基于數字足跡的自駕旅游流時空分布及空間網絡特征分析

朱興林　黃巧燕　姚亮　吐爾遜?買買提　劉泓君

摘要：自駕游正發展成為大眾旅游時代的新模式，通過探索自駕旅游流的時空分布和空間網絡特征，明確其時空格局的演化機制.以新疆地區為例，采用頻次指數統計自駕旅游流跨時間年度、季節、節假日的游客數量，利用GIS空間分析方法闡明旅游流時空分布特征；根據實際需求基于社會網絡分析方法中的多個指標建立綜合評價體系，深入探究自駕旅游流的網絡結構和相互關系.結果表明：新疆自駕游旅游流在時間分布特征方面具有多樣性，受季節和節假日的影響，依然保持了持續吸引游客的穩定趨勢；在空間分布特征方面，標準差橢圓的重心表明自駕旅游流在空間分布上更偏向新疆西北地區，標準差橢圓長短半軸差距顯示旅游流在不同年份之間的分布相對穩定；在空間網絡特征方面，新疆自駕旅游流整體網絡間存在“涓滴效應”，自駕游客的移動路徑和主要聚集區域呈現以烏魯木齊市為核心，輻射向伊犁、阿勒泰、喀什等三個方向的趨勢；旅游節點之間的關聯不緊密，輻射牽動作用不明顯，旅游流分布較為疏散且呈現明顯的規模－序列表征.

關鍵詞：自駕旅游流；GIS空間分析法；社會網絡分析方法；時空分布特征；空間網絡特征

中圖分類號：F 59文獻標志碼：A文章編號：1001－988Ⅹ（2024）02－0123－12

Spatio－temporal distribution and spatial network characterizationof self－driving tourism flows based on digital footprints

ZHU Xing－lin，HUANG Qiao－yan，YAO Liang，Turun MAMAT，LIU Hong－jun

Abstract：Self－driving tourism is developing into a new mode in the era of mass tourism，and the evolution mechanism of its spatio－temporal pattern is clarified by exploring the spatio－temporal distribution and spatial network characteristics of self－driving tourism flows.Taking Xinjiang region as an example，the frequency index is used to count the number of tourists of self－driving tourism flow across years，seasons and holidays，and the spatial analysis method of GIS is utilized to elucidate the spatio－temporal distribution characteristics of the tourism flow;based on a number of indexes in the method of social network analysis according to the actual demand a comprehensive evaluation system is established，and the network structure and interrelationships of the self－driving tourism flow are explored in depth.The results show that：the self－driving tourism flow in Xinjiang is diversified in terms of temporal distribution characteristics，and still maintains a stable trend of continuously attracting tourists under the influence of seasons and holidays;in terms of spatial distribution characteristics，the center of gravity of the standard deviation ellipse indicates that the self－driving tourism flow is more inclined to the northwestern region of Xinjiang in spatial distribution，and the difference between the long and short semiaxes of the standard deviation ellipse indicates that the distribution of the tourism flow is relatively stable between different years;In terms of spatial network characteristics，there is a“trickle－down effect”between the overall network of self－driving tourism flows in Xinjiang，and the movement paths and main gathering areas of self－driving tourists show the trend of taking Urumqi as the core and radiating to the three directions of Yili，Altay，and Kashgar，etc.;the correlation between tourism nodes is not close，and the radiative effect is not obvious，and the distribution of tourism flows is more sparse and shows a clear scale.

Key words：self－driving tourism flows;GIS spatial analysis method;social network analysis method;spatio－temporal distribution characteristics;spatial network characteristics

在《“十四五”文化和旅游發展規劃》中，自駕游產業的發展備受強調，提出了認定高標準自駕車旅居車營地的計劃，以及通過服務體系、線路建設、區域多程聯運等多項措施來促進自駕旅游的增長.有關《2021年自駕游數據報告》顯示，高達70%的旅行者選擇了自駕游作為他們中短途或長途旅行的首選方式，表明自駕游已經嶄露頭角，成為了現代大眾旅游中備受歡迎的新興方式.

