滬昆高鐵沿線城市旅游流網絡結構空間分布特征研究

方 葉 林,王 秋 月,吳 燕 妮,余 潤 哲

(安徽大學商學院,安徽 合肥 230601)

0 引言

旅游流反映了旅游者在不同旅游目的地之間的運動軌跡[1],旅游流及其空間結構一直是旅游領域的研究熱點[2],研究對象涵蓋國際[3]、全國[4]、城市群[5]、省域[6]、市域[7]及景區[8,9];研究內容涉及旅游流的網絡結構特征和演化機制[10,11]、空間分布和優化策略[12,13]、影響因素[14,15]以及旅游流與其他社會熱點的結合研究[16,17];研究方法從早期的問卷調查法[18]發展至計量統計法[19]、GIS空間分析法[20]、社會網絡分析法[21]和拓撲分析[22]等多元分析方法。從數據獲取方式上看,早期旅游流研究依賴于問卷調查和官方公布的統計數據,在數量、時效性和充分性方面存在缺陷,數據挖掘技術彌補了傳統數據的缺陷,學者們依托數字足跡[23]、網絡游記[24]、地理標記[25]、微博簽到[26]等數字化信息構建旅游流網絡并展開討論。

交通是影響區域旅游的重要基礎條件,作用于旅游空間結構的塑造和改變[27]。高鐵是連接大尺度旅游地的重要交通工具,高鐵時代的到來影響了旅游客源地與目的地之間的可達性,進而直接影響旅游者在區域內的空間位移狀況——旅游流網絡結構。研究高鐵沿線城市之間旅游流網絡結構特征,有利于高鐵沿線城市群旅游布局規劃與治理,對促進沿線城市旅游可持續發展具有重要意義[28,29]。

綜上,現有研究多聚焦于東、中部地區,針對西部地區旅游流網絡結構的研究相對較少,且關于高鐵沿線城市旅游流網絡結構的研究主要基于傳統的問卷或者官方統計數據[30],依托網絡挖掘數據的研究相對不足;另外,旅游流空間結構是一個動態演化的過程,多數學者在研究高鐵沿線城市旅游流空間結構演變特征時,僅采集高鐵開通前后數月的數據[31,32],不能很好地反映高鐵開通后旅游流網絡長時期的特征演變。基于此,本文以滬昆高鐵開通前和開通數年后為時間節點,借助網絡爬蟲技術抓取旅游流數據并構建旅游流網絡,探究滬昆高鐵沿線25個城市旅游流網絡空間分布特征,以期為促進該區域旅游業發展提供理論指導。

1 研究區域概況與研究方法

1.1 研究區域概況

滬昆高鐵由上海虹橋站通往昆明南站,全長2 252 km,并于2016年12月28日正式全線通車。滬昆高鐵作為中國“八縱八橫”高速鐵路的主要通道之一,橫跨中國東、中、西三大經濟帶,連接滬、浙、贛、湘、黔、滇6個省域,不僅是中國東西走向里程最長、速度等級最高、途經省份最多的高速鐵路,而且沿線有57個5A級旅游景區,旅游資源豐富,具有較高的研究價值。本文研究范圍(圖1)包括滬昆高鐵沿線東、中、西三大區域的25個城市。

圖1 研究區域示意

1.2 數據來源

馬蜂窩旅游網注冊用戶超過1.3億人,擁有海量的旅游目的地游記攻略和點評UGC數據。本文利用Python腳本,采取網絡爬蟲技術從馬蜂窩旅游網上抓取2015年至2022年6月關于滬昆高鐵沿線25個城市的旅游游記作為原始數據樣本,共采集6 997條線路數據。首先,對抓取游記的網址逐一核驗;其次,對非高鐵出行、信息不全、無法判斷客源地或者客源地為本城市的游記進行刪除,篩選出2 761條有效數據;最后,對有效數據進行整理和轉換并建立出發地—目的地的旅游流網絡OD矩陣。為反映高鐵開通前后旅游流網絡特征,分析高鐵影響下旅游流網絡特征的變化,分別選取高鐵開通前(2016年共210條有效數據)和開通后(2021年共798條有效數據)的線路數據進行對比研究。

