基于網(wǎng)絡游記的沿海省份旅游熱度與網(wǎng)絡結構比較研究

王娟　齊鈺　趙婕

[摘 要]利用八爪魚采集器，在旅游服務平臺去哪兒網(wǎng)爬取蘇魯遼三省到訪游客自主生成的游記攻略和行程信息，構建基于游客數(shù)字足跡的關系數(shù)據(jù)網(wǎng)絡;運用社會網(wǎng)絡分析和空間分析的方法測度旅游流的網(wǎng)絡特征，并進行可視化表征，以找出沿海地區(qū)旅游流網(wǎng)絡結構的相似性和相異性。研究發(fā)現(xiàn)：1.蘇魯遼三省分別呈現(xiàn)圍繞多中心逐級遞減的圈層結構特征、東西高熱度雙組團結構特征、全域弱弱均衡的網(wǎng)絡結構特征;2.高熱度城市的首次和二次吸引效應在提高旅游流內循環(huán)能力的同時，也加劇了冷點城市的邊緣化程度;3.旅游經(jīng)濟落后地區(qū)以“高熱輸出-低熱承接”模式為主，在發(fā)達地區(qū)則出現(xiàn)了“高熱吸收-低熱輸出”的新型旅游流動模式;4.旅游網(wǎng)絡中心與熱度中心錯位，互惠關系比例低，高熱度城市之間的多節(jié)點、跳躍式流動以及高熱度城市內部的一地多日深度游現(xiàn)象并存。

[關鍵詞]網(wǎng)絡游記;旅游熱度;網(wǎng)絡結構

[中圖分類號]F592.3 [文獻標識碼]A [文章編號]1671-8372（2021）01-0068-09

A comparative study of tourist destination popularity and network structure in coastal provinces based on online travel notes

—taking the three provinces of Jiangsu， Shandong and Liaoning for example

WANG Juan ， QI Yu ， ZHAO Jie

（School of Management， Ocean University of China， Qingdao 266100， China）

Abstract：By using octopus collectors， this paper acquires travel notes and itinerary information independently generated by tourists in Jiangsu， Shandong and Liaoning provinces on the tourism service platform Qunar， and constructs a relational data network based on tourist digital footprints. Social network analysis and spatial analysis are used to measure the network characteristics of tourism flows and make visual representations， so as to find out the similarities and dissimilarities of tourism flow network structure in coastal areas. The results show that： 1. Jiangsu Province， Shandong Province and Liaoning Province are characterized by circle layer structure around multi-center gradually decreasing， two-group structure with high popularity from east to west， and weak-weak-balanced network structure in the whole region; 2. The first and second attraction effects of the high popularity cities not only improve the inner circulation capacity of tourism flow， but also aggravate the marginalization degree of unpopularity cities; 3. In the underdeveloped regions， the tourism flow mode features mainly “high popularity export-low popularity receiving”， while in the developed regions， the new tourism flow mode features “high destination popularity absorption-low destination popularity output”; 4. There is a mismatch between the tourism network center and the tourism popularity center， with a low proportion of reciprocity relationship， and the coexistence of multi-node and leaping flow between the cities with high tourist destination popularity and the phenomenon of multi-day deep travel to one place within a high tourist destination popularity city.

Key words：travel notes; tourist destination popularity; network structure

一、引言

根據(jù)《中華人民共和國文化和旅游部2019年文化和旅游發(fā)展統(tǒng)計公報》，截至2019年，我國國內旅游人數(shù)達60.06億人次，其中多數(shù)旅游者以散客的形式出游。信息技術的發(fā)展使得互聯(lián)網(wǎng)社交平臺逐步取代傳統(tǒng)媒體成為散客獲取旅游信息、進行旅游體驗交流的重要途徑。“分享”作為現(xiàn)代旅游者的重要行為偏好，一方面，分享內容由個體游客直接產生（User Generated Content， UGC），相較于傳統(tǒng)的逐級上報的數(shù)據(jù)統(tǒng)計和廣告宣傳等專業(yè)機構產生的內容（Professional Generated Content， PGC），更具真實性、即時性、易獲取和成本低等優(yōu)勢，成為游客進行旅游目的地選擇和出游方案制定的重要參考;另一方面，旅游者在網(wǎng)絡上留下的“足跡”反映了他們對旅游目的地的偏好以及他們的消費習慣和消費水平。在對UGC進行有效和針對性的數(shù)據(jù)清洗和系統(tǒng)分析之后，可以為旅游的消費需求預測、旅游目的地規(guī)劃和精準營銷提供借鑒和參考。

江蘇、山東和遼寧三省地處我國東部沿海，旅游產業(yè)在區(qū)域經(jīng)濟發(fā)展中扮演重要角色，2019年三省旅游總收入分別為14321.6億元、11087.3億元、6222.8億元，占各省GDP的14.4%、15.6%和25%①。三者區(qū)位相近、資源稟賦相似，經(jīng)濟基礎、資源豐度和市場開發(fā)的力度雖不同，但省際及省域內部的旅游經(jīng)濟發(fā)展格局、成因和機理均存在不同程度的相似性，具備開展對比與類比研究的必要性。隨著信息技術的發(fā)展，大數(shù)據(jù)和智能化技術可挖掘、發(fā)現(xiàn)并滿足用戶的需求。因此依據(jù)需求驅動供給端改革和創(chuàng)新，成為區(qū)域旅游經(jīng)濟協(xié)同和高質量發(fā)展的必然要求。

