1. 引言
旅游业是推动社会经济发展的重要行业，直接影响地区的经济水平和竞争力，而旅游景点的可达性是决定区域旅游高质量发展的关键因素。可达性是地理、旅游、城乡规划、交通运输等学科的研究重点之一[1]-[3]。可达性的概念由美国学者Hansen在1959年提出并将其定义为交通网络中各节点之间相互联系或作用的机会[4]。1987年，Goodall提出可达性不光表现为空间节点的物理距离，同时也在于彼此能够到达的时间水平[5]。1997年，Deichman进一步提出可达性是空间位置节点之间与社会、经济等要素相互关联水平的测度[6]。21世纪以后，可达性的内涵拓展至生物学、社会学与心理学范畴。如Rabontu等从心理需求出发，对残疾人旅游需求、残疾人住宿、残疾人餐饮等旅游设施的发展程度进行分析，对特殊群体旅游设施建设以及旅游从业者提出更高的要求[7]。
在可达性概念提出的初期，国外可达性的研究重点主要是空间距离测度。随着研究的深入，研究方向拓展到时间、经济距离测度[8]，可达性研究呈多维性。在可达性与经济发展的联系方面，有学者研究交通方式对旅游的影响[9]-[11]，以及可达性对就业、人口迁移的影响[12]；Kim等在此基础上借助GIS技术对就业机会进行时空特征研究[13]。此外，国外对可达性的研究还包括可达性理论研究、可达性对土地利用的影响、可达性对基础公共服务设施建设系统等方面[14]。总而言之，国外可达性研究经历了理论探索阶段、空间分析技术应用阶段，以及到目前为止的多学科、多尺度和多方法综合研究阶段[8]。
国内关于可达性的研究起步较晚，主要研究涉及可达性测度、可达性与旅游空间格局研究、交通运输类型对旅游可达性的影响、可达性与区域经济联系等方面[8][15]。从研究尺度上看，国内研究主要从全国、省级区域、城市群等层面展开，其中多以省级尺度为主[16]。可达性研究对象也不断细分，当前研究对不同等级、不同类型景区进行了深入研究，如在景区尺度上的研究发现人文景区的可达性优于自然景区[17]。此外，研究方法也从传统的理论阐述转变为依托计算机软件进行数理统计与GIS分析相结合的范式[18]，如基于最近邻指数法测度成渝城市群3A~5A级景区的空间分布特征及其可达性的研究[19]。对交通可达性的研究主要分为两类：一是针对单一的交通方式，以公路和铁路为代表的陆路交通网络可达性研究为主；二是综合交通方式的可达性研究，但此类研究较少[20]。另外，学者注意到单双向道、道路转弯、城市高架等微观通行因素对景区可达性有显著影响，但由于存在资料查找、实地调研的困难，在研究中未加考虑，因而普适性较差[21][22]。
2022年湛江市政府发表《湛江市创建全域旅游示范区促进文旅产业高质量发展实施意见(2022~2025年)》，计划将全域旅游作为推动湛江经济社会发展、推进大文旅开发战略实施的重要抓手，全力创建全域旅游示范区。而在中国知网、百度学术和维普网站输入“湛江旅游”关键词得到的相关论文显示，现有着眼于湛江市旅游的研究多侧重于湛江市某种特定旅游资源，如打造红树林之城[23]、发展乡村旅游[24]、红色旅游[25]、滨海旅游[26]等，针对湛江市旅游的可达性分析仍处在空白状态。
因此，本文以湛江市旅游景区为对象，从景区空间格局及交通可达性的视角出发，运用核密度分析法、缓冲区分析法以及数学建模等方法对湛江市旅游景区及交通可达性进行研究，认识湛江市旅游景区的空间分布格局，探究景区可达性状况，并针对湛江市景区空间格局和旅游可达性存在的优势与不足提出规划和建议，为湛江市旅游发展规划和区域发展规划提供科学参考。
2. 研究区概况
