基于GIS-SNA的長江三角洲城市群旅游流網絡演化

干青亞，邱　楓，劉文生，陳小龍

（寧波大學 地理與空間信息技術系，浙江 寧波 315211）

基于GIS-SNA的長江三角洲城市群旅游流網絡演化

干青亞，邱楓，劉文生，陳小龍

（寧波大學 地理與空間信息技術系，浙江 寧波 315211）

摘要：文章以長三角16個城市為例，通過社會網絡分析法與空間可視化技術相結合，構建長三角旅游流網絡，分析其2011年、2013年、2015年的結構特征和節點中心性變化及節點城市空間相關性。研究表明：旅游流網絡能級水平不斷提高，核心—邊緣區節點成員穩定發展，上海、蘇州、南京、杭州等核心節點結構洞水平一直較高，在長三角旅游流網絡中處于有利的競爭地位；上海、杭州兩大旅游流核心的集聚、擴散作用明顯，促進周圍節點城市網絡地位的不斷提高，南京對周邊節點輻射作用相對較弱；節點間的旅游經濟聯系強度均衡發展，呈現三大旅游經濟中心增長極。最后，研究認為，要進一步開發精品旅游線路，組合旅游資源，增加節點間的聯系，促進旅游流的均衡流動；同時打造核心區旅游品牌，增加海外游客，分流國內游客，提升旅游流網絡水平。

關鍵詞：SNA理論；GIS分析技術；城市群旅游流網絡；數據創新

［DOI］10.3969/j.issn.1007-5097.2016.08.006

旅游流是旅游者在旅游過程中產生于旅游目的地和客源地節點間的空間流動，體現了大眾旅游的群體性特征，是旅游地理學研究的核心內容之一［1］。流動特征具有地域空間遷移性，旅游流網絡聯系具有社會性，故而把空間分析技術與社會網絡方法結合起來研究旅游流問題成為當今旅游研究熱點領域。國外學者20世紀90年代開始將社會網絡分析理論（SNA）應用于旅游研究，集中于跨學科理論應用范式的探討［3］、各旅游要素之間的利益關系［4］和旅游流網絡的空間模式［5］與形成機制［6］；國內學者聚焦在實證研究且關注旅游地角色［7-8］、旅游地系統空間差異［9-10］、航空旅游網絡系統［11-12］等，宏觀分析了我國入境旅游網絡［13-14］和省域旅游流網絡的內部差異［15-16］。總體而言，尚未從微觀角度深入分析旅游流網絡的構成、特征和節點城市自身演變及其網絡關聯。相較而言，旅游流網絡數據的獲取和分析存在一定困難，大數據背景下的網絡游記（TGC）能真實地反映出旅游空間構成規律。較多學者運用博客、游記攻略分析游客旅游偏好、線路、節點間等旅游流網絡特征［17-18］，已有研究多選取某一年份截面數據運用社會網絡法解釋旅游現象，未采用多年份數據來動態分析旅游業發展對旅游網絡結構產生的影響。因此，本文整理長三角城市群的網絡游記線路并采用SNA構建其旅游流網絡，建立不同旅游節點的網絡關系，運用ArcGIS驗證旅游流在地域空間上的映射規律，分析長三角旅游流網絡的演化特征，以期為長三角區域旅游流調控與協調發展提供參考。

一、數據來源與模型構建

（一）數據來源

長江三角洲城市群（以下簡稱“長三角”）包括上海、南京、蘇州、杭州、無錫、常州、揚州、鎮江、泰州、南通、臺州、寧波、湖州、嘉興、紹興和舟山16個城市，其旅游業發展水平居全國前列，是長三角城市群的戰略性支柱產業。以往旅游研究中數據主要來源于實地調查、企業內部材料、旅游報刊、專業旅游市場調研機構年報等［19］，在反映游客空間行為特征方面有一定的局限性。互聯網的快速發展，為旅游數據的深度挖掘提供可能，其中虛擬社區的網絡文本由游客自愿書寫，在表達旅客主觀行為方面真實性相對較高。基于旅游流動特征和網絡數據的時效性，本文主要收集來自螞蜂窩網和攜程網兩大專業網站上2011-2015年游客發表的有完整游線的游記攻略，通過查閱游記中的地點、照片、車票、酒店住宿的等信息，確定游記的真實性，排除以某種利益為目的的商業游記，篩選得出1 070篇有效游記。為了分析驗證網絡游記樣本的代對表性，選取2015年長三角各市統計年鑒和統計公報中的旅游總收入和旅游接待人次。借助SPSS19.0把網絡數據與官方統計數字進行相關性分析，結果顯示在95%的置信區間內二者相關系數為0.86，說明樣本數據具有一定的代表性，能夠反映出長三角旅游流網絡在短時期內的演化規律（表1）。