1.3 社會網絡分析法

為進一步研究滬昆高鐵沿線旅游流網絡結構及其互動關系,本研究參考旅游流網絡結構相關研究[33],并結合實際需要選取社會網絡分析方法中的網絡密度、中心性、凝聚子群、核心—邊緣、結構洞等指標建立評價體系,數據運算利用UCINET軟件完成。①網絡密度:由網絡中實際聯系數量與理論聯系數量之比表示,聯系的緊密程度隨數值的增大而增強。②中心性:用于測量網絡中的重要節點,包括度數中心性、接近中心性和中介中心性3個指標。度數中心性用于表示節點的集聚和擴散能力,其中,外向度數中心性表現的是旅游節點對其他節點的輻射能力,而內向度數中心性則表示對網絡中其他節點的吸收能力;接近中心性用于測度節點之間旅游流通達程度;中介中心性用于衡量單個節點對旅游流網絡的控制力。③凝聚子群:用于揭示網絡內部聯系緊密的子系統,利用UCINET軟件中的CONCOR功能進行計算。④核心—邊緣模型:用于測度各節點在網絡中的位置、重要性和關系,可以揭示網絡中的核心節點和邊緣節點。⑤結構洞:一般通過效能、效率、約束性3個指標測度,可揭示網絡中各節點無直接聯系或者聯系間斷的現象,節點的效率越高,約束性越小,結構洞優勢越明顯。

2 旅游流網絡結構特征分析

2.1 整體網絡結構特征

根據網絡密度計算公式分別計算出高鐵開通前后滬昆高鐵沿線25個城市旅游流網絡密度,結果顯示:2015—2022年滬昆高鐵沿線25個城市旅游流網絡密度相對較低,僅為0.297,各節點城市之間旅游互動較少,2021年旅游流網絡密度由2016年的0.075升至0.155,網絡密度逐漸提高,說明高鐵開通后沿線城市旅游互動相對增強。

采用自然斷點法將旅游流流量分為低、較低、中等、較高和高5類并進行可視化(圖2)。可以看出,在低流量網絡中,各城市間均存在旅游流互動,聯系緊密;在較低流量網絡中,新余、黔東南兩個城市在網絡中層級較低,僅在低流量網絡中與其他節點存在聯系;在中等流量網絡中,除新余、黔東南外,金華、衢州、上饒、撫州、株洲、湘潭、邵陽、婁底、懷化9個節點成為孤立節點,網絡分層顯著;在較高流量網絡中,大部分城市之間缺乏聯系,但6個省會城市與周邊部分節點仍存在互動,在網絡中層級較高;在高流量網絡中,僅有上海和嘉興、衢州,長沙和婁底、邵陽之間存在緊密聯系。

圖2 整體旅游流網絡空間分布

2.2 節點結構特征

利用UCINET軟件對研究區整體旅游流網絡的節點指標進行計算(圖3)。從度數中心性計算結果(圖3a、圖3b)看:上海、長沙、杭州、南昌、昆明、貴陽等城市的外向度數中心性較高,出游能力總體較強,而黔東南、邵陽、上饒、銅仁、安順等城市的外向度數中心性較低,出游能力較差;衢州、婁底、嘉興、宜春、邵陽等城市的內向度數中心性較高,而貴陽、昆明、新余、上海、黔東南等城市的內向度數中心性較低。對比整體網絡中的外向和內向度數中心性可知,僅有昆明的外向度數中心性等于內向度數中心性,表明網絡狀態不均衡且節點對稱性不強。對比2016年、2021年數據(表1):高鐵開通后各城市外向度數中心性均有顯著增加,上海、長沙、杭州、南昌、貴陽、昆明的外向度數中心性仍然相對較高,而鷹潭、黔東南、懷化、銅仁4個城市的外向度數中心性均為0;高鐵開通前各城市內向度數中心性偏低,各節點對其他節點的旅游吸引力較弱,高鐵開通后各城市內向度數中心性有所提升,沿線游客出行更便利,對游客吸引力增強,其中嘉興、金華、南昌、上饒等城市內向度數中心性較高,而新余、婁底、上海、黔東南等城市內向度數中心性仍偏低。總體而言,高鐵開通后網絡節點度數中心性均值由1.023升至1.993,旅游流集聚和輻射能力相對增強。

