EN中文

经济地理 >

2020 , Vol. 40 >Issue 4: 223 - 231

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.04.025

旅游经济与管理

基于地理标记照片数据挖掘的游客流动特征及其形成机制——以苏州为例

  • 徐敏 , 1 ,
  • 曹芳东 , 2, ※ ,
  • 朱海珠 2
展开
  • 1.金陵科技学院 人文学院，中国江苏 南京 210038
  • 2.南京师范大学 地理科学学院，中国江苏 南京 210023
※曹芳东（1984—），男，江苏徐州人，博士，副教授，硕士生导师。主要研究方向为旅游地理与旅游规划。E-mail：。

徐敏（1985—），女，山西大同人，博士，讲师。主要研究方向为大数据挖掘与旅游流动。E-mail：。

收稿日期: 2019-03-07

  修回日期: 2019-07-14

  网络出版日期: 2025-04-08

基金资助

国家自然科学基金项目(41771154)

教育部人文社会科学研究青年基金项目(14YJC790003)

收起

The Flow Characteristics of Tourists and Its Forming Mechanism Based on Geo-Tagged Photo Data Mining：Take Suzhou as an Example

  • XU Min , 1 ,
  • CAO Fangdong , 2, ※ ,
  • ZHU Haizhu 2
Expand
  • 1. School of Humanities，Jinling Institute of Technology，Nanjing 210038，Jiangsu，China
  • 2. School of Geographical Science，Nanjing Normal University，Nanjing 210023，Jiangsu，China

Received date: 2019-03-07

  Revised date: 2019-07-14

  Online published: 2025-04-08

Fold

摘要

流动网络的成长和形成，表征了当今社会的流动性特质。文章基于地理标记照片数据，综合运用数据挖掘技术、GIS空间分析技术、多元回归及广义矩等多种分析技术和方法，对苏州城市内部入境游客流动网络结构的时空演化过程及其形成机制进行分析。结果表明：①针对流空间的时空演化分析，在不同的流量约束下，苏州城市内部节点间的流动路径发生较大改变，形成了以姑苏古城区为核心节点，不断向外围地带节点延伸的放射性特征，表现出相对稳定的“一核多点”的空间结构模式。②利用多元回归分析和广义矩（GMM）估计方法进行影响因素及其作用机理的分析，发现资源禀赋、区位交通、市场需求、经济发展、政府行为、基础设施等因素对入境游客在不同时空下产生影响和发生作用。

关键词： 地理标记照片; 数据挖掘; 游客流动; 网络结构; 入境旅游; 核心—边缘空间结构; 区域旅游

本文引用格式

徐敏 , 曹芳东 , 朱海珠 . 基于地理标记照片数据挖掘的游客流动特征及其形成机制——以苏州为例[J]. 经济地理, 2020 , 40(4) : 223 -231 . DOI: 10.15957/j.cnki.jjdl.2020.04.025

Abstract

The growth and formation of mobile networks represent the characteristics of mobility in today's society. Based on the geographic marker image data, this paper analyzes the spatial-temporal evolution process and formation mechanism of the flow network structure of inbound tourists in suzhou city by comprehensively applying various analysis techniques and methods, such as data mining technology, GIS spatial analysis technology, multiple regression and generalized moment. The results showed that: 1) Analyses the space-time evolution of the flow space, under the different flow constraints, suzhou city in great changes of the flow path between internal nodes, formed the gusu ancient city as the core node, continuously to the peripheral zone node characteristics of radioactive showed relatively stable space structure of "one core multipoint" mode. 2) Multiple regression analysis and generalized moment (GMM) estimation method are used to analyze the influencing factors and their action mechanism, and it is found that resource endowment, location transportation, market demand, economic development, government behavior, infrastructure and other factors have an impact on inbound tourists in different time and space. The above research provides a useful attempt to reveal the evolution law of the space-time scale of tourist flow and to effectively interpret the flow space.

