EN中文

经济地理 >

2020 , Vol. 40 >Issue 3: 225 - 233

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.03.025

旅游经济与管理

基于数字足迹的乡村旅游流空间结构特征——以浙江省湖州市为例

  • 王朝辉 ,
  • 汤陈松 ,
  • 乔浩浩 ,
  • 张伟 ,
  • 邢露雨
展开
  • 安徽师范大学 地理与旅游学院，中国安徽 芜湖 241000

王朝辉（1970—），男，安徽颍上人，博士，教授，博士生导师。主要研究方向为旅游经济管理与旅游地理。E-mail：。

收稿日期: 2019-08-01

  修回日期: 2019-12-06

  网络出版日期: 2025-04-11

基金资助

国家自然科学基金面上项目(41771166)

收起

Spatial Structure Characteristics of Rural Tourism Flow Based on Digital Footprint：Taking Huzhou City in Zhejiang Province for Example

  • WANG Chaohui ,
  • TANG Chensong ,
  • QIAO Haohao ,
  • ZHANG Wei ,
  • XING Luyu
Expand
  • School of Geography and Tourism，Anhui Normal University，Wuhu 241000，Anhui，China

Received date: 2019-08-01

  Revised date: 2019-12-06

  Online published: 2025-04-11

Fold

摘要

乡村旅游是乡村振兴的有效路径，也是近年来研究热点，而在乡村旅游流领域研究相对不足。以湖州乡村旅游地为案例，通过对大样本数字足迹的数据处理，分析乡村旅游流空间结构特征，总结空间行为偏好。结果表明：①乡村旅游数字足迹呈现全年双峰值、月度差异不大的时间特征，“双核”多组团的空间分布特征，以及古镇、古村、民宿等带有文化符号旅游景观导向的空间偏好特征；②网络密度0.27的乡村旅游流空间结构由连接度高的34个节点构成，除核心吸引的双核外，民宿集聚区构成了网络结构的核心点；③传统旅游吸引物、民宿集聚区等节点呈现较强的网络中心性，节点的网络结构特征反映乡村旅游流空间呈现的地理临近性，以及区域空间集聚、扩散与联动发展效应。依据研究结论提出“完善与发挥节点集聚扩散功能，增强节点对数字足迹的有效吸引力，提升乡村旅游经济发展质量，助力乡村振兴”的发展策略。

关键词： 乡村旅游流; 空间结构; 数字足迹; 乡村振兴; 民宿; 网络结构

本文引用格式

王朝辉 , 汤陈松 , 乔浩浩 , 张伟 , 邢露雨 . 基于数字足迹的乡村旅游流空间结构特征——以浙江省湖州市为例[J]. 经济地理, 2020 , 40(3) : 225 -233 . DOI: 10.15957/j.cnki.jjdl.2020.03.025

Abstract

Rural tourism is an effective path for rural revitalization,and also a research hotspot in recent years.However,the research in the field of rural tourism flow is relatively insufficient.Taking Huzhou rural tourism destination as an example,through data processing of large sample digital footprint, the spatial structure characteristics of rural tourism flow are analyzed, and the spatial behavior preferences are summarized. 1) The results show that: the digital footprint of rural tourism presents the time characteristics of double peaks of the whole year and little monthly difference,the spatial distribution characteristics of "double-core" multi-group,and the spatial preference characteristics of ancient towns,ancient villages, homestay inn and other tourism landscape oriented cultural symbols. 2) The spatial structure of rural tourism flow with network density of 0.27 is composed of 34 nodes with high connectivity. In addition to the dual-core attracted by the core,the Homestay cluster constitutes the core point of the network structure. 3)Traditional tourism attractions, homestay inn cluster and other nodes show strong network centrality,and the network structure characteristics of nodes reflect the geographical proximity of rural tourism flow space,as well as the regional spatial agglomeration,diffusion and linkage development effect.4)According to the research conclusion,put forward the development strategy of "perfect and give full play to the agglomeration and diffusion function of nodes,enhance the effective attraction of nodes to digital footprint,improve the quality of rural tourism economic development,and help rural revitalization". The research can provide countermeasures for the high quality development of rural tourism. It provides theoretical support and practical reference for the rural revitalization led by tourism.

Key words： rural tourism flow; spatial structure; digital footprint; rural revitalization; homestay inn; network structure

