長江中游城市群旅游流空間關聯網絡及傳導機制研究

鄧祖濤,周玉翠2,周玄德

(1.湖北經濟學院 旅游與酒店管理學院,湖北 武漢 430205;2.衢州學院 經貿管理學院,浙江 衢州 324000)

1 引言

旅游流是旅游業發展的基礎,也是旅游地理學研究的核心問題之一[1]。國外旅游流研究始于20世紀60年代,研究內容主要包括旅游流模式[2,3]、空間特征[4-6]、旅游流模型構建及其影響因素[7-10]、旅游流預測[11,12]、旅游流影響[13,14]等方面。國內旅游流研究相對較晚,始于20世紀80年代中后期,但發展迅速、成果頗豐。早期主要集中在入境旅游流的時空分布特征[15,16],之后轉移到國內旅游流相關研究,主要包括空間特征[17-20]、網絡特征[21,22]、影響因素[23-25]等。

旅游流是游客在空間內的遷移現象[26],本質在于流動性[27],流量和流向是旅游流兩個最基本的屬性[28]。從類型上，它可分為現實旅游流和潛在旅游流：前者是指已發生空間遷移的旅游流,一般用于特征描述;后者是在旅游系統作用下產生的相對旅游流,強調驅動機制[19]?，F實旅游流數據一般是通過抽樣調查、網絡游記、博客和在線預訂等方式獲取,潛在旅游流則是通過模型來計算。Crampon于1966年第一次將物理學中的引力模型運用到旅游研究中[29],但傳統引力模型測度的是無方向的相對旅游流與旅游經濟聯系。1977年,Dann將Tolman的推拉理論應用于旅游研究領域[30]。眾多文獻表明,推拉理論能較好地解釋旅游者的旅游動機和出游行為[31,32]。Van Doren[33]、Archer[34]基于推拉理論修正了引力模型,通過選取客源地人口規模和經濟規模、目的地吸引力與兩地之間的時間距離來測度有向的潛在旅游流。部分學者認為旅游流驅動力是由客源地的旅游需求推力、目的地旅游吸引力和兩地之間的摩擦阻力組成。楊興柱等對旅游驅動力進行了理論探討,構建了旅游流驅動機制概念模型[35];高軍等將旅華英國客流旅游動力歸結為8大推力因子、9大拉力因子和7大阻力因子,并確定了它們的權重[36]。但截至目前，基于推拉理論的旅游流驅動實證研究鮮見。

近年來,旅游流的網絡結構特征已成為研究熱點,眾多學者采用社會網絡分析法對區域旅游流的空間格局和演變進行了測度和評價[5,22,37]。但這些文獻大多關注行動者的個體特征和整體網絡特征,對網絡中凝聚子群和行動者子集研究較少,尤其對塊模型中板塊之間旅游流溢出鮮有關注。本文首先基于推拉理論的引力模型來構建長江中游城市群旅游流空間關聯網絡,然后通過網絡密度、網絡關聯度、網絡等級度、網絡效率和節點中心性來分別評價整體網絡特征和個體網絡結構,最后基于李敬等[38]提出的塊模型分類來研究長江中游城市群板塊內部和板塊之間的旅游關聯和旅游流溢出,為地方政府制定客源市場開發和區域旅游協同發展戰略提供科學的參考。

2 研究區域與研究方法

2.1 研究區域概況

長江中游城市群作為我國經濟新增長極、“兩型”社會建設引領區,承東啟西、連南接北,是長江經濟帶三大跨區域城市群支撐之一,在我國區域發展格局中占據著重要的地位，由武漢城市圈、環長株潭城市群、環鄱陽湖城市群和荊荊襄宜帶4個子城市群組成。2017年,長江中游城市群土地總面積約32.61萬km2,總人口1.25億人,地區生產總值7.90萬億元。本文僅研究長江中游城市群28個地級及以上城市,即湖北省的武漢、黃石、黃岡、鄂州、孝感、咸寧、宜昌、荊州、荊門、襄陽10個城市，湖南省的長沙、岳陽、常德、益陽、株洲、湘潭、衡陽、婁底8個城市和江西省的南昌、九江、景德鎮、鷹潭、上饒、新余、撫州、宜春、吉安、萍鄉10個城市。

