文摘

探索乡村旅游空间格局的评价效果基于multifactor-weighted神经网络模型在大数据时代的目标是优化农村旅游景点的空间布局。有很多问题,如选址不当、布局分散、市场竞争混乱不足造成的乡村旅游规划和旅游市场的考虑。因此,简单的加权后的多因素模型与神经网络相结合,构建一个基于多因素权重的时空卷积神经网络模型来解决这些问题。此外,仿真实验的空间格局上进行乡村旅游在宁夏回族自治区来验证评价构造模型的性能。结果表明,模型的预测精度为97.69%,这是至少2.13%高于其他学者使用的深度学习算法。通过评估和分析农村旅游景点的空间格局,在宁夏旅游景点的空间分布具有较强的稳定从2009年到2019年。同时,七个板块的景点和景区的时间成本增加可访问性有了明显的改变。此外,一小时同步周期的变化率达到41.67%。这表明该神经网络模型具有较高的预测精度评价农村旅游景点的空间格局,它可以提供实验参考数字发展乡村旅游的空间格局。

1。介绍

如今,信息技术和旅游业之间的紧密集成,互联网大数据,人工智能已迅速成为工业发展的热门技术。尤其是政府颁发的相关激励政策和增加财政补贴,鼓励发展旅游业和其他项目在偏远山村,为农村发展注入了新的活力,带来了显著的经济增长。然而,一些问题已经出现在乡村旅游,如选址不当、布局分散、重复建设和低效率,在加速发展,市场竞争无序,因此浪费的考虑规划的基础和旅游市场1,2]。因此,人工智能的应用和大数据分析技术的优化空间结构的乡村旅游已成为当前相关领域学者关注的焦点。

旅游是一种观光和娱乐活动的前提下,人类社会和自然环境的共存。近年来,倡导“清醒水域和郁郁葱葱的山脉是无价的资产”和乡村旅游的有关文件提出的中国中央政府,已成为一个重要的导向力的高效、快速发展乡村旅游在中国3]。宁夏回族自治区是中国西北少数民族集中的地区之一。它把生态环境保护放在首位“带和道路计划”政策下,黄河流域的经济保护策略。同时,宁夏正在努力确保生态安全在中间和黄河上游,实现的目标建立一个美丽的中国。此外,由于地形在宁夏,超过80%的旅游资源都集中在农村地区,已成为旅游发展潜力最大的区域在该省与明显的优势在整个国家(4]。独特的自然资源和地理环境和其他在宁夏生态优势促进乡村旅游的重要力量在宁夏的经济发展进步快。与此同时,政府发布的一系列相关政策不仅为乡村旅游的发展提供强有力的支持也澄清的具体发展方向和规划。这使得宁夏的乡村旅游景点展示近年来快速增长势头。

快速增加的农村旅游景点,经济的变化,政策,和交通的变化对乡村旅游的影响日益加剧,导致乡村旅游的空间格局的变换。乡村旅游的快速发展也增加了相应的旅游需求空间,空间,供给和需求之间的矛盾日趋激烈,导致不平衡的空间利用结构在该地区(5]。换句话说,经济的快速发展和生活水平的人也破坏了原有的纯、人工和自然环境。近年来,人工智能技术,如大数据分析和人工神经网络,已经广泛应用于各种行业,如机器翻译、图像识别、自然语言处理。深入学习,作为人工智能的一个算法,可以学习多级数据从原始数据的功能,如原始地理环境的空间格局没有相关领域专家的参与,大大节省了劳动力成本、材料和时间(6,7]。同时,深入学习算法可以根据分类任务的重要特征,具有深远的工程实践价值的空间格局对乡村旅游的评价。

总之,评价和分析乡村旅游空间格局的巨大的实用价值的发展旅游业。现有的创新研究如下:(我)在中国西北宁夏回族自治区为研究对象,研究评估乡村旅游的空间格局。(2)研究分析了乡村旅游地点的混乱和分散布局等各种因素考虑不足造成的乡村旅游的规划基础。(3)基于简单加权的多因素模型,结合神经网络,研究构造了一个基于多因素权重的时空卷积神经网络模型。最后,分析了乡村旅游空间格局的评价效果通过模拟。

研究结构如下:部分1引言,主要阐述了乡村旅游的现状和背景,研究目的和意义。部分2的相关工作,主要分析了乡村旅游相关学者的研究现状和算法。部分3主要结构和评估模型基于multifactor-weighted乡村旅游空间格局的神经网络算法。部分4是结果与讨论。仿真后的乡村旅游空间格局模式,更加明确自己的性能进行了分析和讨论。部分5是结论,总结了研究方法和结果为后续研究提供依据。部分6未来的工作,分析了不足,并解释了后续研究。