Key words： geo-tagged photos; data mining; tourist flows; network structure; inbound tourism; core-edge spatial structure; regional tourism

全球流动在近一个世纪大大增强，成为贯穿当代社会现实的新的时代精神。资本、物体、人和信息与日俱增的移动性正在将一个“社会性的社会”建构成“流动性的社会”。地理学从关注空间的横向扩展和动态演化，到从时空结构的改变探讨空间流动及其对个体或者社会产生的意义[1]。随着学界对“移动性”的关注以及“移动范式”的出现，使得游客流动被放置到极其重要的位置上，逐步推动了“新流动性范式”的转向和发展[2]。游客流动不仅是景区尺度获得游客精确轨迹的重要前提，更是基于空间组织的城市内部尺度和基于社会经济和旅游活动密切联系的区域尺度形成的原始动力和核心表达。基于游客流动而产生的节点及其网络特征的深入研究，从背景分析、数据采集与处理、分析与提炼、理论提升与总结及实践应用，形成了游客流动分析和研究的基本范式，为分析和表达游客流动的时空间特征奠定了重要理论基础。近年来，旅游流动研究受到了国内外学者的广泛关注[3⇓⇓-6]。多学科、多视角的交流与互动，促进了研究的不断深入，涉及研究内容较为广泛，从最初的定性转换为定量，再到定性与定量相结合的转换过程。纵观旅游流动的研究发现，对国外旅游流动研究的重视与借鉴，带动了国内旅游流动研究的不断发展和创新，也构成了当前旅游流动研究的最新进展，主要包括了旅游流动的理论体系[7⇓-9]、旅游流量规模[10⇓⇓⇓⇓-15]、流动空间模式[16⇓⇓⇓⇓⇓-22]、流动影响因素[23⇓⇓⇓⇓-28]及其形成机制[29⇓⇓⇓⇓-34]等，以上研究为旅游流动研究的不断深入提供了良好的基础和素材，但客观上也可以看到，对于旅游流动的研究更多地是依靠问卷采集或统计数据进行分析，这种分析往往是对结果的静态表达，游客流动本质上是一种动态的变化过程，不仅要体现在流动的结果上，更需注重流动的过程分析，这就为旅游流动研究提供了崭新的方向和视角。随着互联网技术的不断发展，越来越多的游客选择网络将游览的过程和体验加以表达，形成了广泛的网络信息，这些信息对于旅游流动研究提供了良好的数据源泉。同时，由于游客流动发生在不同的时空尺度上，通常产生不同的网络空间及由不同节点和不同网络共同组成的复杂网络，正是这些等级不同的节点及子网络发挥着不同的作用及扮演着不同的角色，促使着流动网络表现出不同的流动特征和流动规律。因此，本文基于地理标记照片数据，综合运用数据挖掘技术、GIS空间分析技术、多元回归及广义矩等多种分析技术和方法，对入境游客流动网络结构的时空演化过程及其形成机制进行分析，旨在发现和揭示入境游客流动的过程及规律性特征，为研究旅游流动的复杂网络演化提供理论参考。

1 研究区概况与数据来源

1.1 研究区概况

苏州位于江苏省东南部，是苏南地区的典型代表城市，以其快速发展的经济水平闻名于全国，成为长三角地区乃至全国位居前列的经济文化强市。苏州不仅经济发达，市内旅游资源禀赋优良，交通体系相对完善，人均可自由支配收入整体较高，出游率在整个长三角地区名列前茅，不仅有闻名遐迩的苏州园林，更有“上有天堂，下有苏杭”的美誉，旅游业发展势头迅猛，也是江南水乡的代名词。长期的旅游开发建设，已经促使苏州成为长三角地区典型的旅游城市，以其独特的资源特征和产品形式吸引着国内外游客前来旅游体验。此外，苏州还是最接近上海辐射的典型城市，对于入境旅游者来说，从上海门户城市进入中国境内，游览苏州的可能性大大提升，这也就决定了本文选择苏州作为案例研究区具有很好的代表性和典型性。

1.2 范围界定

本文在数据挖掘的基础上，从时空尺度的视角出发，探讨入境游客流动网络结构的复杂特征及其形成机制，将研究范围界定为苏州市辖的姑苏区、虎丘区、吴中区、相城区、吴江区和常熟市、昆山市范围内的51个景区。值得注意的是，本文涉及的景区，属于宽泛意义上的景区，不仅是传统意义上的景区，同时也包含了历史街区、美食街、高校大学、火车站等非传统意义上的节点，目的是为了将入境游客的流动轨迹形成网络，避免一些节点成为孤立点存在。现实中入境游客也多次出现在非传统意义上的景区，满足入境游客“吃住行游娱购”的多样化需求（表1，图1）。
表1 苏州市内部入境游客流动涉及的主要景区与节点