從接近中心性計算結果(圖3c、圖3d)看:上海、長沙、杭州、南昌、昆明等城市的外向接近中心性較高,表明這些城市與沿線其他城市間旅游通達度高,黔東南、六盤水、安順、萍鄉、鷹潭等城市外向接近中心性較低,受制于網絡中的其他節點;各節點城市的內向接近中心性均較高。由表1可知,高鐵開通前上海、金華和長沙外向接近中心性較高,在旅游流網絡中處于優勢地位,高鐵開通后杭州、昆明、婁底等城市的外向接近中心性也較高,與其他節點城市間旅游通達度高,旅游流網絡總體優勢有所提升;高鐵開通后各城市內向接近中心性由4.000～5.240升至9.412～18.605,均值由4.579升至11.946,外向接近中心性均值由6.215升至29.729。

中介中心性計算結果(圖3e)顯示:南昌、長沙、湘潭、株洲、婁底、貴陽、昆明等城市的中介中心性相對較高,表明這些城市對整個旅游流網絡有較高的控制力,起著中介作用;而新余、黔東南、六盤水、嘉興、鷹潭等城市中介中心性較低,對網絡中其他節點的依賴性強。表1顯示:高鐵開通前25個城市節點的中介中心性總體偏低,除上海、婁底、南昌、長沙等7個城市外,其他節點中介中心性均為0,完全依賴于網絡中其他節點;高鐵開通后多數節點中介中心性有大幅提升,均值由0.297升至6.413,南昌、長沙、金華、衢州、上饒等城市中介中心性高,對網絡中其他節點控制力強,但黔東南、銅仁、懷化、六盤水等6個城市中介中心性仍為0,在網絡中處于弱勢地位。

進一步分別以外向和內向度數中心性為Y軸,排名為X軸,采用對數指數擬合曲線(圖略)得到曲線決定系數R2分別為0.788和0.883,表明旅游流網絡具有較強的規模—位序特征。

2.3 凝聚子群特征

表2顯示:整體網絡中25個城市共產生7個凝聚子群,以金華和衢州構成的子群2和以株洲、湘潭、邵陽構成的子群6內部聯系緊密,密度分別為0.850和0.833;以上海、杭州、長沙、南昌、昆明構成的子群1和以婁底、貴陽構成的子群3雖然與其他部分子群存在聯系,但子群內部缺乏聯系;以金華、衢州構成的子群2與以上饒、撫州、新余等構成的子群5和以懷化、銅仁、安順、六盤水、曲靖構成的子群7聯系較密切,密度達0.920和0.880。總體而言,少數子群內部聯系較少,多數子群之間聯系較多。

表2 整體網絡中子群間的密度矩陣

通過表3可以看出,高鐵開通后旅游流網絡中的凝聚子群總數沒有變化,但不同子群之間產生了新的組合。原獨立的節點上海、六盤水和其他節點重組,說明這些子群在高鐵開通后相互聯系更密切,構成了不同的旅游線路;株洲脫離了原來的子群,成為獨立的節點,一定程度上也說明高鐵開通后旅游流網絡空間分布不均狀況仍然存在。

表3 高鐵開通前后旅游流網絡凝聚子群

2.4 核心—邊緣特征

由表4可知,整體旅游流網絡中的核心節點為上海、嘉興、杭州、衢州、長沙和婁底6個城市,其余19個城市均為邊緣節點。從密度數值看,核心節點之間的密度值為0.564,各節點聯系較緊密;而邊緣節點之間的密度僅有0.132,各節點間聯系較少。核心節點對邊緣節點的聯系密度為0.500,但邊緣節點對核心節點的聯系密度僅有0.097,表明核心節點對邊緣節點的吸引、帶動作用較強,產生一定的涓滴效應[34]。

