西南石油大学学报(社会科学版)  2020, Vol. 22 Issue (5): 29-36
厦门民宿业的空间布局研究    [PDF全文]
谢宝田1, 张潇1,2, 吴贵华3, 谢星旺3     
1. 福建商学院旅游与休闲管理学院, 福建 福州 350012;
2. 海西休闲旅游福建省高等学校应用文科研究中心, 福建 福州 350012;
3. 华侨大学旅游学院, 福建 泉州 362021
摘要:中国民宿市场自2011年起步以来,发展势头良好。利用厦门市民宿业的POI数据和ArcGIS软件分析厦门市民宿业的空间布局规律和集聚模式,发现厦门民宿具有明显的空间尺度特征:岛内民宿分布密集,曾厝垵集聚程度最强;岛外密集程度减弱,分布较为分散,但在集美大学城和厦门北动车站形成次级集聚中心。同时,厦门民宿集聚模式呈现出“一心三轴四区”的夹湾式布局特征。此外,厦门民宿分布热点区域为思明区厦港街道、开元街道、莲前街道,湖里区金山街道,集美区第二农场街道,同安区西柯镇。为了促进厦门民宿产业化集群发展,未来应通过优化厦门城市建设规划、努力整合资源集群、积极开拓“民宿+X”生态圈等措施,积极打造城市民宿生态圈。
关键词空间布局    集聚模式    民宿业    厦门市    旅游经济    
A Study on the Spatial Differentiation Characteristics and Layout Model of Homestay Industry in Xiamen City
Xie Baotian1, Zhang Xiao1,2, Wu Guihua3, Xie Xingwang3     
1. Department of Tourism and Recreation Management, Fujian Business University, Fuzhou Fujian, 350012, China;
2. Applied Arts Research Centre for Leisure Tourism on West Side of the Taiwan Straits, Fuzhou Fujian 350012, China;
3. School of Tourism, Huaqiao University, Quanzhou Fujian 362021, China
Abstract: The spatial distribution of homestays in Xiamen is analyzed by using ArcGIS and the POI data of homestays. The results are as follows:homestays are the densely located on Xiamen Island, and the spatial distribution in Zengcuoan being the densest; homestays are less densely located outside the island, with secondary centers in Jimei University Town and Xiamen North Station; the spatial distribution pattern of homestays in Xiamen is characteristic of "one center, three axes, four districts"; the most popular location of homestays in Ximen are in the following 6 areas:Xiagang Subdistrict, Kaiyuan Subdistrict, Lianqian Subdistrict in Siming District, Jinshan Subdistrict in Huli District, the Second Farm Subdistrict in Jimei District and Xike Town in Tong'an District. Based on the above analysis, we suggest that full consideration be given to urban construction planning, cluster integration of resources, and development of the "homestay+X" ecosystem so as to promote the development of homestay industrial clusters.
Key words: spatial distribution    cluster model    homestay industry    Xiamen City    tourism economy    
引言

中国的民宿市场在2011年起步,在市场需求和各项政策的鼓励支持下,国内掀起了民宿热潮。据2018年中国民宿客栈行业发展报告数据显示,2017年中国在线住宿市场规模达到1 586.2亿元,同比增长13.5%,民宿市场营业收入达到145亿元,同比增长70.6%,保持了较高的增速,显示出旺盛的住宿需求;同时资本和创业者不断涌入,截至2018年,民宿产业资本基金规模达1 000亿元,专业机构达50余家,包含业内顶尖资本机构[1]。民宿业的迅速崛起引起了学术界的广泛关注。国外对民宿的研究包括民宿市场、民宿业主、民宿行业管理、民俗与游客的关系、民宿开发的问题以及与乡村旅游的关系[2]。国内民宿研究在1984—2010年间的成果较少,自2010年至今,尤其是2013—2018年间,研究成果呈爆发式增长趋势,研究内容由宏观到微观,研究方法由描述性研究到定量与定性相结合的研究发展,并且呈现出多学科融合的特点。从内容上看,国内民宿的研究涉及民宿概念及内涵界定、民宿经营开发问题及模式、营销策略、可持续发展和资源评价体系等方面。近年来结合社会发展,研究内容涉及与共享经济、互联网+、旅游供给侧改革、乡村旅游等方面,并开始积极探索民宿标准、星级评定和规范管理等问题,而从空间布局角度对民宿的研究却非常少。