Tab.1 Main scenic spots and nodes involved in the internal flow of inbound tourists in Suzhou City

行政区划 节点名称
苏州 拙政园、留园、虎丘景区、周庄古镇、同里古镇、金鸡湖、东山景区、虞山尚湖景区、盘门景区、狮子林、网师园、西山景区、锦溪古镇、寒山寺、千灯古镇、七里山塘、平江历史街区、甪直古镇、石湖景区、震泽古镇、沙溪古镇、黎里古镇、西园、观前街、苏州博物馆、石路步行街、北寺塔、沧浪亭、定园、枫桥景区、苏州乐园、苏州中心、相门古城墙、苏州站、太湖旅游度假区、阳澄湖景区、苏州大学、穹窿山景区、光福景区、独墅湖、灵岩山景区、苏州工艺美术博物馆、沙家浜、十全街、南园、天平山景区、旺山、怡园、苏州公园、唐寅园、苏州北站
图1 苏州市内部入境游客地理标记照片空间位置

Fig.1 Spatial location of geographical marks for inbound tourists in Suzhou

1.3 数据来源

本着数据的可获得性、可靠性和稳定性的原则，本研究的数据主要来源于国外照片分享社区Flickr网站，网站上的用户国籍主要是入境游客，在游览中国的景区后留下的照片信息，这些照片信息保留了大量的信息数据，获取数据的途径是在确定研究范围的基础上，应用Python编写脚本，通过Flickr的应用程序接口（API）获取图片信息。首先登录Flickr网站，获取Flickr的API key及密码（图2），其次是确定苏州地区的经纬度范围、爬取时间及爬取内容。整个数据的爬取时间分为两个时间节点，第一次爬取时间为2018年5月1日—2018年5月7日，爬取的数据包括了2010年1月1日—2018年4月30日的所有数据；第二次爬取时间为2019年1月5日—2019年1月10日，包括了2018年所有的数据，并对两次爬取数据中重复的数据进行了合并处理，从而得到2010年1月1日—2018年12月31日的所有入境游客地理标记图片信息。
图2 地理标识图片查询字段

Fig.2 Geographic identity image query field

2 结果分析

2.1 流动网络的时空尺度演化

入境游客流动在空间上形成了流动性特征，以其特有的客流方式贯穿于不同的节点之间，伴随时间的动态变化，在不同时空尺度下形成了不同形态的网络空间。对于游客流动的时空尺度分析，表现在不同的时空尺度下流空间的过程和格局的动态关联，正是由于不同时空尺度下的流动网络变化过程和格局是不同的，而在这一过程中扮演重要角色和地位的是节点、流量及子网络。因此，流动网络的时空尺度分析过程，本质上是对节点、流量及子网络及其内在的相互关系的分析和掌控。基于此，基于网络分析的研究范式从节点、流量及子网络层面对不同流量约束下的入境游客流动时空网络体系进行解析和判读，以此更为清晰地发现和揭示流动网络的时空尺度演化过程和变化规律。
通常情况下，对于流动网络的分析，往往需要对节点及其内在的关系进行分析和表达，节点在网络中的重要程度及其与不同节点的联系程度，对于流动网络的演化过程和方向起到至关重要的作用，加上节点间又存在流量的差别，不同的流量约束往往带来节点路径和节点数量发生变化，这对于分析苏州内部景区节点间的流动性及其节点关系提供重要视角。根据节点间的流量大小，将节点路径分为四个层次，Iij>0、Iij≥10、Iij≥20、Iij≥30，并分别将这4个流量阈值下的流动网络进行GIS的游客轨迹追踪处理（图3、图4、图5）。
图3 流量约束下的苏州入境游客流动网络演化（2010年）

Fig.3 Evolution of flow network of inbound tourists in suzhou under flow constraint（2010）

图4 流量约束下的苏州入境游客流动网络演化（2014年）

Fig.4 Evolution of flow network of inbound tourists in suzhou under flow constraint（2014）