基于地理學、經(jīng)濟學等母學科研究基礎，旅游網(wǎng)絡結構研究已形成較為豐富的研究成果，研究內容主要包括旅游網(wǎng)絡發(fā)展模式與演化機制[1-3]、旅游網(wǎng)絡時空結構與影響因素[4-8]、“流”視角下的旅游網(wǎng)絡結構[9-14]研究等。近年來基于地理位置標簽[15-16]、社交媒體[17]、手機信令[18-19]而建立的新型旅游網(wǎng)絡研究不斷涌現(xiàn)。已有研究成果中，在研究對象、研究內容和研究方法上呈現(xiàn)“轉向”特征，即從大尺度、跨地區(qū)轉向中小尺度的區(qū)域內部旅游網(wǎng)絡結構研究，從以經(jīng)濟學、地理學的均衡分析、空間分析為主，轉向以多學科、新技術方法的應用，從靜態(tài)統(tǒng)計調研數(shù)據(jù)轉向具有即時、互動特征的網(wǎng)絡大數(shù)據(jù)等，呈現(xiàn)多樣化、創(chuàng)新化和精細化研究趨勢。游記是研究旅游流網(wǎng)絡結構特征具有代表性的數(shù)據(jù)來源，是旅游大數(shù)據(jù)的重要表現(xiàn)形式，也是旅游者出行后對目的地旅游六要素等環(huán)節(jié)進行綜合評價的表現(xiàn)形式。目前關于網(wǎng)絡游記的應用研究，主要集中于旅游目的地形象感知[20-23]和游客活動的時空行為特征分析[24-29]，以探討游客行為偏好和旅游滿意度為主。在研究方法上，主要依托扎根理論進行編碼，運用Nvivo、Rost-CM等質性研究方法進行文本語義分析、詞頻分析，主要以某一景區(qū)或者城市為研究對象，缺乏中觀尺度區(qū)域視角的對比和類比研究。本研究擬通過提煉游客自主生成的網(wǎng)絡游記中的關系數(shù)據(jù)，以城市共現(xiàn)和行程線路構建旅游流網(wǎng)絡，運用熱度分析和社會網(wǎng)絡分析方法對沿海地區(qū)的旅游流網(wǎng)絡特征進行分析，為旅游流研究從依賴靜態(tài)“屬性數(shù)據(jù)”向動態(tài)“關系數(shù)據(jù)”轉變提供新的研究視角和實證探討。

二、研究方法

網(wǎng)絡爬蟲工具能夠根據(jù)編碼規(guī)則對網(wǎng)頁上的用戶生成信息進行采集及儲存，相較于傳統(tǒng)的數(shù)據(jù)搜集方式，具有高速、云采集、自動抓取等優(yōu)點。本文使用八爪魚采集器在旅游出行服務平臺去哪兒網(wǎng)的攻略模塊中搜索得到蘇魯遼三省旅游游記，將每個省的游記依據(jù)熱度進行排序，爬取2012—2019年三省份的網(wǎng)絡游記共9881篇，剔除明顯為廣告植入、標題與游記內容不符、重復抄襲等無效數(shù)據(jù)，得到完整、有效游記樣本數(shù)為江蘇1000篇、山東983篇、遼寧976篇。以爬取游記的行程信息作為數(shù)據(jù)基礎，分別以關鍵詞出現(xiàn)頻次和一次完整行程線路作為旅游熱度和旅游流數(shù)據(jù)來源。高熱度游記代表更多的瀏覽量和影響力，更能代表現(xiàn)實中旅游者的主流選擇和決策依據(jù)。因此相較于以往按照時間順序選擇數(shù)據(jù)的方式更具客觀性和代表性。

（一）熱度分析

旅游熱度是近年隨著旅游網(wǎng)絡大數(shù)據(jù)的運用而產生的名詞，“熱度”一詞常被用來形容某一關鍵詞在網(wǎng)絡上被搜索的頻率。旅游熱度可用于衡量某一旅游目的地在網(wǎng)絡上被關注的程度，即此旅游地在網(wǎng)絡上被搜索頻次和數(shù)量的高低。高熱度的旅游目的地是指這個目的地的關鍵詞在網(wǎng)絡中的搜索頻率高、受關注度高，有更多的游客將其作為候選旅游目的地。與此相對應，低熱度旅游目的地則相反。不同旅游目的地之間的熱度差異反映了各旅游目的地被潛在旅游者關注和接受程度的高低，是目的地旅游經(jīng)濟整體發(fā)展水平上的綜合反映。

本文引入旅游熱度的概念，用爬取的游記數(shù)據(jù)中所選城市出現(xiàn)的頻次加以衡量。城市的出現(xiàn)頻次是指在某一篇游記中游客到達了A市1次，則記A市的出現(xiàn)頻次為1，將A市在所有游記中出現(xiàn)的頻次之和記為A市的旅游熱度。為了消除不同省份間差異的影響，本文采用相對熱度值即城市熱度與所在省份有效數(shù)據(jù)量之比來衡量所選城市的旅游熱度。