旅游流扮演著連接旅游目的地與客源地的紐帶角色，被視為構成旅游系統的核心.長期以來，它一直是旅游學研究的重要議題之一.由于相似的旅游需求，引發游客集體性的空間移動現象［1］.游客是推動旅游活動的主要推動者，他們的行為引發了物質、能源、信息等多種資源的流動.因此，旅游客流一直都是旅游研究的核心關注領域和熱點.

旅游流具備時間和空間兩個主要維度，共同構成了旅游現象的時空分布特征.關于旅游流的時間特征，現有研究主要關注其長期趨勢、季節性變化以及每日波動情況等幾個方面.這些時間特征對于評估和管理旅游目的地的經濟活動至關重要.深入研究旅游流的時間特征，有助于規劃旅游地的發展、優化市場銷售策略以及有效管理景區的容量，從而為旅游業的可持續增長提供了重要的依據［2－4］.研究表明，旅游目的地的地理結構，特別是客源地的空間分布及其組合方式，在很大程度上塑造了旅游地客流的季節性分布特征和距離主要客源地在一日游范圍內的旅游地客流的每日時間變化特征［5－8］.此外，旅游目的地的旅游資源和環境的季節性特征也是決定客流在一年內分布的關鍵因素［9－10］.

旅游流作為一種空間現象，其空間結構既是內在特征，也是鮮明標志.研究旅游流的空間分布特點、相互影響和規律對于旅游資源的開發、管理、企業經營、產品設計以及市場拓展等領域具有重要理論和實際價值.探究旅游流的空間分布特征一直是國內外旅游流研究的關鍵焦點［11－16］.可以預見未來研究將朝著從定性分析和統計描述到模型構建和規律研究的縱深方向發展，以更全面地理解旅游流的空間分布特征.旅游流是一個涉及游客群體的主觀行為，其空間移動會對所經過或涉及的地理空間產生一系列影響和作用，這就是旅游流的空間效應特性［17］.因此，研究旅游流的空間效應的基本任務是分析旅游流在地理空間中的傳播和擴散特征，包括其影響的范圍和程度［18－21］.

新疆擁有世界級的“三山夾兩盆”地理奇觀，旅游資源豐富且種類完備，擁有最適合自駕游的大尺度景觀體系，具備強有力撬動全國旅游市場大循環格局的基礎條件，被譽為“自駕旅游者的天堂”，已成為我國自駕游營地重點建設地區和優秀自駕游線路聚集地區.自駕游作為旅游業的主要的發力點，在旅游業發展中有著極為重要的現實意義.本文以來疆自駕游客為研究對象，借鑒GIS空間分析和社會網絡分析方法，通過分析自駕旅游流的時空分布特征和空間網絡特征，明確旅游流時空格局的演化機制，以期為促進旅游業發展提供理論指導和科學依據.

1 數據來源與研究方法

1.1 數據來源與處理

信息時代，“數字化生存”成為一種大眾生活方式，人們不斷在網絡留下自己的數字足跡.所謂數字足跡，指用戶在使用數字設備或互聯網后保存在服務器端的關于用戶使用記錄、瀏覽歷史、情感體驗和使用反饋等方面的數據.旅游游記是數字足跡的一個子集，通常包含了游客個人經歷、感受、所見所聞以及對途徑旅游地區的描述，在學術研究中具有重要的價值，可以用于分析旅游地點的吸引力和可持續性，了解旅游者的需求和偏好，有助于提高旅游業的競爭力和可持續性［22－26］.

本文數據主要來源于線上用戶生成內容（User－Generated Content，UGC），利用Python腳本采取網絡爬蟲技術，以“新疆自駕游”為關鍵詞，通過遍歷新浪微博、馬蜂窩旅游游記和攜程旅行網URL內容獲取關于新疆自駕游旅游游記作為原始數據樣本，共采集2018—2023年5147條游記數據.根據前面的設計進行爬取代碼的編寫，使用模擬瀏覽器對目標網站發起請求，得到目標網站響應的HTML源碼.使用相應的解析庫對HTML源碼進行解析，將新疆維吾爾自治區文化和旅游廳官網查詢獲得已評級的旅游景區名錄作為相關提取字段.