从空间分析角度探索民宿在热点城市的空间布局特征和模式,寻找民宿空间布局上的最佳位置,有着重要的理论和实践指导意义。从知网上搜索得到,刘大均利用GIS空间分析以及回归分析等方法,对成都市民宿的空间布局特征及其影响因素进行了深入研究[3];王珺玥等分析了厦门市不同类别民宿的空间布局现状,并结合网络在线评论信息,分析基于消费者情感反馈的不同类别民宿的空间布局特征[4];赵雅萍对湖州市民宿业发展的阶段性划分和时空演化的规律进行了研究,总结出了“一大核心,多处聚集”的空间布局模式,并运用定性和定量结合的方法深入探究了湖州市民宿业态空间布局的影响因素[5];郝诗雨等研究了厦门市民宿的总体集聚区、集聚中心与发展方向,并分析其影响因素[6]。总体而言,国内当前民宿空间布局方面的研究呈现出“新、少、精”的特征,普遍采用定量化和地理信息系统的分析手段。笔者在前述研究基础上,选取在我国重点城市民宿数量排行中位居第3位的厦门市作为研究目的地,分析该市民宿的空间布局特征,并总结该市民宿分布格局的模式,在此基础上,尝试分析厦门市民宿开发的热点区域,以期为现有民宿的改善升级和未来民宿的投资布局提供些许参考。

1 数据来源与研究方法 1.1 研究范围的界定

厦门由厦门岛、离岛鼓浪屿、西岸海沧半岛、北岸集美半岛、东岸翔安半岛、大小嶝岛、内陆同安、九龙江等组成,陆地面积1 699.39平方公里,海域面积390多平方公里,拥有世界文化遗产、第一批国家5A级旅游景区鼓浪屿,是现代化国际性港口风景旅游城市。厦门优越的旅游发展条件为民宿业的发展提供了沃土。厦门民宿多以闽南古厝、滨海别墅、欧式城堡为特色,展现了厦门国际化港口城市的自然风光和人文禀赋。早在20世纪80年代,鼓浪屿已有4家家庭旅馆,但彼时,游客观光是走马观花式的一日游,很少有人过夜。2006年,鼓浪屿上出现了娜雅、国际青年旅社、李家庄等一批家庭旅馆。随后几年,鼓浪屿上的家庭旅馆从第一批的13家扩张到现在近300家、客房数4 000间;曾厝垵民宿从最初的“小猫两三只”,变成现在的400多家;而岛外的集美、海沧、翔安和同安,也陆续出现民宿的身影。当前,厦门民宿市场快速发展,并不断涌现出新的民宿布局圈。本研究以厦门市作为研究范围,基于百度API进行POI数据获取,运用ArcGIS10.4进行相关操作,分析厦门民宿的空间分布情况,尝试归纳厦门民宿空间布局的发展模式。

1.2 数据资料的来源

近年来,地理空间布局的研究倾向于使用现代信息技术、大数据等现代手段和方式,地理空间数据成为研究空间布局非常重要的数据来源。通过现代信息技术、电子地图等途径,可以获取POI。POI是点状数据,能够表达真实地理实体,测量其经纬度、地址等空间信息和名称、类别等属性信息,且具有数据量大、实时性强等特点。POI的获取是地理对象空间布局研究的基础,也在一定程度代表着整个地理信息系统的价值。本研究利用数据挖掘技术,在百度地图API以及国内知名旅游OTA网站携程网、去哪网、艺龙网上采集2018年厦门市住宿行业兴趣点数据作为数据源,并在其中筛选出符合民宿标准且在营业的2 706个民宿兴趣点,以此为基础绘制出厦门市民宿点数据空间分布(如图 1所示)。另外,厦门市街道数据来源于2018年Open Street Map官网,包含了国道、省道、县道、乡道等各层级的街道数据,利于将空间布局可视化程度进一步提高。