（二）社會網(wǎng)絡分析

社會網(wǎng)絡分析作為一種研究社會行動者及其之間關系的工具，在社會學、經(jīng)濟學和管理學中有著廣泛的應用。本文通過游記中的城市共現(xiàn)來構建城市間的旅游社會關系網(wǎng)絡，即：如果在某一篇游記中游客進行了從A地到B地再到C地的旅程，那么記在這個省旅游流網(wǎng)絡中A到B之間和B到C之間的網(wǎng)絡關系為1，將數(shù)據(jù)中所有A到B的旅程的總和記為有向關系網(wǎng)絡中A到B的關系值。本研究基于旅游流的網(wǎng)絡結構分析主要選取的指標為網(wǎng)絡密度、網(wǎng)絡互惠性、網(wǎng)絡中心性與凝聚子群。運用常用社會網(wǎng)絡分析軟件Ucinet對旅游流網(wǎng)絡結構進行分析和可視化，以實現(xiàn)刻畫網(wǎng)絡結構特征、發(fā)現(xiàn)旅游熱度分異規(guī)律的目的。

1.網(wǎng)絡密度。網(wǎng)絡密度衡量的是網(wǎng)絡中各成員之間的相互聯(lián)系的緊密程度。網(wǎng)絡中個體成員之間的聯(lián)系越多，網(wǎng)絡中的密度值就越大。其計算公式為：

（1）

式（1）中，為網(wǎng)絡密度，為節(jié)點數(shù)，為節(jié)點之間的連接數(shù)[30]。

2.網(wǎng)絡互惠性?；セ菪钥紤]的是網(wǎng)絡各成員間關系的相互性。如果兩個節(jié)點間存在互惠性則說明兩點間的連接是雙向的，即雙方都收到并向對方發(fā)送各種資源。為避免網(wǎng)絡數(shù)據(jù)爬取的偶然性，本文中如果兩地之間的旅游流是雙向的并且流量相近，則認為兩地間存在互惠關系。

3.網(wǎng)絡中心性。中心性是對社會網(wǎng)絡中權力的衡量，權力越大的個體越容易對其他個體產生影響。本文側重研究網(wǎng)絡中某一節(jié)點對其余節(jié)點間聯(lián)系的控制能力，在此選用中介中心性指標加以衡量。其計算公式為：

（2）

式（2）中，為節(jié)點的中介中心性，為節(jié)點和之間的測地線數(shù)量，為節(jié)點和之間必須經(jīng)過節(jié)點的測地線數(shù)量[30]。

4.凝聚子群。凝聚子群是在一個集合中的行動者之間具有相對較強、直接、緊密、經(jīng)常或者積極關系的行動者的子集合。本文主要運用凝聚子群分析中的派系（cliques）分析，從關系的互惠性、子群成員間的可達性、子群成員內外部關系緊密度三個方面進行測度。

三、實證分析

（一）旅游熱度差異分析

旅游熱度既是一定時期內潛在旅游者興趣和需求的體現(xiàn)，也是目的地影響力和吸引力的表現(xiàn)。在對網(wǎng)絡游記中城市出現(xiàn)頻次進行統(tǒng)計并采用相對熱度消除省份間差異的影響后，得到江蘇、山東和遼寧三個省份內各城市的旅游熱度（見表1）。蘇魯遼三省旅游熱度平均值分別為0.09、0.075和0.078，江蘇最高，山東最低。熱度越高說明在此省份的游記中城市共現(xiàn)頻率越高，說明省份內城市間旅游合作和協(xié)調能力越高，省份內部旅游流量越大。從熱度的離散系數(shù)來看，江蘇為1.37，山東為1.63，遼寧為1.81，表明三省內部旅游熱度非均衡，遼寧省內城市的旅游熱度差異最大，其次為山東省，江蘇省最小。

通過對表1的分析可知，江蘇省內城市的旅游熱度冷熱差異較為顯著，分層明顯。南京和蘇州的旅游熱度極高，都達到了0.3以上;其次是無錫和揚州在0.1到0.2之間;其余城市則在0.005到0.01之間分布。南京、蘇州兩市的旅游熱度之和為0.696，接近全省旅游熱度的70%;其次是臨近兩市的無錫和揚州，熱度之和為0.275;其余城市的旅游熱度普遍屬于低熱狀態(tài)，與南京、蘇州兩市差距較大。位于蘇北地區(qū)的旅游熱度多分布在0.01到0.02之間，鹽城甚至低于0.01?？梢娊K省的旅游熱度呈現(xiàn)圈層結構，高熱城市主要集中在蘇南，且呈現(xiàn)南京和蘇州雙熱點的分布狀態(tài)，蘇中、蘇北地區(qū)漸次遞減。作為蘇北地區(qū)的經(jīng)濟中心城市徐州，在旅游熱度上沒有顯著優(yōu)勢，與其他城市之間旅游熱度差別不大。

相比于江蘇，山東省內城市的旅游熱度冷熱差異更加明顯。在全省17座城市中，青島一地的旅游熱度達到0.48，占總熱度的50%;最低的萊蕪和濱州為0，表示旅游者在選擇出游地時極少考慮這兩座城市。除了煙臺、濟南和泰安的熱度超過0.1之外，其余城市均在0.1以下。整體而言，山東省城市的旅游熱度呈現(xiàn)斷層式分異，以青島居于首位，其余城市普遍處于旅游熱度的低谷地區(qū)，傳統(tǒng)旅游的熱點組團“濟泰曲”和“青煙威”網(wǎng)絡熱度不明顯。這種情況的出現(xiàn)，反映了網(wǎng)絡時代旅游經(jīng)濟發(fā)展的特征：網(wǎng)絡游記的發(fā)布者以自助游散客、青年人為主，傳統(tǒng)的團隊游在青年群體中吸引力漸失，并且基于這種出游模式而形成的熱點旅游區(qū)域被削峰填谷。因此山東省除青島之外的網(wǎng)絡熱門旅游城市沒有出現(xiàn)。