表4 旅游流網絡核心—邊緣結構及密度分析

高鐵開通前核心節點有8個(上海、嘉興、杭州、金華、衢州、南昌、長沙、貴陽),高鐵開通后減至4個(上海、嘉興、杭州、金華);高鐵開通前后,核心節點之間的聯系密度分別為0.250和0.324,邊緣節點之間的聯系密度分別為0.011和0.073,旅游流網絡存在等級分層,但核心區與邊緣區內部之間的聯系進一步增強;高鐵開通后核心節點對邊緣節點的聯系密度由0.206降至0.130,邊緣節點對核心節點的聯系密度由0.000升至0.039,說明核心區與邊緣區間聯系有所下降,但邊緣區的旅游吸引力有所增強。

2.5 結構洞分析

如圖4所示:整體旅游流網絡中,上海、杭州、南昌、株洲、長沙和昆明等城市的效能和效率值顯著高于其他城市且約束性較小,表明這幾個城市節點較少受限于其他節點,結構洞優勢明顯,擁有較強的競爭力;黔東南、新余、六盤水、金華和上饒等城市的效能和效率值偏低且約束值高,表明這些城市受其他節點限制較多,在整體網絡中處于結構洞劣勢。由表5可知,除鷹潭、萍鄉、婁底和黔東南外,其余城市的效能均有所提升且約束性下降,說明沿線城市旅游流網絡的結構洞優勢進一步增強。

表5 高鐵開通前后旅游流網絡結構洞分析

圖4 整體旅游流網絡結構洞指標計算結果

3 結論與啟示

3.1 結論

通過對滬昆高鐵沿線25個城市高鐵開通前、后的旅游流網絡空間結構進行研究,得出以下結論:

1)滬昆高鐵沿線25個城市整個研究時段中的旅游流網絡密度相對較低且呈現明顯的層級性和規模—位序特征。上海、長沙、杭州、南昌和貴陽5個城市的輻射能力大于吸收能力,其余大部分城市吸收能力大于輻射能力,網絡處于不均衡狀態,節點對稱性較差;旅游流網絡共凝聚成7個子群,少數子群內部之間聯系較少,但多數子群之間聯系較多,金華和衢州構成的子群對其他子群的輻射作用較明顯;沿線25個城市旅游流網絡結構核心—邊緣特征顯著,上海、嘉興、杭州、衢州、長沙、婁底為核心節點,相互聯系緊密,但邊緣節點之間缺乏聯系,且核心節點對邊緣節點的聯系密度較高,產生一定的涓滴效應;上海、杭州、南昌、長沙等城市擁有明顯的結構洞優勢,而黔東南、新余、六盤水、上饒等城市在整體旅游流網絡中處于結構洞劣勢地位。

2)高鐵開通對沿線城市旅游流空間結構產生影響,與已有的研究結論[28,31]基本一致。高鐵開通后,網絡密度有所提升,各城市節點間聯系加強,旅游流集聚和輻射能力相對增強,各節點城市間旅游通達度顯著提高,多數城市對其他城市控制力增強,在網絡中發揮關鍵作用。高鐵開通對上海、杭州、南昌、長沙、貴陽等城市的影響更顯著,其結構洞優勢進一步增強,在總體旅游流網絡中的優勢地位進一步提升。

3)高鐵開通未能改善沿線城市旅游流網絡空間分布不均的狀況。核心節點數量減少,且核心節點之間與邊緣節點之間的聯系密度均呈上升趨勢,網絡結構層級性加強。節點與節點間重新分散組合,同時凝聚子群總數不變,各城市間重新建立旅游合作關系,但總體旅游流網絡空間分布仍不均衡。

3.2 研究啟示

上述研究結論對現實發展具有一定啟示:①要充分認識各城市在旅游流網絡中的地位,強化滬昆高鐵沿線核心節點城市的集聚能力和輻射能力,培養區域中有影響力的集散中心,優化旅游城市空間布局;②重視高鐵開通對旅游流網絡結構演化的作用,促進核心節點城市擴大優勢,帶動邊緣城市的發展。

本文通過對比滬昆高鐵開通前后沿線25個城市旅游流網絡空間分布特征,初步探討了高鐵影響下旅游流網絡特征的演變,但實際上除高鐵這一交通基礎設施外,旅游資源、經濟發展水平等多種因素都會對旅游流產生影響,未來可進一步深化該方面的系統研究。