1 引言

夜间经济已逐渐成为我国城市核心竞争力和消费新蓝海，在文旅消费中被赋予了重要的功能和内涵^[1]。2021年文化和旅游部印发了《文化和旅游部办公厅关于开展第一批国家级夜间文化和旅游消费集聚区建设工作的通知》 ①，充分肯定了夜间文旅消费聚集区(以下简称聚集区) 对激发夜间文旅经济发展潜力的积极意义。特别在当前新冠肺炎被调整为“乙类乙管”，全国疫情态势平稳的背景下，评选和打造特色鲜明、业态丰富、充满活力的夜间文旅消费聚集区是恢复重振文旅消费的一项重要议题。

“活力”作为评价地区吸引力程度，衡量地区发展潜力的重要指标^[2]，能准确反映聚集区内物质丰富程度及消费活跃程度。在学者们的研究中，“活力”被用于表征空间对于维持人类生命需要、满足人类社会要求以及保证可持续发展的支持程度^[3]。高活力地区往往是聚集型业态蓬勃发展的良好土壤，在推动夜间经济的过程中极具产业优势^[4]。因此，评价聚集区活力可以较好地衡量其业态聚集的程度和带动经济的能力，有助于遴选和建设在“业态、规模、质量”等多方面符合国家要求的聚集区。尽管学术界关于空间活力研究取得了丰硕成果，但仍然存在以下不足：一是活力在聚集区这类新兴空间方面的解释力度相对有限。国内外学者将活力广泛应用于多尺度(城市、城区、街区等) 不同类型(历史街区、内城街区等) 空间的保护恢复、规划建设和管理发展等方面^[5-7]，但针对聚集区这种业态聚集度高、政策环境良好的“类街区”空间，活力如何表征其发展能力和潜力还有待进一步探讨。二是针对于普通街区活力的评价体系和数据来源难以适应聚集区的多类型特征。当前学者们主要从人群流动、活动类型以及环境特征等方面对空间活力进行测算^[8-10]，但聚集区既包括城市街区，还包括旅游景区和文体商旅综合体；建设工作既要求突出文化内涵和地域特色，又要求提升文旅消费规模和质量，而传统的活力评价体系和数据来源难以涵盖新时期聚集区的丰富内涵。三是传统空间活力的影响因素未能深刻揭示聚集区的发展规律。以往研究主要认为行人密度^[11]、街道长度^[12]、街道混合功能^[13]等是空间活力的主要影响因素，但实际上经济发展水平、产业集聚、地理区位等因素对聚集区活力的影响更为明显^[14]。因此，有必要建立适用于聚集区活力的影响因素体系。特别地，目前对活力影响因素的分析常常考察多个变量的独立影响^[15]，忽略了多个因素对空间活力的协同作用效果^[16]，因此聚集区活力不同影响因素之间的组合效应亟待探索。

长三角城市群文化底蕴深厚，经济、交通和旅游资源优势明显^[17]，借助东南沿海的优越地理位置，凭借区域一体化政策支持，已一举成为我国经济发展水平最高的地区^[18]。其城市基础设施良好、消费市场规模巨大、夜间消费能力强劲、文旅消费方式丰富^[19]，在打造高质量、高活力夜间文旅消费聚集区方面具有优秀的产业禀赋，能起到良好的示范作用。基于此，本研究以长三角城市群内的19个夜间文旅消费聚集区为例，通过构建聚集区活力评价体系计算活力指数，揭示聚集区活力的时空分布并分析其差异成因。进一步利用fsQCA模糊集定性研究方法探索不同影响因素的组态关系，以期深化对聚集区活力的认识，为聚集区的高质量发展及活力提升提供依据和参考。

2 研究区域和研究设计 2.1 研究区域

本研究以长三角城市群的26个城市为区域范围，在2021年11月5日文化和旅游部公布的第一批国家级夜间文旅消费聚集区名单中选取该区域的19个聚集区为研究对象(如图 1所示)。其内聚集区范围明确、品牌知名度高，夜间文旅消费活动形式多样，形成了一定的聚集效应和品牌效应。各聚集区年旅游人次、年营业收入及盈利水平均位于全国聚集区前列，在促进夜经济高质量发展、提振疫后经济恢复方面具有重要作用，因此选择长三角城市群19个聚集区具有一定的代表性。

