充高铁网络服务范围，利于跨区域交通运输能力的充分发挥，进一步提升区域旅游通达性。

2.3 旅游景点可达性区域差异分析

为分析“极化-扩散”作用下区域旅游交通发展的差异变化，利用泰尔系数计算云南省景点可达性的总体差异，并分解为旅游发展区的区域间差异、各区的州市间差异以及州市内差异（图3）。
图3 云南省区域旅游交通差异

Fig. 3 Regional differences of tourism traffic in Yunnan Province

总体差异呈现出先增后减，表明高铁在提高通达性的同时加剧了景点间的差距，而到规划高铁时期这种不均衡有所缓和。从贡献率来看，景点可达性的非均衡性主要源于区域间差异和州市内差异。具体来看：① 区域间差异显现出先增后减的变化。现状高铁下，渝昆、沪昆、云桂高铁主要覆盖滇中、滇东北、滇东南旅游发展区，导致区域间可达性差距扩大。未来随着高铁支线向西布局，偏远州市的旅途时间收缩，区域间旅游交通向均衡发展。② 州市内差异随高铁拓展而逐渐扩大。主要原因在于旅途时间的长短由城际交通和市内交通共同决定，虽然高铁优化了城际间旅游互通，但不完善的城市内部交通系统导致旅途“最后一公里”阻滞不畅，同州市内各景点的通达性参差不齐。③ 滇西北旅游发展区的州市间差异明显高于其他地区。由于怒江和迪庆地处横断山脉三江并流地带，长期缺少铁路或高等级公路作为对外交通方式，高铁扩散作用在此受到阻碍；相反，大理和丽江交通基础较好，通过与高铁州市的紧密联系受到辐射带动，因而滇西北地区的可达性始终处于失衡状态。

3 云南省旅游客源市场演变分析

3.1 省域旅游客源市场变化特征

旅途时间与交通条件是旅游客源市场变化的驱动力之一，高铁扩大游客出行半径的同时缩短感知距离，进而影响出游意愿与目的地选择[5, 25, 26]。对于旅游目的地而言，不同旅途等时圈的客源市场随之重构（图4）。
图4 省域潜在客源市场的空间分布及规模占比

基于审图号为GS（2020）4630（自然资源部监制）制图，底图无修改；未含港澳台数据

Fig. 4 Spatial distribution and percentage variation of potential tourist market in Yunnan Province

高铁修建后，0~5 h等时圈的潜在客源市场由无到有，但规模较小，占2.40%，包括近程客源地。5~8 h等时圈客源市场有所增长，占比达22.59%和25.98%，覆盖了川、贵、桂、渝、湘5个区域的多数城市和粤、陕、赣3省的少数城市。8~12 h等时圈客源市场受高铁促进最为显著，50%以上来自中远程客源地的游客可在该时段内跨省域、跨区域赴滇，珠三角、长三角等高出游潜力地区[27]不再“遥远”。12~16 h和16 h以上旅途时间的客源规模大幅减少，仅东北地区、青藏地区和新疆等少数偏远客源地的赴滇时间仍大于19 h。
根据已有研究[12]，两日游、三日游、五日游旅途耗时一般为4 h、6 h、12 h左右。高铁网络使70%以上潜在游客赴滇时间在5~8 h和8~12 h。随着这些游客的行游比降低和路线选择性增加[28]，高铁开通后三日游、五日游等中长期游将逐渐凸显。

3.2 州市旅游客源市场变化特征

旅游客源市场的转变与发展不仅与交通可达性改善有关，目的地的旅游资源禀赋亦是主要因素[2]。从不同旅途等时圈的客源市场占比来看，对于旅游基础条件各不相同的州市而言，潜在客源市场随高铁建设的变化趋势存在显著分异（图5）。
图5 云南省各州市潜在客源市场规模占比变化

Fig. 5 Percentage variation of potential tourist market in different cities, Yunnan Province