遼寧省內城市的旅游熱度分布與山東較為類似，大連的旅游熱度在省內有著絕對優(yōu)勢，大連一市的旅游熱度就超過了0.5，達到了全省的50%以上，接著是沈陽和丹東，熱度為0.12左右，其余城市的旅游熱度在0.01甚至更低?？梢娺|寧省的旅游熱度以大連為龍頭，其次是沿海地區(qū)，遼西內陸地區(qū)居于末位。

總體而言，三省旅游熱度格局各有差異，在旅游高熱城市數(shù)量上，江蘇省是唯一出現(xiàn)兩個熱度核心的省份，具有雙核發(fā)展特征，而傳統(tǒng)意義上的經(jīng)濟雙核心省份山東（濟南、青島）和遼寧（沈陽、大連）則在旅游熱度呈現(xiàn)“一城獨大”的格局，強者越強、弱者越弱的“馬太效應”突出。在旅游熱度分布范圍上，江蘇省旅游熱度圍繞南京、蘇州兩個中心城市擴散，熱度集中、擴散范圍小，而山東和遼寧兩省的旅游熱度則呈現(xiàn)分散分布特征，沿海城市的旅游熱度普遍高于內陸。與遼寧相比，山東的次中心熱度成長性更強，以兩省的省會城市濟南和沈陽為例，濟南周邊存在相近熱度的次級城市，而沈陽周邊則熱度低谷城市較多，呈現(xiàn)顯著的熱度斷層特征。為進一步明確三省內各城市間旅游流量與流向的關系，下文采用社會網(wǎng)絡分析法對三省旅游流網(wǎng)絡結構特征進行分析。

（二）基于旅游流的網(wǎng)絡結構分析

1.江蘇省旅游流網(wǎng)絡結構

（1）旅游流網(wǎng)絡特征。如圖1所示，在基于網(wǎng)絡游記城市共現(xiàn)構建的旅游流網(wǎng)絡中，蘇南地區(qū)的旅游流密度和質量要明顯優(yōu)于蘇中和蘇北地區(qū)。江蘇省的旅游活動依然集中于傳統(tǒng)優(yōu)勢旅游城市如南京、蘇州和揚州，這三個城市不僅相互之間的旅游流最為旺盛，而且也是網(wǎng)絡中旅游流的主要源頭。與南京旅游流數(shù)量較多的城市為南通、淮安和臺州;蘇州旅游流影響范圍最廣，與位于北部的淮安、徐州兩個冷點城市存在旅游流;揚州因更接近地理幾何中心，與淮安、宿遷、泰州、南通等多個城市存在旅游流，數(shù)量最多。其他城市如宿遷、鹽城、淮安等只在彼此間建立少量旅游流，與熱點城市間只能建立低質量旅游流甚至無旅游流，表明這些城市未能獲得熱點旅游城市的溢出效應和帶動作用。

（2）網(wǎng)絡密度和互惠性。江蘇省的整體網(wǎng)絡密度為0.4，標準差為0.4513，表明江蘇省內城市間的旅游流非均衡，變動性強。如表2所示，南京、無錫、常州、南通、連云港、淮安和鹽城這7座城市處于完全不對稱狀態(tài)，而蘇州、徐州、揚州和泰州、宿遷5市則屬于不完全對稱狀態(tài)，表明旅游流對各城市的影響存在差異。

南京作為江蘇省會和全省的政治、文化中心和旅游核心城市，其所有的關系都呈現(xiàn)不對稱型，且外向型關系比例為100%。這表明南京向所有有關系的城市都輸出了旅游流，但相應的卻有62.5%的城市沒有向南京輸出旅游流，即在互惠關系上，南京在旅游網(wǎng)絡中主要扮演付出者的角色。與其類似的還有無錫、淮安、鹽城和南通，它們都沒有與建立旅游流的城市形成互惠關系，但與南京的輸出者角色不同的是，這幾座城市的外向關系比例都低于內向關系比例，在互惠關系上扮演受益者的角色。

以蘇州為代表的部分城市在網(wǎng)絡中存在部分的對稱關系。這表明這些城市間的部分旅游流在流量上是對等的，雙方可以給對方帶來相近的旅游流量，形成平等的互惠關系。與南京不同，蘇州的內向關系比例大于外向，說明蘇州是旅游流的受益者，對周邊城市游客具有較強的吸引力。同樣擁有部分對稱關系的宿遷和鎮(zhèn)江在互惠關系上卻屬于輸出型。表明這兩個城市雖為周圍城市帶來了旅游流，但其在省內較低的旅游熱度說明這兩市產生的旅游流不同于南京的旅游效益溢出，而是到訪游客被周邊熱度較高地區(qū)的二次吸引所產生的旅游流動。

