第42卷第4期安徽师范大学学报!自然科学版).V o1.42No.4 2019年7月Journal of Anhui Noeal Univeyitu(Natural Science)J u I.2019 DOI：10.14182/J.-nki.1001-2443.2019.04.013粤港澳大湾区星级酒店空间分布特征卢扬丽1,吴庆双1>2,王芳1(1-安徽师范大学地理与旅游学院，安徽芜湖241003.2-资源环境与地理信息工程安徽省工程技术研究中心，安徽芜湖241002)摘要：星级酒店是城市发展的重V体现，明确星级酒店在城市内部的发展特征，空间分布及区位分布可为城市建设提供指导意见。
本文以粤港澳大湾区为研究区域，基于POI数据并运用核密度分析和空间自相关性分析方法,探究了粤港澳大湾区11个城市2017年三星级酒店、四星级酒店和五星级酒店的空间分布特征，研究了粤港澳大湾区星级酒店的空间集聚性和自相关性。
结果表明，粤港澳大湾区星级酒店的空间分布具有不平衡性。
在大陆地区,星级酒店主要集中分布在广州、深圳，形成一级集聚区，并从城市中心向城市外延呈“环形放射状”递减分布；在港澳地区，以香港和澳门为大核心形成高密度区，从沿海向内陆星级酒店呈“扇形扩张状”的增加分布。
此外，粤港澳大湾区不同类型星级酒店的空间分布具有差异，在空间上呈现显著正相关性，形成高高、高低、低高、低低四种集聚类型。
关键词:POI数据；星级酒店；粤港澳大湾区中图分类号：F590文献标志码：A文章编号：1001-2443(2019)04-0375-06星级酒店作为服务行业的代表，其发展是衡量一个城市或地区总体发展水平的重要内容,是城市进步与发展的基石，通过星级酒店空间分布的研究反映地区经济差异已成为地理学研究的重要课题。
国内外学者对酒店的空间分布特征进行了深入探讨:在空间分布特征研究方面:宋思博［1］等基于GIS空间分析技术,分析了沈阳市星级酒店的空间分布集聚和离散程度，且运用点模式分析了不同星级酒店的分布重心和趋势，得出沈阳市星级酒店的空间分布呈显著的集聚性;储雪勒⑵等基于谷歌地球和百度地图上采集的上海市精品酒店和五星级酒店，运用GIS方法分析了上海市精品酒店空间分布的市场域，得出上海市精品酒店具有线性速度增长的结论;赵艳［3］等运用地理集中指数分析郑州市星级酒店的空间分布，结果表明郑州市星级酒店空间分布极不均衡，且集中指数高达98.4%；石榴花⑷等运用最邻近距离分析和热点分析法对北京市星级酒店的空间分布做了研究，结果表明星级酒店在北京市的分布呈显著集聚性;刘文娟⑸基于全局和局部空间自相关理论对中国大陆地区的经济型酒店进行空间分布研究，结果表明我国经济型酒店分布具有明显的空间集聚特征且这种特征存在整体和局部的差异性;WaH［6］等对加拿大多伦多城市酒店进行空间分布特征分析，结果表明在城市市中心、机场等人流量大、商场较多、物流发达的地区酒店分布较多.Ashworth®等较早提出了酒店的空间分布模型，结果显示老城区大酒店受高地价、建造地段及交通便利度等因素的影响，少数酒店分布逐渐靠近新旧城区接壤地段;Jayne M⑻等对南非城市进行旅游目的地研究，结果表明酒店的空间集聚是受当地历史的形态、多种经济功能和旅游发展类型相关，并且随着城市结构的发展，酒店的空间分布也呈变化和分级;David⑼等采用古典经济学原理和模型对伦敦市饭店空间分布进行探究，结果表明高星级宾馆基本位于市中心地带，经济型和商务型酒店大多分布在城市边缘及外缘地带;Noam)10*等引用住房均价为指标分析耶路撒冷酒店在地理空间上的分布差异，得出地理区位与酒店空间分布的关系表现的较为显著的结论。
在酒店空间分布特征影响因素研究方面，侯兵［11］等运用GIS空间分析方法，研究了扬州市经济收稿日期:2019-01-12基金项目：安徽省自然科学基金(1508085SQD207);安徽省教育厅工程技术研究中心项目(KJ2016A852);安徽师范大学研究生科研创新与实践项目(2018kyt051)-作者简介:卢扬丽(1992—)，安徽六安人，女，硕士研究生，主要研究方向为GIS应用和空间数据分析-引用格式:卢扬丽,吴庆双，王芳•粤港澳大湾区星级酒店空间分布特征)J*•安徽师范大学学报(自然科学版)，2019,42(4)：375-380-376安徽师范大学学报（自然科学版）2019年型酒店分布的市场规模及发展动力、并探究了经济型酒店选址决策与城市发展规模之间的关联性；曲小毅［12］等运用三维气泡的数据统计方法，研究了北京朝阳市经济型酒店的空间分布特征及影响因素,结果表明该地区经济型酒店与交通可达性的关联性较为显著；Yangg等运用逻辑斯特模型分析了北京市酒店选址的影响因素，结果表明酒店选址与星级、营业时间、服务质量、经营所有权、选址集聚性、周边的公共服务设施、交通便利性及旅游景点的等因素具有相关性（综合国内外研究现状可知，随着人们消费水平的提高以及旅游业的发展，酒店行业的发展越来越快，酒店的空间分布研究已成为地理学研究的重要课题。
粤港澳大湾区作为国家新规划的世界级城市群,在外来资源的促进下，酒店服务业已成为粤港澳大湾区基础性产业，因此，星级酒店的空间分布研究对粤港澳大湾区经济发展和城市规划布局具有重要意义。