党的十九大提出实施乡村振兴战略，按照产业兴旺、生态宜居、乡风文明、治理有效、生活富裕的总要求，加快推进农业农村现代化，全面决胜两个一百年战略目标。在乡村振兴国家战略有效实施路径中，通过发展乡村旅游推动乡村振兴发展，是符合当前中国农村现实情况与乡村振兴总体要求的可持续发展路径。对典型地区的乡村旅游流空间结构特征进行分析研究，能够为乡村旅游快速发展提供实践指导，也可为旅游引领的乡村振兴国家战略实施提供理论支撑。
近年来，经济发展与快速城市化催生了乡村旅游需求的规模增长，居民收入不断提高与交通格局网络化带来乡村旅游消费行为与旅游空间格局的转变。互联网与通讯技术的快速发展，利用社交网络、平台，分享生活与旅游体验已然成为旅游活动的重要组成部分[1]。而发布在网络上的海量数字足迹信息具有代表性、客观性、科学性等优质特征，使得利用其做有针对性的旅游研究成为可能[2]。旅游数字足迹的主要表现形式为存在于网络空间的数字、文字、照片、视频、音频等[3-4]，其次是终端设备短信、通话记录、APP软件使用记录等[5-6]。国内利用多种数字足迹开展相关研究，如通过驴妈妈互联网票务网站，将游客点评作为主要数字足迹，分析迪士尼建成对上海市旅游流网络影响研究[2]；通过杂志刊载的照片信息分析，从照片内容和表现形式等方面，对旅游者摄影行为的心理特征、对拍摄对象及阅读者的态度进行研究等[7]。利用网络游记和照片获取旅游数字足迹，采用数据挖掘方式提取时空信息，对城市（南京[1]、苏州[8]、西安[9]、成都[10]）与区域（湖北[11]、湖南[12]、云南[13]）旅游流网络结构特征进行分析。国际学术研究中，利用游客在保护区内游玩时生成的数字足迹，划分出游览核心与边缘区，为发展保护区提供了重要的参考依据[14]；利用Twitter上数字足迹（文本、图片、移动终端数据）展开对意大利Cilento景区内部旅游流时空分布进行分析，为景区规划建设提供了科学依据[15]；此外还有利用大数据与数字足迹分析研究城市中游客的空间行为特征与偏好[16]等。国内外此领域的研究以建立在多种数字足迹基础上的旅游流网络分析为共同点，且均获得了科学、可观的研究成果。
从国内外相关研究看，旅游流空间结构早期研究，资料数据来源以传统的调查问卷为主，近年来基于数字足迹的研究逐渐兴起，但是研究区域尺度上较多集中在区域大空间尺度[17⇓-19]及城市内部尺度研究[5,8-9,16]，而研究对象聚焦于传统的旅游吸引物为主，乡村旅游流相关研究较为匮乏。因此，本研究选取典型案例区域，通过采集游客数字足迹，挖掘数字足迹中隐含的游客时空信息，分析乡村旅游流的时间特征与空间行为特征，为乡村旅游开发与发展提供理论与实践参考与借鉴。

1 研究设计

1.1 案例区域选择

本研究选取浙江省湖州市作为乡村旅游研究典型案例地。湖州市地处浙江北部，下辖两区三县，面积5 818 km2，是习近平总书记“绿水青山就是金山银山”理念的诞生地[20]，也是全国“美丽乡村”建设的发源地。近年来，湖州市根据“两山理论”，统筹城乡经济社会发展，全面推进乡村旅游发展，目前已经形成包括南浔古镇、德清莫干山、安吉竹海、十里银杏长廊等60多处区域内知名的乡村旅游节点(图1），已发展成为“中国乡村旅游第一市”[21]。本研究以湖州市区域作为典型乡村旅游地，将湖州市辖区的吴兴、南浔、安吉、德清、长兴县域内的乡村旅游点作为吸引物体系，将城市城镇作为集散中心，通过收集游客在湖州市区域范围内的数字足迹，分析湖州市乡村旅游流空间结构特征。
图1 湖州市乡村旅游主要节点分布图

Fig.1 Distribution of rural tourist attractions in Huzhou

1.2 数字足迹采集

近年来，快速发展的在线旅游公司提供了快速便捷的旅行查询与预定平台，同时这些平台也成为旅游者分享旅游经历、制定旅游攻略、发现新的旅游目的地的重要渠道。本研究通过在线旅游公司的网站平台，采集以游客游记为主的数字足迹数据，运用“游记+照片”的方式进行数据补充，以保证数据的完整性与准确性。为选择具有代表性的数字足迹平台，本研究参考站长之家（http://www.chinaz.com）中旅游类网站排名。比较分析各个网站内容后，选择携程旅行网（https://www.ctrip.com）、马蜂窝旅游网（http://www.mafengwo.cn）、去哪儿网（https://www.qunar.com）等排名前三的旅游网站进行乡村旅游数字足迹的采集。本研究采用2018年1月1日—2018年12月31日期间所有湖州市乡村旅游游记为主要数据对象，采集游记内包含的全部图片与文字数据。提取游客来湖州市旅游的行为轨迹中包含乡村旅游节点的记录，按照上述方法共采集到马蜂窝旅游网588篇、携程旅游网270篇、去哪儿网181篇有效游记样本。进一步甄别游记有效的数字足迹，具体标准为：①游记内容完整，包含乡村旅游节点，并由多个节点构成，数字足迹空间连续。对于在空间上无法形成完整旅游轨迹，无法参与旅游流空间网络的单点式数字足迹予以剔除；②游客游记要配有一定文字描述与场景拍摄图片；③剔除无效用户和单个用户在不同网站发布相同的游记；④剔除过少的团队游客数据样本（仅8份，占总采集数据量的1.17％）。按照上述标准，总共采集到有效游记数字足迹样本数据685份，其中照片类数字足迹28 219张。