2.2 研究方法

社會網絡分析是新經濟社會學中研究網絡中行動者之間相互關系的重要方法，行動者可以是個人、群體、組織乃至城市、國家。該方法已在政治學、經濟學、社會學、管理學、心理學等諸多社會科學領域中得到了廣泛應用。近年來,社會網絡理論和方法被引入到區域城市旅游網絡結構研究當中。社會網絡方法分析的指標很多,本文僅從整體網絡關聯特征、節點中心性特征和塊模型分析方法來研究長江中游城市群旅游流網絡結構。

旅游流空間關聯網絡構建:網絡分析的關鍵是確定關系。有學者通過網絡游記、博客、百度指數、在線預訂和實際調查等方式獲得旅游流關系數據,并得到了一些有價值的結論[20-22]?？紤]到該方式獲取的數據比實際游客數偏少,只能表征少部分游客行為特征,且對游客的統計屬性不易判斷,因此本文嘗試從旅游流驅動角度來測度潛在旅游流。研究表明,引力模型在描述空間相互作用的宏觀模式最成功,在描述群體旅游需求行為時比個體更加可靠[39]。由于傳統的引力模型選用的是兩地的人口規模和經濟規模變量,導致測度的旅游流是無向的旅游聯系,而不是雙邊旅游流。因此，本文將推拉理論應用到引力模型中,以獲取有向旅游流。推拉理論強調客源地的推力和目的地的吸引力作用,即從客源地到目的地的旅游流是在客源地游客的旅游需求和目的地的旅游供給共同作用下完成的[35]。旅游需求取決于客源地的社會經濟發展水平、人口規模和人口屬性特征,旅游供給則依賴于目的地的旅游資源質量、旅游服務水平和交通等基礎設施水平?？紤]數據的可獲得性,本文僅考慮客源地的經濟發展水平、人口規模,目的地的旅游資源質量和城市內的旅游交通條件,不考慮旅游者的特征屬性和其它變量。借用Archer[34]的引力模型來構建長江中游城市群旅游流關聯網絡,公式為:

(1)

式中,TFij為客源地i到目的地j的潛在旅游流;Pi為客源地i旅游流推力指數;Aj為目的地j的吸引力指數;Dij為阻力指數,用客源地i到目的地j的距離指數來表征；參數α、β的取值均為1,參數γ的取值為2。

客源地推力指數的計算:首先,采用極差標準化對經濟規模和人口規模進行無量綱化處理,其中經濟規模選用人均GDP,人口規模選用常住人口數。為了避免出現0值,在無量綱化基礎上加上1,分別得到人口規模指數PSIi和經濟規模指數ESIi。然后,對人口規模指數和經濟規模指數進行加權求和,計算公式見式(2)—(4)。其中,式(2)中PSi為i城市的人口規模,PSmin和PSmax分別表示城市中最少人口規模和最多的人口規模;式(3)中ESi表示i城市的人均GDP,ESmin和ESmax分別表示最低人均GDP和最高人均GDP。

(2)

(3)

Pi=1/2(PSIi+ESIi)

(4)

目的地吸引力指數的計算:首先,對目的地的旅游資源質量和城市內交通條件進行無量綱化處理,為避免0值出現,在無量綱化基礎上加上1。然后,對旅游資源指數TRIj和旅游交通指數TTIj進行加權求和,計算公式見式(5)—(7)。其中,式(5)中TRj表示j城市的旅游資源質量,TRmin和TRmax分別表示城市中最低和最高的旅游資源質量;式(6)中TTj表示j城市內的交通密度,TTmin和TTmax分別表示城市中最低和最高的交通密度。對跨城市的游客而言,高等級旅游資源對他們的吸引力是最大的,是他們的首選[40]。本文用國家旅游局頒布的4A級和5A級景區來表征高等級旅游資源。鑒于世界遺產、國家風景名勝區等類型和城市內的4A級和5A級旅游景區重合,本文沒有將其納入,以避免重復計算。對4A級和5A級景區分別賦值5分和10分,然后通過城市內4A級和5A級景區數求得該城市的旅游資源質量,交通條件用城市內高等級公路密度來表征。

(5)

(6)

Aj=1/2(TRIj+TTIj)

(7)

(8)