通過調用高德地圖的API接口獲取之前提取的相關字段例如那拉提景區、喀拉峻景區、天山天池風景區等595個POI點，獲取的數據結構包括用戶ID、游客來源、簽到時間、簽到經緯度、內容等信息.由于獲取的數據較多，且一些數據并不是游客簽到數據，因此在分析之前要對數據進行清洗：首先，將同一次旅行中按照景點或游玩天數劃分的多篇游記進行整合，同一風景區區內的景點予以合并，以該旅游區的名稱錄入；其次，針對一些游記內容較為簡短，無法提供足夠的行程信息、噪聲信息和重復信息的情況，將其剔除以確保整體信息的準確性和完整性；最后，出游時間和出發地信息以游記正文文字記錄為準，為避免信息偏差，對于一些時間信息缺失的情況，通過查看游記圖片的EXIF信息獲取出游時間跨度，而出發地信息缺失的情況，則通過訪問發布者主頁進行信息抽取來完善.在閱讀和提取數據字段時，除了采集數據字段外，還包含出游與截止時間、城市之間以及景區之間的流動等相關信息.

1.2 研究方法

1.2.1 核密度估計分析法

本文針對自駕旅游流時空變化研究是以旅游流的跨時間的年度變化特征、年內旅游流的季節性變化特征和節假日變化特征3個時間尺度為單位的，因此，本文基于網絡爬蟲技術獲取的2018—2023年旅游游記大數據，采用時間分層方法，通過頻次指數統計新疆旅游流跨時間年度、年內季節、節假日的時間分布.并且基于Kernel核密度方法分析新疆自駕旅游流時空分布特征，選擇默認的搜索半徑，通過幾何間隔法進行分類［27］.其中，在核密度分析專題地圖中，顏色由紅到藍依次表示核度由大到小，核度大代表活動越頻繁、空間集聚度越高.計算公式為：

其中，h（x）代表在點x處的核密度估計值，即估計的概率密度函數在點x處的值；n表示樣本數；xi是樣本的第i個觀測值；h是核寬帶（或平滑參數），它是一個正數，用于控制核的寬度；K（u）是核函數，通常是一個滿足一些特定條件的非負函數.

利用標準差橢圓揭示新疆自駕旅游流的空間分布形態，同時表示旅游流重心的位置變化以及移動趨勢［28］.計算公式為：

其中，xi代表數據點i在x軸上的值；代表x軸上所有數據點的均值；N代表數據點的總數.

其中，yi代表每個數據點在y軸上的值；代表y軸上所有數據點的均值；N代表數據點的總數.

1.2.2 社會網絡分析法

為深入探究新疆自駕旅游流的網絡結構和相互關系，根據實際需求采用了社會網絡分析方法中的多個指標建立一個綜合評價體系，包括網絡密度、中心度、凝聚子群、核心－邊緣和結構洞等，并且使用UCINET軟件進行數據分析和計算，以便更全面地理解自駕旅游流的網絡結構以及其中的互動關系，其計算公式為：

其中，實際邊數為網絡中已經存在的連接數；N為網絡中的節點數.

該公式將實際邊數除以可能的最大連接數，以表示網絡中的連接程度：整體網絡密度的值在0到1之間，越接近1表示網絡越密集，越接近0表示網絡稀疏.

絕對度數中心度，記為DC，其計算公式為：

其中，Rij是網絡中關聯關系，有權網絡為關聯關系強度，無權網絡則是有聯系賦值為1，無聯系賦值為0，N為網絡節點數.

接近中心度，記為C（i），其計算公式為：

其中，d（i，j）代表節點i到節點j之間的最短路徑長度；∑表示求和操作，遍歷節點j，計算節點i到所有其他節點的最短路徑長度，然后求倒數.

