長三角城市群旅游流網絡結構空間特征研究

方葉林 王芳

摘?要：基于大數據挖掘視角的城市旅游流網絡結構研究，是未來旅游流研究的主要方法與技術手段。基于Python軟件抓取攜程旅行網上線路及相關數據，構建長三角城市群旅游流網絡，進一步利用社會網絡及GIS分析方法，揭示網絡的結構特征。研究結論主要有：①長三角城市群旅游流網絡結構具有顯著的層級性特征，形成了以南京、蘇州、杭州為頂點的三角形核心區。②長三角城市群旅游流網絡結構的位序-規模特征明顯，并且網絡結構指標具有顯著的“長尾特征”。③長三角城市群旅游流網絡化發展特征顯著，未來城市旅游發展需要進一步重視網絡化特征，根據網絡結構特征合理布局旅游業態，進而促進旅游高質量一體化發展。

關鍵詞：旅游流;網絡結構;社會網絡分析法;長三角城市群

中圖分類號：F2???文獻標識碼：A????doi：10.19311/j.cnki.16723198.2022.16.009

0?引言

近年來，隨著城市之間的旅游交流日益密切，以及信息技術的迅速發展，城市旅游在空間上逐漸表現出網絡化發展態勢，尤其表現在城市旅游流方面。旅游流是旅游學科研究的主要問題之一。旅游業不斷發展以及旅游與信息技術的不斷融合，使得旅游流時空演化具有顯著的網絡特征。國內外文獻對旅游流網絡的研究，初期是采用SNA（Social?network?analysis，社會網絡分析）方法分析網絡的結構特征，如相關學者對美國多目的地游程特征、全球旅游流網絡結構特征、中國赴越南游客旅游流網絡結構特征進行了研究。國內學者楊興柱的研究較早構建了城市旅游流網絡結構評價指標體系，之后學者馬耀峰、戢曉峰、盧淑瑩等分別對中國主要城市入境旅游流網絡結構、云南節假日旅游流、南京市入境游客空間特征與移動軌跡進行時空演化進行分析。類似的研究取得一定的成績，均表明城市旅游流在空間上呈現出網絡化態勢，而旅游流是研究城市旅游網絡化發展的重要指標。數據獲取的難易程度制約了旅游流進一步精細化研究。國內外早期一般采用觀測法、問卷調研與深度訪談、旅游統計等方法獲取旅游流數據。隨著大數據的興起，旅游研究被深深打上了大數據的“烙印”，大數據挖掘技術成為研究旅游流網絡的重要手段。

旅游流網絡結構是研究區域旅游內循環與旅游一體化的重要指標。長三角城市群各地區在旅游發展上具有一定的互補性，大力發展旅游業可以促進區域一體化進程。近年來，長三角城市旅游發展網絡化特征顯著，以長三角城市群為案例地開展研究，具有很好的典型性與代表性，對于促進區域高質量一體化進程具有重要的現實意義。

1?研究范圍、數據來源與研究方法

1.1?研究范圍與數據來源

長三角一體化是國家戰略。根據2016年國務院通過的《長江三角洲城市群發展規劃》，長三角城市群主要包括26個城市。由于地理因素和經濟發展的作用，長三角地區城市群一體化水平較高，因此以長三角城市群為案例地開展研究，具有一定的典型性與代表性。本研究基于攜程旅游網（https：//www.ctrip.com）上關于中國長三角城市群的26個城市的原始旅游線路數據，利用Python進行抓取，共計676條。首先，對攜程旅行網的基本網頁結構進行分析，分析能夠挖掘到旅游線路數據的部分;其次，利用Python對網頁進行抓取，抓取26個節點與“周邊”的旅游線路;最后對挖掘到的原始數據進行轉換、整理、建網，刪除范圍之外的數據，建立出發地-目的地（Origin-destination，O-D）矩陣，最終得到26×26的網絡矩陣，作為本研究的基礎數據庫，數據抓取時間截至2021年12月31日。