距離指數的計算:既有文獻在計算旅游流時大多選用空間距離,實際上時間距離比空間距離對現代大眾的出游產生的影響更大，因此本文選用時間距離表征客源地和目的地之間的距離。對時間距離,多數文獻采用的都是汽車花費時間，隨著區域鐵路交通的發展,尤其是動車和高鐵的迅猛發展,人們的出行在中長距離越來越依賴動車和高鐵。顯然,單一地考慮汽車交通有悖于人們出行方式的選擇。因此，本文比較了兩城市之間公路花費時間和鐵路花費時間,取最短時間距離來計算旅游流模型中的距離指數。當然,如果兩城市之間沒有直達的動車和高鐵,則用公路花費時間來表征。距離指數的計算公式見式(8)。式中,TDij為兩城市之間的時間距離,TDmin和TDmax分別為城市距離對中最短和最長的時間距離。

網絡的關聯特征:一般采用網絡密度、網絡關聯度、網絡等級度和網絡效率來反映區域網絡關聯性特征。其中,網絡密度是用來反映區域之間網絡關系疏密的變量。網絡密度越大,區域間網絡關系越緊密,反之亦然。網絡密度是通過網絡節點間實際存在的關系數與理論上的最大關系數之比得到,其值介于0和1之間。網絡關聯度是用以表征網絡自身的穩健性和脆弱性,如果網絡中任意一對節點之間均可達,表明網絡具有非常好的關聯性,即網絡非常穩定,網絡關聯度取值為[0,1]。網絡等級度是用以表征網絡中節點之間在多大程度上是非對稱可達,等級度越大,節點在網絡中的支配能力越強。網絡效率是用以表征網絡在多大程度上存在多余的線[41],網絡效率越低,表明網絡中冗余線越多,溢出關系越多,網絡越穩定。

中心性特征:中心性是用來揭示各節點在整個網絡中的權力和地位，常見刻畫中心性的指標是度數中心度、中間中心度和接近中心度。度數中心度分為絕對度數中心度和相對度數中心度;絕對度數中心度是指與該節點直接相連的其他節點的個數,其值越大,表明它與網絡中其他節點直接交往的能力越強;絕對度數中心度分為點入度和點出度,前者是網絡中其他節點和該節點所發生的關系數,后者是該節點和網絡中其他節點發生的關系數;相對度數中心度是指網絡中節點的絕對中心度與最大可能的度數之比;中間中心度是指一個節點在多大程度上位于網絡中其他“點對”的“中間”,測量的是節點對資源控制的程度。中間中心度越高,對資源和信息的控制能力越強。接近中心度是指該節點與網絡中所有節點的捷徑距離之和,其值越小,表明該點越接近網絡中心,意味著該點在信息資源、權力、聲望和影響方面越強。

塊模型分析:塊模型分析最早由White、Boorman、Breiger[42]提出,是一種研究網絡位置模型的方法,是對社會角色的描述性代數分析。建立塊模型的第一步是把行動者分到子集中,使每個子集中的行動者近似地結構等價；第二步是描述地位間和地位內的聯系[43]。Burt將塊模型中地位內和地位間的聯系分為孤立地位、諂媚者、經紀人和初級地位[44];李敬等將我國區域經濟增長分為主受益板塊、主溢出板塊、雙向溢出板塊和經紀人板塊4種角色[38]。其中,主受益板塊的內部關系比例較大,但對板塊外的溢出關系較少,同時接受較多的板塊外的溢出;主溢出板塊的內部關系比例較小,但對板塊外的溢出關系多,且較少接受來自板塊外的溢出;雙向溢出板塊的內部關系比例較大,對板塊外的溢出也較大,但較少接受板塊外的溢出;經紀人板塊的內部關系比例較小,它既對板塊外溢出,又能接受板塊外的溢出。

2.3 數據來源

本文以長江中游城市群28個地級及以上城市為研究對象(仙桃、天門和潛江不屬于地級城市,故不予考慮),分析了各地市旅游流空間網絡關聯。旅游流測算所需數據的來源于各地市的常住人口,人均國內生產總值來源于2018年的《湖北省統計年鑒》、《湖南省統計年鑒》和《江西省統計年鑒》,4A級和5A級旅游景區均來源于國家文化和旅游部網站公布的數據,部分數據來源于湖北省、湖南省和江西省政府網站和各地市國民經濟和社會發展公報。乘汽車花費時間來源于2017年的百度地圖,乘動車或高鐵時間則通過12306鐵道部官網查詢獲得。