2。相关的工作

2.1。乡村旅游发展的现状

当前,城市化进程的加快和人民生活水平的迅速提高,人们更加关注他们的精神需求,同时满足物质需求。作为农村振兴战略由国家提倡,乡村旅游已经研究了许多科研人员。苏et al。8)采用混合方法研究设计,包括定量问卷调查和定性半结构式访谈,分析旅游和农村生计海图,安徽省,中国。他们发现,利用协同旅游之间的关系和其他来源的收入可以提高整体的生计可持续性。同时,他们讨论了现实意义,加强旅游参与和确保适当的利益分享强调政府的角色(8]。Guaita马丁内斯et al。9)表明,旅游业可持续发展的一个关键部门的农村环境。因此,他们提出了一个更全面、客观的方法来比较一群农村旅游的季节性的水平与沿海和城市的目的地。通过研究,他们发现,使他们的方法来识别哪些变量解释了每个目的地的季节性的水平的差异在很大程度上。最后,研究结果表明,相关的变量,这样做是内化的目的地和床上的可用性变化的地方9]。达库等。10]探索的动机、管理实践和后果的乡村旅游企业家从八个小旅游住宿单位,获得考虑数据的所有者参与半结构式访谈。结果显示长期规划和倾向于形成健壮的网络企业家,这显然有助于不仅建立动态也更可持续的创业生态旅游在农村地区(10]。气和汉11]了安吉县为例理解乡村旅游目的地的作用表现在影响目的地形象和预测满意度和忠诚度和游客的期望的缓和效果验证11]。以上工作可以提供一定的指导和参考学者和乡村旅游从业人员加深研究旅游的期望,乡村旅游的性能,目的地形象,游客满意度和忠诚度之间的关系。

2.2。在旅游业的应用程序状态的神经网络算法

今天,神经网络广泛应用于不同的行业,许多研究人员分析了在新兴旅游中的应用。李等人。12]分析了反向传播神经网络的预测性能(摘要),径向基函数网络(RBFNs),概率神经网络(并)和集群概率神经网络(CPNNs)旅游。他们发现,并通过人工神经网络表现最好,尤其表现出极端的准确性预测未被充分代表的模式(12]。彼得森et al。13公交车行程时间预测提出了一个系统,利用了非静态的时空相关性存在于城市公交网络,允许复杂的模式的发现不被传统方法。最后,他们发现multioutput multitime步骤,深层神经网络使用卷积和长期短期记忆(LSTM)明显优于所有其他的比较方法(13]。Abdollahi et al。14)提出了一种基于多步深学习算法预测旅行时间。他们发现,特征提取和聚类算法可以用来提高特征空间,这是健壮的14]。胡锦涛et al。(15)使用人工神经网络(ANN)模拟揭示人类活动模式和城市功能的特点。他们证明了该方法,相对损失少,精度高,优于其他分类比较的方法在公路段级别城市功能。此外,他们认为他们的工作导致城市功能结构的评估和进一步援助城市规划者设计更好的城市化战略与交通互动和城市空间结构(15]。

通过以上学者的研究,大多数当前乡村旅游研究的重点是旅游资源、旅游开发、旅游开发模式,问题,对策,等等,而很少关注乡村旅游的空间结构和空间问题。此外,深度学习应用到旅游业的应用主要是在行程时间的预测而不是在旅游空间格局的设计。因此,神经网络引入到简单加权多因素模型构建multifactor-weighted神经网络模型来评估乡村旅游的空间格局的研究对象在宁夏农村旅游景点。

3所示。乡村旅游空间格局的建设和评价基于Multifactor-Weighted神经网络算法

3.1。概述研究的区域

宁夏回族自治区称为宁夏,银川是其省会。位于中国的西北内陆地区,陕西东部,西部和北部的内蒙古和甘肃南部、宁夏占地总面积66400平方公里,位于西北的四个地理分区(16]。宁夏逐渐倾斜的地形从西南到东北,与山和峡谷站在数字,组成的三个板块:北方黄河灌区,中部干旱带,南部山区。自治区位于黄河供水系统,以及地形北高南低,呈现出阶梯状下降。整个地区位于大陆干旱和半干旱气候区(17]。宁夏回族自治区管理5个地市级城市(9个市辖区、2个县级市,和11个县),与两个国家AAAAA-level旅游景点的中国西部电影制片厂Zhenbeibu和沙子湖,几个4 a级旅游景点(包括96 a级景区),和许多农村景区(18]。主要有七个在宁夏旅游板块:大沙湖度假和休闲区,西夏文化旅游地区,Saishang回族镇文化体验板、前沿文化旅游板块,沙坡头度假和休闲大板、实用历史和文化旅游板块,和伟大的Liupan红色生态旅游胜地板(19]。其中,研究区在宁夏如图1。