图1 厦门市民宿点数据空间分布图
1.3 研究方法

本研究利用空间点模式,即:根据地理对象的空间位置来研究其分布模式,同时采用最邻近指数法、核密度法和Ripley’s K函数来衡量空间点的集散情况。

1.3.1 最邻近指数法

最邻近指数法(Nearest Neighbor Indicator,NNI)使用最邻近的点对之间的距离描述分布情况,又称为最邻近距离法。其计算公式为:

$ N N I=\frac{\overline{\mathrm{d}}_{\min }}{E \mathrm{d}_{\min }} $ (1)

其中,$ {\overline {\rm{d}} _{\min }} = \frac{1}{n}\sum\limits_{i = 1}^n {{d_{\min }}} \left( {{s_i}} \right), {s_i}$代表第i个空间点,${{d_{\min }}} $代表每个空间点到其最近临近点的距离,n为空间点的数量;Edmin是在完全随机模式中平均最邻近距离的期望值,根据理论研究,$ E \mathrm{d}_{\min }=\frac{1}{2 \sqrt{\mathrm{n}/{A}}}$,其中A为区域面积。

当NNI=0,说明空间点凝集于一点,处于完全聚集状态;当0 < NNI < 1,说明空间点呈集聚分布,属于空间集聚模式;当NNI=1,说明空间点完全随机分布;当NNI>1,说明空间点区域均匀分布。NNI理论上的最大值为2.149,空间被正六边形划分,点呈均匀的六边形分布。现实中,空间点完全凝于一点和完全六边形分布的情况十分罕见。

1.3.2 核密度法

在点要素的空间集聚分析中,核密度估计法(kernel density estimation, KDE)常被用来反映要素空间布局的相对集中程度。区域内任意一个位置都有密度,这一密度或强度是可测度的,计算方法为:

$ {f_n}(x) = \frac{1}{{nh}}\sum\limits_{i = 1}^n k \left( {\frac{{x - {x_i}}}{h}} \right) $ (2)

其中xi为第i个空间点;$ k\left( {\frac{{x - {x_i}}}{h}} \right)$成为核函数;h>0,为带宽;xxi为估值点与空间点xi处的距离。

1.3.3 Ripley’s K函数

在不同的空间尺度下,要素的空间布局特征可能会发生改变。在小的空间尺度上,其分布可能表现出集聚态势,但在大空间尺度上有可能呈现随机分布或者均匀离散分布[7]。厦门市民宿空间布局也存在类似特征,因此本研究选取Ripley’s K函数来研究民宿空间的多尺度特征。

Ripley’s K函数是可以分析在不同空间尺度上空间点要素所表现出来的分布模式,计算公式为:

$ K \mathrm{t}=A \sum\limits_{i=1}^{n} \sum\limits_{j=1}^{n} \frac{w_{i j}(t)}{n^{2}} $ (3)

式中:A为研究区域面积;n为民宿数量;t为距离阈值;$w_{i j}(t) $为在距离t范围内,民宿ij之间的距离。学界多用Lt代替Kt,并对Kt作开方的线性变换。

以保持方差稳定。Lt公式为:

$ L \mathrm{t}=\sqrt{K(t) / \pi}-t $ (4)

Lt大于0,表明民宿呈聚集分布,小于0表明民宿呈扩散分布,等于0则是服从随机分布。把Lt的最大值和最小值定义为上、下包络线的坐标值,且这两条线之间为置信区间,再用实际个体分布的点图计算得到真实的Lt值。若值落在上下包络线之间,则表明民宿分布情况服从随机分布;若值小于下包络线,则表明民宿呈显著均匀分布;若值在上包络线以上,则表明民宿显著聚集分布。最大聚集强度处于偏离置信区间最远处,最大集聚强度所拥有的Lt值反映典型的特征空间聚集尺度。