2.2 数据来源

本研究所使用的数据主要来源于官方网站和网络爬虫。首先，利用OpenStreetMap官网获得路网数据，使用QGIS和ArcGIS对其进行合并，形成由19个研究区组成的矢量地图并进一步算得聚集区面积。其次，网络搜索数据主要来自于珞珈一号(http://59.175.109.173:8888/app/login.html)、百度地图和百度指数官网以及长三角城市群中各市的统计局官网^②。主要获取了2021年长三角各聚集区灯光数据；2021年6月和11月各聚集区的日百度搜索量及月平均搜索量；各聚集区所在市的城镇人口比率等数据。最后，通过八爪鱼软件获取19个聚集区“吃住游娱购”五个种类的POI实体点状要素，经过清洗和重分类操作最终获得3251条有效POI数据，并在ArcGIS软件中进行核密度分析等操作。

2.3 夜间文旅消费聚集区综合活力计算指标构建

交往与空间理论指出空间内人群的物理活动、社会交往以及与环境的互动是空间活力的重要来源^[20]，这一理论为聚集区空间活力的研究奠定了基础。具体而言：首先，人的聚集、离散和多样化行为是聚集区活力的基本体现，人群流量强度常被认为是评价空间活力的核心指标，且为了避免单独事件(音乐节、演唱会等聚集型活动) 的影响，人群流量的波动程度也是需要考虑的因素^{[21, 22]}。其次，与传统街区不同，夜间文旅消费聚集区是观光游览、就餐购物和休闲娱乐等消费活动高度集聚的场所，聚集区内消费活动的丰富程度是吸引人群前往的决定性因素和表征活力的重要指标^[23]。最后，聚集区灯光是提高夜间消费环境质量的重要工具，反映了人群社会活动的活跃程度和地区经济的发展水平^[24]。因此，本研究基于交往与空间理论，综合考虑聚集区评选标准和聚集区活力的内涵特征，构建包含“人—活力产生的主体”、“场所—活力产生的空间”以及“活动—活力产生的物质基础”三维度文旅消费聚集区活力评价体系，其量化指标包括人群活力强度、人群活力波动度、消费环境活力强度以及消费活动密度四个方面。采取熵值法算得四个指标的权重分别为：0.394、0.349、0.147、0.110，并据此对各指标下的标准化数据进行加权求和得到聚集区活力指数。

2.3.1 人群活力强度

人群活力强度值代表了聚集区在某段时间内的人群聚集程度^[15]，该数值越大说明该聚集区内人群聚集程度越高。本研究限定搜索IP位于聚集区所在市范围内，通过收集19个聚集区的月平均百度搜索指数构建聚集区人群活力强度模型(如式(1) 所示) 以计算聚集区人群活力强度。

(1)

式(1) 中：PV_int是指聚集区人群活力强度值；V_x是指聚集区月平均百度搜索量；S_x是指聚集区面积。

2.3.2 人群活力波动度

本研究构建人群活力波动度模型(如式(2) 所示)，以日搜索密度的标准差来反映人群活力波动程度。人群活力波动度数值越大表明该聚集区人群密度变化幅度越大。

(2)

式(2) 中：PV_std是指聚集区人群活力波动度值；V_i是指聚集区某天的日百度搜索量；是指聚集区月平均百度搜索量；n=30；S_x是指聚集区面积。

2.3.3 消费环境活力强度

本研究于珞珈一号官网下载包含19个聚集区的夜间灯光矢量图，使用ArcGIS中的分区统计功能提取各个聚集区的灯光总量，构建消费环境活力强度模型(如式(3) 所示)，以灯光密度来代表消费环境活力强度。灯光密度越大，代表该聚集区消费环境活力越强。

(3)

式(3) 中：EV_int是指聚集区环境活力强度；L_x是指聚集区夜间灯光总量；S_x是指聚集区面积。

2.3.4 消费活动密度

基于聚集区消费特征，本研究参考百度地图开放平台的行业POI (point of interest) 分类，收集各聚集区内“吃住游娱购”五类POI信息(包括名称、地址以及经纬度)，并在ArcGIS中对POI点进行核密度分析，通过对密度的间断分类进行赋值以表征各聚集区消费活动密度水平。核密度值越高，代表消费活动密度越大。

3 结果与分析 3.1 各聚集区活力时空分布

本研究根据熵值法计算长三角城市群中19个聚集区夏冬两季的综合活力指数，并运用自然间断法将聚集区分为五级：高活力区、较高活力区、一般活力区、较低活力区和低活力区。如图 2所示，聚集区活力水平存在明显的时空分布差异，整体呈现“夏季高、冬季低”“边缘高，中间低”的时空分布特征。