湛江市，旧称“广州湾”，别称“港城”，位于我国大陆最南端、广东省西南部，介于北纬20˚13'~21˚57'，东经109˚40'~110˚58'之间，包括整个雷州半岛及半岛北部的一部分(图1)。湛江市东濒南海，南隔琼州海峡与海南省相望，西临北部湾，西北与广西壮族自治区毗邻，东北与本省茂名市的茂南区和电白、化州县接壤。总面积为13,263 km2，下辖4个市辖区、3个县级市、2个县，分别是赤坎区、霞山区、麻章区、坡头区、吴川市、廉江市、雷州市、遂溪县、徐闻县。湛江市是广东省域副中心城市、粤西和北部湾城市群中心城市、全国性综合交通枢纽，被评为中国优秀旅游城市、中国特色魅力城市。根据湛江市人民政府网站公布的最新数据(2023年4月统计)，2022年湛江市全年旅游总收入113.04亿元，同比下降24.6%。
Figure 1.Overview of the study area
图1.研究区概况图
3. 数据来源与研究方法
3.1. 数据来源
湛江市旅游景点的数据来源于高德POI数据的爬取。根据高德POI分类和编码，爬取湛江市旅游景点相关数据3516条，经人工筛选，去除重复项及与研究无关的数据，保留有效数据508条。本文根据二分法将湛江市旅游景点分成自然景点和人文景点两大类型，其中自然景点共有95处，包括森林公园、生态公园、湿地、海滩等；人文景点共有413处，包括红色景区、纪念馆、休闲场所、采摘园等(图1)。道路网络数据来源于OpenStreetMap (https://www.openstreetmap.org/)，其坐标系统为WGS 1984，道路网络主要包括高速公路、城市快速路、城市主干道、城市次干道等。此外，采用未来交通实验室(http://www.futuretransportlab.com/)开发的“万能坐标转换”软件对POI数据进行了坐标纠偏，使其坐标位置与道路网络数据相匹配，避免后续分析产生较大空间位置误差。
3.2. 研究方法
3.2.1. 空间格局研究
(1) 地理集中指数法：用于衡量地理要素在空间分布上的集中程度，体现空间分布特征。本文用于研究湛江市景点在县域尺度上的集散情况，其数学表达式为：
(1)
式中，G表示湛江市旅游景点的地理集中指数；Xi表示第i个县/区所拥有的景点数量；T表示湛江市旅游景点的总数量；n表示湛江市内县区个数；G0表示各个景点平均分布于各个县区时的地理集中指数，即T与n的比值。其中，G的取值介于0~100之间，其数值大小可以反映景点空间分布的集散程度，其判断标准为：G值越大，表示该区域内的景点空间分布集聚程度越高；G值越小，表示该区域内的景点空间分布的集聚程度越低。当G>G0，则表示景点在研究区域内空间上呈集中分布；反之，则呈分散分布。
(2) 最近邻指数法：常用来表达区域内点状要素的空间分布模式，通过测算研究样本中任意点状要素与周围邻近点之间的距离，将数据的平均值作为实际最近距离，然后将最近邻距离作为标准与其平均距离进行比较，最终确定最近邻指数。点状要素的空间分布类型有均匀型、随机型、凝聚型3种，其中均匀分布的点状要素最近邻距离最大，随机分布次之，凝聚分布最小。本文采用ArcGIS软件对湛江市内的景区与交通网进行最近邻指数分析。其公式为：
(2)
(3)
式中，R表示最近邻指数，ri表示实际最近邻距离，re表示理论最近邻距离，A表示目标研究区的面积，n表示旅游景点的数量。若R= 1，则说明旅游景点的空间分布类型为随机型；若R> 1，则表示其空间分布类型为均匀型；若R< 1，则表示其空间分布类型为凝聚型。
(3) 核密度分析：通过核密度分析法可以计算出研究要素对周围影响强度的密度值，能较为清晰地反映其在空间上的分散或集聚特征，更加直观的反映出湛江市旅游景点的空间分布情况。其数学表达公式如下：
(4)
式中，f(x)表示核密度的估计值；h表示半径(h> 0)；n表示湛江市旅游景点的个数；(x−xi)表示估值点x到事件xi处的距离。当f(x)值越大时，湛江市旅游景点越密集。
3.2.2. 景点可达性测度