2 厦门民宿的空间分异特征 2.1 基于最邻近指数法的厦门民宿集聚特征

运用最邻近指数法来观察其厦门市民宿在空间上是否具有集聚特征,测得民宿平均最近邻距离为114.7816m,而理想分布模式下的期望平均最近邻距离为480.5445m,两者比值NNI = 0.2389 < 1,Z得分为-71.6020,空间分布类型为显著集聚,P值为0.000 1,说明置信度在99.99%。结合民宿点数据分布图(图 1),大致可以发现:厦门市民宿主城区分布密集,周边城区相对稀疏。而实地观察发现:在岛内思明区动车站到中山路一带和曾厝垵区域民宿分布呈现出高度集聚。这些区域,一方面是老城区,历史文化积淀浑厚;另一方面旅游景点分布相较其他区域较为密集,空间组合较为良好,交通可达性高,形成的旅游竞争力较强,能吸引大量人流,第三产业发展水平高。在岛外,集美区大学城周边形成次级集聚中心,其他新城区则分布相对分散。

2.2 基于核密度法的厦门民宿集聚特征

运用核密度估计法是在各个民宿的空间位置上设定一个核密度函数,然后用所有街道区域民宿的核密度函数来体现民宿的空间布局规律。在计算过程中,设置过小的参数会导致计算结果与真实情况不符合,造成数据伪真,参数过大则会导致区域分布的细节无法明确显示。经多次试验后,本研究将带宽值设置为1.5km,运用自然裂点法Jenks将密度等级分为5类,生成核密度分布图,如图 2所示。

图2 厦门民宿核密度分布图

图 2中,可直观看到厦门市民宿呈现出的明显的空间分异特征:思明区的滨海街道曾厝垵属最密集区;其次为滨海街道厦门大学思明校区、黄厝、鼓浪屿街道、梧村街道火车站、中华街道中山路及鹭江街道轮渡码头交通节点,集美区集美街道和侨英街道区域、厦门北站动车站、同安区祥平街道区域、翔安区小嶝岛,以及海沧区海沧街道大屏山公园、海沧体育中心、天虹商场周边。

归纳而言,厦门岛内民宿空间大致形成以曾厝垵为极核,沿环岛南路向东、西、北侧扩散的绵延片区空间形态;岛外集美区与海沧区受到厦门岛的辐射影响,以与厦门岛连接处向外呈圈层扩散的趋势,是典型的核心-边缘扩散空间布局模式。其他区域由于商业、区位交通条件及旅游资源等原因,出现较为分散的民宿空间布局情况,空间聚集不明显。

2.3 基于Ripley’s K函数的多距离空间聚类

利用Ripley’s K函数分析得到厦门民宿空间布局上的多尺度特征,具体如图 3所示。从图中看出:首先,厦门民宿的Lt曲线位于上包络线之上,且都大于零,说明厦门民宿在多尺度空间上呈集聚分布特征;其次,特征空间尺度在8 034.16m处达到最大,说明厦门民宿以曾厝垵为质心,半径为8 034.16m的范围内,民宿集聚程度达到最大;最后,厦门民宿集聚程度先增后减,在0~8 034.16m范围内,Lt曲线随着空间距离尺度的不断增大而不断远离置信区间,民宿的集聚强度不断增大,在8 034.16m处达到最大,之后集聚的强度随着距离的增大逐渐减弱,这一点反映了民宿区位选择的最佳空间范围在距曾厝垵8 034.16m集聚性最强,区域带动作用最强,民宿发展潜力最大。

图3 基于Ripley’s K函数的厦门民宿空间多尺度分析
2.4 基于LISA的厦门市民宿开发热点分析

鉴于厦门市当前民宿的分布情况,未来的布局方向和再开发的位置选择是个值得深入探讨的话题。笔者尝试使用局域Getis-OrdGi*指数法来探究未来民宿开发和布局的方向性问题。局域GetisOrdGi*指数是一种基于距离权矩阵的局部空间自相关指标,能探测高值聚集和低值聚集。高值为热点,低值为冷点。厦门民宿分布热点呈现岛内热点密集成片、岛外热点分布区域孤立且少的特征。