根据高铁开通前后的客源市场变化情况，各州市可归为4类：第一类是远程客源市场受高铁促进作用明显的州市，包括大理、昆明、丽江、迪庆和西双版纳。由于旅游资源品位和知名度优越，这些州市的客源市场覆盖全国多个地区，无高铁时期便吸引许多远距离游客，16 h以上等时圈游客规模占64.55%~48.17%，高铁建成后大幅度压缩到4~8 h、8~12 h或12~16 h范围。第二类是以近程客源市场为主且结构变化较小的州市，包括楚雄、德宏、红河、临沧、普洱、玉溪、昭通和曲靖。共同点在于旅游资源禀赋一般，不同时期下均以0~4 h或4~8 h等时圈游客为主并维持不变，说明其主要游客来自于省内及邻近省域，对远程客源市场的吸引不足。第三类是以近程客源市场为主且结构变化较大的州市，包括保山和文山。该类州市旅游品位同样较劣势，因此无高铁时期4~8 h等时圈游客规模最大，高铁建设后4~8 h等时圈游客的时间压缩到0~4 h。第四类是以远程客源市场为主但受高铁促进作用有限的州市，即怒江。虽然16 h以上等时圈游客的旅途时间普遍缩为8~12 h和12~16 h，但因其复杂落后的地理条件与交通水平，高铁对其远距离客源地的“时空压缩”效应比大理、昆明更有限。
综上，尽管高铁开通后各地旅游可达性均有所提升，但分时段的客源市场演变却呈现差异化，这与各州市在旅游资源、知名度和本身客源市场规模及构成上的差距有关。知名旅游州市凭借优质旅游资源和强劲吸引力，毋庸置疑地在高铁网络化进程中逐渐受益，快速的旅程将推动更多、更远客源地的游客来此旅游。然而，旅游资源和竞争力较弱势的州市以周边客源地为主，对极具规模与潜力的中远程市场吸引不足，因而高铁开通可能难以带来客源市场的显著扩张，甚至因游客流向知名旅游州市或景点，而在区域旅游竞争中处于劣势。

4 结论与讨论

本文以旅游资源禀赋优越、交旅融合发展势头强劲的云南省为例，运用基于分层栅格数据的成本距离测算法计算旅途时间，根据加权平均旅行时间、泰尔系数和日常可达性分析旅游交通格局及客源市场演变，研究发现：
1） 高铁网络具有显著的“时空压缩”效应，昆明、昭通等初始交通较好州市的可达性提升大于其他州市，圈层状的可达性空间格局出现破碎化。随着高铁建设，滇中地区、大理-丽江、昭通成为旅游交通优势地区，在区域旅游线路中将更多承担单目的地和集散中心的角色，由此逐渐打破“以昆明为客源集散地、单中心吸引点发展”的旅游业格局。
2） 高铁整体上加剧了景点可达性的非均衡性，规划高铁时期将有所缓和。景点可达性的总体差异主要源于旅游发展区间和州市内，这与滇东、西的交通发展差距以及不完善的市内交通系统密切相关。滇西北旅游发展区的大理、丽江、怒江、迪庆在地形条件和交通基础方面差距悬殊，其州市间差异明显高于其他旅游发展区。
3） 高铁网络化下旅游客源市场发生改变。从省域看，5~8 h和8~12 h等时圈客源地是主体市场，对应70%以上的中长途游客，由于行游比下降和路线选择性增加，目的地旅游线路模式中的三日游、五日游等中长期游将逐渐凸显。从州市看，高铁带来的旅游交通改善，强化了知名旅游州市的客源影响力和吸引力，尤其对更广阔的远距离客源地，但对于弱势州市挖掘中远程市场潜力作用相对有限。
为有效借势高铁网络、增强云南省旅游竞争力，本文提出建议：① 从旅游景点可达性看，围绕高铁干线与节点加快支线布局建设，让边疆落后州市融入高铁网络，借势加强旅游流从集散地向边缘扩散，推动区域旅游交通均衡化；完善提升城市交通基础设施，优化内部互通衔接，营造高效便捷的旅途“最后一公里”；鉴于怒江和迪庆地势复杂、自然型旅游资源为主的特点，从投资成本、建设难度和环境保护方面考虑，航空和公路比高铁更适合作为主要旅游交通方式。② 从旅游客源市场看，云南省应促进旅游资源开发与交通网络建设统筹协调[29]，以旅游资源禀赋和品牌知名度为基础，依靠高铁“时空压缩”效应带来的旅游可达性优化，因势利导在旅游产品开发、旅游线路设计、市场营销策略等方面发展转型，充分发掘客源市场潜在出游力。
本文考虑了前出行、候车、城际、后出行的高铁全过程[30]，但由于数据搜集与计算量大，前出行阶段测度人民政府所在地至高铁站点的路程，而非从游客实际居住地出发。此外，百度搜索指数较好地反映出游意愿，但旅游行为受客源地、目的地及游客自身等因素影响，客源市场预测值与实际存在一定出入[22]。未来，通过获取多来源、多年度的网络关注度及网民规模，结合实际客流量或客源市场调查比对分析，能够更准确地分析客源市场随高铁网络建设的动态变化过程，进而提供切实意见。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
汪德根. 高铁网络化时代旅游地理学研究新命题审视[J]. 地理研究, 2016, 35(3): 403-418

Wang Degen. Thinking on the new topics of tourism geography research in high-speed rail network era. Geographical Research, 2016, 35(3): 403-418