表1　數據來源

（二）模型構建

社會網絡是社會行動者及其之間關系的集合，其從新的角度研究旅游流網絡的空間結構特征，分析各旅游節點城市的在網絡中的集聚和擴散關系，定位旅游節點在網絡中的地位和角色［19］。本文選取網絡密度、核心—邊緣模型、凝聚子群、節點中心性、結構洞等5個指標探討長三角地區旅游流網絡結構時空演變。

（1）旅游流網絡密度：反映了整體網絡聯系的緊密程度，數值越大，網絡密度越高。

（2）核心—邊緣模型：通過模型構建，分析旅游流網絡結構中節點的核心地位與邊緣地位分布狀況。

（3）旅游流節點中心性，其中程度中心性指數是指旅游流網絡中某旅游節點與其他旅游節點的聯系程度，可以反映出整體旅游流網絡結構中節點的重要性。中介中心性體現某旅游節點位于其他節點的“中間”程度，反映對其他節點的控制能力和充當中介作用的大小。接近中心性指數反映網絡中的行動者不受其他行動者控制的程度，通常和節點的交通達性有關。

表2　計算公式

二、長三角城市群旅游流網絡結構演化分析

（一）整體網絡結構分析

（1）網絡密度分析。Ucinet 6.0軟件分析得出了長江三角洲地區16個城市群之間的旅游流網絡結構（圖1），在最多可能出現的240個旅游節點聯系數中，2011年、2013年、2015年分別為116、131、157條，根據公式（1）計算得出，長三角城市群的旅游流網絡密度分別為0.48、0.54、0.65，旅游流網絡密度增加，網絡能級水平不斷提高，呈現出上升的趨勢；網絡中的孤立節點城市減少，節點城市間逐漸趨向于協同發展，均衡增長趨勢明顯。旅游流網絡演化分析得到，長三角地區旅游流主要集中于上海、杭州、蘇州、南京四大城市，嘉興、無錫、揚州、寧波等受旅游流的影響較為明顯，其他節點城市在整體網絡內的互動性較弱。

（2）凝聚子群分析。凝聚子群可以反映出網絡中某些行動者之間關系的緊密程度和小團體關系。圖1可知2011年、2013年、2015年長三角地區的旅游流網絡結構，2級和3級凝聚子群的個數基本保持不變，子群組成不斷變化，整體上處于穩定發展的狀態，以上海為主的凝聚子群對周邊其他凝聚子群的影響較為明顯。2011年旅游流網絡的2級層面存在4個凝聚子群，3級層面存在8個凝聚子群，通過凝聚子群密度分析，以上海-南京-蘇州-無錫構成的凝聚子群與常州-揚州、杭州-嘉興兩個凝聚子群聯系最為緊密，寧波-臺州凝聚子群與其他子群聯系較少。2013年以上海-無錫-杭州-南京構成的凝聚子群與蘇州-舟山凝聚子群聯系最為緊密，臺州-泰州凝聚子群與其他子群之間的聯系最少。2015年以上海-南通凝聚子群與嘉興-蘇州凝聚子群的聯系最為緊密，寧波-舟山-臺州凝聚子群與其他子群聯系較少。旅游節點城市自身交通和旅游業的不斷發展，旅游節點之間關系的緊密程度不斷發生變化，導致各級凝聚子群成員集聚狀況不斷變化。凝聚子群之間相互聯系不緊密，輻射集聚作用不均衡，沒有達到協調發展的局面。