1.3 研究方法选择

基于社会网络方法理论对采集到数字足迹处理分析，构建游客参与湖州市乡村旅游流的网络体系。通过对时空特征的表征与总结把握游客参与湖州市乡村旅游的整体情况；利用社会网络方法探寻湖州市乡村旅游流网络的内在规律。

1.3.1 时空特征分析方法

采用数理统计分析法分析游客数字足迹的时间与空间信息，总结湖州市乡村旅游者的时间分布规律与空间分布特征。采用ArcGIS空间分析法对湖州市乡村旅游节点上的照片数字足迹进行处理，分九等级表征照片足迹的核心与外围发生区；为了更好展现乡村旅游各节点之间照片足迹级差，利用ArcSence三维表示法，提升对比的可视化程度，并有利数字足迹分布规律的总结与呈现。

1.3.2 旅游流网络分析方法

选取社会网络分析方法中的规模密度、中心性与结构洞、凝聚子群、核心边缘等分析模块对湖州市乡村旅游流网络进行分析。中心性是社会网络方法体系中的核心内容，主要包括程度中心性、接近中心性和中介中心性等几个指标。由于本研究中的网络具有有向性特征，故程度中心性又具体分为外向辐射、内向集聚两个分析指标；接近中心性反映了各节点的网络居中程度，其值越大越接近网络中心；中介中心性反映的是宏观尺度上节点对其他节点的控制及依赖程度，其值越高，其承担的中介作用越显著，对其他节点的控制程度越强。为了补充说明各节点在网络中的角色定位，以便更好地研究节点之间的关系，研究还将对乡村旅游空间网络进行结构洞评价指标分析。

2 乡村旅游流时空特征

2.1 时间特征分析

采集游客旅游时间足迹数据时（图2、图3），综合游记数字足迹文本提及的旅游时间与照片EXIF信息，提取出游时间信息，包括出游时间和停留时间，并进行时间序列分析。从全年的数据分布来看，4~10月份是湖州市乡村旅游数字足迹分布较多月份，其中数字足迹在4月、8月份出现了两个分布波峰，整体上来看，乡村旅游流足迹夏半年（春分日—秋分日）分布较为集中，全年月度分布的差异性不大。
图2 湖州乡村旅游游客出行月份图

Fig.2 Monthly chart of rural tourism tourists in Huzhou

图3 湖州乡村旅游游客逗留时间图

Fig.3 Duration of stay of rural tourists in Huzhou

通过游客数字足迹样本逗留天数数据分析，游客在湖州参与乡村旅游逗留时间1~6天不等，平均逗留时间为2.16天，乡村旅游流空间活动“周末出游”态势依然明显，而其中出行逗留时间2天及2天以内的样本达68.2%，逗留时间3天的游客样本占比27.1%，停留时间4天及以上的游客样本占比4.5%。
图4 乡村旅游节点名称标记

Fig.4 Node name marker

2.2 空间特征分析

通过数字足迹样本中游客流量与拍照量的统计数据，利用ArcGIS中的克里金插值法（图5）与ArcSence三维表示法（图6）对乡村旅游节点的照片类数字足迹进行表征，依据各节点照片样本数量进行半径赋值形成节点数据分布图（图7）。
图5 照片类数字足迹密度（克里金法）

Fig.5 Regional photo number density (Kriging method)

图6 照片类数字足迹密度（三维法）

Fig.6 Regional photo number density (Three-dimensional Method)

图7 节点照片

Fig.7 Node visitor volume

通过克里金插值法对照片足迹进行表征，可以清楚的发现湖州乡村旅游节点中有两处“照片足迹高峰”，分别是南浔古镇和德清莫干山，其他区域围绕两处峰值呈现逐级递减。三维手段表征可以更直观更立体地展示各个节点的数字足迹密度差异（图6），南浔古镇片区的照片数字足迹峰值是由南浔古镇高位个体值形成的，而莫干山的照片峰值是由莫干山及其周围高密度旅游节点共同构成的。结合照片内容数字足迹分布，游客参与不同类型的乡村旅游节点时，更倾向于在古镇、古村、民宿、特色节点等区域的文化旅游景观拍照，因此留下更多的照片数字足迹。

3 乡村旅游流网络空间特征

在采集游客发布的游记数字足迹信息基础上，提取有效的旅游线路矢量数据，以社会网络理论为指导，采用定量分析，测度游客在湖州乡村旅游区域的行为偏好和行动轨迹。节点与节点之间的互相连通形成了网络结构，将各节点之间的流量等级化并加以可视化操作，在理论意义上能对网络结构和网络中各节点的位置、价值进行研究；在实际意义上不仅可以反映游客的空间活动轨迹，还可以展现旅游活动的属性与相互关联性。