[2]
汪德根, 陈田, 陆林, 等. 区域旅游流空间结构的高铁效应及机理——以中国京沪高铁为例[J]. 地理学报, 2015, 70(2): 214-233

DOI

Wang Degen, Chen Tian, Lu Lin et al. Mechanism and HSR effect of spatial structure of regional tourist flow: Case study of Beijing-Shanghai HSR in China. Acta Geographica Sinica, 2015, 70(2): 214-233

DOI

[3]
马丽君, 刘聪. 高铁开通对目的地旅游流聚集的影响研究——以昆明市为例[J]. 资源开发与市场, 2021, 37(11): 1363-1369

Ma Lijun, Liu Cong. Study on the impact of the opening of high-speed railway on destination tourism flow aggregation—Taking Kunming City as an example. Resource Development & Market, 2021, 37(11): 1363-1369

[4]
王绍博, 罗小龙, 郭建科, 等. 高铁网络化下东北地区旅游空间结构动态演变分析[J]. 地理科学, 2019, 39(4): 568-577

Wang Shaobo, Luo Xiaolong, Guo Jianke et al. Dynamic evolution of tourism spatial structure under the improvement of the high speed rail network in Northeast China. Scientia Geographica Sinica, 2019, 39(4): 568-577

[5]
汪德根. 旅游地国内客源市场空间结构的高铁效应[J]. 地理科学, 2013, 33(7): 797-805

Wang Degen. Spatial structure impacts of high speed rail on domestic tourism market in China. Scientia Geographica Sinica, 2013, 33(7): 797-805

[6]
Gao Y, Su W, Wang K. Does high-speed rail boost tourism growth? New evidence from China[J]. Tourism Management, 2019(72): 220-231

[7]
Li L S Z, Yang F X, Cui C. High-speed rail and tourism in China: An urban agglomeration perspective[J]. International Journal of Tourism Research, 2019, 21(1): 45-60

DOI

[8]
殷平. 高速铁路与旅游业: 成果评述与经验启示[J]. 旅游学刊, 2012, 27(6): 33-40

Yin Ping. High-speed railway and tourism: Literature review and lessons. Tourism Tribune, 2012, 27(6): 33-40

[9]
穆成林, 陆林, 黄剑锋, 等. 高铁网络下的长三角旅游交通格局及联系研究[J]. 经济地理, 2015, 35(12): 193-202

Mu Chenglin, Lu Lin, Huang Jianfeng et al. Research on Yangtze River Delta tourist traffic pattern and linkage under the high-speed rail network. Economic Geography, 2015, 35(12): 193-202

[10]
Wang L, Liu Y, Sun C et al. Accessibility impact of the present and future high-speed rail network: A case study of Jiangsu Province, China[J]. Journal of Transport Geography, 2016, 54: 161-172

DOI

[11]
殷平, 杨寒胭, 张同颢. 高速铁路网与京津冀旅游: 空间作用与结构演化[J]. 旅游学刊, 2019, 34(3): 102-112

Yin Ping, Yang Hanyan, Zhang Tonghao. High-speed railway and tourism development in Beijing-Tianjin-Hebei Region: Spatial interaction and restructuring. Tourism Tribune, 2019, 34(3): 102-112

[12]
贾文通, 黄震方, 刘俊, 等. 高铁对区域旅游“时空压缩”效应的测度与分析——以长江经济带为例[J]. 地理研究, 2021, 40(6): 1785-1802

DOI

Jia Wentong, Huang Zhenfang, Liu Jun et al. Measuring and analyzing the time-space compression of high-speed rail on regional tourism: A case study of Yangtze River Economic Belt, China. Geographical Research, 2021, 40(6): 1785-1802

DOI

[13]
Diao M, Zhu Y, Zhu J. Intra-city access to inter-city transport nodes: The implications of high-speed-rail station locations for the urban development of Chinese cities[J]. Urban Studies, 2016, 54(10): 2249-2267

[14]
余国鹏. 搭乘高铁谋划新跨越[N]. 云南日报, 2018-01-03(5).

Yu Guopeng. Planning a new leap by high-speed rail. Yunnan Daily, 2018-01-03(5).

[15]
国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2016, 2020.

National Bureau of Statistics. China city statistical yearbook. Beijing: China Statistics Press, 2016, 2020.