笔者所分析的研究对象是由各街道区块构成的行政区,要素是民宿。由于中心区和其他地区的行政区区块面积相差较为悬殊,为了满足对固定距离的要求,通过缩小固定距离可以挖掘出局部范围内的热点区域,故笔者分别采用2 000m、1 000m、500m的固定距离进行试验,最后选取500m固定距离对民宿热点的显著分布进行分析。对民宿以街道区域为单元进行Getis-OrdGi*运算,计算结果显示民宿街道区域密度符合热点分析聚类模式统计特征,故将Z值进行可视化表达(图 4)。本研究用无关、高、低、较低来表示Z值,得出Z值得分大于且置信度大于99%(P值小于0.01)的热点区域有6个,分别位于思明区的厦港街道、开元街道、莲前街道区域、湖里区的金山街道区域、集美区的第二农场街道区域和同安区的西柯镇区域,这6个区域的民宿显著性热点分布较为集中。在热点分布中,岛内思明区和湖里区出现较多的大面积聚类区块类型,其中,厦港街道、开元街道、莲前街道这些区域本身民宿分布密度较高,且被其他同样具有高密度的滨海街道区域、中华街道区域等包围,是统计意义上的民宿分布高密度集聚区域,而且热点区域相连成片,是未来民宿布局的首选区域。

图4 基于LISA分析的厦门民宿空间布局热点图

岛外的显著热点区域分布较少,仅有同安区的西柯镇区域和集美区的第二农场街道区域的Z值得分为高,而且孤立于其他热点分布区域。因此,要成为民宿热点分布区域,其所需的条件为:不仅自身所处区域的民宿分布密度较高,而且要被周围其他民宿分布密度同样高的区域包围,这样才能成为民宿分布热点区域。位于厦门岛思明区的滨海街道、鹭江街道、梧村街道区域由于本身民宿集聚密度过高,导致其他区域相对较低,无法形成民宿热点分布区域,说明这些区域的民宿分布已经过于集聚,无法成为民宿开发者考虑的范围,无法形成热点区域,不具有较强的竞争力。厦门市其他大部分街道区域未形成被其他高密度的民宿分布街道区域包围的显著热点区域,Z值为不显著,说明这些街道街区密度高值和低值之间空间自相关性弱,呈现随机性分布特征;而岛外同安区的莲花镇和汀溪镇区域本身虽具有小规模的民宿分布规模,但是却不被其他拥有同样规模的街道区域包围,而且集聚程度低,所以是冷点区域,属于不建议开发民宿区域。

3 厦门民宿的空间布局模式

厦门民宿在空间布局上呈现圈层结构。结合民宿数量分布图,以厦门街道为统计单位,选取民宿分布集聚程度最高的滨海街道的曾厝垵为中心,笔者构建出厦门民宿的圈层结构:以曾厝垵为中心,第一、二、三同心圆半径间隔2 000m,从第3个同心圆开始半径间隔4 000m,共计15个同心圆(图 5)。

图5 厦门民宿分布圈层结构图

结合前面分析,笔者发现,厦门民宿在空间布局上有明显的空间尺度特征,空间布局情况可分为3个圈层(图 5)。

第一圈层为核心圈层,即以曾厝垵为中心以8 014.16m为半径的厦门岛内区域。该区域是民宿的高度聚集区,民宿分布密度高,原因可以归结于:一是鼓浪屿、厦门大学、南普陀、环岛路、曾厝垵等高吸引力的旅游资源集中分布,且分布合理,资源空间组团良好;二是交通街道分布密集,形成了“环岛东路-环岛南路-厦禾路-嘉禾路”为轴线的线状分布网络,厦门站作为岛内最重要的交通集散枢纽,客流量大,形成了以厦门站为次中心的民宿集聚团;第三,岛内是厦门的政治、经济、文化集中区,发展完善,商圈配套完善,火车站-SM都市商业主中心带、中山路市级商业中心、东渡邮轮城区级商业中心、两岸金融区级商业中心、湖里区级商业中心等布局岛内,经济和商圈的发展带动了民宿的空间布局和集聚。