中間中心度，記為C_B（i），其計算公式為：

其中，σ（s，i，t）代表節點s到節點t的最短路徑中，經過節點i的數量；σ（s，t）代表節點s到節點t的總最短路徑數量.

2 新疆自駕旅游流時空特征分析

2.1 旅游流的時間變化特征

根據2018—2023年游客自駕游在網絡平臺發布的網絡游記頻次統計數據，繪制了新疆自駕旅游流的跨時間年度變化特征圖（圖1），研究旅游流的跨時間的年度變化特征、年內旅游流的季節性變化特征和節假日變化特征及其規律.

從年度變化特征角度，2018—2019年新疆自駕旅游人數保持相對較高的水平，游客數量在這段時間內呈現出穩步增長的趨勢，反映了新疆地區作為旅游目的地的吸引力.2020—2022年，受疫情期間出行限制和健康擔憂的影響，來疆自駕旅游人數銳減.隨著疫情結束，2023年來疆自駕旅游人數恢復甚至高于疫情前的水平，這一顯著的趨勢表明了旅游業的韌性和適應能力，以及游客對新疆地區的持續興趣；從季節性變化特征角度，在7—10月，游客數量呈現出明顯的單峰集中特征，這表明了在夏季末至秋季初期的這個時間段內新疆自駕旅游活動達到了高峰，游客更傾向于選擇在此期間前來游覽；從節假日變化特征角度，可以觀察到五一勞動節和國慶節這兩個重要的節假日是新疆自駕旅游人數最多的時期.

2.2 旅游流的空間變化特征

2.2.1 客源空間特征

針對新疆自駕旅游的客源地空間特征，通過統計數據并利用ArcGIS軟件進行可視化處理，可以明顯觀察到來自不同地區的游客呈現出一定的分布特征.如圖2，來自北京、廣東、四川、浙江的游客數量最為顯著，占據新疆自駕旅游客源地的主導地位.其次是陜西、福建、重慶、遼寧、天津以及新疆本地的游客也占有相當份額.這一客源地空間特征的出現，通常與多種因素有關：北京、廣東、四川、浙江等地具有較強的經濟實力和較高的車輛擁有率，這為居民提供了進行自駕旅行的基礎條件；新疆自然風光秀麗、文化多元，吸引了廣泛的游客，其中包括了來自不同地區的游客；交通網絡的改善和旅游宣傳的提升也對客源地的空間分布產生了積極影響.

2.2.2 旅游流跨時間年度的空間特征

利用標準差橢圓幫助可視化不同年份新疆自駕游旅客人數分布特征，比較它們之間的差異和關系.通過標準差橢圓的形狀、大小和方向，可以了解新疆不同年份的自駕旅游人數分布是否有顯著變化或相關性.

整體上，新疆自駕游旅游流空間分布格局呈現“東北—西南”的空間分布態勢：長軸沿“阿勒泰地區—阿克蘇地區”，短軸沿“鐵門關市—雙河市分布”；從重心經緯度來看，標準差橢圓重心呈現“V”型的移動軌跡但都位于新疆西北部，說明新疆自駕游旅游流在空間分布上更偏向西北地區；從長短半軸來看新疆自駕旅游流呈西北—東南軸線蔓延的特征，自駕旅游流的標準差橢圓長半軸 2018—2023年逐漸延長，表明新疆地區旅游業的吸引力在西北—東南方向上加強.標準差橢圓短半軸2018—2020年縮短，2020—2023年伸長，表明新疆地區旅游流在西北—東南表現為先收縮后擴散的趨勢.2018—2023年標準差橢圓長短半軸差距不大，表示新疆自駕旅游流在不同年份之間的分布相對穩定，沒有明顯的時空變化.

2.2.3 旅游流季節性的空間特征

利用ArcGIS的核密度估計工具，對新疆地區的旅游流數據進行了季節性的空間特征分析.核密度估計考慮了每個點周圍的鄰域范圍內的游客數量，并生成了密度表面圖，探究各個季節旅游流空間分布的密度和集聚情況.