横向来看：长三角城市群中聚集区主要以街区型和景区型为主，街区型聚集区综合活力普遍高于景区型。且无论是冬季还是夏季，中高活力聚集区分布区位均具有显著的沿边、沿海指向，同时于上海市形成了稳定的高活力区。其中，夏季中高活力聚集区空间分布形成“合肥、杭州、南京”的点状分布和以上海为主的片状分布格局；冬季中高活力聚集区空间分布形成“合肥、杭州”的点状分布和以上海为主的片状分布格局。整体上形成夏季“三点一片”和冬季“两点一片”的聚集区活力空间分布格局。反观低活力聚集区则集中分布在长三角城市群中部，并呈现片状分布格局。总的来说，聚集区中高活力空间分布与长三角中一线城市布局保持一致。

纵向来看：19个聚集区夏季综合活力平均值为0.1759，冬季综合活力平均值为0.1528，夏季综合活力整体高于冬季。同时，自然间断分类结果显示南京西路商圈、金鸡湖景区等13个聚集区在季节变化中保持了活力等级的稳定性，其中五角场地区持续占据活力最高位，拈花湾小镇持续位于最低位。而清河坊文化街区、周庄古镇等其余6个聚集区均在室外气温变暖的过程中实现了综合活力的越级，表明季节气温对聚集区活力具有显著的影响作用。

值得注意的是，宁波老外滩、淮河路步行街、衡复音乐街区、五角场地区活力值呈现出夏低冬高的反常特征，对此可能的原因是：上述聚集区中，如淮河路等街区主要以美食类必须性消费为主；衡复音乐街区以音乐会等无时令特性消费为主；五角场地区为交通枢纽且大型商场众多，室外消费较少。因此，上述聚集区克服了低温对人流量的抑制作用，保证其综合活力不受温度影响。

3.2 活力影响因素统计分析 3.2.1 活力影响因素指标体系与模型构建

本研究在分析各消费聚集区活力的基础上，采用模糊集定性比较分析方法(fsQCA) 对产生高活力和低活力的非对称复杂前因组态进行分析。已有研究中空间活力的影响因素主要侧重以下几个角度：一是强调空间内物质要素对活力的影响，如建筑高度和街道长度等^{[12, 25]}。二是强调空间内部环境质量对活力的影响，如停车便利程度和公共设施(包括座椅、垃圾箱等) 密度等^{[26, 27]}。三是强调空间所处的地理位置，如城区的新旧、主副和距商圈的距离等^[28]。四是强调交通便利程度，如公共交通和停车场数量等^[2]。但考虑到聚集区的消费特征，“功能混合度”可被用于反映聚集区内文旅消费活动的丰富性和聚集性。同时，根据上文时空分布特征的结论，可以考虑以聚集区所在城市经济发展水平来反映空间活力的区域特征。故本研究参考相关学者研究^[29-31]，认为城市经济是聚集区活力的保证条件，社会因素反映聚集区人群复杂程度，交通通达是聚集区活力的流向基础，环境品质是影响聚集区活力可持续的重要内容。因此，将以上四个主维度进一步细分为13个二级指标(如表 1所示)，并采用熵值法算得出各指标权重。

3.2.2 活力影响因素的组态分析

(1) 变量校准

使用fsQCA分析法首先要对数据进行校准，将原始数据转换成模糊分数使其符合布尔代数运算逻辑。本研究结合研究案例中各变量实际分布和现实情境，参考贾倩^[32]、牛晓晨^[33]的校准方法，以各条件变量和结果变量的25%、50%、75%分位值作为锚点，对应完全不隶属度、交叉点和完全隶属度，然后运用fsQCA校准将因果变量测量值转换为0—1的模糊得分。

(2) 单个条件的必要性分析

本研究利用fsQCA3.0软件工具对产生高、低两种活力的必要条件进行检验，结果显示(如表 2所示)：除城市经济发展水平(一致性0.93145>0.9)、居民区数量(一致性0.92321>0.9) 和基础设施密度(一致性0.93245>0.9) 外，其他条件变量一致性的值均小于0.9。一般来说条件变量一致性高于0.9则为必要条件，因此从聚集区的现实结果来看，在文旅消费过程中聚集区所在城市的经济实力、基础设施建设和所吸引的人群流量显然是决定其活力值高低与否的关键因素。城市经济实力往往决定了该消费聚集区的先天基础，能够带来各种隐性竞争优势，为活力奠定基础。源源不断的人流量是提高各聚集区文旅消费活力的重要支撑力量，特别是上海等超一线繁华城市自身拥有的大规模人流以及完备的基础设施环境均保证了聚集区高活力的产生。