（3）中介中心度。如圖2所示，在中介中心度方面，揚州最高，其次是南京、蘇州和淮安。由于中介中心度考慮的是網(wǎng)絡節(jié)點對網(wǎng)絡的控制能力，揚州相較于南京和蘇州兩市與更多的城市建立了旅游流，南京和蘇州雖然在單條旅游流的流量上占優(yōu)，但是旅游流的數(shù)量卻不如揚州。在網(wǎng)絡整體的控制力上南京和蘇州均弱于揚州。同理，淮安也是如此，雖然在旅游流的絕對流量上不如蘇南諸市，但勝在因旅游流的數(shù)量較多而有著較強的中介中心度。總體來講，江蘇省的旅游流網(wǎng)絡在中心度上形成了以揚州為核心，南京、蘇州為樞紐的旅游流網(wǎng)絡;而淮安具有較高的中介中心度則說明蘇北旅游正在崛起，淮安具備成為旅游網(wǎng)絡新樞紐的發(fā)展?jié)摿Α闹薪橹行亩鹊臏y度結果可以看出，一是江蘇省旅游流網(wǎng)絡與旅游熱度均呈現(xiàn)出北弱南強的態(tài)勢，但是網(wǎng)絡中心明顯要比熱度中心偏北;二是高旅游熱度城市并不意味著一定會產生旅游流的溢出，也不意味著一定會在網(wǎng)絡內具有較高的中介中心度。

（4）凝聚子群分析。如表3所示，江蘇省旅游流網(wǎng)絡共有5個凝聚子群，從子群的成員構成上來看，基本都位于蘇南和蘇中地區(qū)，江蘇省北部城市并沒有構成關系緊密的子群。在形成的5個子群中，南京和揚州參與了所有子群，蘇州參與其中的3個。江蘇省的旅游凝聚子群的形成是基于南京、揚州、蘇州和這些旅游熱度高的城市間緊密關系為基礎所構建的，各子群是南京、蘇州、揚州等高熱度旅游城市的組團，子群之間、子群內部關系緊密。

2.山東省旅游流網(wǎng)絡結構

（1）旅游流網(wǎng)絡特征。山東省的旅游流網(wǎng)絡的結構如圖3所示，山東省的旅游流數(shù)量較多，但是質量高的并不多，主要集中在“青煙威”和“濟泰曲”兩個組團。與南京和蘇州不同的是，青島不僅旅游熱度在山東省內處于絕對的優(yōu)勢地位，而且在旅游流網(wǎng)絡中，青島建立旅游流關系的城市數(shù)量要高于南京和蘇州兩市。從全省的范圍來看，山東省的旅游流以東西走向的膠濟鐵路和南北走向的京滬鐵路為界，鐵路線以東、以南的旅游流數(shù)量較多，密度較大;濟寧、臨沂等熱度較高的城市存在六條甚至更多的旅游流。而以西、以北旅游流數(shù)量較少。其中德州僅與濟南、泰安和濟寧存在旅游流，萊蕪、濱州兩市甚至沒有與其他城市構成旅游流。

（2）網(wǎng)絡密度和互惠性。山東省的旅游網(wǎng)絡密度為0.4541，標準差為0.66，密度和標準差均高于江蘇省，說明山東省城市間的旅游互動要略優(yōu)于江蘇，但較大的標準差也說明山東省內城市間受旅游流的影響差異比江蘇大。這與旅游熱度差異測度結果相符。

山東省的旅游流網(wǎng)絡的互惠性結果如表4所示，濟南、青島、東營、煙臺等城市的旅游流關系都是不對稱的，但是沒有江蘇南京那種自我外向非對稱比率指標為1的單一旅游流輸出城市。

在濟南、煙臺、濰坊和菏澤的不對稱關系中，外向比例較高或者內外相等，表示這些城市是旅游流的付出者，或者在旅游流中處于內外大致均衡的狀態(tài)。作為省內旅游熱度最高的城市，青島并沒有帶來顯著的旅游流溢出效應。在青島的不對稱關系中，內向比例關系更高，說明相較于旅游流的溢出效應，青島對其他地區(qū)游客的二次吸引效應更加顯著。相應地，存在對稱關系的泰安、淄博、日照、菏澤等城市，不對稱關系中的外向關系的比例高，說明這4市是網(wǎng)絡中旅游流的輸出者角色;而棗莊、濟寧、威海、臨沂和德州外向關系的比例低于內向關系，說明這5市是旅游流網(wǎng)絡中的受益者。

（3）中介中心度。如圖4所示，泰安在網(wǎng)絡中的中介中心度最高，表明泰安對于城市到旅游流的控制力最強;濟南和濰坊次之;熱度上最高的青島在中心度上居于省內第4位，這與其偏居一隅的地理區(qū)位有關。濰坊的旅游熱度不突出，但由于其位于山東省幾何中心位置而獲得較高的中心度指標，對周邊部分熱度相近或更低的城市有著較強的控制力。

（4）凝聚子群分析。如表5所示，凝聚子群分析結果顯示山東省旅游網(wǎng)絡共有4個凝聚子群。其中濟南、青島參與了前3個子群，子群內部成員以“青煙威”和“濟泰曲”兩個組團間的組合為主。此外，同一子群內成員間地域跨度較大，說明子群內城市并沒有與周邊城市建立緊密的旅游聯(lián)系，周邊城市只是作為旅游流通過的廊道，當?shù)氐穆糜伟l(fā)展沒有從中獲得益處，旅游客流具有顯著的過境效應。