3.1 旅游流网络结构

将湖州市区及其所辖两区三县城区集散功能区域，高度抽象为旅游集散中心，田园综合体、特色小镇、古镇、古村、特色村落、景区等抽象为旅游节点；将乡村地区提供的住宿与餐饮场所抽象为民宿节点，采用学术研究中常用的社会网络分析方法，包括密度、中心性分析、关联性分析、凝聚子群分析与核心边缘分析手段[2,22]来构建与分析湖州市乡村旅游流网络结构图。依据湖州市乡村旅游数字足迹路径，构建旅游节点流量流向数据矩阵，依次将足迹数据输入矩阵，加总建立赋值矩阵，进行二值化处理。为了展现网络整体结构突出核心内容，此时要选择合理切点值[23]，经过尝试对比选择2作为切点值，形成由34个旅游节点构成的空间网络图。将二分矩阵数据导入NetDraw软件，经过处理导出湖州乡村旅游流向图。为更好表达节点与节点之间的客流、凸显网络核心，使用CorelDraw软件，对旅游节点流量较大的20条联线，进行为8个加粗等级的处理。节点i与节点j之间的连线表示i流向j与j流向i的流量之和[24]，且将网络中的大流量节点框出，加强可视化[25]。生成湖州乡村旅游流网络结构图（图8）。
图8 湖州乡村旅游旅游流网络结构图

Fig.8 Structure diagram of tourism flow network of rural tourism in Huzhou

从图8中可以看出区域节点流量较大的有莫干山景区、南浔古镇、莫干山民宿群、安吉竹海民宿群、湖州市等，这5处节点是该网络系统的集聚核心点[26]。在核心节点分布中，莫干山、南浔古镇是湖州重要的乡村旅游核心吸引物节点；莫干山民宿群、安吉竹海民宿群是乡村游客参与湖州乡村旅游的重要住宿载体与旅游服务体验的核心场所。上述四处乡村旅游节点留下大量游客照片类数字足迹，湖州市区承担着重要的湖州乡村旅游集散职能，是湖州市乡村旅游发展的一级集散中心，在整体流空间网络中占据中心位置。

3.2 旅游流网络特征分析

3.2.1 规模及密度分析

在湖州市总体旅游节点中，理论上节点最大连接数量为4 556个，实际观察只有411个连接，其网络节点连结为0.0902，网络连接效果一般。说明湖州市全部节点连接中，边缘与次级乡村旅游节点联系不密切，旅游线路联动性不佳，仅在核心受欢迎的旅游节点和交通连接顺畅节点之间存在较为畅通发达的旅游线路。为了凝练社会网络结构，更清晰展示节点间相互关系，经多次尝试选择2为切点值，由此形成34个旅游节点构成的旅游流动线关系，其网络密度为0.2718，核心旅游节点和其他节点连接网络效果较好，其中湖州市—南浔古镇—古镇民宿；安吉竹海—安吉民宿；莫干山景区—莫干山民宿—庾村—德清等节点间连接度最高，呈现较高的高中心度与地理空间临近性特征。

3.2.2 中心性分析

中心性与结构洞是社会网络分析方法的核心部分。中心性分析可以对节点在社会网络的地位进行量化测度以体现其在网络结构中的相对重要性，而结构洞分析可以结合中心性分析的结果对节点的网络特征进行定量测度，并依据数据进行节点在网络中的特征定性推定[29]。
程度中心性可以直观反映哪些节点在网络中居于核心地位，因节点间的流量是双向的，所以分成由某节点流向其他节点的外向—程度中心性及由其他节点流向该节点的内向—程度中心性[10]。表2中可以看出湖州乡村旅游流空间网络中所有节点的内外向程度中心性均值均为2.892，表示湖州乡村旅游游客旅游流社会网络中，每个旅游节点平均与2.892个旅游节点存在着连接与聚散关系；从均值分布上来看，莫干山景区、南浔古镇、安吉竹海民宿群、莫干山民宿群、湖州市区等节点中心度显著高于其他乡村旅游节点，民宿群节点外向中心度大于内向中心度，在整体网络结构中具有较强的连接和集散功能。