3 實證分析

3.1 網絡結構整體評價

本文基于修正的引力模型,構建2017年長江中游城市群旅游流空間關聯網絡(圖1)。

圖1 長江中游城市群旅游流網絡

由圖1可知,28個地市之間最大可能的關系數為756個,而實際存在的關系數為431個,網絡密度為0.570。依據已有文獻對網絡密度值和網絡關聯程度的判斷[45],得出長江中游城市群旅游流空間關聯較好。地市之間旅游流關聯網絡的關聯度為1,表明長江中游城市群旅游流網絡的通達性較強,地市之間存在著普遍的空間溢出效應。網絡效率為0.3732,反映了網絡存在較多的冗余線,旅游流網絡的空間溢出存在較明顯的相互層疊現象,網絡較為穩定。網絡等級度為0,表明長江中游城市群地市之間的旅游溢出效應并不存在嚴格的等級結構。即網絡中任意兩地市之間即使沒有直接的旅游聯系,也可通過其他地市發生間接旅游聯系,即具有非對稱可達性。

3.2 節點中心性評價

通過計算長江中游城市群旅游流網絡節點的點出度、點入度、度數中心度、接近中心度和中間中心度,分析長江中游城市群28個地市的網絡位置和權力(表1)。

表1 長江中游城市群旅游流網絡中心性分析

計算結果顯示,長江中游城市群28個地市的度數中心度均值為65.344,長沙、武漢、南昌等16個地市高于均值,表明這些地市與其他地市之間存在較強的空間關聯關系。長沙、武漢、南昌3個省會城市居前三位,在網絡中占據核心位置,具有較強的影響力。受交通條件、旅游資源稟賦、經濟發展水平、人口規模等因素的影響,荊門、吉安、景德鎮等12個地市與其他地市之間的旅游流聯系較弱,在網絡中處于邊緣位置。在有向圖中,度數中心度分為點出度和點入度。如果點出度大于點入度,表明該地市旅游流溢出的關系數大于其受益的關系數,表現為旅游流凈溢出效應；反之,則為旅游流凈受益效應。長沙、南昌等11個地市旅游流的點出度大于點入度,表明它們對其他地市的影響大于其他地市對它們的影響,旅游流呈現輻射和擴散效應?？赡艿脑蚴?，這些地市經濟發展水平較高、人口規模較大、出游能力較強。而上饒、九江等13個地市則是點入度大于點出度,表明它們更容易受到其他地市對他們的影響,旅游流呈現集聚效應。可能的原因是，這些地市的旅游資源稟賦條件好,具有較強的吸引力,但經濟發展水平較低,出游能力較弱。如上饒市旅游資源十分豐富,擁有23個4A級景區和2個5A級景區,在長江中游城市群中居于前列,但人均GDP很低,2017年僅2.69萬元,排名最后。此外,武漢、湘潭、萍鄉和新余的點出度等于點入度,表明這些城市對其他城市的影響和其他城市對它們的影響是對等的。接近中心度的均值為75.936,高于均值的有長沙、武漢、南昌等14個城市,表明這些城市在傳遞旅游流等方面更容易,其權力、聲望和影響力也相對較強。荊門、吉安、景德鎮等14地市的接近中心度低于平均值,表明這些地市的旅游流在網絡傳遞中不通暢。從表1可見,地市接近中心度的排名與度數中心度的排名是一致的。中間中心度的均值為1.333,高于均值的有武漢、長沙、南昌、上饒、九江、宜昌、黃岡7個城市,表明這些城市對網絡中其它城市的旅游流擁有較強的控制和支配能力。荊門和吉安的中間中心度為0,表明它們不能控制網絡中其它城市的旅游流,處于網絡的邊緣。

3.3 塊模型評價

本文首先通過塊模型分析揭示長江中游城市群28個地市旅游流關聯網絡的空間聚類特征。應用UCINET 6軟件中CONCOR方法,以最大分隔深度為2,收斂標準為0.2,將旅游流關聯網絡分成四個板塊：第一板塊包括南昌、株洲、萍鄉、長沙、婁底、益陽、衡陽、湘潭8個城市;第二板塊包括景德鎮、九江、吉安、新余、鷹潭、上饒、宜春、撫州8個城市;第三板塊包括武漢、常德、黃石、咸寧、岳陽、鄂州6個城市;第四板塊包括襄陽、孝感、荊州、荊門、黃岡、宜昌6個城市。其次來分析4個板塊在旅游流空間關聯網絡中的位置。表2顯示長江中游城市群4個板塊的關聯關系為431個。其中,板塊內部的關系數是140個,板塊間的關系數為291個,表明板塊之間的溢出效應較為明顯。第一板塊共發出關系數156個,其中發給板塊內部的關系數為52個,而接受其他板塊的關系數為78個;期望內部關系比例為25.9%,而實際內部關系比例為33.3%,由此判定第一板塊對板塊內部和外部均產生了溢出效應,因此為“雙向溢出板塊”。第二板塊共發出關系數103個,其中發給板塊內部的關系數為44個,而接受其他板塊的關系數為82個;期望內部關系比例為25.9%,而實際內部關系比例為42.7%,由此判定第二板塊為主受益板塊。第三板塊共發出關系數102個,其中發給板塊內部的關系數為18個,而接受其他板塊的關系數為80個;期望內部關系比例為18.5%,實際內部關系比例為17.6%,由此判定第三板塊為經紀人板塊。第四板塊共發出關系數70個,其中發給板塊內部的關系數為26個,而接受其他板塊的關系數為51個;期望內部關系比例為18.5%,而實際內部關系比例為37.1%,由此判定第四板塊為主受益板塊。