图5 流量约束下的苏州入境游客流动网络演化（2018年）

Fig.5 Evolution of flow network of inbound tourists in suzhou under flow constraint（2018）

由表2可知，苏州不同年份的流动网络指标存在差异，但这种差异态势并不是明显，对于3个年份的流量阈值分析后的网络密度来说，随着时间的推移，整体网络密度呈现增大态势，说明网络随着时间的增加逐步成熟和完善，表现在2010年，流量阈值Iij>0时，节点数为37，包括了所有的节点，此时的网络密度并不大，到了2014年，流量阈值Iij>0时，节点数为45，此时的网络密度较之2010年有所增大，到了2018年，流量阈值Iij>0时，节点数为52，网络密度值较之前2个年份明显增大。从每个年份的局部特征来看，对于3个年份来说，当流量阈值Iij≥10时，节点数量和路径数开始下降，但此时的核心节点全部存在，且控制着整个流动网络，说明这个时候的网络处于最佳状态，主次节点清晰，外向度数中心和内向度数中心都属于各自年份的最大值，进一步反映了此时的流量网络中心节点明确，无论是对外联系还是与周边节点的联系上，控制能力较强。当流量阈值Iij≥20时，节点和路径数下降速度明显，一些重要的核心节点被清除，此时的外向度数中心和内向度数中心都处于降低态势，表征了此时的网络中心节点不突出，对周边节点的控制能力变弱。当流量阈值Iij≥30时，网络密度下降明显，外向度数中心和内向度数中心均下降明显，节点和路径数为最少，此时的中间中心性却相对较高，说明了此时的网络中心不明确，对于周边节点的控制力缺乏，但作为中介联系的非中心节点保留相对较多，支撑着流动网络的形成。
表2 苏州内部节点间游客流动网络形态特征

Tab.2 Morphological characteristics of tourist flow network between internal nodes in Suzhou

区域/年份 流量阈值 网络密度 外向度数
中心势		 内向度数
中心势		 中间
中心势
苏州/2010年 Iij≻0 0.263 0.445 0.173 0.193
Iij≥10 0.238 0.463 0.189 0.212
Iij≥20 0.226 0.387 0.182 0.189
Iij≥30 0.233 0.361 0.165 0.215
苏州/2014年 Iij≻0 0.286 0.453 0.187 0.227
Iij≥10 0.243 0.475 0.193 0.197
Iij≥20 0.227 0.396 0.172 0.170
Iij≥30 0.215 0.367 0.161 0.158
苏州/2018年 Iij≻0 0.297 0.479 0.190 0.230
Iij≥10 0.263 0.483 0.193 0.236
Iij≥20 0.235 0.426 0.177 0.215
Iij≥30 0.218 0.382 0.182 0.197
综合以上分析，不难看出，对于苏州来说，随着时间的更替，不同的时间内流动网络的特征是不同的，但这种差异变化较为明显，突出表现在不同的时间上呈现的网络结构不同，节点、流量及网络的关系也由简单变得复杂，核心节点在不同的流动网络中发挥的作用不同，尤其是在同一个时间尺度下，不同的流量约束导致了流动网络的差异特征明显。流量的约束促使节点及节点间的关系发生改变，由此引起的节点和路径表现不同，客观上形成了不同的网络密度和中心势。上述的流量约束引发的网络结构不同，要求在理清中心景区地位的同时，积极发挥边缘节点的作用，尤其是在节点和路径相对较少的情况下，中介节点的作用同样变得重要，促使整个网络朝着相对均衡的方向发展。
此外，流量约束对于苏州来说，客观上尽管形成了不同的子网络特征，但表现在空间的形态上又具有相似性，一方面是由于流量约束导致了部分节点的缺失，但核心节点始终存在，由此形成“核心—边缘”结构特征一直存在；另外一方面是由于苏州市内部景区空间分布的独特性，拙政园、狮子林、虎丘景区、平江路历史街区等流量较大的核心节点较多地集中在姑苏老城区，且集聚度很高，对于流动网络的主导控制力表现明显，客观上容易形成从老城区中心向周边节点发散的网络形态，这种由主要核心节点控制且高度集中分布的节点，往往控制着流动网络的空间结构，始终形成了“一核多点”的空间结构。