旅游网络规模反映节点数量规模与各节点之间建立的数量关系[27]。理论上，单个点可能与其他各个点建立连接关系，如果旅游网络结构中有N个点，其旅游节点有向网络连接数量为N·（N-1）[28]。网络连接密度可以反映网络系统中，各旅游节点连接畅通性，实际的节点连结数量与理论上的节点连接数量的比值，即为密度值。密度值介于0~1之间，数值越趋近于极端值0，则表示节点间旅游线路越少，旅游连接网络效果差；反之数值越高，效果越好。
接近中心性可以表明旅游流社会网络的集中程度，其数值越大表示接近中心性越高，与其他节点之间的联系越畅通，越接近网络的中心[30]。在湖州乡村旅游社会网络中，节点平均外向中心性8.185，内向中心性14.400，其中，南浔古镇、莫干山景区、莫干山民宿群、安吉竹海民宿群、湖州市、下渚湖、新市古镇、庾村、中南百草园、藏龙百瀑、天荒坪、大竹海、竹博园、义远农场、影视城等多处节点的外向与内向接近中心性数值大于均值水平，具有接近中心性双高特征，表明这些节点与其他旅游节点的联系较为畅通，处于整个社会网络中的中心位置。值得注意的是，湖州市乡村旅游多数节点的外向与内向接近中心性差值较大，大部分具有相对高内向接近性、低外向中心性特征，这些节点向其他节点扩散能力弱而吸引旅游足迹汇入能力强；另一类以水口乡顾渚村、龙王山、十里银杏长廊、余村、吴兴、水口乡民宿群等为代表的乡村旅游节点，具有高外向接近中心性、低内向接近中性线的特征，此类旅游节点向外扩散能力强但吸引游客数字足迹能力弱。
中介中心性可以从宏观的角度观测旅游节点在旅游流社会网络中对其他节点的依靠程度和控制程度[31]。高中介中心性的旅游节点对其他旅游节点的控制性强。通过均值计算发现湖州乡村旅游网络中介中性的均值为2.887（表2），即每个旅游节点在旅游流网络中担任中间中介节点的平均次数为2.887，其中中介中心性较高的节点依次为安吉竹海民宿群、湖州市、莫干山景区、莫干山民宿群、南浔古镇、水口乡民宿群等。对网络特征结构的划分是以中心度的高低来评判的[32]。中心度最高的一些点即为中心点，只要中心度的分布中出现一个“自然的断裂”（陡降），就可以在中心和图中其他点之间划界；边缘指的是在中心度的分布中又出现进一步的“断裂”，这些点的聚类就会与“外围”点区分开来[33]。而中介中心性在网络控制信息交流与资源流动中占有重要地位[34]，因而依据中介中心性两次断裂，可以将网络节点段分为核心、一般、边缘旅游吸引物三个级别，具体参照表2节点网络特征列。
结构洞是在“地方依赖性”基础上的对中介中心性的进一步解释[32]，是指各旅游节点在旅游社会网络中竞争力的强弱。具体细分为3个指标，分别为：效能值、效率度、约束度。效能值和效率度越大、约束度越低的节点，在社会网络中的竞争力越强；反之则越弱[35]。依据结构洞数据结果发现，核心节点莫干山景区、莫干山民宿群、安吉竹海民宿群、湖州市区、南浔古镇具有“高高低”的数值特征；边缘节点具有“低低高”的数值特征，而一般旅游吸引物的三项取值较为居中。结构洞的数据结果与中介中心性的判别结果相互印证。核心节点竞争力较强源自于其高效率度与低约束度，为了避免因缺少多样性旅游节点和线路而导致的客流瓶颈期的状况，应该积极利用本节点的高效率度与低约束度的优势，加强与其他节点的联系，形成“核心带边缘”的发展局势，开发适于各种层次人群的旅游线路，以实现区域旅游可持续发展的目标。