(1) 路网密度指数：测度景点一定缓冲区范围内道路分布密集程度。本文计算景点10 km范围内的道路分布密集程度，并按照《公路工程技术标准》(JTG B01-2003)、《城市道路工程设计规范》(CJJ37-2012)、《小交通量农村公路工程设计规范》(JTG/T 3311-2021)中对各类道路的速度规定，对不同等级路网赋予不同的权重值：高速公路行驶速度为100 km/h，城市快速路行驶速度为80 km/h，城市主干道行驶速度为50 km/h，城市次干道行驶速度为40 km/h，城市支路行驶速度为30 km/h，乡村道路行驶速度为15 km/h，其他道路行驶速度为15 km/h。速度越高，权重越大，100 km/h权重为1，其它道路按标准速度与100 km/h的比值确定，并对计算得到的路网密度进行标准化。该路网密度指标实际上包含了空间距离与时间距离两个可达性测度因子，标准化的路网密度指数越高，景点可达性越高。
(2) 步行距离指数：以1小时内最大步行距离5 km为标准，计算景点与道路端折点的最短距离，用最短距离除以最大步行距离得到步行时间并进行负向标准化处理。最短距离越小，所用时间越短，标准化后的步行距离指数越大，景点可达性越高。
(3) O-D成本指数：O-D成本矩阵用于查找和测量网络中从多个起始点到多个目的地的最小成本路径。本研究基于湛江市高速公路、城市快速路、城市主干道三种路网，使用旅行时间(单位：秒)作为成本测度指标，计算湛江市旅游景点的O-D成本，然后采用反距离权重法生成O-D成本指数栅格。成本越低，表示耗费的时间越少，景点可达性越高。
(4) 层次分析法：层次分析法是一种能够用于多种方案决策或多个目标决策的一种实用方法，能够合理地将定性和定量的决策结合起来，非常灵活简洁。本文用于可达性权系数的确定，即通过对可达性三个指标(步行距离、路网密度和O-D成本)进行专家评分，判断矩阵的相对重要性采用奇数量化值，即1、3、5、7 (表1)，计算得到三个指标的权系数分别为0.1、0.4和0.5 (保留一位小数)，其CR值为0.012，通过一致性检验。
Table 1.Indices used in analytic hierarchy process
表1.层次分析法指标指数表
| 指标 |
步行距离 |
路网密度 |
O-D成本 |
| 步行距离 |
1 |
1/5 |
1/7 |
| 路网密度 |
5 |
1 |
1 |
| O-D成本 |
7 |
1 |
1 |
(5) 景点可达性指数：本文对于景点可达性的测度综合考虑路网密度、步行距离和O-D成本，采用加权求和的方法建立景点可达性指数(S)，并基于该综合性的可达性指数分析景点可达性空间分布格局。景点可达性指数建立方法如下：
(5)
(6)
式中，S为景点可达性指数；sR、sL和sD为标准化后的路网密度指数、步行距离指数和O-D成本指数，其标准化方法采用极差标准化法(式(6))；路网密度采用正向标准化，步行距离和O-D成本采用负向标准化法；wi(i= 1, 2, 3)为三个指标的权系数，根据层次分析法，本文分别设置为0.4、0.1和0.5。
(6) Getis-Ord冷热点分析：ArcGIS中的热点分析功能是一种空间统计分析方法，用于识别地理现象在空间上的集群和离群趋势，可以帮助人们理解地理现象的分布模式。本研究结合蜂窝网格，使用冷热点分析功能识别湛江市景点可达性在空间上的分布格局。
4. 结果与讨论
4.1. 湛江市旅游景点空间分布格局
湛江市旅游景点总数为508个，其在9个县区的分布数量如表2所示。表2显示，廉江市、吴川市景点合计占比达41%，湛江市市辖区(赤坎区、麻章区、霞山区和坡头区)占比32%。据公式(1)计算得到湛江市旅游景点的地理集中指数G= 37.27；若508个景点平均分布于9个县区，则地理集中指数G0= 33.33。G>G0，说明湛江市旅游景点分布比较集中，呈现不均匀分布的状态。
此外，运用ArcGIS最近邻指数分析工具计算得到湛江市旅游景点的最近邻指数R= 0.71 (p= 0.000)，说明湛江市旅游景点的空间分布类型为凝聚型，反映了该区域旅游开发的适宜性和成熟性，有利于形成规模效应，统筹发展。
Table 2.County level distribution of scenic spots in Zhanjiang