2.2 流动网络演化的形成机制分析

2.2.1 回归结果分析

通过主成分分析得到的可以概括被解释变量的大部分信息的因子有：3A级及以上景区占据A级景区的比例（X2）、人均GDP（X8）、城镇化率（X9）、实际使用外资（X10）、高铁网络密度（X3）、旅游人次（X11）、人口密度（X13）、可自由支配收入（X14）、三产占比（X15）。将上述指标标准化后的数据导入SPSS，选择对2010、2014和2018年相关数据进行多元线性回归模型模型拟合（表3）。
表3 多元线性回归模型拟合结果

Tab.3 Fitting results of multiple linear regression model

解释变量 被解释变量
网络中心度（Y1） 流入度（Y2） 流出度（Y3）
3A级占据比例（X2） 0.563*** 0.143***
人均GDP（X8） 0.487* 0.187** 1.320*
城镇化率（X7） -0.225* 0.535*** 0.228*
实际使用外资（X8） 1.125*
高速路网密度（X3） 0.639*** 0.637*** 0.532*
旅游人次（X11） 0.726** -0.016* 0.628**
人口密度（X13） 0.032*** -0.133** 0.133*
可自由支配收入（X14） 0.053* 0.513*
三产占比（X15） 0.027* -0.320* 0.273*
常数项 0.327*** 83.220***
调整后R2 0.983 0.829 0.736

注：***、**、和*分别表示通过显著水平为1%、5%和10%的统计检验。

由表3可知，网络中心度（Y1）、流入度（Y2）和流出度（Y3）作为被解释变量与3A级及以上占据A级比例（X2）、人均GDP（X8）、城镇化率（X7）、旅游人次（X11）、人口密度（X13）、可自由支配收入（X14）、三产占比（X15）的回归系数均通过了10%的显著性检验，调整后R2为0.983，说明模型拟合度较高，达到预期效果。旅游人次和3A级及以上占据A级景区的比例影响程度较大，这2个指标都是旅游数据，资源禀赋条件的优越对入境游客直接产生吸引作用，旅游人次越高，说明旅游业的发达程度，对于入境游客来说，同样有效。高速路网密度的影响也较大，说明了交通可达性对游客吸引力的重要程度，也是提升游客可进入性的重要条件。此外可自由支配收入往往反映一个地区的经济发展水平，可自由支配收入越高，经济条件越好，对于所在地的旅游投资的可能性就越大。

2.2.2 作用机理分析

通过上述分析，可以发现，资源禀赋、区位交通、市场需求、经济发展、政府行为、基础设施能够对入境游客的流动过程产生作用。对于入境流动的时空尺度演化过程来说，是多种因素共同作用的结果。因此，有必要从多因素视角出发，分析不同因素及其多因素的综合对入境游客流动过程的影响和作用机理。本文依然采用以网络中心度（Y1）、流入度（Y2）和流出度（Y3）作为被解释变量，选取资源禀赋（RESO）、区位交通（TRAN）、市场需求（MARK）、经济发展（ECON）、政府行为（SYST）、基础设施（INFR）作为解释变量。考虑到多种因素的综合作用，采用IPS和LLC方法相结合，以此揭示多因素对入境游客流动的作用过程。为了进一步确定数据的稳定性及防止“伪回归”的出现，有必要对原始数据进行稳定性检验（表4）。
表4 数据的平稳性检验