(3) 条件组态的充分性分析

本研究根据fsQCA算法生成真值表，并且参考Ragin^[34]提出的标准，综合考虑样本的最佳实践情景，选择一致性阈值为0.8，频数阈值为1进行充分性分析。通过模糊集分析，一般可以得到复杂解、中间解和简单解三种解的方案类型。其中，中间解将符合理论与实际知识的“逻辑余项”纳入解并且能够将复杂解简单化，是fsQCA研究中普遍采用的一种解的类型^[35]。此外，结合简单解进一步区分核心条件和边缘条件(如表 3所示)。通过模糊集计算得出的高活力组态有3条，低活力组态2条。从总体上看，高低活力总体解的一致性分别为0.863448和0.975682，均大于Ragin所建议的0.75的水平，表明组态结果的有效性。同时，高低活力组态总体解的覆盖度分别为0.864493和0.746725，这说明在所有影响活力的因素中，约有86%都包含在高活力组态路径中，约有75%都包含在低活力组态路径中。因此，有理由相信这5种组态路径是导致聚集区高、低活力差异的充分条件。对高活力组态路径进一步分析：组态H1 (popu×eco×urb×resi×perm×busi×~park×infr× ~gree×~func×~bus×acce) 中不论地铁站密度的大小，人口城市化水平、城市经济发展水平、居民区数量和基础设施密度的存在发挥着核心作用，经济城市化水平、常住人口密集度、商业区数量、可进入度的存在以及停车便利度、绿地临近性、功能混合度和公交站密度的缺席发挥着边缘辅助作用，该组态的一致性为0.826354，唯一覆盖度为0.115385。组态H2 (popu×eco×urb×resi×perm×~busi×park×infr×~gree×~func×bus× subw×acce) 中，经济城市化水平、城市经济发展水平、居民区数量、停车便利度、基础设施密度和可进入度的存在发挥着核心作用，商业区数量、绿地临近性和功能混合度的缺席以及人口城市化水平、常住人口密集度、公交站密度以及地铁站密度的存在发挥着边缘辅助作用，该组态的一致性为0.936842，唯一覆盖度为0.034561。组态H3 (eco×urb×resi× ~perm×~busi×park×infr×gree×func×~bus×~subw×acce) 中，不论人口城市化水平存在与否，城市经济发展水平、居民区数量、基础设施密度、绿地临近性和功能混合度的存在发挥着核心作用，常住人口密集度、商业区数量、公交站密度、地铁站密度的缺席以及经济城市化水平、停车便利度以及可进入度的存在发挥着边缘辅助作用，该组态的一致性为0.851346，唯一覆盖度为0.001802。对低活力组态路径进一步分析：NH1 (~popu×eco×~urb×~resi×~perm×busi×~park×~infr×~gree×bus× subw×acce) 中，人口城市化水平、城市经济发展水平、常住人口密集度、居民区数量和基础设施密度的缺席发挥了核心作用，停车便利度、绿地临近性的缺席以及经济城市化水平、商业区数量、公交站密度、地铁站密度和可进入度的存在发挥着边缘辅助作用，功能混合度为无关紧要条件，该组态的一致性为0.844187，唯一覆盖度为0.045612。NH2 (popu×~eco× ~urb×~resi×perm×busi×park×~infr×gree×~func×~bus×~subw) 中，经济城市化水平、城市经济发展水平、居民区数量和基础设施密度的缺席发挥了核心作用，公交站密度、地铁站密度和功能混合度的缺席以及人口城市化水平、常住人口密度、商业区数量、停车便利度和绿地临近性的存在发挥着边缘辅助作用，可进入度为无关紧要条件，该组态的一致性为0.964792，唯一覆盖度为0.065435。总体上看，高、低两种活力的产生存在非因果对称性，即高活力的条件组态的对立面并不能直接推导成为产生低活力的原因。这说明消费聚集区活力影响因素具有殊途同归性和多重并发性，不同影响因子路径组合可以引致相同活力结果。

3.3 消费聚集区活力空间差异的成因分析

fsQCA方法有效识别了高低活力的组态路径，表明长三角城市群消费聚集区活力空间差异是多重因素并发的结果。根据5种组态包含的核心条件以及组态背后的理论逻辑，结合本研究的实际情况，分别对高活力和低活力的驱动机制进行了阐释。