（3）核心—邊緣分析。核心—邊緣分析顯示2011年、2013年、2015年核心區節點之間的聯系分別為15.75、10.24、14.55，聯系十分緊密（表3）。

表3　長三角旅游流網絡核心—邊緣區緊密度分析

邊緣區節點之間聯系分別為0.60、0.85、0.91，聯系薄弱但呈現出明顯的上升趨勢，說明邊緣區城市如無錫、常州、寧波等各節點城市間雖然互動性聯系較少，各城市之間聯系卻逐漸增多，這與邊緣區城市近年來的經濟發展、交通聯系狀況都有密切的聯系。

Ucinet 6.0軟件分析得核心區節點城市從2011年的4個增加到5個，包括上海、蘇州、杭州、南京和嘉興。圖1可知旅游流向視角下，2011年、2013年、2015年核心區與邊緣區之間緊密度分別為2.13、1.92、2.56，節點間的互動性聯系薄弱，核心區到邊緣區成員之間的聯系密度相對較大，邊緣區到核心區成員之間的聯系密度最小，說明以上海、南京、杭州等核心區城市對無錫、臺州等邊緣區城市節點的輻射擴散作用較為顯著，集聚作用不明顯。2015年新興的核心節點城市嘉興受到上海、杭州、蘇州等核心節點城市的帶動，旅游流增加，在旅游流網絡中的地位不斷提高。2011-2015年長三角地區的旅游流主要集中于上海、蘇州、杭州、南京、嘉興等交通比較便利、經濟發展程度較高、旅游資源知名度高的城市，因此要增強核心區對邊緣區節點城市的輻射作用，同時不斷提高邊緣區城市節點間的緊密程度，優化在長三角旅游流網絡中的結構特征，加快邊緣區旅游業的發展，促進長三角旅游流網絡的優化。

圖1　長江三角洲城市群旅游流網絡演化

（二）節點網絡結構分析

（1）節點中心性分析。由公式（2）可得，2011年、2013年、2015年網絡的整體中心性分別為23.43%、24.71%、27.11%，不斷上升，長三角旅游流網絡呈現出集中發展的趨勢。Ucinet6.0軟件分析顯示長三角旅游流網絡中心度方差較大，2011-2013年出現下降，網絡結構發展相對均衡，2013-2015年呈現增長的趨勢，網絡結構呈現出較強的不均衡性，旅游流向部分城市集中的趨勢不斷加大，但這種集中的變化趨勢不是十分明顯。2011-2015年上海程度中心度不斷增加，居長三角旅游流網絡的首位，與其他城市間的聯系越來越緊密，表現出了較強的核心極化效應。湖州、紹興、南通等城市程度中心度波動性較大，嘉興、揚州、臺州、常州等城市相對較為穩定，旅游流的流動相對薄弱。

公式（3）計算得出：16個節點城市中平均每個旅游節點2011年、2013年、2015年在網絡中充當旅游中介的次數分別為8.0、7.2、5.4，旅游中介性指標方差分別為56.4、82.4、26.8。中介中心性指標顯示（表4），2011年有上海、嘉興、寧波、蘇州、南京、杭州等六個城市中介性大于均值，旅游流中介的作用較大；2013年嘉興在整個網絡中充當旅游中介的次數減少，地位下降，主要是因為與蘇州、上海、杭州等地旅游資源存在相似性，旅游知名度相對較低；2015年無錫、紹興、揚州等節點城市的中介作用明顯增強，雖然中介性指標指數仍較低，但在旅游網絡中具有較高的進入性，是重要的旅游通道，對其他節點城市的控制力較強。

公式（4）計算得出：2011-2015年上海、杭州、蘇州、南京等節點的接近中心度一直較高的，其他節點城市不斷發生變化（表4）。2011年紹興、南通等節點城市接近中心度較高，具有較高可進入性，泰州、臺州、湖州接近中心度較低，對其他節點城市的依賴性高，容易受其他節點控制。2013年揚州、嘉興等節點接近中心度較高，網絡核心地位越來越明顯。2015年由于高鐵、公路等交通業的發展，無錫核心化地位加強，對周圍其他節點城市的控制能力提高；南通、常州、鎮江旅游業發展慢，資源知名度較低，游客的感知度弱，對其他旅游節點城市的依賴性增強。