結果顯示，季節性旅游流在新疆地區存在明顯的空間差異：空間分布呈現出相似的模式，夏秋季節的核度估計圖中，顏色漸變較淺，說明在這兩個季節內，旅游流量相對均勻地分布在新疆的各個地區.這可能表示夏秋季節是新疆旅游活動的高峰期，吸引了游客前往各個景區.與之不同的是，春冬兩季，尤其是冬季的核度估計圖顯示更大范圍的深色區域，這意味著自駕旅游流量相對更為集中，這是因為新疆一些特定景區在冬季增加了許多的旅游活動，如滑雪勝地、冰雪景點度假溫泉等，為游客提供了獨特的旅游體驗，因此吸引了更多的流量.

3 新疆自駕旅游流空間網絡特征分析

3.1 旅游流網絡整體特征分析

根據旅游流網絡的構建思路［29］，以新疆 92個景區節點分別為旅游客源地和目的地，構建了92×92的景區之間旅游流的旅游線路矩陣，其中矩陣的單元值代表某客源地到目的地的旅游線路數據.利用UCINET軟件繪制出新疆92個景區間旅游流空間網絡結構圖，如圖5所示.空間網絡結構圖描繪了自駕游客在新疆地區的流動關系和空間分布，展示了自駕旅游流在地理空間中的聯系和走向，以及不同地點之間的相互關系.通過該結構圖，可以清晰看出自駕游客在新疆的移動路徑和主要聚集區域呈現以烏魯木齊市為核心，輻射向伊犁、阿勒泰、喀什等三個方向的趨勢.

通過UCINET軟件計算得出，新疆自駕旅游流網絡中節點之間的實際聯系數量為102，而92個節點在理論上可出現的聯系數為92×91=8372，網絡密度為網絡中實際聯系數與理論上聯系數之比，所以新疆自駕旅游流流網絡的網絡密度為0.0125，網絡密度較低.總體上，新疆自駕旅游流網絡中的旅游節點之間的聯系較為稀疏.

3.2 旅游流網絡節點特征分析

3.2.1 中心性分析

利用UCINET軟件對研究區域整體旅游流網絡的節點指標進行計算，由于篇幅限制，僅展示分析結果前十名的景區（表2～3），并將所有節點指標利用ArcGIS軟件進行可視化處理，如圖6所示.

在旅游流網絡中，外向度數中心性反映了一個節點對其他節點的輻射能力，即優先吸引力；與此相反，內向度數中心性則反映了一個節點對其他節點的吸收能力，即次級吸引力.通過分析外向度數中心性的計算結果，觀察到位列前十的景區擁有多樣化的旅游資源、享有較高的知名度和口碑以及提供良好的旅游服務和便捷的交通方式.另一方面，就內向度數中心性值較高的景區而言，游客接待能力比較強，是次級的旅游目的地，因景區內部能提供多樣化的旅游服務和設施以滿足游客的需求，且往往處在旅游產業繁榮的地區內，所以能夠吸引更多地游客滯留.

接近中心性衡量了節點之間旅游流通達程度，因此反映了節點在網絡中的親近性和聯系緊密度.節點的接近中心性值越高，表示該節點與其他節點之間的距離較近，在傳遞信息和接收信息等方面處于有利地位.通過分析接近中心性的計算結果，外向接近中心性較高的景區靠近主要交通樞紐、城市中心等地理位置，便于游客抵達和離開，在宣傳和營銷方面具有更多的競爭力.內向接近中心性較高的景區更多地是游客的中轉站，游客在這里滯留一段時間然后繼續前往其他景區，更側重于提供滯留游客的優質體驗.

中介中心性衡量了一個節點在網絡中的中介作用，即它在不同節點之間傳遞信息、聯系或旅游流的程度.根據計算結果，在中介中心性方面表現出較高數值的旅游節點在整個旅游網絡中扮演著關鍵的角色，具備著多重聯系、信息傳遞和合作能力.它們位于眾多旅游節點之間的最短路徑上，負責促進不同節點之間的信息傳遞，充當著連接不同景區的紐帶，并掌握著旅游系統中的重要有效資源.其中，天山天池風景區的中介中心性最高，得益于其旅游資源豐富、交通便利、區位優勢明顯，并且積極參與合作和推廣活動，與其他景區、旅行社和平臺進行合作，共同推動旅游業的發展.