表2 長江中游城市群旅游流網絡板塊特征

依據各板塊之間的關聯關系,還可計算出各板塊的密度矩陣,以表示溢出效應在各板塊的分布情況(表3)。為了更加清晰地表達各板塊間旅游流的溢出效應,引入像矩陣(表3)。即將板塊的密度矩陣和整體網絡密度進行比較,如前者大于后者,則賦值1；反之,則賦值0,這樣多值密度矩陣轉化為二值矩陣。

由表3的像矩陣可見,第一板塊旅游流的溢出效應集中在第一板塊內部、第二板塊和第三板塊;第二板塊旅游流的溢出效應體現在自身內部,對其他板塊沒有產生顯著的溢出效應;第三板塊旅游流的溢出效應集中在第一板塊、第二板塊、第三板塊內部和第四板塊;第四板塊旅游流的溢出效應集中在第三板塊和第四板塊內部。像矩陣對角線都為1,表明各板塊內部都有較密切的關聯關系,板塊內的“俱樂部”效應明顯。

表3 板塊密度矩陣和像矩陣

為了更加直觀地顯示板塊間旅游流的溢出效應及其傳導機制,繪制板塊關系簡化圖(圖2)。第一板塊(雙向溢出板塊)是長江中游城市群重要的旅游客源地,它不僅將旅游流溢出給自身內部,也將旅游流溢出給第二板塊和第三板塊;第二板塊(主受益板塊)除了接受自身內部的旅游流溢出外,還接受來自第一板塊的旅游流溢出,是重要的旅游目的地;第三板塊(經紀人板塊)既將旅游流溢出給自身內部、第二板塊、第三板塊和第四板塊,扮演著重要旅游客源地角色,又將來自第一板塊的旅游流傳遞給第二板塊和第三板塊,扮演著樞紐橋梁的角色;第四板塊(主受益板塊)不僅將旅游流溢出給自身內部,同時也將旅游流溢出給第三板塊,但由于接受的旅游流溢出要大于發送的旅游流溢出,所以它扮演著旅游目的地角色。從圖2可見,長江中游城市群旅游流空間關聯有待于進一步完善,第四板塊和第一板塊、第二板塊之間沒有旅游流的溢出關系。因此，未來應加強這些板塊之間的旅游合作,以實現長江中游城市群旅游業的可持續發展。