表4　長三角旅游流網絡

（2）結構洞分析。在網絡分析過程中，結構洞水平常用來衡量節點城市的優勢或劣勢狀況。2011-2015年，上海、南京、蘇州、杭州等節點結構洞水平一直較高，處于有利的競爭地位，其他節點結構洞水平相對較低。從表5中的有效規模和效率指標值來看，上海、南京、蘇州、杭州的得分一直較大，網絡冗余度在長三角旅游流網絡中較小；而揚州、常州、鎮江、無錫等節點城市得分次之；臺州、湖州與泰州得分最小，網絡冗余度最大。從限制度的指標來看，2011年、2013年、2015年上海得分別為0.411、0.307、0.329，一直最小，說明上海在旅游流網絡中受到的各種關系的限制較小，但其旅游業的發展一定程度上依賴于同其他節點間的復雜“關系”，因此要注意“關系”維護，防止發生斷裂，合理引導旅游流；臺州、湖州、南通、泰州等節點得分一直很大，說明在網絡中受到的各種關系的影響較大，獨立性弱，在以后發展旅游業的過程中，要注重自身旅游資源的開發和服務質量的提高，強化與結構洞水平較高的旅游節點城市間的聯系。

表5　長三角旅游流網絡結構洞水平指數

續表5

三、旅游流網絡結構驗證分析

社會學理論指導下的旅游流分析，并不能解釋旅游流動現象在地域空間上的映射規律，故而利用旅游接待人數和旅游總收入等數據，借助ArcGIS空間可視化分析技術，在驗證網絡數據的效度基礎上，進一步揭示旅游流動現象在地域空間上的映射規律，對旅游流在地域空間上的分布進行彌補性研究。

（一）長三角城市群聚散能力驗證

通過ArcGIS進行2015年旅游接待人數的空間可視化驗證分析表明（圖2），長三角旅游流網絡整體上呈現出均衡發展的趨勢，主要以上海-蘇州、杭州、南京為核心，形成了三大旅游流核心，上海等核心旅游目的地城市自身經濟發展水平高、資源稟賦較高，對其他旅游節點城市的控制度高。上海、杭州兩大旅游流核心對周邊節點城市的輻射擴散作用最為明顯，紹興、嘉興、寧波等節點城市逐漸發展成為次核心旅游目的地，使得長三角旅游流網絡的核心、次核心節點城市的空間分布更加完善，旅游業發展更加均衡。以南京為核心的長三角旅游流網絡中的各節點城市發展緩慢，常州、揚州、鎮江等次邊緣節點城市與南京的聯系相對緊密，旅游流流量較大，而泰州、南通等邊緣旅游目的地發展最為緩慢。長三角旅游流網絡結構的完善，要注重三大旅游核心對周圍節點城市的輻射、集聚作用，帶動次核心旅游目的地向核心旅游目的地的發展；同時應當加強邊緣、次邊緣旅游節點與核心、次核心節點城市的緊密程度。

（二）長三角城市群旅游經濟聯系強度驗證

旅游經濟聯系強度表示旅游節點之間的經濟聯系，能反映出旅游經濟中心城市對其他旅游節點城市的輻射作用以及其他節點城市的接受能力。以2015年各節點城市的旅游總收入為基礎，構建長三角城市群旅游經濟聯系強度模型，并以二值化數據呈現旅游經濟網絡。圖3可知長三角旅游經濟網絡以上海、南京、杭州為經濟中心城市，其他節點城市均衡發展。其中上海、南京、杭州等節點城市與周圍其他節點城市經濟聯系強度最大，自身旅游經濟發展水平高，對其他節點的輻射作用明顯。嘉興、蘇州、無錫、湖州、寧波等節點城市與其他節點間的旅游經濟聯系相對較多，自身接受經濟輻射的能力強，南通、泰州、鎮江、揚州、紹興、臺州、舟山等節點城市則次之。長三角城市群旅游經濟網絡中上海、南京、杭州為三大旅游經濟中心，自身旅游經濟組織和接待能力強，是旅游經濟網絡的中心增長極。蘇州、嘉興、無錫、湖州、寧波等節點城市旅游吸引力、輻射作用弱于三大旅游經濟中心，在旅游經濟網絡中充當了重要的旅游通道作用。南通、泰州、鎮江等節點自身旅游經濟發展水平低、旅游經濟聯系強度弱，對其他節點城市的依賴性高，位于長三角旅游經濟網絡的邊緣區。