3.2。分析乡村旅游模式建设的目标

乡村旅游的空间模式不仅影响人们的传播和流动,材料,信息在农村旅游活动,也保证了乡村旅游的各种功能正常、有序的运行。在社会经济的快速发展下,人们的精神需求多元化为乡村旅游的发展带来了很好的机会。然而,成熟的乡村旅游已累计更高要求的空间模式,对乡村旅游的影响已日益明显。乡村旅游空间格局上的要求主要体现在资源的合理利用,正确引导市场,产品的合理布局,如图2。

如图2首先,乡村旅游资源的合理开发和利用中扮演重要角色的长期有序发展乡村旅游活动。此外,空间格局的建设可以确保乡村旅游资源的合理使用和发达地区的最大利用率。其次,正确的指导乡村旅游市场需要的空间模式,确保准确实现乡村旅游市场定位和规划。第三,多层结构的空间模式可以满足旅游产品的多层结构,确保核心产品的优先级在乡村旅游活动。此外,旅游产品的空间格局和多级系统可以更好的满足不同游客的多样化需求20.]。同样,乡村旅游的空间模式可以影响乡村旅游的功能和结构,使乡村旅游的多功能休闲活动从不同的角度不同的功能。与此同时,游客的经验是保证农村的完整性。

乡村旅游的空间结构的组织规则功能分区、旅游资源模式,和旅游产品的模式,以确保旅游活动的有序进行。乡村旅游空间格局的建设不仅是乡村旅游的规划和组织功能和结构也解剖和集成的空间基础。这里的空间格局的建设在于以下三个目的:首先,确保良好的乡村旅游的发展;第二,合理利用和保护资源;第三,分配适当的乡村旅游产品。

3.3。Multifactor-Weighted神经网络算法的构造和分析模型

有必要选择合适的因素和模型构建多因素模型。如果构建一个多因素模型的过程比作工厂的生产过程,因素是原材料,模型将生产线。鉴于原材料,选择不同的生产线意味着不同的处理技术和相应的不同的结果。通常,多因素模型的建设可以分为简单的附加重量,线性回归方法和人工智能方法。虽然简单的附加重量可以计算每个因子的加权平均,这是无法预测的内部因素。因此,多因素模型在简单加法体重结合神经网络构建一个multifactor-weighted神经网络模型评价乡村旅游的空间格局。

模型的核心算法、神经网络算法是非常重要的去了解数据源的作用与空间相关的乡村旅游模式。神经网络算法系统,CNN是增长最快的前馈神经网络模型与最佳性能与本地连接的最大优势和重量共享。众多神经元在CNN组织以某种方式回应视觉领域的重叠区域(21]。在cnn,其操作的第一个参数被称为输入和第二个参数(功能 )被称为核函数。输出有时被称为特征映射(22]。通常,cnn执行卷积操作多个维度。用一个二维矩阵我输入和一个二维的内核K,然后得到以下方程: 在哪里我,j,米,n是固定的参数,表示矩阵的维度和秩序。曲线玲珑的交换可以等同于写成

卷积操作的可交换性特征是由内核翻转对应输入。内核的指数与指数的增加减少输入。内核翻转的唯一目的是实现可交换性。虽然可交换性证明是有用的,但它不是一个重要的属性在神经网络的应用。相反,许多神经网络有一个调用相关函数互相关函数(23),这是几乎相同的卷积操作但不能翻转内核,提出

任何神经网络算法,利用矩阵乘法,但不依赖于矩阵的特殊性质结构适用于卷积操作没有伟大的修改。美国有线电视新闻网(CNN)的工作原理是更新控制体重和偏见b通过不断调整学习速率γ和最小化损失函数,从而获得预测值接近真正的价值(24]。典型的cnn通常使用三个重要思想,即稀疏的交互,参数共享、、等变化的典型代表,以提高机器学习系统,为了更有效地处理大规模的输入。