3.2.3 凝聚子群分析

凝聚子群分析是依据游客线路大数据，透过现象去发现网络内部的次级或子集结构，深入透视游客的旅游节点组合线路[36]。再次使用文本数据，结合UCINET软件中的CONCOR工具，对湖州乡村旅游旅游流网络进行凝聚子群分析，得出表3，共计7个凝聚子群及其密度数据。
如表3所示，湖州市乡村旅游流的7个凝聚子群中有6个子结构具有不同程度的内部凝聚水平。4点群内部结构密度在矩阵中值最大，表明其内部联系最为紧密，且4点群与5点群链接密度处于矩阵数值的次高峰，说明4点群与5点群的子群间的联系也十分紧密。4点群的节点为莫干山民宿群、莫干山景区，其连接关系紧密表明莫干山地区的乡村旅游盛行“过夜游”，5点群的节点为裸心谷、新市古镇、后坞村等分布于莫干山地区周边的景区，其与4点群中的节点形成互补关系，其为莫干山景区的游客提供多类型的旅游节点进而提升游客体验度与好感度，莫干山景区品牌与莫干山民宿群的品牌为周边旅游节点带来了大量游客与发展机会。
表2 湖州乡村旅游节点结构指标

Tab.2 Rural tourism node structure in Huzhou

程度中心性 接近中心性 中介
中心性		 结构洞 节点网络特征
外向 内向 外向 内向 效能值 效率度 约束度
莫干山 8.000 10.000 8.675 20.112 15.464 8.444 0.768 0.280 核心旅游吸引物
南浔古镇 5.000 6.000 8.571 20.571 5.423 4.273 0.712 0.332 核心旅游吸引物
藏龙百瀑 1.000 3.000 8.411 18.462 2.540 1.625 0.542 0.566 一般旅游吸引物
天荒坪 1.000 3.000 8.411 18.462 2.540 1.625 0.542 0.566 一般旅游吸引物
Hello Kitty乐园 2.000 5.000 8.592 19.780 2.075 2.857 0.571 0.324 一般旅游吸引物
下渚湖 3.000 2.000 8.238 19.672 1.695 1.900 0.633 0.448 一般旅游吸引物
安吉大竹海 2.000 5.000 8.531 18.557 0.971 3.714 0.619 0.434 一般旅游吸引物
庾村 2.000 6.000 8.592 17.561 0.742 3.125 0.521 0.393 一般旅游吸引物
中南百草园 3.000 3.000 8.411 19.890 0.716 1.917 0.479 0.488 一般旅游吸引物
新市古镇 2.000 4.000 8.392 17.561 0.254 2.250 0.563 0.389 一般旅游吸引物
湖州影视城 1.000 2.000 8.295 18.848 0.149 1.500 0.750 0.597 一般旅游吸引物
田园嘉乐比乐园 2.000 2.000 8.182 18.557 0.026 1.250 0.417 0.636 一般旅游吸引物
水口乡顾渚村 0 3.000 12.457 2.703 0 2.000 0.667 0.418 边缘旅游吸引物
后坞村 1.000 1.000 8.018 17.143 0 1.000 0.500 0.614 边缘旅游吸引物
安吉竹博园 2.000 1.000 8.163 18.557 0 1.000 0.500 0.723 边缘旅游吸引物
太湖百里观光大道 2.000 1.000 8.163 18.947 0 1.000 0.500 0.677 边缘旅游吸引物
义远农场 2.000 1.000 8.018 17.225 0 1.000 0.333 0.574 边缘旅游吸引物
仙龙峡漂流 1.000 1.000 8.182 15.929 0 1.000 0.500 0.847 边缘旅游吸引物
天池滑雪场 1.000 1.000 8.182 15.929 0 1.000 0.500 0.847 边缘旅游吸引物
龙王山 0 1.000 8.867 2.703 0 1.000 0.417 1.000 边缘旅游吸引物
十里银杏长廊 1.000 1.000 9.945 2.936 0 1.000 0.333 1.000 边缘旅游吸引物
浙北大峡谷 1.000 1.000 8.163 18.462 0 1.000 0.667 1.000 边缘旅游吸引物
余村 0 1.000 8.867 2.703 0 1.000 0.333 1.000 边缘旅游吸引物
裸心谷 2.000 1.000 8.182 17.561 0 1.000 0.500 0.658 边缘旅游吸引物
安吉竹海民宿群 18.000 12.000 8.654 22.086 34.534 17.55 0.924 0.121 旅游服务中心、
核心旅游吸引物
莫干山民宿群 11.000 8.000 8.471 19.565 9.460 10.684 0.822 0.250 旅游服务中心、
核心旅游吸引物
水口乡民宿群 3.000 3.000 10.778 2.941 4.603 3.750 0.938 0.302 次级服务中心、
一般旅游吸引物
南浔古镇民宿 5.000 3.000 8.238 19.251 0.679 3.188 0.637 0.430 次级服务中心、
一般旅游吸引物
湖州市区 18.000 8.000 8.654 22.642 24.955 15.404 0.856 0.166 集散中心
德清城区 3.000 2.000 8.238 17.647 0 1.000 0.571 0.569 次集散中心
南浔城区 2.000 3 8.238 17.647 0 1.000 0.333 0.643 次集散中心
长兴城区 1.000 1.000 9.945 2.936 0 1.000 0.333 1.000 次集散中心
安吉城区 1.000 1.000 8.163 18.462 0 1.000 0.5 1.000 次集散中心
吴兴城区 0 1.000 8.867 2.703 0 1.000 0.333 1.000 次集散中心
均值 2.892 2.892 8.185 14.400 2.887 - - - -
标准差 4.222 2.817 1.833 7.197 7.782 - - - -
总和 107.000 107.000 302.861 532.817 106.825 - - - -
中心势/% 43.133 26.003 - - 3.252 - - - -
表3中1点群与7点群联系相较于其它点群联系更为紧密；2点群与4、3、7、5点群连接紧密度逐渐降低；3点群与2点群联系较为紧密；4点群与5、2、7、3点群连接紧密度逐渐降低；5点群与4、2点群连接紧密度逐渐降低；6点群由于位置较为偏远，连接难度大，连接紧密度极低；7点群与2、1、5、3点群连接密度逐渐降低。将上述对表格数据特征分析与表5注释的点群对应节点相对照，发现湖州乡村旅游旅游流路径有很强的地理临近性。
表3 凝聚子群密度分析矩阵

Tab.3 Condensation subgroup density analysis matrix

1 2 3 4 5 6 7
1 0 0 0 0 0 0 0.167
2 0 0.833 0.346 0.480 0.107 0 0.333
3 0 0.173 0.038 0 0 0 0
4 0 0.460 0.038 0.891 0.786 0 0.083
5 0 0.036 0 0.857 0.048 0 0
6 0 0 0 0 0 0 0
7 0.167 0.292 0.013 0 0.024 0 0.067

注：R-squared=0.394。1：南浔古镇、Hello Kitty主题乐园、湖州市区、安吉竹海民宿群；2：中南百草原、江南天池景区、余村、安吉大竹海、龙王山、安吉竹博园、仙龙峡、顾渚村、天荒坪、安吉城区、田园嘉乐比乐园、浙北大峡谷；3：长兴城区、十里古银杏长廊；4：莫干山民宿群、莫干山景区；5：裸心谷、新市古镇、后坞村、德清城区、下渚湖湿地公园、义远有机农场、庾村；6：劳岭水库、吴兴民宿、德清博物馆；7：水口乡民宿群、南浔城区、太湖百里观光大道、湖州影视城、南浔古镇民宿、吴兴城区。