圖2　長三角城市群聚散能力

圖3　長三角城市群旅游經濟聯系強度

四、結論與啟示

（一）結論

本文以長江三角洲城市群為例，通過對網絡游記數據的挖掘，構建十六個旅游節點城市的旅游流網絡，分析網絡結構和節點特征，探究了長三角旅游流網絡空間結構的發展趨勢。研究以游客的旅游線路為基礎，利用社會網絡分析法和空間可視化驗證，得出以下基本結論：

（1）長三角旅游流網絡的網絡密度不斷增加，網絡能級水平提高，孤立節點城市減少，各節點城市協同發展。

（2）核心—邊緣區節點城市發展較為穩定，核心區節點間的聯系緊密，邊緣區節點間聯系較少。核心區節點城市不斷增加，聯系密度有所下降；邊緣區與核心區節點之間互動聯系十分薄弱，核心區對邊緣區節點城市集聚作用不明顯，有待進一步加強。

（3）三大旅游流核心對網絡中其他節點城市的控制性強，尤其是上海的核心極化效應最為明顯，產生的集聚和擴散效應最大；次核心節點城市地位和節點結構不斷改善，與其他旅游節點的協同發展水平不斷提高，成為長三角旅游流網絡的重要旅游通道；邊緣、次邊緣旅游節點城市的各項指標均比較低，需要加強同其他節點城市之間的聯系。

（二）啟示

針對長三角城市群旅游流網絡的空間結構演化特征與驗證分析，得出以下啟示：

（1）開發精品旅游線路，加強上海等核心區城市和常州、揚州、紹興、臺州等邊緣區城市間的資源組合聯系，實現核心區游客的旅游分流，增加邊緣區城市的旅游流量，促進旅游流的均衡流動。

（2）優化交通網絡，縮短長江三角洲城市間的時間距離，減少游客的時間成本，尤其要提高泰州、南通、鎮江、臺州等城市的交通通達性與可進入性。

（3）提高上海、南京、杭州等核心城市的旅游形象，打造國際化的旅游品牌，促進相互間的聯動發展，增加海外游客，分流國內游客。

（4）南通、鎮江、湖州等邊緣、次邊緣城市應根據自身旅游資源狀況，制定合理的開發、營銷模式，完善旅游產品體系，增強游客感知度，積極向次核心旅游城市發展。

參考文獻：

［1］董培海，李偉.國內旅游流基礎理論研究述評［J］.旅游研究，2015，7（1）：34-40.

［2］Saxena G.Relationships，networks and the learning regions：case evidence from the Peak District National Park［J］. Tourism Management，2005，26（2）：277-289.

［3］Pavlovich K.The evolution and transformation of a tourism destination network：the Waitomo Caves，New Zealand［J］. Tourism Management，2003，24（2）：203-216.

［4］Scott N，Baggio R，Cooper C.Network analysis and tourism：From theory to practice［J］.Network Analysis&Tourism from Theory to Practice，2008，34（3）：334-335.

［5］Scott N，Cooper C，Baggio R.Destination Networks：Four Australian Cases［J］.Annals of Tourism Research，2008，35（1）：169-188.

［6］朱冬芳，陸林，虞虎.基于旅游經濟網絡視角的長江三角洲都市圈旅游地角色［J］.經濟地理，2012，32（4）：149-154.