3.遼寧省旅游流網(wǎng)絡結構

（1）旅游流網(wǎng)絡特征。遼寧省的旅游流網(wǎng)絡結構如圖5所示，從旅游流分布來看，遼寧省的旅游流主要集中在沈陽、大連、丹東、本溪等遼東半島地區(qū)以及葫蘆島、錦州和盤錦等遼西沿海地區(qū)，與遼寧地區(qū)的旅游熱度測度結果相近;從旅游流的質量來看，沈陽、大連、丹東、本溪之間的旅游流質量較高，阜新、鐵嶺等城市的質量最弱。不同于江蘇和山東兩者的高低分明的旅游流結構，遼寧省的旅游網(wǎng)絡呈現(xiàn)高質量和低質量旅游流混合分布的格局。這種情況的出現(xiàn)與到訪遼寧省的游客開展的是區(qū)內長線、多節(jié)點跳躍式游覽模式有關。

（2）網(wǎng)絡密度和互惠性。遼寧省旅游網(wǎng)絡的密度為0.2076，標準差為0.149，在三省當中遼寧的網(wǎng)絡密度和標準差最低。網(wǎng)絡密度低說明網(wǎng)絡內部關系量少、旅游流稀疏、節(jié)點間關系數(shù)量和質量差異較小，具有“弱弱均衡”特征。所以，遼寧省的城市間旅游流的數(shù)量較少，各城市在旅游活動中的共現(xiàn)和合作較少，缺乏類似山東省的經(jīng)典的城市間組合型旅游產品。

遼寧省的旅游流網(wǎng)絡的互惠性結果如表6所示，大部分城市的旅游流關系都是完全不對稱的，且以單向流動為主，表明遼寧省內城市間在旅游業(yè)的發(fā)展上缺乏互惠性。在遼寧省14個地級市當中，沈陽、鞍山、撫順、本溪、丹東等共10城市在旅游流網(wǎng)絡中都缺乏互惠性，其中沈陽、鞍山、葫蘆島和錦州不對稱關系中的外向關系比例高于內向關系，是旅游流的輸出城市，為其他城市的旅游發(fā)展起帶動作用。撫順、本溪、丹東、遼陽、阜新、鐵嶺6城市不對稱關系中的外向比例低于內向比例，是旅游流的輸入城市，是其他旅游城市旅游發(fā)展的獲益者。其中，丹東和本溪的旅游熱度在省內居于前列。結合這兩座城市的旅游流方向和質量可以看出，其二者之間的旅游互動頻繁，受大連、沈陽的帶動作用明顯。

（3）中介中心度。如圖6所示，沈陽的中介中心度最高，其次是錦州和本溪，而省內旅游熱度最高的大連在中介中心度上并不占優(yōu)勢。與江蘇揚州、山東泰安類似，中介中心度最高的城市與熱度最高的城市并不一致。但在網(wǎng)絡控制力方面，沈陽的省會地位作用凸顯，網(wǎng)絡控制能力遠高于前兩者。除了沈陽之外，其他城市缺乏或者沒有網(wǎng)絡控制力。

（4）凝聚子群分析。如表7所示，遼寧省共有6個凝聚子群，成員主要分布于遼東半島和省內其他沿海地區(qū)，與旅游熱度結果基本一致。從子群中成員出現(xiàn)的次數(shù)來看，沈陽和盤錦最多，在4個子群當中都有出現(xiàn);其次是本溪、丹東和錦州，分別出現(xiàn)在3個子群中。旅游熱度最高的大連只出現(xiàn)在兩個子群當中，表明大連的旅游熱度的溢出效應有限。從子群的成員構成來看，子群1中的成員皆為旅游熱度最高的城市，屬于旅游強市間的組團型子群。子群2涵蓋了遼寧省的雙核和錦州，錦州的中心度僅次于沈陽，在互惠關系上屬于輸出型城市，進入了遼西地區(qū)的旅游流樞紐。子群2可以看作是遼東半島和遼西地區(qū)間旅游流互動的結果。與之類似的還有子群3。子群4、5、6是遼東半島和內陸地區(qū)的三個品字形排列的旅游組團，子群間成員互有交叉，形成一定的旅游流聯(lián)系，但尚未形成明確的旅游子群品牌或特色。

四、結論與討論

（一）旅游網(wǎng)絡結構非均衡且發(fā)育程度不同

在旅游流網(wǎng)絡結構方面，江蘇省的旅游網(wǎng)絡存在顯著的南北不均衡現(xiàn)象，旅游流高度集中于蘇南地區(qū)，呈現(xiàn)圍繞多個中心逐級遞減的圈層結構，中心城市之間雙向對流頻繁，且具有顯著的旅游流外向輸出、跨地域遠程輸出特征，呈現(xiàn)優(yōu)勢地區(qū)反哺劣勢地區(qū)的互動特征。山東省的旅游網(wǎng)絡結構以膠濟和京滬線構成的交叉線為界，東南側網(wǎng)絡密度大、質量低，中心城市外向溢出效應不足，對周邊城市拉動不足。遼寧省旅游網(wǎng)絡均衡程度較好，但高質量關系依然僅存在于遼東南地區(qū)，處于弱弱均衡狀態(tài)。