Tab.4 Data stationarity test

变量 IPS LLC 结论
检验形式
（C，T，L）		 IPS-W统计量 P值 检验形式
（C，T，L）		 LLC-T统计量 P值
Y1 （1，1，0） -13.33 0.000 （1，1，1） -18.23 0.000 平稳
Y2 （1，1，1） -8.75 0.000 （1，1，1） -15.76 0.000 平稳
Y3 （1，1，1） -9.62 0.000 （1，1，1） -13.28 0.000 平稳
lnECON （1，1，1） -83.66 0.000 （1，1，1） -85.27 0.000 平稳
lnMARK （1，1，1） -27.43 0.000 （1，1，1） -66.33 0.000 平稳
lnTRAN （1，1，1） -12.73 0.000 （1，1，1） -15.26 0.000 平稳
lnINFR （1，1，1） -13.55 0.000 （1，1，1） -13.37 0.000 平稳
lnRESO （1，1，1） -12.16 0.000 （1，1，1） -12.51 0.000 平稳
lnSYST （1，1，1） -11.27 0.000 （1，1，1） -10.13 0.000 平稳
考虑到对同一解释变量的分析时，往往存在内生性问题，因此，采用广义矩估计方法（Generalizad Method of Moments，GMM）中的一步系统进行数据处理，从而可以避免内生性问题（表5）。由表5可知，流动网络的中心度受到经济发展、区位交通、资源禀赋、市场需求、政府行为、基础设施六要素的显著的正向作用，其中，经济发展和区位交通对游客流动的影响最大；网络的流入度主要受到经济发展、区位交通、市场需求和基础设施四个要素显著的正向作用，其中，经济发展的影响作用最大；流出度主要受到市场需求、交通区位、资源禀赋和基础设施4个因素显著的正向作用，其中，市场需求的影响作用最大。
表5 解释变量与被解释变量间的GMM估计结果

Tab.5 GMM estimation results between explanatory variables and explained variables

被解释变量
估计方法		 估计结果Ⅰ 估计结果Ⅱ 估计结果Ⅲ 估计结果Ⅳ 估计结果Ⅴ 估计结果Ⅵ
Y1 Y2 Y3 Y1 Y2 Y3
随机效应 固定效应 固定效应 GMM一步 GMM一步 GMM一步
lnECON 0.073**
（6.23）		 0.045**
（4.17）		 0.043*
（4.22）		 0.062
（5.23）		 0.032**
（1.27）		 0.035
（1.34）
lnMARK 0.048**
（4.33）		 0.032**
（3.56）		 0.037**
（3.28）		 0.045
（4.27）		 0.022*
（0.21）		 0.025**
（0.20）
lnTRAN 0.055**
（4.54）		 0.025**
（2.33）		 0.023**
（2.56）		 0.048*
（4.23）		 0.017
（2.12）		 0.020**
（2.15）
lnINFR 0.043**
（3.22）		 0.027**
（2.61）		 0.022**
（2.19）		 0.040**
（3.17）		 0.013
（0.28）		 0.011*
（0.25）
lnRESO 0.037**
（3.10）		 0.020
（1.77）		 0.023**
（1.82）		 0.034**
（3.12）		 -0.232
（-0.65）		 -0.108
（-1.53）
lnSYST 0.016**
（2.18）		 0.010
（1.55）		 0.012*
（1.28）		 0.013
（2.13）		 0.011*
（2.01）		 0.009
（1.87）
常数项 0.015**
（0.223）		 -0.022
（-1.23）		 -0.016
（-1.56）		 0.012
（0.220）		 0.005
（0.36）		 -0.132
（-0.22）
拐点 3.27 4.17 4.28 3.33 3.18 3.22
Observations 180 180 180 180 180 180
Hausman检验 - 75.23*** 15.36** 28.66
Arellano-Bond
AR（1）检验		 - - - 0.002 0.007 0.000
Arellano-Bond
AR（11）检验		 - - - 0.533 0.827 0.928
Sargan检验 - - - 0.000 0.136 0.000