3.2.2 結構洞分析

反映節點的信息傳播能力和資源獲取能力.本文利用UCINET軟件計算出有效規模、效率、限制度、等級度四個指標，確定新疆旅游流網絡中哪些節點在同質性競爭具有優勢.其中，效率和限制度是兩個最為重要的指標，節點的效率越高、限制度越小，則說明節點在信息或資源傳遞方面具有更高的能力和自由度，可以更好地適應市場變化，吸引更多的游客，實現長期可持續的發展.取效率和限制度差值計算結果前十名如表4所示，并將全部景區的結構洞分析結果利用ArcGIS軟件進行數據可視化處理.

3.2.3 核心－邊緣分析

核心－邊緣分析有助于識別哪些節點在網絡中的重要性較高，這些節點可能是熱門旅游目的地、重要的信息傳播點或資源集散地和在旅游流網絡中扮演著關鍵角色.利用UCINET軟件對旅游流網絡進行核心－邊緣分析（表5）.可以看出核心區內的景區通常是受游客歡迎的熱門目的地，因其自然美景、文化遺產、娛樂設施或其他吸引力而備受游客青睞；并且擁有大量關于周邊景點、住宿、餐飲等方面的信息，能提供游客所需的服務和設施；通過導游書、旅游網站和社交媒體上的大力推廣，游客更容易準確尋找這些景區位置，因此在旅游網絡中具有較高的可見性.

3.2.4 凝聚子群分析

凝聚子群能夠揭示網絡中的組團現象，識別出網絡內部的子系統.通過凝聚子群分析找出新疆自駕旅游流網絡是由哪些子系統組成的，并找出聯系緊密的子群.本文運用UCINET軟件中強調關系相關性的CONCER法對新疆自駕旅游流網絡進行分析得到，在3級層面上，有8個子群.

由表6－7可知，新疆自駕旅游流網絡，子群間和各子群內部存在不同程度的聯結關系.第1子群、第2子群和第4子群子群內部密度高，數值分別為0.016、0.033和0.2，內部聯系相對緊密，其他子群內部不存在聯系.第5子群和第7子群之間的聯系最為緊密，密度為0.25.第5子群對其他子群發出的聯系最多，第7子群接收其他子群的聯系數量最多，可以說這兩個子群于其他子群之間的聯系較為緊密.第1子群組成的子群主要靠內部聯系，與其它子群間的聯系較少，在網絡中存在感最弱.新疆自駕旅游流網絡中，節點間存在著聯系緊密的小群體，網絡組團特征顯著.

4 結論與討論

4.1 結論

本文基于2018—2023年的網絡游記，以新疆地區為例，通過分析自駕游客旅游流的時空分布和空間網絡特征，借鑒GIS空間分析和社會網絡分析方法化進行了數據可視化處理和定量分析，闡明了旅游流時空結構的演變機制，得出以下結論：

1）跨時間年度變化方面， 2018—2019年新疆自駕旅游人數穩步增長，2023年疫情后恢復并超過疫情前水平，突顯了新疆旅游業韌性和游客持續興趣.從季節性變化特征來看，7—10月份是新疆自駕旅游的高峰期，五一勞動節和國慶節這兩個重要節假日也是理想的自駕旅游時機.

2）空間分布形態方面，標準差橢圓法表明新疆自駕游旅游流在2018—2023年空間分布格局呈現以西北部為重心，沿“東北—西南”方向分布的態勢；標準差橢圓長短半軸差距不大，表示自駕旅游流在不同年份之間的分布相對穩定；核密度估計分析顯示旅游流夏秋季分布相對均勻，春冬季更為集中，季節性變化顯著影響空間分布.