在旅游網(wǎng)絡發(fā)育程度方面，江蘇省的蘇南地區(qū)已經(jīng)形成網(wǎng)絡密度高、關系質量好、具有顯著集聚特征的旅游網(wǎng)絡;蘇北地區(qū)高熱旅游城市成長速度快，具有南北共振式發(fā)展的潛力。山東省旅游網(wǎng)絡中的優(yōu)勢關系依舊為東部“青煙威”和西部“濟泰曲”兩大組團，但在網(wǎng)絡熱度方面，以青島為核心的東部組團網(wǎng)絡熱度明顯高于后者，表明“濟泰曲”組團在網(wǎng)絡形象上呈現(xiàn)固化、陳舊的特征，缺乏對散客、網(wǎng)生代群體的旅游吸引力。遼寧省的旅游網(wǎng)絡整體發(fā)育程度較低，沈陽和大連的核心地位并不突出，且城市間的互惠質量較差，缺乏內部協(xié)作，還沒有形成顯著組團。

（二）子群的形成高度依賴高熱度城市且對旅游流影響較大

高熱度城市的吸引效應是旅游子群形成的重要原因。大部分子群都有高熱度旅游城市的參與，且同一高熱度城市往往參加多個子群，多數(shù)子群由熱度高低相差較大的城市組合而成。一方面，高熱度城市依然是游客的重要吸引源，利用不同熱度城市間的勢能差，通過高熱度城市吸引游客到訪再向低熱度地區(qū)轉移，緩解區(qū)域旅游經(jīng)濟差異的做法高效可行;另一方面，高熱度城市對低熱度城市游客具有二次吸引效應，首次到訪低熱旅游城市的游客，會再次流向高熱度城市形成一次旅游閉環(huán)，提高了旅游流的區(qū)內自循環(huán)能力。相應地，高度發(fā)達的子群對旅游流的外向流動的約束力較強。越是發(fā)達的子群，內部成員間的聯(lián)系就越密切，成員間的互惠性越強，就會導致與子群外部成員的關系數(shù)量越少、質量越差?？梢?，在形成高質量組團的同時，也會造成旅游流在地域間的割裂，致使冷點城市的地位進一步被弱化乃至邊緣化。

（三）城市間互惠關系存在多種類型，旅游流動模式并不唯一

與傳統(tǒng)認為的低熱度地區(qū)需在高熱度地區(qū)溢出效應帶動下發(fā)展的情況不同，旅游流互惠關系可分為高熱度輸出型、低熱度吸收型、高熱度吸收型和低熱度輸出型四種類型。本研究認為，受區(qū)域經(jīng)濟整體發(fā)展水平的影響，落后地區(qū)發(fā)展模式以前兩種互惠關系類型構成的“高熱溢出-低熱承接”模式為主，而在旅游經(jīng)濟發(fā)展質量好、網(wǎng)絡結構相對均衡的地區(qū)，由后兩種互惠關系類型構成的“高熱吸收-低熱輸出”模式同樣存在且逐步發(fā)力。部分高熱度城市如蘇州，出現(xiàn)旅游流的凈輸入現(xiàn)象。這主要是由于其較高的資源稟賦和旅游經(jīng)濟發(fā)展水平，對周邊低熱度地區(qū)游客產生了二次吸引效應所致。在蘇南地區(qū)，除了觀光型旅游者外，還有大量的商務、會議型到訪者活躍于低熱度城市，便利的交通條件和豐富的旅游資訊，為其公務之余的近程游覽活動提供了便利，易于形成低熱輸出型旅游流。

（四）網(wǎng)絡中心與熱度中心錯位，互惠關系比例低

蘇魯遼三省的旅游網(wǎng)絡中心和旅游熱度中心并不重合。一方面，作為三個具有雙核結構的省份，各旅游熱度首位城市蘇州、青島和大連并不位于地理幾何中心，偏居一隅的區(qū)位條件使得各首位城市在網(wǎng)絡中的缺乏中轉為優(yōu)勢，形成旅游網(wǎng)絡中心與熱度中心的錯位;另一方面，在研究中發(fā)現(xiàn)，旅游熱度中心城市具有較好的資源豐度和質量，游客在一地開展過夜游覽的情況比較普遍。受游覽休假時長約束，旅游者往往沒有足夠的時間開展多節(jié)點旅游，這種情況在五一、清明節(jié)、端午節(jié)等短假期內尤為突出，成為旅游熱度中心城市溢出效應不足、網(wǎng)絡中心地位不高的另一重要原因。這一結果也從側面反映出新時期旅游者在一地開展深度游、度假游的消費特征日趨顯著。此外，旅游流網(wǎng)絡的互惠關系比例較低，主要集中在高熱度城市之間。三個省份中除了子群內部外，多數(shù)城市之間沒有旅游互惠關系，有且僅以少量、低質關系居多。受邊際效應最大化影響，游客在高熱度旅游城市間開展多節(jié)點、跳躍式游覽的慣性在短期內將依然存在。

沿海地區(qū)作為我國旅游經(jīng)濟發(fā)展的優(yōu)勢區(qū)域，蘇魯遼三個省份的旅游網(wǎng)絡結構既有共性又有特性，除了網(wǎng)絡結構非均衡、熱點城市中心度高等共識外，還從子群、互惠關系等視角得出新的研究發(fā)現(xiàn)，有助于沿海省份之間取長補短、協(xié)同發(fā)展。在信息化、散客出游比例日益增高的情況下，本研究能夠真實反映新時期旅游者的關注熱點和空間流動特征，為目的地旅游經(jīng)濟高質量發(fā)展提供實證參考。

[參考文獻]

PAVLOVICH K.The evolution and transformation of a tourism destination network： the Waitomo Caves， New Zealand [J]. Tourism Management， 2003（24）： 203-215.