第二圈层为半径8 014.16m~34 000m范围内。随着距离核心区的距离增大,密集程度逐渐衰减,区域范围包括岛内湖里区、岛外海沧区、集美区、同安区城区至海湾区域以及翔安区城区至海湾区域。这一圈层表现出了明显的夹湾式分布特征。这一分布特征受到以下几个方面因素的影响。第一是区位的影响。厦门岛民宿发展的溢出效应,影响力往往由近及远,四大新城环湾区域是距离厦门本岛最近的区域,受厦门岛民宿的吸引向性,距离本岛较近的夹湾区域是民宿分布较密集的区域。第二是交通的影响。四大新区民宿的布局很大程度上受到了交通的影响和制约,海沧大桥、杏林大桥、集美大桥、厦门大桥、翔安隧道以及地铁网络加强了新城与厦门岛的联系,岛外民宿多集中在连接岛内岛外的交通要道的周边及其辐射区域,比如海沧大桥带动的海沧区沿海民宿的布局,厦门大桥、集美大桥带动的集美区沿海民宿的分布,同安区和翔安区民宿则沿新城区中心的主要交通要道分布。另外,这一圈层出现了一个较强次级集聚中心——集美区厦门北站以及侨英街道大学城区域,是交通因素催生民宿需求从而促进民宿发展的典型区域。第三,岛外商圈分布格局也影响到民宿的分布格局。目前岛外商圈分别是海沧区海沧新城区级商业中心、海沧区马銮湾区级商业中心、集美新城区级商业中心、集美区级商业中心(包括集美北部新城区和学村风貌区两部分)、同安区新城区级商业中心、翔安新城区级商业中心、翔安区大嶝区级商业中心表明岛外民宿分布与商业中心的分布存在一定的空间耦合关系。第四,湖里区民宿的分布状况。湖里区虽在岛内,但因其承担了厦门海运、空运、陆上通道的重要职责,厦门海港、空港、厦门岛陆上通道都集中在该区,厦门空港、海天码头、象屿码头以及五通海空联运码头等占据了较大的区域,而这些区域不适合民宿的集中布局,因此造成了湖里区虽在岛内但民宿密集程度并不高的情况出现。

第三圈层为半径34 000m以外的区域,主要位于厦门西北部同安区和翔安区边缘区域。这些区域既没有高品质、高组合的旅游资源,也没有商业中心的配备,交通便利程度也不及以上两个圈层,因此民宿发展的条件较为欠缺,从而导致民宿发展滞后,民宿数量很少,分布稀疏,有的区域几近为零。

综上,厦门民宿的整体空间布局可以概括为“一心、三轴、四区”的夹湾式布局模式。“一心”即厦门本岛,以曾厝垵、环岛路、厦门大学、鼓浪屿、中山路、厦门站为组团的民宿高集聚区为核心;“三轴”即连通海沧区的海沧大桥、连通集美区的厦门大桥和集美大桥(两座大桥均起到连接集美区和厦门本岛的作用,故将其视为一轴)、连通翔安区的翔安隧道,经由三大轴线实现了民宿分布从岛内溢出岛外,也实现了客流从岛外流向岛内;“四区”即岛外民宿分布较为集聚的海沧区海沧街道大屏山公园、海沧体育中心、天虹商场周边区域,集美区集美街道侨英街道和厦门北站动车站区域,同安区祥平街道区域以及翔安区城区和小嶝岛区域。

4 结论与启示 4.1 结论

利用最邻近指数法、核密度法、Ripley’s K函数、局域Getis-OrdGi*指数等方法对厦门市民宿的空间布局进行研究,经过分析可知:

(1) 厦门岛内民宿分布密集,尤以思明区动车站、鼓浪屿—中山路一带、曾厝垵密集程度最高;岛外密集程度有所减弱,但在集美大学城区域形成了一个集聚中心,岛外其他区域分布相对较为分散,集聚程度先增后减,集聚强度在8034.16m处达到最大。思明区的滨海街道曾厝垵属最密集区;其次为滨海街道厦门大学思明校区、黄厝、鼓浪屿街道、梧村街道火车站、中华街道中山路及鹭江街道轮渡码头交通节点,集美区集美街道和侨英街道区域、厦门北站动车站、同安区祥平街道区域、翔安区小嶝岛以及海沧区海沧街道大屏山公园、海沧体育中心、天虹商场周边。