3）空間網絡特征方面，從整體結構特征角度，新疆自駕旅游流網絡中的旅游節點之間的關聯不緊密，輻射牽動作用不明顯，旅游流分布較為疏散且呈現明顯的規?！蛄斜碚?從節點結構特征角度，屬于核心節點的景區具有較強的旅游資源控制能力，對邊緣節點存在“涓滴效應”，在自駕旅游流網絡同質性競爭具有優勢；凝聚子群分析結果表明，新疆自駕旅游流網絡空間分布不均勻，子群內部之間聯系較少，節點間存在著聯系緊密的小群體，網絡組團特征顯著.

4.2 討論

基于前述研究，提出以下建議：第一，加強網絡宣傳，推動新疆旅游信息廣泛發布，提升自駕旅游知名度.調整發展關注點至周邊城市群節點景區，開拓市場，推動次級吸引力景區開發.第二，利用烏魯木齊市中心地位，解決自駕游游客關注的服務設施問題，完善自駕游配套設施，規范接待流程；加強與周邊城市旅游聯系與合作，促進自駕游客引流.第三，推進疆內其他城市核心景區建設與重點營銷，以高競爭力景區吸引自駕游客，將影響力擴散至周邊景區.推動主題自駕線路制定，提高自駕游市場活力.第四，專注于生態旅游，打造生態旅游品牌.改進目的地旅游租車系統，健全旅游城市交通接駁體系，以適應自駕游客交通需求.

囿于現階段技術，本文研究尚存在不足之處：首先，網絡游記可能存在信息的片面性和主觀性，分析結果可能受到游記作者的主觀觀點和個人經驗的影響，并且游記數據依賴于游客的分享和記錄，可能無法代表全部自駕游客的行為.其次，雖然使用GIS空間分析和社會網絡分析方法是合理的，但可能受到地理數據的分辨率和準確性的影響，無法捕捉到旅游流復雜的空間關系.最后，雖然在進行時空分布和規律性分析時采用多年的平均值以平滑疫情期的影響，且針對不同季節的變化進行季節性調整更好地區分季節性影響和疫情期影響使數據更具代表性，但依然會影響到自駕旅游流時空分布及空間網絡特征以及規律性.未來可考慮結合網絡游記數據與其他數據來源，如旅游統計數據、移動應用軌跡數據等，利用多元數據來源的綜合分析有助于減輕樣本偏差，提高數據的全面性和代表性；選擇更合適的模型參數和算法，確保算法的選擇符合自駕游客旅游流的實際情況，以提高模型對旅游流特征的擬合度和準確性；利用時間序列分析方法，觀察疫情期和非疫情期內自駕旅游流的趨勢變化，確定是否存在疫情導致的臨時性波動還是長期趨勢的影響，以及進行敏感性分析測試研究結果對于疫情影響的魯棒性，觀察結果的變化情況.

參考文獻：

［1］杜久升，馮云超，王羽等.河南省鄉村旅游特色村空間分布格局及影響因素研究［J］.西北師范大學學報（自然科學版），2023，59（5）：127.

［2］陳志軍.旅游流與資源稟賦對旅游發展時空差異的影響研究［D］.貴陽：貴州師范大學，2023.

［3］王銀銀，陸林，王芳.入皖自駕旅游流時空特征及空間格局演化機制［J］.資源開發與市場，2020，36（1）：73.

［4］焦賽.旅游經濟學視角下鄉村研學旅游地規劃建設研究［D］.昆明：昆明理工大學，2022.

［5］胡婷，張朝枝，趙瑩，等.山地文化旅游對目的地客流時間分布的影響——基于泰山客流的大數據分析［J］.山地學報，2023，41（3）：435.

［6］許丹丹，王茜雅，張建新，等.基于大數據的多時間尺度城市旅游流特征研究——以南京市為例［J］.現代城市研究，2020（1）：113.

［7］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（6）：37.

［8］羅秋菊，梁思賢.基于數字足跡的自駕車旅游客流時空特征研究——以云南省為例［J］.旅游學刊，2016，31（12）：41.