通过上述凝聚子群分析发现，4点群在湖州乡村旅游旅游流网络中居于核心位置，且具有以各点群内部节点强连接与距离越近点群间连接密度越高为表征的强地理临近性，最常被游客最为青睐游览线路的是4点群的莫干山民宿群、莫干山景区与5点群的裸心谷、新市古镇、后坞村等，其次是2点群中的中南百草原、江南天池景区、余村、安吉大竹海等安吉乡村旅游子集，再后是7节点位于湖州北部东西走向的乡村旅游廊道，最后是3点群以十里古银杏长廊为代表的长兴城区旅游综合体线路与1点群的独立特色旅游点。

3.2.4 核心边缘分析

核心边缘分析可以依据实际数据情况来判定各个旅游节点在社会网络中是处于核心区还是边缘区[37]。使用UCINET软件中的core-periphery mod分析模型工具，分析得出核心—边缘密度矩阵及其对应的节点[9]。
其中核心区的旅游节点有：南浔古镇、莫干山景区、湖州市区、莫干山民宿群、安吉竹海民宿群，其余为边缘区节点。这与前文利用中心性判别核心、边缘的结果一致。对各节点可进行进一步的划分：南浔古镇、莫干山景区是湖州乡村旅游核心旅游吸引物；莫干山民宿群、安吉竹海民宿群不仅具有旅游吸引物的功能，还是为游客提供服务、餐饮、活动体验等系列功能的核心旅游节点；而湖州市区在乡村旅游体系中主要发挥着旅游集散、交通中转、大众餐饮住宿等基础配套功能。具体分类见表2中依据中心度划分[23]的网络特征列。
表4中，核心节点之间的连接度达到了0.7，远高于整体网络的0.2718密度值；而核心与边缘区的连接密度为0.287、0.188，近似于整体网络密度值，说明核心节点对其边缘区域具有一定的带动作用，但是带动作用随着距离等要素的变化呈现逐渐衰落的趋势；边缘区旅游节点的连接密度仅为0.017，说明湖州乡村旅游网络具有很显著的层状分布特征。因此要积极发挥核心节点的旅游吸引作用，从而为湖州乡村旅游提供充足客源；优化交通、规划游览线路建设以核心带周边、周边连边缘的优良乡村旅游格局，提升湖州的旅游吸引力、市场竞争力。
表4 核心—边缘密度矩阵

Tab.4 Core-Edge Density Matrix

核心 边缘
核心 0.700 0.287
边缘 0.188 0.017

4 结论与讨论

本文基于网络采集的湖州市乡村旅游数字足迹样本数据，采用GIS分析法、时空分析法与社会网络分析法，分析湖州市乡村旅游流的时空分布格局特征，构建乡村旅游流社会网络模型结构，分析乡村旅游流空间特征，取得了一些有意义的结论。

4.1 研究结论

①乡村旅游流时间特征上，4~10月是乡村旅游流发生的高峰期，4月和8月出现乡村旅游流双峰值，其他季节虽有一定差异，但是总体差异不大。旅游流暂留时间上看，“周末游”依然明显，2天及2天内占比68.2%，3天及3天以上占比31.8%。
②乡村旅游流空间特征上，旅游流足迹整体空间分布呈现以莫干山、南浔古镇为核心的“双峰”分布状态，南浔古镇主要个体节点，莫干山区域有莫干山及周边次级节点组成，流空间分布呈现离开核心节点衰减的规律。加入照片数字足迹的内容维度后，呈现古镇、古村、传统村落、民宿等带有文化符号的旅游景观空间行为偏好。
③乡村旅游旅游流选择切点2值时，形成了34个旅游节点构成的乡村旅游流空间结构关系，其整体网络密度为0.2718，节点流量较大的有莫干山景区、南浔古镇、莫干山民宿群、安吉竹海民宿群、湖州市等，这5处节点是该网络系统的集聚核心节点。
④乡村旅游流网络结构中，莫干山景区、南浔古镇等传统旅游吸引物是乡村旅游发展的依托，围绕乡村节点发育的民宿集群是乡村旅游流空间承载的重要载体，这些节点包括程度中心性、接近中心性和中介中心性指数在网络结构指标中处于较高的水平，在乡村旅游流空间结构中承载较强的连接和集散功能。
⑤湖州乡村核旅游节点和其他节点连接网络效果较好，核心节点间的连接度0.7，其中湖州市—南浔古镇—古镇民宿；安吉竹海—竹海民宿；莫干山景区—莫干山民宿—庾村—德清等节点间连接度最高，呈现较高的高中心度与地理空间临近性特征。而核心与边缘区的连接密度为0.287，具有良好的区域带动性。