(2) 厦门市民宿空间布局模式呈现出“一心、三轴、四区”的夹湾式布局特征:以厦门本岛为中心,以连通新城的跨海大桥为连通轴,延伸出海沧区海沧街道大屏山公园、海沧体育中心、天虹商场周边区域,集美区集美街道侨英街道和厦门北站动车站区域,同安区祥平街道区域以及翔安区城区和小嶝岛区域等四个组团区,四个组团区围绕海湾呈团块状分布。

4.2 启示

结合以上结论,为厦门市民宿资源整合与安置、为厦门民宿行业的健康发展与科学布局提供参考,特提出以下几点建议性思考。

(1) 厦门民宿未来发展应充分考虑城市市场规律和城市建设规划。厦门新的城市规划将以厦门本岛为主中心,围绕东海湾和西海湾两大海湾,在翔安的南部、马銮湾、集美、同安都将会产生新的中心,厦门岛跟周边地区的联系将越来越紧密;另外,轨道交通方面将形成厦门本岛向周边新城环湾式、放射状的多层次、多方式的立体交通网络;再加上厦漳泉同城化进程的推进,诸多利好因素将带来厦门民宿业的持续发展。厦门在优化岛内民宿空间布局的同时需注重岛外民宿业的发展,以应对新的机遇和挑战,在接下来的民宿开发选址上可重点考虑思明区的厦港街道、开元街道、莲前街道区域、湖里区的金山街道区域、集美区的第二农场街道区域和同安区的西柯镇区域六大热点区域。

(2) 厦门民宿未来发展应整合资源集群发展。厦门民宿发展可以考虑将区域内具有竞争和合作关系的民宿及配套服务机构进行整合,共同构成强大的资源集群力量,形成区域经济效应,在降低内耗的同时,达到差异化互补,从而产生对客流的较强的磁极吸引效应。针对目前民宿分布较为分散的岛外区域,可以选取岛外旅游资源禀赋较为丰厚的地区进行民宿空间集群化发展,为岛外吸引更多资源,促进岛外旅游业和经济的发展,从一定程度上减轻岛内民宿发展泛滥的现状,为整个厦门市民宿业的健康布局与发展起到推动作用。

(3) 厦门民宿未来发展应积极开拓“民宿+X”生态圈。民宿产业发展中可以考虑民宿融合餐饮、文化、农业、旅游、历史、美学、环保、康养、动漫、温泉、影视等领域,形成新业态和新消费模式,实现行业多业态、多形式、多维度的生态圈层化发展。

参考文献
[1]
中国饭店协会民宿客栈委员会.2018年中国民宿客栈行业发展报告[EB/OL].(2019-3-15)[2020-1-16]. https://www.meadin.com/yj/198026.html.
[2]
蒋佳倩, 李艳. 国内外旅游"民宿"研究综述[J]. 旅游研究, 2014, 6(4): 16-22.
[3]
刘大均. 成都市民宿空间布局特征及影响因素研究[J]. 西华师范大学学报(自然科学版), 2018, 39(1): 89-93.
[4]
王珺玥, 马妍, 沈振江. 厦门市民宿空间布局特征及空间布局优化思考[J]. 规划师, 2019, 35(1): 71-76.
[5]
赵雅萍.湖州市民宿空间集聚及发展研究[D].上海: 上海师范大学, 2018.
[6]
郝诗雨, 赵媛, 李可. 厦门市民宿的空间布局特征与影响因素研究[J]. 华中师范大学学报(自然科学版), 2018, 52(6): 916-924.
[7]
湛东升, 孟斌. 基于社会属性的北京市居民居住与就业空间集聚特征[J]. 地理学报, 2013, 68(12): 1607-1618.