［9］王琪林，楊霞，方怡.四川省旅游資源豐裕度與旅游網絡關注度空間錯位演變及影響因素分析［J］.旅游科學，2023，37（1）：43.

［10］閆閃閃，梁留科，索志輝，等.基于大數據的洛陽市旅游流時空分布特征［J］.經濟地理，2017，37（8）：216.

［11］PORTO N，GARBERO N，ESPINOLA N.Spatial distribution of touristic flows in a gravity model in South America［J］.Journal of Tourism Analysis，2018，25（1）：39.

［12］LAU P L，KOO T T R.Multidimensional decomposition of gini elasticities to quantify the spatiotemporality of travel and tourism distribution［J］.Tourism Manage，2022，88：104422.

［13］ZHANG W，JIANG L.Effects of high－speed rail on sustainable development of urban tourism：evidence from discrete choice model of Chinese tourists preference for city destinations［J］.Sustainability，2021，13：10647.

［14］楊璐.基于數字足跡的海南省旅游流網絡結構特征及優化研究［D］.海口：海南大學，2023.

［15］程小蝶.山地旅游流網絡空間格局演化及影響機理［D］.貴陽：貴州大學，2023.

［16］杜家禛，徐菁，靳誠.基于百度指數的長江三角洲虛擬旅游流流動特征和影響因素分析［J］.長江流域資源與環境，2021，30（2）：290.

［17］丁杰，沈新.旅游型鄉村空間活力的分布特征及其影響機制：基于多源數據的宏村實證分析［J］.旅游科學，2023，37（5）：61.

［18］閆閃閃，徐紅罡.節慶事件對區域旅游流空間網絡的影響效應和機制研究［J］.人文地理，2023，38（1）：181.

［19］李爽，劉靜靜，安康.基于線上數據的中國省域旅游流網絡結構特征與空間效應研究［J］.統計與信息論壇，2023，38（1）：116.

［20］肖妮.中國全域旅游發展水平的測度及時空演化與空間效應研究［D］.長春：東北師范大學，2019.

［21］XIAOBIN M，BIAO S，GUOLIN H，et al.Evaluation and spatial effects of tourism ecological security in the Yangtze River Delta［J］.Ecol Indic，2021，131：108190.

［22］ZENG Z，WANG X.Spatial effects of domestic tourism on urban－rural income inequality［J］.Sustainability，2021，13（16）：9394.

［23］郭昊，劉軍勝.黃河中下游城市群旅游經濟網絡結構演化及其差異［J］.西北師范大學學報（自然科學版），2023，59（6）：96.

［24］郭珊菲.基于騰訊位置大數據的景區客流時空特征分析［D］.南京：東南大學，2022.

［25］柴瑞陽.基于旅游數字足跡的風景道旅游流時空分布影響機理研究［D］.北京：北京交通大學，2022.

［26］吳詩婕.基于網絡游記的城市假期旅游流時空演化及影響因素研究［D］.重慶：重慶大學，2022.

［27］段德忠，杜德斌，劉承良.上海和北京城市創新空間結構的時空演化模式［J］.地理學報，2015，70（12）：1911.

［28］趙學偉，張志斌，馮斌，等.西北內陸中心城市物流企業空間分異及區位選擇——以蘭州市為例［J］.干旱區地理，2022，45（5）：1671.

［29］程雪蘭.長三角城市群旅游流網絡結構特征及影響機理研究［D］.合肥：安徽大學，2022.

（責任編輯 武維寧）

收稿日期：2023－12－16;修改稿收到日期：2024－03－08

基金項目：交通強國驅動的交通工程專業新工科人才培養體系轉型升級探索與實踐（XIGXPTJG－202213）；交通運輸工程校級重點學科開放課題（XJAUTE2022K02）；中國學位與研究生教育學會項目（2020MSA274）

作者簡介：朱興林（1971—），女，新疆烏魯木齊人，副教授，博士.主要研究方向為交旅融合、交通安全與環境.E－mail：zxl3740965@163.com

*通信聯系人，碩士研究生.主要研究方向為交旅融合、交通安全與環境.E－mail：1090963240@qq.com