表2.湛江市各县区景点分布情况
| 县区 |
景点数量/个 |
| 赤坎区 |
42 |
| 麻章区 |
60 |
| 霞山区 |
35 |
| 坡头区 |
26 |
| 吴川市 |
90 |
| 廉江市 |
119 |
| 雷州市 |
52 |
| 遂溪县 |
49 |
| 徐闻县 |
35 |
图2是湛江市景点核密度分布图，从图中可以发现，湛江市景点的空间分布呈现出“中心聚集、周边分散”的点状分布特征，且不同县区之间的核密度分布差异较大：(1) 市辖区景点密度明显较其他地区密度大；(2) 市辖区外的县域单元当中，吴川市、廉江市的景点密度较大于其他县域单元，这与统计结果一致(表2)；(3) 市辖区和吴川市、廉江市等县域单位景点密度呈现“多核心”分布特征；(4) 遂溪县、雷州市、徐闻县等县域单元景点密度呈现“单核心”分布。这表明湛江市旅游景点的空间分布在市域范围内存在集聚现象；在县域范围内同样存在集聚现象，与地理集中指数法、最近邻指数法显示的结果相吻合。
Figure 2.Kernel density of scenic spot in Zhanjiang
图2.湛江市景点核密度分布图
4.2. 湛江市旅游景点可达性
4.2.1. 景点可达性分析
景点可达性的高低与其所在城市或地区的交通路网密度的大小密切相关。一般情况下，路网密度指数大的地区，其交通网络相较于路网密度小的地区更发达、更完善，位于该地区的景点的可达性也更高。
根据图3分析可知，湛江市内的路网密度呈现不均匀的特点：(1) 市辖区经济相对发达，其路网密度指数明显较其他县区的路网密度指数更大，景点可达性更高；(2) 市辖区周边县区的内部路网密度分布同样呈现出不均匀分布的特点，主要表现为：更靠近市辖区的地区，路网密度更大，景点可达性更高；(3) 结合图1、图2对比分析可知，遂溪县东北部、雷州市东北部和徐闻县西南部三个景点密集区的核密度值较吴川市和廉江市景点密集区的核密度值更低，路网密度却较市辖区外的其他地区更大，景点可达性更高；(4) 结合图2对比分析可知，同一县区内，核密度值较大的地区，路网密度指数也相对较大，景点可达性也相对更高；(5) 结合图1对比分析可知，市辖区路网辐射范围外的地区，海拔高的地区路网密度指数较海拔低的地区路网密度指数更小，景点可达性也相对更低。(6) 除市辖区外，其他县区整体路网密度指数较低。
上述分析表明：受经济水平和地形影响，湛江市整体的交通路网分布不均匀，景点可达性存在较大差异。市辖区的可达性远大于其他地区，且越靠近市辖区，可达性越高。此外，景点数量的多少和密集程度与路网密度呈现正相关的关系，对可达性也产生正相关的影响；但吴川市和廉江市的景点密集区附近的路网密度较低，反映出这两个地区存在景点开发程度不足、交通路网建设落后于旅游发展的问题。
Figure 3.Spatial distribution of the road network (a) and its density (b)
图3.湛江市路网分布图(a)和湛江市路网密度指数分布图(b)
根据湛江市交通路网划分出道路端折点22020个，运用ArcGIS中的近邻分析工具计算得到湛江市景点与道路端折点的最短距离，并运用公式(6)对其进行负向标准化，得到标准步行距离指数(图4)。从图中可以看出，湛江市步行距离指数呈现出“中部、南部高，西部、西北部低”的分布特点：(1) 市辖区、廉江市南部、遂溪县东北部、雷州市东北部和徐闻县的步行距离指数较其他县区和区域的步行距离指数高，这一结果与图3吻合；(2) 结合图3对比分析可知，同一县区内，路网密度指数高的地区，步行距离指数相对较高；(3) 除市辖区外的其他县区内部均存在较高的步行距离指数和较低的步行距离指数，区域间景点可达性整体差异不大。
这说明了尽管湛江市路网密度差异较大，但由于存在大量的道路端折点，使得游客从道路出入口到景点的可达性差异不大，反映出湛江市交通路网的道路端折点设计较为合理，游客可从多个出入口到达目标景点，可达性良好。