[16]
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, 31(4): 680-685

DOI

Ma Lijun, Sun Gennian, Huang Yunma et al. A correlative analysis on the relationship between domestic tourists and network attention. Economic Geography, 2011, 31(4): 680-685

DOI

[17]
Jiao J, Wang J, Jin F et al. Impacts on accessibility of China’s present and future HSR network[J]. Journal of Transport Geography, 2014, 40: 123-132

DOI

[18]
Yu M, Fan W. Accessibility impact of future high speed rail corridor on the piedmont Atlantic megaregion[J]. Journal of Transport Geography, 2018, 73: 1-12

DOI

[19]
Liu S, Wan Y, Zhang A. Does China’s high-speed rail development lead to regional disparities? A network perspective[J]. Transportation Research Part A:Policy and Practice, 2020, 138: 299-321

DOI

[20]
孟德友, 魏凌, 樊新生, 等. 河南“米”字形高铁网构建对可达性及城市空间格局影响[J]. 地理科学, 2017, 37(6): 850-858

Meng Deyou, Wei Ling, Fan Xinsheng et al. “Star-type” high-speed railway network and its impacts on the accessibility and urban spatial pattern in Henan, China[J]. Scientia Geographica Sinica, 2017, 37(6): 850-858

[21]
蒋海兵, 刘建国, 蒋金亮. 高速铁路影响下的全国旅游景点可达性研究[J]. 旅游学刊, 2014, 29(7): 58-67

DOI

Jiang Haibing, Liu Jianguo, Jiang Jinliang. An analysis of the accessibility of China’s tourist attractions under the impact of high-speed railway. Tourism Tribune, 2014, 29(7): 58-67

DOI

[22]
丁镭, 张琼, 方雪娟. 基于修正旅游引力模型的横店影视城客源市场空间结构划分[J]. 地理与地理信息科学, 2020, 36(3): 124-132

DOI

Ding Lei, Zhang Qiong, Fang Xuejuan. Spatial structure analysis of domestic tourist market based on the modified gravity model: A case study of Hengdian World Studios. Geography and Geo-Information Science, 2020, 36(3): 124-132

DOI

[23]
史春云, 张宏磊, 朱明. 国内旅游线路模式的空间格局与特征分析[J]. 经济地理, 2011, 31(11): 1918-1922+1936

DOI

Shi Chunyun, Zhang Honglei, Zhu Ming. Spatial structure and characteristics of domestic travel itineraries patterns. Economic Geography, 2011, 31(11): 1918-1922+1936

DOI

[24]
王瑛, 王铮. 旅游业区位分析——以云南为例[J]. 地理学报, 2000, 55(3): 346-353

Wang Ying, Wang Zheng. Analysis of tourism location: A case study of Yunnan Province. Acta Geographica Sinica, 2000, 55(3): 346-353

[25]
Cascetta E, Papola A, Pagliara F et al. Analysis of mobility impacts of the high speed Rome-Naples rail link using withinday dynamic mode service choice models[J]. Journal of Transport Geography, 2011, 19(4): 635-643

DOI

[26]
Gutiérrez A, Miravet D, Saladié et al. High-speed rail, tourists’ destination choice and length of stay: A survival model analysis[J]. Tourism Economics, 2020, 26(4): 578-597

DOI

[27]
史春云, 张捷, 尤海梅, 等. 中国城市居民出游潜力的空间分异格局[J]. 地理科学, 2006, 26(5): 5622-5628

DOI

Shi Chunyun, Zhang Jie, You Haimei et al. Spatial disparities of latent emissiveness of urban residents in China. Scientia Geographica Sinica, 2006, 26(5): 5622-5628

DOI

[28]
朱明, 史春云. 长三角旅游线路空间模式的动态演变——基于2010、2016年数据的比较研究[J]. 江苏师范大学学报(自然科学版), 2018, 36(1): 71-74

Zhu Ming, Shi Chunyun. Dynamic evolution of travel itinerary patterns of Yangtze River Delta: A comparative study on data of 2010 and 2016. Journal of Jiangsu Normal University(Natural Science Edition), 2018, 36(1): 71-74

[29]
戢晓峰, 李康康, 陈方. 节假日旅游流时空分异及其形成机制——以云南省为例[J]. 经济地理, 2018, 38(3): 200-207

Ji Xiaofeng, Li Kangkang, Chen Fang. Study on spatial and temporal differentiation of holiday tourism flow and its formation mechanism: A case study of Yunnan Province. Economic Geography, 2018, 38(3): 200-207

[30]
孔宇, 甄峰, 张泉, 等. 居民高铁前出行阶段满意度特征及其影响因素研究——以南京市为例[J]. 现代城市研究, 2018(8): 37-46

Kong Yu, Zhen Feng, Zhang Quan et al. A study on the impact of ICT on travel satisfaction of residents in the access trip of high-speed railway: A case of Nanjing. Modern Urban Research, 2018(8): 37-46

Options
文章导航

/

〈 〉