3.3.1 高活力空间差异的成因

(1) 经济发展驱动型致因

组态H1表明，聚集区所在城市强劲的经济实力和人口城市化产生的高消费能力能够产生高活力，这类驱动机制可归纳为“经济发展驱动型”，该类型的聚集区主要有上海市的新天地—思南公馆地区和衡复音乐街区、合肥市的淮河路步行街以及杭州市的宋城。以上3市2020年三产产值占比分别为73.15%、61.06%、68.04%，经济城市化程度较高，故即使聚集区的停车便利程度不高，公交站、地铁站等密度较小，强劲的第三产业实力使得聚集区在资金、技术、人才等方面具备优势，这些因素为提升聚集区活力奠定了坚实基础。

(2) 空间可达促进型致因

组态H2表明，经济城市化水平、城市经济发展水平、居民区数量、停车便利度、基础设施密度、可进入度、公交站密度以及地铁站密度等经济和交通型影响因子的组态能够产生高活力聚集区，这类驱动机制可归纳为“空间可达促进型”，该类型的聚集区主要有杭州市的清河坊文化街区、南京市的长江路、上海市的南京西路商圈和外滩风景区，这些聚集区周边的公交站密度、地铁站密度分别为所涉聚集区的36.43%，20.1%。即以上3市作为长三角经济发展的重要增长极，拥有丰富的市内交通路网、现代化港口和铁路网，为市内常住居民和市外游客进入聚集区提供了便捷的交通条件。

(3) 建成环境驱动型致因

组态H3表明，除了基础设施密度、停车便利度、外地游客可进入度和居民区数量以外，绿地邻近性和功能混合度是产生聚集区高活力的另一种组合条件，这类驱动机制可归纳为“建成环境驱动型”，该类型的聚集区主要有南京市的夫子庙—秦淮风光带、上海市的五角场地区和徐家汇源·美罗城，上述聚集区绿地邻近性高，消费功能混合度均大于1.3883的平均值，故即使聚集区周边常住人口和公共交通密度相对较低，但良好的物理消费环境和经济消费环境也可为聚集区产生高活力提供关键性支撑。

3.3.2 低活力空间差异的成因

(1) 人群流动薄弱型致因

组态NH4表明，居民区数量和常住人口密集度以及基础设施密度等必要条件的缺位会引致低活力，这类限制机制可归纳为“人群流动薄弱型”，该类型的聚集区主要包括苏州市的金鸡湖景区和周庄古镇、常州市的环球恐龙城、嘉兴市的西塘古镇景区、无锡市的拈花湾小镇和宁波市的老外滩，上述聚集区周边的居民区总量仅占所涉聚集区的8.79%，且以上5市的常住人口密度分别为0.1473、0.1204、0.1380、0.1613、0.0708，远低于上海市的2.5321。因此薄弱的人群流量导致该类聚集区活力持续低迷。且上述聚集区多存在闭园时间要求，夜间人流被大幅压缩导致无法为夜间消费提供较为稳定的人流量支持。

(2) 消费环境限制型致因

组态NH5表明，夜间文旅消费聚集区中产业多样化可提高消费环境质量，因此作为聚集区活力重要影响因素之一，功能混合度的缺位对限制聚集区活力有明显作用，这类限制机制可归纳为“消费环境限制型”。该类型聚集区主要有芜湖市方特旅游区和金华市横店影视文化产业聚集区，其功能混合度分别为1.1916、1.2583，均低于平均值1.3883。故尽管上述聚集区周边人群流量较高，也无法消除消费功能混合度低和产业类型单一化对活力的限制。

4 结论与讨论 4.1 结论

本研究选取多源数据对夜间文旅消费聚集区的时空差异与组态影响因素进行分析，得出以下结论：

第一，聚集区活力空间分布呈现明显的交通趋向性，并依照城市等级分级呈现。具体表现为：中高活力聚集区主要分布在沿边、沿海地区的一线、新一线城市，低活力聚集区主要分布在长三角中部，具有明显的地理集中性。夏冬两季活力空间分布格局高度耦合，具有较好的时序稳定性。这说明聚集区作为城市的重要组成部分，其活力与地区经济繁荣程度、交通通达程度密切相关。

第二，季节交替带来的温度变化导致聚集区活力呈现时间分异特征，而聚集区类型可调节温度变化对活力的作用强度。具体来说：各聚集区综合活力存在显著的时间弹性和类型偏向性，冬季活力普遍低于夏季；街区型聚集区活力普遍高于景区型。特别地，街区型聚集区主要因其文旅消费活动的必须性和无时令性而免受季节和温度变化扰动。这说明除城市因素外，聚集区活力还受自身环境条件、业态特征等因素的影响，并在温度变化中表现出活力波动。