运用ArcGIS中的O-D成本分析工具，对湛江市高速公路、城市快速路和城市主干道三种路网进行可达性分析(图5(a))。从图中可以看出，湛江市范围内的通行时间在8984 s内，约为2.5 h；大部分地区的通行时间在3090 s~5055 s之间，约为0.8 h~1.5 h。因此，通行时间在此范围内或小于此范围的地区，主要是市辖区及其周边地区，景点可达性较高；通行时间大于此范围的地区，主要是雷州市南部和徐闻县，景点可达性较低(图5(b))。
考虑到单一的可达性指标容易导致偶然性结果，为了增强研究结果的可信度，本研究综合路网密度指数、步行距离指数和O-D成本指数三项指标，运用公式(5)对其进行加权求和，得到综合性的湛江市旅游区可达性指数分布图(图6)。从图中可以发现，湛江市旅游区的可达性分布呈现出“以市辖区为中心，向周围逐渐降低”的特点：(1) 市辖区的可达性指数高于其他县区；(2) 市辖区周边的县区，越靠近市辖区，可达性越高；(3) 结合图2~4对比分析可知，雷州市东北部可达性指数较高，与其核密度值、路网
Figure 4.Spatial distribution of walking distance index
图4.湛江市步行距离指数分布图
Figure 5.Spatial distribution of O-D costs (a) and its accessibility (b)
图5.湛江市O-D成本分布图(a)和O-D成本下湛江市可达性分布图(b)
密度指数、步行距离指数的分布特征相吻合；(4) 徐闻县的整体可达性指数为所有县区中最低。
这说明了湛江市辖区的景点开发程度较其他地区完善，形成集聚效应，景点可达性高。在市辖区的辐射作用下，市辖区周边县区靠近市辖区的部分，景点可达性也相对较高。雷州市东北部的景点开发程度较其他县区或区域的景点开发程度更高，有利于雷州市旅游业的发展，但雷州市西部可达性较差，也抑制了位于该地区的景点发展。徐闻县距离湛江市辖区最远，受湛江市辖区辐射作用影响小且总体海拔为所有县区当中最高，整体的可达性为湛江市所有县区当中最低，但徐闻县内诸如菠萝的海、南极村等部分景点知名度较高，可达性程度与知名度不匹配。
Figure 6.Spatial distribution of accessibility in scenic spot
图6.湛江市旅游区可达性分布图
4.2.2. 景点可达性空间分布格局
在湛江市旅游区可达性分布图(图6)的基础上，运用ArcGIS中的反距离加权方法，生成湛江市全域的可达性栅格，再使用蜂窝网格(网格面积为50 km2)统计网格内可达性指数均值，此基础上运用热点分析工具对其进行冷热点识别，得到基于蜂窝网格的Getis-Ord冷热点分布图(图7)。结合图示分析可知，湛江市景点可达性在空间上呈现出“中部热、南端两翼冷”的分布格局。对比图2分析可知，(1) 热点区主要是湛江市辖区、吴川市西部、廉江市南部、遂溪县东北部和雷州市东北部等地区，范围较核密度值高值区更广；(2) 吴川市三个核密度高值区和廉江市西部的核密度高值区以及徐闻县西南部的核密度高值区在冷热点分布图中不显著；(3) 冷点区主要集中在雷州市西部和徐闻县东南部、西部，与核密度值分布特征一致。
4.3. 讨论与建议
4.3.1. 讨论
景点的空间分布格局及其可达性研究是一个综合性的研究方向，本研究仍然存在许多不足：(1) 在景
Figure 7.Spatial distribution of hot spots and cold spots in scenic spot accessibility based on cellular grid
图7.基于蜂窝网格的湛江市旅游景点可达性冷热点分布图