1.2?研究方法

中心性是衡量城市旅游流網絡中各節點中心地位高低的主要指標，主要包括：度數中心性、接近中心性等指標。程度中心性指標主要表示哪些節點在網絡中處于中心地位;接近中心性指標用來表示城市節點之間的通達程度，其計算公式詳見參考文獻[14]。

2?網絡結構特征分析

2.1?網絡結構特征

按照自然斷裂點法（Jenks）將旅游流分為4類，流量斷點值分別為GE=179、GE=357、GE=536、GE=714，結果如下圖1所示。當GE=179時，網絡中存在幾個孤立的節點，分別為安慶、池州、銅陵、宣城，這些旅游節點均位于安徽省內，流量相對較少，與網絡中其它節點之間的聯系較少。當GE=357時，網絡中存在的孤立節點較多，達到14個，這些旅游節點大部分分布在安徽省和江蘇省。當GE=536時，旅游流網絡空間結構呈現出三角形特征，網絡中僅有7個旅游節點之間有聯系，分別為南京、無錫、蘇州、杭州、上海、嘉興、常州，這些旅游節點位于長三角城市群的中部，在整個網絡中處于核心地位。當GE=714時，形成了以南京、蘇州、杭州為頂點的三角形核心區，并控制著整個旅游流網絡結構的方向。整體而言，長三角城市群旅游流呈現網絡化的發展態勢，旅游流網絡空間結構呈現出明顯的層級特征，長三角城市群旅游流網絡中有明顯的極核特征。

2.2?節點結構特征

利用Ucinet計算網絡結構節點指標。從外向度數中心性的計算結果來看，發現杭州、南京、上海、蘇州、無錫的外向度數中心性位居前五位，說明這些城市具有較強的出游能力，在網絡中地位相對較高，是重要的旅游客源地。而鹽城、宣城、安慶、泰州、池州、的外向度數中心性比較低，處于后五位，說明這些地區在網絡中處于不利地位，出游能力弱。就內向度數中心性而言，杭州、上海、南京、蘇州、寧波的內向度數中心性相對較高，這些地區旅游資源豐富，旅游景點知名度高，游客接待能力比較強，是主要的旅游目的地。而滁州、泰州、鹽城、銅陵、宣城的內向度數中心性相對較低，這些地區旅游資源較少且知名度不高，旅游吸引能力較弱。從內外向度數中心性的大小關系來看，無錫、蘇州、湖州、舟山、池州、杭州、寧波、上海這些城市的內向度數中心性大于外向度數中心性，表明從其它節點流入這些節點的旅游流要多于從該節點流出的旅游流，說明這些節點具有較強的凝聚作用，吸引能力強;其它城市則相反，其他旅游節點具有較強的輻射能力。

從接近中心性的計算結果來看，南京、無錫、蘇州、合肥、上海等地區的外向接近中心性較高，排名后五位的地區分別為：泰州、鹽城、臺州、舟山、紹興，表明這些地區的內向接近中心性較低。杭州、寧波、嘉興、湖州、南京等城市的內向接近中心性較高，滁州、銅陵、鹽城、馬鞍山、安慶等城市的內向接近中心性較低。從內外向接近中心性的大小關系來看，大部分城市的內向接近中心性大于其外向接近中心性，如杭州、舟山、湖州、揚州、寧波、嘉興、臺州等，說明其它城市向這些城市靠近;而合肥、南通、池州、蕪湖、安慶、馬鞍山、鹽城、宣城、紹興、銅陵等城市的外向接近中心性大于內向接近中心性，說明這些城市向其它城市靠近。

2.3?位序-規模特征

為了驗證長三角城市群旅游流網絡結構是否具有位序-規模特征，分別以內向度數中心性、外向度數中心性為縱軸，以各節點的這兩個指標的排名為橫軸，繪制散點圖。利用對數函數對散點圖進行擬合，發現曲線決定系數R2分別為0.807、0.894，說明旅游流網絡結構具有較強的位序-規模特征。網絡結構數值較大的節點，所占的比重較小;而網絡結構數值較小的節點，所占比重較大，網絡結構指標具有顯著的“長尾特征”，網絡同質性較差。