提出了时空图卷积网络(STGCN)后结合乡村旅游的时间和空间格局特征。农村结构的空间特征可以提取图像卷积。在时间维度,一维卷积和控制线性单元是用来提取短期进化空间模式的依赖。两人时而融合形成一个时空的卷积。最后,模型结构是建立在一堆时空卷积块。乡村旅游空间格局的特征提取基于multifactor-weighted时空CNN算法如图3。

乡村旅游空间模式的网络结构是一个通用的拓扑图形,每个因素的权重可能不相等。因此,二维卷积中常用cnn在拓扑图形不适用,但更适合欧几里得和网格数据结构。这里,类似卷积操作一般需要定义图提取空间特征。∗图卷积算子”G介绍了“基于卷积谱图的定义,也就是说,信号的变换 由一个内核 ,所示

在方程(4),l指的是规范化的拉普拉斯算子矩阵 网络图的空间格局,我_n表示n阶单位矩阵, 是网络的度矩阵图, ,和 代表网络的权重矩阵图。除此之外, 傅里叶基础,矩阵的特征向量组成的吗l,也就是说, 。最后, 矩阵的特征值组成的l。

在实际计算,切比雪夫多项式可以用来避免矩阵特征分解,降低计算复杂度。切比雪夫多项式的K−一阶近似的内核 。K内核是卷积核的大小(尺寸)的图,类似传统的卷积运算的大小,决定了卷积的最大半径从中心节点(25]。因此,图像卷积可以写成: 在哪里代表了一个按比例缩小的拉普拉斯算子矩阵 和θ_k是一个网络参数学习。T_k表示一个k阶切比雪夫多项式由以下递归关系表达式:

可以减少图像卷积计算的复杂性来通过K近似核切比雪夫多项式。

使用相同的卷积内核在米乡村旅游空间格局中的步骤,可以使用图卷积三维张量的乡村旅游空间格局。一个卷积的输出在每个时间步是一个内核n维向量Rⁿ。的输出C_o(o意味着输出或渠道的数量为输出向量,即。,the extraction of features of different factors in the spatial pattern network) convolution kernels at each time step is ,和输出的时间步骤 。

然后,农村空间格局的特点是由STGCN提取。每个顶点的输入时间卷积可以被看作是一个序列的长度米,Ci通道(我表示输入或通道的输入向量的数量),写成 。此外,卷积核 ,和Y映射到结果。Time-gated卷积可以定义如下: 在哪里P和问分别指的是输入的大门GLU(封闭的线性单元),和他们每个人都使用不同的C_o(o意味着输出或渠道的数量为输出向量,即。,the extraction of features of different factors in the spatial pattern network) convolution kernel parameters to perform linear transformation on the input vectorY。此外,W_我和b_我参数对应的重量和偏见。指的是阿达玛的产品。σ代表了乙状结肠激活函数常用的神经网络,和非线性门口σ(问)控制进入模型的信息P。与激活函数值直接使用线性变换,结构可以更好地挖掘农村空间格局的复杂的时间特征(26]。时空的卷积模块的输入和输出三维张量。的输入lth时空卷积块 ,和它的输出是 ,获得的

在这里,上时间卷积和较低的时间卷积的吗lth时空的卷积。此外,中间的图卷积,RELU代表激活函数的线性校正单元。

数据被映射到预测流进一步提取时间和空间在农村空间格局特征。同时,最后的输出卷积时空块引入到输出层组成的两个时间隆起和一个完全连接层。输出层的输出结果是下一步的预测价值,结合原始数据重建 。然后,下一步就是通过的预测价值模型,直到获得未来的预测价值Hth步骤(27]。整个模型的优化损失函数可以写成

在方程(9),W_θ指的是举重训练参数模型中,表示未来的真正价值显示模型的预测。

根据卷积操作 在cnn,图卷积操作可以被定义为下面,W和b在前,,在后者的参数如下:

为了避免矩阵特征值分解,减少参数的数量,可以改进的

因此,方程(12)可以获得

为了避免乘数计算矩阵,证明了方程(12)可以近似k−一阶切比雪夫多项式,如所示

其中,θ_k是网络参数学习。方程(13)作为第一层的图像卷积运算的信息集成k节点的节点。因此,多个通道的空间格局特征可以通过几组不同的参数θ_k。

的平方误差作为损失函数,并可以表示为优化目标 在哪里图中参数是学会了卷积层,而y_t是真正的流在时间吗t和预测的流动。与此同时,目标函数是由亚当优化算法进行优化后续计算和参数的解决方案。