注：***、**、和*分别表示通过显著水平为1%、5%和10%的统计检验。

3 结论与讨论

游客流动网络体系的成长和形成，进一步诠释了当今社会的流动性特质，正在以流的形式存在而发生变化，时刻改变着目的地网络体系的特征、功能、结构和关系，成为当前学术界关注的焦点。随着城市集聚功能的日益增强，地理空间邻近的区域内部，景区间的联系变得更加紧密而复杂，形成一种非线性的复杂网络关系。正是这种复杂网络的形成产生了更为广泛的空间影响力，将不同性质、不同等级、不同规模的景区聚焦在不同的时空尺度下，在流空间的引导和作用下发挥着各自节点的功能和价值。本文综合运用数据挖掘技术、GIS空间分析技术及多元回归分析等多种技术和方法，对苏州入境游客流动网络的演化过程及其形成机制进行分析，为旅游流动的复杂网络演化提供理论参考，主要得出以下结论：
①利用数据挖掘的技术方法获取地理标记照片的入境游客数据信息，构建游客流动的数据集并对其信息归类与提炼，有别于以往获取旅游流动的数据方式，实现地理空间向网络虚拟空间转向。同时，针对流动间的时空演化分析，在不同的流量约束下，苏州城市内部流动网络发生了较大变化，主要体现在，苏州城市内部节点间由于受到流量的约束，节点及节点间的路径发生较大改变，每一次流量的约束，流动网络的空间结构都会发生改变，但“核心—边缘”结构始终存在，这与苏州内部景区节点的高度集中分布存在关系，因此，苏州城市内部节点的流动网络形成了以姑苏古城区为核心节点，不断向外围地带节点延伸的放射性特征，表现出相对稳定的“一核多点”的空间结构模式。
②利用多元回归分析和广义矩（GMM）估计方法进行影响因素的检验和主导因素的分析，从中发现影响入境游客流动的作用过程及作用机理。具体表现为：从影响因素和作用机理的分析来看，资源禀赋、区位交通、市场需求、经济发展、政府行为、基础设施对入境游客在不同的时空下产生影响和发生作用。其中，资源禀赋不仅提供了吸引游客的能力，还能够作为区域性的旅游符合产品而存在。良好的区位交通往往能够带来更多的客流，不仅体现在游客人数的多少，最为重要的是能够缩小游客的心理距离。经济发展不仅为景区发展提供了资金保障，还为开展各种旅游活动的正常化运行提供了可能，为景区产品品质的提升和内涵的丰富提供了重要保障。市场需求越旺盛，这些高级别的景区节点越具有竞争力，对于入境游客来说，吸引能力越强。政府行为不仅体现在制度和政策的制定上，还在于政府行为可以根据市场需求和旅游业发展态势，加大对旅游业的投资力度，维护旅游市场稳定发展，打造一个社会安定的公共空间。高等级的景区往往具备良好的基础设施，对于游客的吸引能够产生良好的作用效果。
③纵观苏州城市内部游客流动的演化过程，不难发现，苏州入境游客流动在时空尺度下形成了相对稳定的流动模式，即以姑苏古城区为核心，向城市内部外围地带的节点延伸的放射性特征，苏州城市内部游客流动空间上形成了“一核多点”的空间结构，这种结构模式本质上也是“核心—边缘”结构的一种形式。因此，可以说，苏州城市内部入境游客流动形成了相对稳定的发展态势。但这种高度集中的集聚式发展模式对建立大苏州旅游空间格局往往是不利的，节点间的高度集中通常会带来边缘外围地带的弱势，成为区域旅游发展均衡性的一大阻碍，未来急需加强周边外围地带节点的旅游综合能力，促进苏州城市内部旅游发展的多极化方向演化，这对于苏州全面提升旅游竞争力势必将大有益处。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
孙九霞, 周尚意, 王宁, 等. 跨学科聚焦的新领域:流动的时间、空间与社会[J]. 地理研究, 2016, 35(10):1801-1818.

DOI

[2]
黄潇婷, 李雯璇, 张海平, 等. 基于GPS数据的旅游时空行为评价研究[J]. 旅游学刊, 2016, 31(9):40-49.

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

[4]
Bhat S S, Milne S. Network effects on cooperation in destination website development[J]. Tourism Management, 2018, 29(6):1131-1140.

[5]
Dredge D. Networks,conflict and collaborative communities[J]. Journal of Sustainable Tourism, 2016, 14(6):562-581.

[6]
Lew A, McKercher B. Modeling tourist movement:a local destination analysis[J]. Annals of Tourism Research, 2016, 33(4):403-423.

[7]
Scott N, Chris Cooper, Rodolfo Baggio. Destination networks-four Australian cases[J]. Annals of Tourism Reasearch, 2018, 35(4):169-188.

[8]
马耀峰, 李天顺, 刘新平. 旅华游客流动模式系统研究[M]. 北京: 高等教育出版社, 2001.

[9]
卢松, 吉慧, 蔡云峰. 黄山市自驾车入游流旅行空间行为研究[J]. 地理研究, 2013, 32(1):179-190.

[10]
史春云, 张捷, 尤海梅, 等. 四川省旅游区域核心—边缘空间格局演变[J]. 地理学报, 2007, 62(6):631-639.

[11]
陈刚强, 李映辉. 中国区域旅游规模的空间结构与变化[J]. 旅游学刊, 2011, 26(11):84-88.