兴趣点（POI,Point of interest）信息作为空间大数据，具有获取速度快、数据类别多、数据量大的特点,本文将POI数据应用到酒店的空间结构探究，为未来大数据在酒店空间结构应用研究中提供一个基础，尤其是探讨酒店空间分布上,P0I数据提供了稳定的数据来源。
1数据来源与研究方法1.1研究区概况粤港澳大湾区地处中国最南边，毗邻东南亚，位于20°N~25°N,110°E~117°E范围，属于亚热带季风气候,热量资源丰富,年平均气温介于131~20t之间，有利于地区自然经济的发展，主要由广州、佛山、肇庆、深圳、东莞、惠州、珠海、中山、江门和香港特别行政区、澳门特别行政区共同组成的城市群。
其中香港特别行政区和广州市曾被全球最为权威世界城市研究机构GAWC评为世界一线城市，深圳被评为世界二线城市，人口数量高达1个亿，区域面积达到56000平方千米,经济总额度超过一万多亿美元。
并且粤港澳大桥由西向东分别经过珠、澳口岸的人口岛，拱北湾大桥并与人工岛衔接,然后钻入地下,向东穿过拱北口岸，连接前山河的特大桥,穿越将军山,沿南琴路两侧,西行至洪湾,接入国家高速公路网，这一段被称为粤港澳大桥的珠海连接线，加强了地区与地区之间的联系。
图1粤港澳大湾区位置图Fig.1Location map of Guangdong-Hong Kong-MacaoGreater Bay Area1.2数据来源由于电子地图的发展，通过高德地图、谷歌地图、百度地图等一系列数据采集和打包的方式，使POI数据的获取途径多样丰富，其开放平台为POI的来源提供了接口，研究中基于百度地图API接口，获取粤港澳大湾区2017年6月份星级酒店的POI数据，其中三星级酒店POI数据为1136条，四星级酒店POI数据为1036条，五星级酒店POI数据为435条，并对各市星级酒店POI数据做了统计（表1所示）。
从数量上可直观地看出粤港澳大湾区星级酒店空间分布存在地区差异性，且星级酒店等级越高,这种差异性越明显。
鉴于此，本文基于各星级酒店POI数据分别讨论粤港澳大湾区星级酒店的集聚性和自相关性特征。
1.3研究方法1.3.1核密度分析密度分析（KemS Density Estimation）是由离散的点数据或者线数据进行内插的过程，基于不同的差值原理，表1粤港澳大湾区各市酒店数量Tab ee1"The number ofhote etnn cnt netin Guangdong-Hong Kong-Macao Greater Bay Area地区三星级POA（个）四星级POA（个）五星级POA（个）地区三星级POA（个）四星级POA（个）五星级POA（个）广东387269103江门574224深圳13519973佛山10110532东莞6711846珠海774821惠州1147638香港1109535肇庆413210澳门151733中山32352042卷第4期卢扬丽,吴庆双，王芳:粤港澳大湾区星级酒店空间分布特征377实际操作中密度分析可分类为点密度分析、线密度分析和核密度分析。
鉴于POI 大数据作为海量兴趣点的 集合,易受到栅格大小和位置的影响，而核密度分析用于计算点要素在其周围领域中的密度，可以对点数据进行高质量的密度估计，因此宜采用核密度分析法,其公式如(1)所示。
(1)式中:K 为核函数，4 - 4是4和4之间的距离池是带宽;o 是范围内的点数。
带宽值的选择对估计量 力(4)的影响较大，如果$太小,那么密度估计偏向于把概率密度分配得太局限于观测数据附近，致使估计密 度函数有很多错误的峰值，如果$太大，则密度估计就把概率密度贡献散得太开，这样会忽略掉/的一些重要 特征，则密度估计中概率密度的贡献不能真实体现，从而对捕捉/的重要特征产生消极影响。
此外，鉴于酒 店POI 数据的空间分布特征研究不但需要考虑到区域内不同地区数据的差异性，还需要对区域内同一地区 数据的同一性进行评估，选择合理的带宽成为避免酒店POI 数据的空间分布特征过于强化或弱化的有效方 法，其公式如(2)所示。
丄$ 二(丄)‘0.9/(2)式中：/为样本方差。
1.3.2空间自相关性分析 根据要素位置和要素值进行空间自相关性的度量称为空间自相关分析，主要用 于计算区域单元上的某一属性或某种地理现象与其相邻空间点上同一属性值的相关程度，是统计学中的一 个重要方法。
基于给定的要素及相关属性，其空间关系可分为聚类模式、离散模式还是随机模式。
该指数的 显著性通过莫兰指数(Moranos 指数)值、Z 得分值和P 值进行评估，其中Moo j I 指数统计公式如(3)所示。
T 0( ：1([1 X (4 -4)(4 -4) (3)(-([1X ( -(4 -4)式中：0表示研究对象的数量，4'表示d 区域的属性值，4为4'的平均值,'二1，2，……，0；X 表示研究对象i ，j 之间的空间权重系数矩阵。
2结果分析图2粤港澳大湾区酒店密度分布图Fig. 2 Hotel density distribution of Guangdong-Hong Kong-MacaoGreater Bay Area2.1市域尺度的空间分布特征2.1.1整体酒店呈现“多中心”集聚与向外扩散的格局 基于合理带宽的选择，参考公式(2)计算的粤港澳 大湾区核密度分析适宜的带宽值为113m ，运用ArcGIS 核密度分析方法对粤港澳大湾区2530家星级酒店 POI 数据进行研究，结果如图2所示。