圖2 長江中游城市群四大板塊間的空間關聯關系

4 結論與建議

本文基于修正引力模型,構建了長江中游城市群旅游流關聯網絡,并采用社會網絡分析方法對其整體網絡結構特征、節點中心性特征和塊模型進行了分析,結論為:①長江中游城市群旅游流空間網絡密度為0.570,表明地市之間存在較多的關聯關系;關聯度為1,網絡具有很好的穩健性;網絡效率為0.3732,表明旅游流的溢出效應存在多重疊加現象;網絡等級度為0,不存在等級森嚴的空間結構。②各地市網絡特征差異較大。長沙、武漢、南昌等16個地市處于網絡核心位置,與其他地市能發生更多的旅游流聯系,而荊門、吉安、景德鎮等12個地市處于網絡邊緣位置,與其他地市發展旅游流聯系的能力較弱;長沙、武漢、南昌等14個地市擁有較大的權力、聲望和影響力,容易傳遞旅游流,而荊門、吉安和景德鎮等14個地市的旅游流影響力較弱,旅游流溢出不通暢;武漢、長沙、南昌、上饒、九江、宜昌、黃岡7個地市對旅游流溢出具有較強的控制和支配能力,而其他地市相對較弱,主要受制于武漢、長沙和南昌等城市;荊門和吉安中間中心度為0,對網絡中旅游流溢出沒有任何支配權力。③第一板塊由長株潭城市群中的長沙等6個城市和環鄱陽湖城市群中的南昌、萍鄉2個城市構成。該板塊對內和外都產生明顯的旅游流溢出效應,屬于雙向溢出板塊,扮演主要旅游客源地角色;第二板塊由環鄱陽湖城市群中的8個城市構成,該板塊接受自身內部和其他板塊的旅游流溢出較多,而對外的旅游流溢出相對較少,屬于主受益板塊,扮演著重要旅游目的地角色;第三板塊主要由武漢城市圈中的城市構成,該板塊在接受第一板塊和第四板塊的旅游流溢出的同時,向第二板塊和第四板塊傳遞來自第一板塊的旅游流溢出,屬于經紀人板塊,扮演著旅游客源地和樞紐橋梁雙重角色;第四板塊主要由荊荊宜襄城市帶中的城市構成,該板塊接受來自第三板塊和第一板塊的旅游流溢出較多,而對外的旅游流溢出相對較少,屬于主受益板塊,扮演著重要旅游目的地角色。

基于上述研究結論提出以下對策和建議:①強化長沙、武漢、南昌三個省會城市的核心帶動作用和擴散功能。長沙、武漢、南昌作為長江中游城市群中3個子城市群的核心,比其他地市擁有更好的資源優勢、交通條件和服務設施等。未來除了加強子城市群內部旅游聯系外,還需加強同其他子城市群之間的旅游合作，通過建立長效的旅游協調發展機制,探索城市之間旅游流溢出和旅游合作渠道,不斷提升旅游流的網絡密度和網絡效率。自2013年以來,長江中游城市群省會城市分別簽署了《武漢共識》、《長沙宣言》、《南昌行動》等一系列合作框架和綱領性文件,但就旅游合作方面還不具體,需加快長江中游城市群旅游發展規劃的制定,成立旅游協同發展管理機構,并圍繞旅游景區、旅行社、旅游線路、旅游交通、旅游宣傳、旅游人才和相關技術等方面展開合作。先期可開展長沙、武漢、南昌3個省會城市之間的旅游合作,也可開展子城市群之間鄰近城市組團的旅游合作,之后逐步擴大旅游合作范圍和合作領域;努力形成互惠共贏的合作格局,以推動長江中游城市群旅游業的可持續發展。②依據四大板塊的功能和角色,制定針對性的旅游發展政策。長江中游城市群旅游協同發展管理機構要以點帶塊、以塊謀面、統籌規劃,下好一盤棋。既要支持長沙、南昌等雙向溢出板塊城市的發展,激活旅游流擴散能力,又要關心武漢、常德、岳陽、咸寧等城市的中介作用,增強旅游流傳導功能,還要為上饒、景德鎮、九江、宜昌、荊州等主受益城市營造良好的旅游環境。③既有文獻表明,旅游資源和交通是影響區域旅游流的兩個重要因素。因此,一方面要加強城市之間交通基礎設施建設,不斷提高城市旅游的可達性,促進旅游流的空間溢出；另一方面,要努力挖掘城市旅游資源的文化內涵,增加旅游吸引力,提高人們的出游需求和旅游動機。

本研究為長江中游城市群各城市的旅游客源市場開發、目的地旅游資源開發和城市旅游協同發展等提供了科學的參考依據和實踐指導,但本文的研究仍存在一定的局限性。首先,推力和拉力指數的確定。影響城市之間旅游流因素很多,本文僅考慮了客源地的人口規模、經濟規模、目的地的旅游資源質量和城市內交通條件4個因素,未來可通過添加多個變量來綜合評價客源地的推力指數和目的地的拉力指數。其次,時間距離指數的確定。盡管比較了公路和鐵路兩種交通旅行時間,但實際上人們出行可能會選擇不同交通工具的換乘,如公路+鐵路或鐵路+公路或者鐵路+鐵路等方式。當這種換乘方式所需旅行時間要遠小于單一公路旅行時間時,人們可能更趨向于選擇換乘交通方式出行。此外,本文僅做了2017年旅游流關聯網絡的分析,沒有動態地分析旅游流演變格局,主要是因為以前年份的時間距離數據難以獲取。