训练该模型主要包括学习速率更新策略通过“聚”的学习速率调整方法通过多项式衰减(28),如图所示

在方程(15),最初的学习速率init_lr是0.0005 (5e⁻⁴)和功率设置为0.9。

3.4。数据源的乡村旅游空间格局的研究区域

农村旅游景点的研究数据来自农村旅游景点的名单公布的官方网站文化和旅游部门的宁夏回族自治区(http://whhlyt.nx.gov.cn/)在2009年和2019年。除此之外,基本的道路数据来自1:国家公布的10000000年全国基础地理数据库动态阿特拉斯(http://www.webmap.cn)。最后,行政边界数据的村庄来自标准的地图服务网站自然资源部的宁夏回族自治区(http://zrzyt.nx.gov.cn/)。

3.5。仿真分析

使用的网络仿真软件MATLAB仿真分析的性能multifactor-weighted时空CNN算法。数据资源已经在前一节中解释。获得的数据分为训练集、验证集和测试集的比例为60%,20%,和20%,分别。

的hyperparameters构造神经网络模型设置如下:迭代的数量是60,仿真时间是2000年代,批量大小是128。提出模型的性能分析,预测性能与其他算法相比其他学者在相关领域的应用角度的精度,精度,回忆,和F1值(精度和召回的加权调和平均数)。比较算法包括LSTM [29日),双向长期短期记忆(BiLSTM) [30.),AlexNet提高视觉几何组(VGGNet) [31日],AlexNet [32],STGCN [33]。此外,硬件和软件配置都考虑在特定的仿真实验。软件配备Linux 64位操作系统和Python 3.6.1,连同PyCharm开发平台。CPU的硬件是英特尔酷睿i7 - 7700 @ 8核心的4.2 GHz,金士顿的内存ddr4 2400 MHz 16 g, GPU是Nvidia GeForce 1060 8 g。

主要考虑以下指标的使用获得的数据来评估乡村旅游的空间格局。首先,最近邻距离指数(NNI)。计算结果之间的平均距离衣橱景点相比,节点之间的随机分布来分析随机分布的偏离程度,以便获得乡村旅游景点的分布类型34]。计算可以写成

在方程(16)、min (d_ij)指任何景点之间的距离我和它最近的风景区j;N农村旅游景点的总数;和一个研究区域的总面积。NNI≤0.5通常被认为是为骨料,以0.5 < NNI≤0.8作为骨料随机的,0.8 < NNI随机≤1.2,1.2 < NNI≤1.5随机离散和NNI > 1.5制服。

其次,标准差椭圆的重心的移动方向主要反映景区空间。假设一个地区n条件(x_我,y_我)的中心坐标我th地区和的属性值和重量吗我th次区域(35]。标准差椭圆可以表示为

第三,风景区的易访问性的时间成本。可访问性是定量分析的最小时间的游客,和小价值展示了良好的可访问性36),这可以表示为

在方程(18),T_我代表了网站的可访问性的位置我的风景区j,而Exp (我,j)表示最低耗时的函数来计算之间的交通我和j。其中,同步循环主要分为六个部分:< 1 h, 1 - 2 h, 2 - 3 h, 3 - 4 h, 4 - 5 h,和> 5 h。

4所示。结果与讨论

4.1。每个模型算法的预测性能的比较分析

时空上的比较分析进行基于多因素权重的卷积神经网络算法研究上的构造模型的预测性能空间的乡村旅游模式。构造模型与LSTM相比,BiLSTM, VGGNet, AlexNet,和STGCN准确性的角度来看,精确,回忆,F1值,从数据显示的结果4来7。

根据数据给出的结果4来7构造模型的准确性达到97.69%,这是至少高出2.13%的深度学习算法(包括LSTM BiLSTM, VGGNet AlexNet, STGCN)由其他学者使用。此外,神经网络模型的精度最高,回忆,和F1值,F1值可能比它们之间的精度和召回而不是。因此,与其他学者采用的深度学习算法相比,时空的CNN算法基于多因素权重有更好的预测精度和更好的性能在评估乡村旅游的空间格局。

4.2。空间格局评价农村旅游景点

在农村旅游景点的空间格局评价,农村旅游景点的空间格局在宁夏回族自治区的七个旅游板块在2019年与2009年相比。浓度的空间分布、空间重心移动、可访问性和空间联系的农村旅游景点从数据阐述了8来10。