3?結論與討論

論文主要研究結論如下：①長三角城市群旅游流網絡具有顯著的層級性特征。通過斷點值分析發現：高等級流量網絡形成了以南京、蘇州和杭州為端點的穩定三角形結構，長三角城市群旅游流網絡層級性較為明顯。②長三角城市群旅游流網絡節點中心性表現出不同的特征。網絡結構指標數值較大的旅游節點多集中在省會城市或旅游資源豐富的地級市，如上海、杭州、南京、蘇州、無錫、合肥等，其他節點在網絡中處于相對弱勢地位。③長江三角洲城市群旅游流網絡結構呈現較強的位序-規模特征。

根據實證分析結果，論文的主要啟示有：①重視區域旅游的“網絡化”發展態勢，關注各城市間的文化、交通、經濟等聯系，加強長三角邊緣城市旅游流聯系。②尊重旅游流網絡結構空間分布的客觀規律。注重基礎設施的建設，優質開發旅游資源，發揮蘇州、上海、杭州等強中心性城市的輻射帶動作用，提高鹽城、安慶等較弱中心性城市的吸收能力。③促進區域內城市間旅游合作，加強塑造長三角城市群整體形象，旅游企業在旅游產品和旅游線路上進行有效合作，構建更高質量的城市旅游流網絡。

參考文獻

[1]朱付彪，陸林，於冉，等.都市圈旅游空間結構演變研究——以長三角都市圈為例[J].地理科學，2012，32（05）：570576.

[2]馬耀峰，林志慧，劉憲鋒，等.中國主要城市入境旅游網絡結構演變分析[J].地理科學，2014，34（01）：?2531.

[3]鐘士恩，張捷，周強，等.農村居民國內旅游流空間集中性[J].地理研究，2009，28（06）：15621571.

[4]徐敏，黃震方，曹芳東，等.基于大數據分析的城市旅游地網絡結構特征及其演化模式——以新浪微博簽到數據為例[J].地理研究，2019，38（04）：937949.

[5]Hwang?Y?H，Gretzel?U，Fesenmaier?D?R.Multicity?trip?patterns：?Tourists?to?the?United?States[J].Annals?of?Tourism?Research，2006，33（04）：10571078.

[6]Lozano，Sebastián，Gutiérrez，Ester.A?complex?network?analysis?of?global?tourism?flows[J].International?Journal?of?Tourism?Research，2018，20（5）：588–604.

[7]Wang?C?Y，Kim?H?H.Analysis?on?the?characteristics?of?tourism?flow?of?Chinese?independent?tourists?in?Vietnam[J].Research?in?World?Economy，2020，11（2）：122128.

[8]楊興柱，顧朝林，王群.南京市旅游流網絡結構構建[J].地理學報，2007，62（06）：609620.

[9]戢曉峰，戈藝澄，陳方.基于公路交通流大數據的節假日旅游流時空分異特征——以云南省2017年7個節假日為例[J].旅游學刊，2019，34（06）：3747.

[10]盧淑瑩，黃鑫，陶卓民.基于地理標記照片的入境游客空間特征與移動軌跡——以南京市為例[J].自然資源學報，2021，36（02）：315326

[11]Ahas?R，Aasa?A，Roose?A，et?al.Evaluating?passive?mobile?positioning?data?for?tourism?surveys：?An?Estonian?case?study[J].Tourism?Management，2008，29（03）：469486.

[12]Arnberger?A，Haider?W，Brandenburg?C.Evaluating?VisitorMonitoring?Techniques：?A?Comparison?of?Counting?and?Video?Observation?Data[J].Environmental?Management，2005，36（02）：317327.

[13]方葉林，程雪蘭，蘇雪晴，等.一體化進程對旅游經濟的空間溢出效應——以長三角城市群為例[J].地理科學，2021，41（09）：15461555.

[14]周政可，梁育填.中美商品貿易格局及網絡特征演變[J].地理科學進展，2019，38（10）：?16331642.