［7］付瓊鴿，劉大均，胡靜，等.湖北省旅游流網絡結構的特征與優化［J］.經濟地理，2015，35（3）：191-196.

［8］鐘業喜，馮興華，文玉釗.長江經濟帶經濟網絡結構演變及其驅動機制研究［J］.地理科學，2016，36（1）：10-19.

［9］肖光明.珠江三角洲地區旅游空間結構分析與優化［J］.經濟地理，2009，29（6）：1036-1041.

［10］吳晉峰，任瑞萍，韓立寧，等.中國航空國際網絡結構特征及其對入境旅游的影響［J］.經濟地理，2012，32（5）：147-152.

［11］王兆峰.入境旅游流與航空運輸網絡協同演化及差異分析［J］.地理研究，2012，31（7）：1328-1338.

［12］陳小娟，陳磊，胡靜，等.浙江省入境旅游流流量與流質演化研究［J］.地域研究與開發，2015（4）：84-88.

［13］任前，胡靜，陳小娟，等.浙江省入境旅游流、旅游景區、星級酒店空間錯位演化分析［J］.華中師范大學學報，2016，50（1）：151-157.

［14］琚勝利，陶卓民，賴正清，等.浙江省國內旅游流系統網絡結構演變研究［J］.地理與地理信息科學，2015，31（2）：91-97.

［15］劉少湃，田紀鵬，陸林.上海迪士尼在建景區客源市場空間結構預測［J］.地理學報，2016，71（2）：304-321.

［16］劉文生，葉持躍，馬仁鋒，等.基于ESDA—SNA的城市旅游網絡結構研究［J］.科技與管理，2016，18（1）：92-99.

［17］靳誠，徐菁，黃震方，等.南京城市內部景點間游客流動特征分析［J］.地理學報，2014，69（12）：1858-1870.

［18］劉法建，張捷，章錦河，等.旅游流空間數據獲取的基本方法分［J］.旅游學刊，2012，27（6）：101-109.

［19］劉軍.整體網分析講義［M］.上海：格致出版社，2009.

［責任編輯：張兵］

邱楓（1972-），女，湖南長沙人，副教授，通訊作者，研究方向：城市與區域規劃；

劉文生（1990-），男，河南駐馬店人，碩士研究生，研究方向：旅游規劃；

陳小龍（1993-），男，湖南衡陽人，碩士研究生，研究方向：歷史地理。

中圖分類號：F061.5；F59

文獻標志碼：A

文章編號：1007-5097（2016）08-0035-06

收稿日期：2016-04-13

基金項目：國家科技支撐計劃項目（2013BAJ10B06-01）

作者簡介：干青亞（1990-），女，河南商丘人，碩士研究生，研究方向：城市旅游；

Evolution of Tourist Flow Network of Urban Agglomeration in the Yangtze River Delta Based on GIS-SNA

GAN Qing-ya，QIU Feng，LIU Wen-sheng，CHEN Xiao-long
（Department of Geography&Spatial Information Techniques，Ningbo University，Ningbo 315211，China）

Abstract：This article，based on the method of social network analysis and spatial information technology，constructs the tourism flow network in 16 cities of the Yangtze River Delta，and analyzes the change of the structure characteristics，node centrality，and the correlation of the urban spatial in 2011，2013 and 2015.The results show that：the level of tourism flow network is continuously improved，and the members of the core-edge area continue in a stable development，the level of core-node structural holes has been high，such as Shanghai，Suzhou，Nanjing Hangzhou in a favorable competitive position；The agglomeration and diffusion of the two major tourist flows in Shanghai and Hangzhou are obvious，which improve the urban network status of the surrounding nodes，but the radiation effects of Nanjing on other cities are relatively weak；The tourism economic ties between the nodes are balanced development，which show the growth of the three major tourist economic center.Finally，the study suggests to further develop tourism routes，combine tourism resources，increase the links between nodes，and promote the balanced flow of tourism flows，at the same time，build the core area of tourism brand，increase the overseas tourists，shunt domestic tourists and enhance the level of tourism flow network.

Keywords：SNA theory；GIS analysis technology；tourism flow network of urban agglomeration；data innovation