七个旅游板块的NNI图所示8。它可以发现农村景点的空间分布集中在宁夏回族自治区省级变化不明显。2009年NNI 0.57, aggregate-random和空间结构类型。2019年NNI 0.69增加了0.12。同时,景点的随机分布趋势增加,但仍aggregate-random空间结构类型,显示出强大的稳定性。的浓度不同旅游景点的空间分布进行了分析。其中,大沙湖度假和休闲的NNI面积2009年为0.67,与aggregate-random分布类型,而NNI 0.48和2019年的总体分布类型。2009年,NNI的西夏文化旅游地区为0.62 aggregate-random分布类型,而NNI 0.45。除此之外,景区的集聚趋势增加,空间结构类型从aggregate-random聚合。2009年,NNI Saishang回族镇的文化体验1.12的随机分布类型的景区,与NNI相比2019年的0.63。 Meanwhile, the agglomeration trend of scenic spots increased, changing into the aggregate-random distribution type. In 2009, the NNI of the Frontier Cultural Tourism Plate was 0.75 with the aggregate-random distribution type of scenic spots, compared with the NNI of 0.56 in 2019. The agglomeration trend of scenic spot distribution also increased, but the spatial structure type did not change. In 2009, the NNI of the Great Shapotou Resort and Leisure Plate was 0.86 with the random distribution type of scenic spots, compared with the NNI of 0.61 in 2019. Furthermore, the agglomeration trend of scenic spot distribution increased, and the spatial structure type changed from aggregate-random to aggregate-random. In 2009, the NNI of the Weizhou Historical and Cultural Tourism Plate was 0.94 with the random distribution type of scenic spots, compared with the NNI of 0.48 in 2019. Besides, the agglomeration trend of scenic spot distribution increased, changing into the aggregate spatial structure type. In 2009, the NNI of the Great Liupan Red Ecological Resort Plate was 0.71 with the aggregate-random distribution type of scenic spots, compared with the NNI of 0.44 in 2019. The trend of scenic spot aggregation distribution increased, and the spatial structure type changed from random type to aggregate type.

景区的空间重心移动显示的变化程度的总体布局方向在该地区的旅游景点。分析的变化分布的标准差椭圆区域7 a - level农村旅游景点的旅游板块从2009年到2019年图所示9。每个旅游板块的椭圆方向与全省的分布是一致的。的影响下“皮带和道路倡议,“板景点数量的增加,但重心移动西南。

通过分析宁夏农村旅游景点的空间可达性,如图10的时间成本,省级风景区可访问性显著改变了从2009年到2019年。一小时同步圆的变化率为41.67%,1 - 2小时的同步循环的变化率为1.95%,2 - 3小时的同步循环的变化率为15.19%,三个小时的变化率等时圈是负面的。同时,可访问性的空间分布从景区景点展示了一个增加的趋势以及外围的主要交通要道。领域有更好的可访问性连续分布在城市和交通要道,但易访问性较差的农村旅游景点分布在省边界的崎岖的地形。

5。结论

在宁夏回族自治区农村旅游景点选择为研究对象,调查的现状农村旅游景点的空间格局。与此同时,一个时空CNN模型构建了基于多因素权重评估乡村旅游的空间格局。通过仿真,发现97.69%的建造CNN模型具有较高的预测精度,可以有效地评估空间格局,它可以提供实验依据的数字化发展乡村旅游空间格局在以后的阶段。

6。未来的工作

评估和分析乡村旅游空间格局的显示,虽然它可以更准确和有效的评价,也有一些不足。例如,在景区的空间格局分析的可访问性,只有陆路运输的影响在宁夏评估乡村旅游空间,和航空不包括在可访问性成本阻力模型。此外,这项研究仅选择旅游目的地和运输路线和缺乏市场因素的相关分析。

未来的研究方向,一方面,有必要扩展研究时间限制,包括市场因素,探索板块之间的集群发展的优势和劣势,考虑自然因素的影响,如地形和气候和人为因素如社会经济可访问性,包括航空到可访问性成本阻力模型进行评估,并最小化可访问性指数的计算误差值。另一方面,在未来的研究中,应打破行政界限,建立一个全球旅游合作的发展模式,为乡村旅游经济的发展提供参考和空间模式的改进。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

国家自然科学基金委项目(18 bgl161):阶段性成果特色城镇之间的相互作用机理研究,在宁夏扶贫开发;宁夏大学科学技术研究支持项目(NGY2018037):研究可持续发展战略下的宁夏特色城镇农村振兴。