第三，经济因素、社会因素、环境因素、交通因素4类共13个影响因素构成的组态路径对聚集区活力产生了显著影响。必要性分析表明城市经济发展水平、居民区数量、基础设施密度是高活力产生的必要条件，说明聚集区活力的产生是多重复杂因素交互作用的结果。充分性分析共识别了5种高、低聚集区活力的组态路径。高活力成因路径机制包括“经济发展驱动型”、“空间可达促进型”和“建成环境驱动型”。低活力成因路径机制包括“人群流动薄弱型”和“消费环境限制型”。其中，城市经济发展水平决定了聚集区文旅消费服务质量，是聚集区高活力的保证条件；居民区数量和基础设施密度则与空间活力本质所强调的人群聚集及高质量环境相契合：庞大的人流量为形成高活力聚集区提供了动力，而完备基础设施是人们在聚集区内开展文旅游览和消费活动的保障。

4.2 讨论

从理论层面来说，本研究针对文旅消费的淡旺季特性和夜间文旅演出的偶发性特征，构建包含“人群活力波动度”在内的聚集区综合活力评价体系，弥补了现有文献中关于活力测量仅考虑特定时段的不足^[36]，拓展了空间活力的理论框架，在揭示聚集区活力时空变化规律的同时丰富了学界对街区(社区)、城市等空间的活力研究的认识^[37]。同时，在考虑聚集区类型多样化和要素复杂化的基础上，构建适用于聚集区活力的影响因子体系，并采用fsQCA模糊集定性研究方法揭示了高、低活力产生的多重并发性和殊途同归性，剖析了多重影响因子共同作用的内在机制，突破了以往考察多变量对活力独立影响的局限性^[26]。

从实践层面来说，首先根据聚集区活力特点，采取差异化战略提振夜间文旅消费经济。如清河坊、老外滩、衡复音乐街区等具有特色化的聚集区，业态较为单一。应持续开发有深度、有特色的消费产品，打造夜间文旅消费品牌，实现单点突破；并围绕“夜食、夜购、夜娱、夜游”等多元夜间消费形态，丰富夜间文旅业态，激发游客消费潜力。其次根据聚集区活力为其定级，对不同活力等级的聚集区采取不同的激励措施。如上海五角场地区、南京西路商圈等活力指数持续较高的聚集区，应继续为其提供优越的经济、社会、地理条件，深挖其特色历史文化遗产，打造国家级特色文旅消费地标；同时充分发挥高活力聚集区的溢出效应，辐射带动周边聚集区建设向纵深推进。最后根据活力的致因要素，筑就基建稳固、空间通达、服务上乘的夜间文旅聚集区。即持续加强文旅消费聚集区的基础设施建设力度，着力提升聚集区的综合环境秩序，重点提升消费环境的服务安全和服务质量；同时切实改善聚集区周边的交通条件，加强铁路、公路等轨道交通建设，提高区域交通通达度和空间可达性，为夜间文旅消费聚集区引流。

4.3 研究局限

本研究测量了夜间文旅消费聚集区的综合活力，并通过fsQCA模糊集定性研究方法剖析活力的影响因素，但依然存在不足需后续深入：首先，除了受季节和温度影响之外，聚集区活力在夜间不同时段可能也存在数值上的波动，未来研究可考虑采用以热力图反映人流的方式，精确聚集区具体时间段的人流量数据。其次，本研究利用fsQCA分析法探究聚集区活力的形成机制，未来研究可聚焦“游客视角”，重视聚集区“文化IP”、“节事活动”等文化资源在影响聚集区活力时的可能作用。

注释：

① 中华人民共和国文化和旅游部.文化和旅游部办公厅关于开展第一批国家级夜间文化和旅游消费集聚区建设工作的通知(办产业发〔2021〕123号).(2021-07-05)[2022-10-13].https://zwgk.mct.gov.cn/zfxxgkml/cyfz/202107/t20210706_926242.html.

② 百度地图官网, https://map.baidu.com/。百度指数官网, https://index.baidu.com/。上海市统计局官网, https://tjj.sh.gov.cn/index.html。杭州市统计局官网, http://tjj.hangzhou.gov.cn/。南京市统计局官网. http://tjj.nanjing.gov.cn/。其余各市统计局官网均可在浏览器搜索，在此不一一列举。