SCOTT N， BAGGIO R， COOPER C. Network Analysis and Tourism： From Theory to Practice[M]. London： Channel View Publications， 2008.

LAZZERETTI L， PETRILLO S. Tourism Local Systems and Networking[M]. Amsterdam： Elsevier， 2013.

劉法建，張捷，章錦河，等.旅游地網(wǎng)絡的演化與時空特征研究：以黃山風景區(qū)及湯口社區(qū)為例[J].地理科學，2014（12）：1428-1437.

虞虎，陳田，陸林，等.江淮城市群旅游經(jīng)濟網(wǎng)絡空間結構與空間發(fā)展模式[J].地理科學進展，2014（2）：169-180.

馬慧強，高蘋，趙德宇，等.旅游目的地網(wǎng)絡演化的空間過程及其影響因素研究：以野三坡旅游地為例[J].資源科學，2018（9）：1890-1900.

STEWART I， VOGT A. Multi-destination trip patterns[J]. Annals of Tourism Reasearch，1997（2）： 458-461.

LEW ALAN A， BOB M. Trip destinations， gateways and itineraries： the example of Hong Kong[J]. Tourism Management， 2002（6）： 609-621.

楊興柱，顧朝林，王群.南京市旅游流網(wǎng)絡結構構建[J].地理學報，2007（6）：609-620.

劉法建，張捷，章錦河，等.中國入境旅游流網(wǎng)絡省級旅游地角色研究[J].地理研究，2010（6）：1141-1152.

楊新菊，吳晉峰，唐瀾，等.旅華外國散客旅游流地理分布和網(wǎng)絡結構研究[J].旅游學刊，2014（5）：87-96.

周慧玲，許春曉.基于游記行程的湖南旅游流空間網(wǎng)絡結構特征[J].經(jīng)濟地理，2016（10）：201-206.

李亞娟，曾紅春，李超然，等.山地民族地區(qū)旅游流網(wǎng)絡結構及流動方式研究：以恩施州為例[J].長江流域資源與環(huán)境，2019（7）：1612-1622.

閆閃閃，靳誠.基于多源數(shù)據(jù)的市域旅游流空間網(wǎng)絡結構特征：以洛陽市為例[J].經(jīng)濟地理，2019（8）：231-240.

ONDER I. Classifying multi-destination trips in Austria with big data[J]. Tourism Management Perspectives， 2017（27）： 54-58.

SHILIANG SU， CHEN WAN， YIXUAN HU， et al. Characterizing geographical preferences of international tourists and the local influential factors in China using geo-tagged photos on social media [J]. Applied Geography， 2016（73）： 26-37.

GUTIERREZ J， GARCIA-PALOMARES J C， ROMANILLOS G， et al. The eruption of Airbnb in tourist cities： comparing spatial patterns of hotels and peer-to-peer accommodation in Barcelona[J]. Tourism Management， 2017（2）： 278-291.

PHITHAKKITNUKOON S， HORANONT T， WITAYANGKURN A， et al. Understanding tourist behavior using large-scale mobile sensing approach： a case study of mobile phone users in Japan[J]. Pervasive and Mobile Computing， 2015（18）： 18-39.

RAUN J， AHAS R， TIRU M. Measuring tourism destinations using mobile tracking data [J]. Tourism Management， 2016（57）：202-212.

GOVERS R， FRANK M GO. Projected destination image online： website content analysis of pictures and text[J]. Information Technology & Tourism， 2005（7）： 73-89.

STEPCHENKOVA S，MORRISON A M. The destination image of Russia： from the online Induced Perspective[J] .Tourism Management， 2006（5）： 943-956.

馮慶，田一鈞，孫根年.基于網(wǎng)絡游記的陜西旅游目的地形象感知研究：以陜西省八大5A級旅游景區(qū)為例[J].資源開發(fā)與市場，2018（11）：1623-1628.

瞿華，梁燕坤.基于網(wǎng)絡游記的廣州旅游目的地形象感知研究[J].廣東社會科學，2017（6）：202-209.

程圩，隋麗娜，張昱竹.網(wǎng)絡游記對旅游者出游決策的影響分析[J].資源開發(fā)與市場，2016（3）：365-368.

張鮮鮮，李婧晗，左穎，等.基于數(shù)字足跡的游客時空行為特征分析：以南京市為例[J].經(jīng)濟地理，2018（12）：226-233.

劉宏盈，張娟，朱娜.網(wǎng)絡游記與出境游客行為特征研究：以中國大陸游客赴泰國蘇梅島為例[J].廣西民族大學學報（哲學社會科學版），2015（1）：124-128.

李春明，王亞軍，劉尹，等.基于地理參考照片的景區(qū)游客時空行為研究[J].旅游學刊，2013（10）：30-36.

馬麗君，龍云.基于網(wǎng)絡關注度的湖南省居民旅游需求時空特征[J].經(jīng)濟地理，2017（2）：201-208.

郭旸，胡雅靜，林玥.基于手機信令和網(wǎng)絡游記數(shù)據(jù)的游客時空行為分析：以上海迪士尼樂園外地游客為例[J].旅游論壇，2020（1）：13-22.

李巧巧，胡傳東，劉振振.基于網(wǎng)絡游記的重慶市旅游流網(wǎng)絡結構研究[J].重慶工商大學學報（自然科學版），2020（6）：103-110.

[責任編輯 祁麗華]