点选择上没有考虑景点等级及其影响力，而是将湛江市内能够为本市人民和市外人民的提供休闲旅游服务的景点都计算进来，其中包括一些影响力和知名度均较小的观光采摘园、钓场和公园等，这可能会对景点的空间分布格局研究产生一定影响；(2) 在景点数据处理过程中将旅游景区等同于旅游景点视为点要素，忽视其本身的形状和面积大小，今后应进一步完善研究；(3) 在可达性研究方面仅基于陆域的路网进行分析，没有考虑湛江市的海岛交通换乘因素，缺乏海域交通和航班飞行方面的研究；(4) 在可达性指标方面，本研究虽然在常用可达性评价指标O-D成本的基础上，增设路网密度指数和步行距离指数，但忽视了交通拥堵、特殊天气等因素，此外，在步行距离指数的设定上没有考虑游客对步行时间的容忍度，仍然是理论上的可达性，与实际的可达性仍存在一定差距。(5) 在可达性的分析方面，除了经济发展水平对可达性的影响，本文还考虑了地形对可达性的影响：即可达性较低的廉江市北部、雷州市东南部和西部以及徐闻县等地区的海拔相对于湛江市其他地区较高，路网密度低，景点开发程度较低，因此可达性也较低。(6) 在提出建议方面，本文关注到徐闻县整体的可达性为湛江市所有县区当中最低，但徐闻县内诸如波罗的海、南极村等部分景点知名度较高，认为可达性程度与知名度不匹配，并提出了加强与徐闻县的路网联系建议。但(5)、(6)两点的分析和建议欠缺实际考证，带有主观性。(7) 在研究内容方面，本文对湛江市的景点分布格局及可达性研究均是针对湛江市所有景点，并未进行对景点进行细分，从自然景点和人文景点两个角度深入研究。因此本文在未来仍然需要针对不足进一步完善探究。
4.3.2. 对湛江市旅游发展的规划建议
根据研究结论，针对湛江市旅游发展的优势和存在的问题提出如下建议：
(1) 充分发挥集聚效应，统筹发展。目前阶段，湛江市景点以湛江市辖区为中心聚集分布，各县区内部也存在景点聚集分布特征，应该加强景点聚集地的基础设施建设，提高景点开发程度，促进区域旅游发展。
(2) 充分挖掘旅游资源，优化景区分布格局。湛江市景区集中在市辖区，雷州市、遂溪县、徐闻县等千年古城已开发的旅游景点数量较少，应充分发掘当地的旅游资源，使湛江市内景点“多点开花”，优化景区分布格局，促进湛江市旅游业发展。
(3) 加强与可达性低地区的路网联系，充分发挥市辖区辐射作用。交通便捷度是影响游客出行选择的重要因素。从交通现状来看，湛江市辖区的
路网辐射作用对湛江市边界地区影响较小，应加强区域间的路网联系，尤其是与可达性低地区的路网联系，扩大辐射影响范围，带动湛江市边界地区共同发展。
(4) 加强道路网络建设，使之与景点数量相匹配，提升景点开发程度。吴川市和廉江市的景点数量占湛江市总数的41%，但这两个地区的景点密集区附近的路网密度较低，应加强交通路网建设，解决基础设施落后于旅游发展的问题。
(5) 特别加强与徐闻县的交通联系，加大徐闻县的景点开发力度。徐闻县在旅行时间当中成本最高、可达性最低，但徐闻县存在部分著名景点，应该加强与徐闻县的交通联系，完善基础设施，提高可达性，使之与景点知名度相匹配。
5. 结论
本文基于高德POI数据和OpenStreetMap路网数据，综合运用地理集中指数法、最近邻指数法、核密度分析法、O-D成本分析法、Getis-Ord冷热点分析法、路网密度指数、步行距离指数等方法和指标对湛江市景区的空间格局、景点可达性及景点可达性空间分布格局进行了分析，得出以下结论：(1) 在景点空间分布格局方面，湛江市旅游景点在空间上分布较为集中，主要聚集在湛江市辖区、吴川市和廉江市等地，整体呈现空间聚集分布特征；(2) 在景点可达性方面，受经济水平和地形影响，湛江市路网密度分布不均匀，大部分地区的通行时间在0.8 h~1.5 h之间，可达性一般。可达性相对较高的地区主要是湛江市辖区及其周边地区；(3) 在可达性空间格局方面，湛江市景点可达性在空间上的分布呈现出“中部热，南端两翼冷”的分布格局，热点区主要集中在湛江市辖区及其周边地区，冷点区主要位于雷州市东南部和西部以及徐闻县东南部和西部。
基金项目
本项目由岭南师范学院人才引进专项项目(ZL22032)资助。
NOTES
*通讯作者。