[12]
陶伟, 戴光全, 吴霞. “世界遗产地苏州”城市旅游空间结构研究[J]. 经济地理, 2002, 22(4):487-491.

[13]
刘军胜, 马耀峰. 基于发生学与系统论的旅游流与目的地供给耦合成长演化与驱动机制研究:以西安市为例[J]. 地理研究, 2017, 36(8):1583-1600.

DOI

[14]
薛领, 翁瑾. 我国区域旅游空间结构演化的微观机理与动态模拟研究[J]. 旅游学刊, 2010, 25(8):26-33.

[15]
Scott N, Chris C, Rodolfo B. Destination networks-four Australian cases[J]. Annals of Tourism Reasearch, 2008, 35(4):169-188.

[16]
Sang H L, Jin Y C, Swung H Y, et al. Evaluating spatial centrality for integrated tourism management in rural areas using GIS and network analysis[J]. Tourism Management, 2013, 34(2):14-24.

[17]
杨国良, 张捷, 艾南山, 等. 旅游流齐夫结构及空间差异化特征:以四川省为例[J]. 地理学报, 2006, 61(12):1281-1289.

[18]
马丽君, 肖洋. 典型城市居民国内旅游流网络结构特征[J]. 经济地理, 2018, 38(2):197-205.

DOI

[19]
杨兴柱, 顾朝林, 王群. 南京市旅游流网络结构构建[J]. 地理学报, 2007, 62(6):609-620.

[20]
陈超, 刘家明, 马海涛, 等. 中国农民跨省旅游网络空间结构研究[J]. 地理学报, 2013, 68(4):547-558.

[21]
汪德根, 钱佳, 牛玉. 高铁网络化下中国城市旅游场强空间格局及演化[J]. 地理学报, 2016, 71(10):1784-1800.

DOI

[22]
Albert N. Centralized decentralization of tourism development:a network perspective[J]. Annals of Tourism Research, 2012, 40(5):235-259.

[23]
Shinh H, Network characteristics of drive tourism destinations:An application of network analysis in tourism[J]. Tourism Management, 2006, 27(5):1029-1039.

[24]
靳诚, 徐菁, 黄震方, 等. 南京城市内部景点间游客流动特征分析[J]. 地理学报, 2014, 69(12):1858-1870.

DOI

[25]
刘法建, 张捷, 陈冬冬. 中国入境旅游流网络结构特征及动因研究[J]. 地理学报, 2010, 65(8):1013-1024.

DOI

[26]
Bhat S, Milne S. Network effects on cooperation in destination website development[J]. Tourism Management, 2008, 29(6):1131-1140.

[27]
Dredge D. Networks,conflict and collaborative communities[J]. Journal of Sustainable Tourism, 2006, 14(6):562-581.

[28]
陆林, 汤云云. 珠江三角洲都市圈国内旅游者空间行为模式研究[J]. 地理科学, 2014, 34(1):10-18.

DOI

[29]
万绪才, 王厚廷, 傅朝霞, 等. 中国城市入境旅游发展差异及其影响因素——以重点旅游城市为例[J]. 地理研究, 2013, 32(2):337-346.

[30]
徐敏, 黄震方, 曹芳东, 等. 基于在线预订数据分析的旅游流网络结构特征与影响因素——以长三角地区为例[J]. 经济地理, 2018, 38(6):193-202.

DOI

[31]
秦静, 李郎平, 唐鸣镝, 等. 基于地理标记照片的北京市入境旅游流空间特征[J]. 地理学报, 2018, 73(8):1556-1570.

DOI

[32]
陈浩, 陆林, 郑嬗婷, 等. 基于旅游流的城市群旅游地旅游空间网络结构分析:以珠江三角洲城市群为例[J]. 地理学报, 2011, 66(2):257-266.

[33]
王兆峰. 入境旅游流与航空运输网络协同演化及差异分析:以西南地区为例[J]. 地理研究, 2012, 31(7):1328-1338.

[34]
吴晋峰, 任瑞萍, 韩立宁, 等. 中国航空国际网络结构特征及其对入境旅游的影响[J]. 经济地理, 2012, 32(5):147-152.

Options
文章导航

/

〈 〉