4.2 研究启示

乡村旅游作为乡村振兴的重要路径，其发育程度一定意义上决定着乡村经济社会发展的进程，进行乡村旅游流时空格局与网络结构研究，可为乡村旅游发展与目的地建设提供理论参考与实践借鉴。
通过乡村旅游流网络空间结构分析，依据网络内节点等级分布，进行区域功能合理优化与完善，更好地发挥节点集散功能，扩大旅游网络密度，增强乡村旅游对乡村经济拉动作用。对于乡村旅游流核心节点，要通过完善产品内涵，进行产品创新，不断提升核心吸引力与区域竞争力；同时在核心节点应强化旅游标识导览系统、集散体系与旅游公共服务体系建设，更好的发挥核心节点分流集散功能，强化带动效应。一般性次级节点则应着重考虑如何优化交通驿站服务体系，提升地区的中介中心性，控制区域旅游流的流向。边缘节点区域，应重点完善基础设施，做大做强旅游品牌，提升形象，提升交通通达性与可进入性，强化边缘旅游节点与核心节点联动与带动。
根据乡村旅游流的古镇、古村、民宿、特色景观等文化符号导向的数字足迹分布偏好，针对次级与边缘节点中具有一定体验项目与景观效果的区域，如安吉竹海、江南天池、藏龙百瀑、浙北大峡谷等拍摄照片较少的节点，增加节点项目体验性、参与性与文化性，同时点设置一定数量与主题相关的最佳摄影点标识体系，提高节点吸引力同时延长游客游览与停留时间，提升游客的收获感与满意度，同时可以通过游客游记照片等数字足迹，借助互联网与自媒体等工具传播，提高传播效果，强化节点的吸引功能，进一步增加流空间网络的密度与连接，促进广大区域的流空间的形成。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张鲜鲜, 李婧晗, 左颖, 等. 基于数字足迹的游客时空行为特征分析——以南京市为例[J]. 经济地理, 2018, 38(12):226-233.

[2]
蔚海燕, 戴泽钒, 许鑫, 等. 上海迪士尼对上海旅游流网络的影响研究——基于驴妈妈游客数字足迹的视角[J]. 旅游学刊, 2018, 33(4):33-45.

[3]
张维亚, 陶卓民, 秦立, 等. 基于网络游记的苏州园林旅游者数字足迹空间响应研究[J]. 资源开发与市场, 2016, 32(7):886-891.

[4]
Liu F, Zhang J, Zhang J, et al. Roles and functions of tourism destinations in tourism region of south anhui:a tourist flow network perspective[J]. Chinese Geographical Science, 2012, 22(6):755-764.

[5]
Ta V D, Liu C M, Nkabinde G W. Big data stream computing in healthcare real-time analytics[C]// 2016 IEEE International Conference on Cloud Computing and Big Data Analysis (ICCCBDA). IEEE,2016:5-15.

[6]
Zheng W M, Huang X T, Li Y. Understanding the tourist mobili- ty using GPS:Where is the next place?[J]. Tourism Management, 2017,59:267-280.

[7]
戴光全, 陈欣. 旅游者摄影心理初探——基于旅游照片的内容分析[J]. 旅游学刊, 2009, 24(7):71-77.

[8]
符红波, 陈浩, 王亚萍. 基于网络游记的苏州城市旅游流空间网络结构研究[J]. 曲阜师范大学学报:自然科学版, 2018, 44(1):95-101.

[9]
张妍妍, 李君轶, 杨敏. 基于旅游数字足迹的西安旅游流网络结构研究[J]. 人文地理, 2014, 29(4):111-118.

[10]
穆小雨, 吴小根, 冯英杰, 等. 基于网络游记的成都自助旅游流网络结构研究[J]. 资源开发与市场, 2019, 35(4):572-577.

[11]
付琼鸽, 刘大均, 胡静, 等. 湖北省旅游流网络结构的特征与优化[J]. 经济地理, 2015, 35(3):191-196.

[12]
周慧玲, 许春晓. 基于游记行程的湖南旅游流空间网络结构特征[J]. 经济地理, 2016, 36(10):201-206.

[13]
戢晓峰, 李俊芳, 陈方. 基于社会网络分析的云南省自助游空间结构研究[J]. 干旱区资源与环境, 2016, 30(6):204-208.

[14]
Walden-Schreiner C, Leung Y F, Tateosian L. Digital footprints: Incorporating crowdsourced geographic information for protected area management[J]. Applied Geography, 2018,90:44-54.

[15]
Chua A, Servillo L, Marcheggiani E, et al. Mapping Cilento: using geotagged social media data to characterize tourist flows in southern Italy[J]. Tourism Management, 2016,57:295-310.

[16]
Salas-Olmedo M H, Moya-Gómez B, García-Palomares J C, et al. Tourists' digital footprint in cities:Comparing Big Data sources[J]. Tourism Management, 2018,66:13-25.

[17]
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):197-205,219.

[18]
于洪雁, 刘继生. 基于流空间的东北地区城市旅游网络体系和空间结构研究[J]. 商业经济研究, 2016(11):208-210.

[19]
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.

[20]
裘东耀. 绿水青山就是金山银山——湖州推动生态文明建设的生动实践[J]. 求是, 2015(15):54-55.

[21]
杜建林. 乡村旅游“湖州模式”[J]. 决策, 2016(Z1):76-77.

[22]
时少华, 孙业红. 社会网络分析视角下世界文化遗产地旅游发展中的利益协调研究——以云南元阳哈尼梯田为例[J]. 旅游学刊, 2016, 31(7):52-64.

[23]
彭红松, 陆林, 路幸福, 等. 基于社会网络方法的跨界旅游客流网络结构研究——以泸沽湖为例[J]. 地理科学, 2014, 34(9):1041-1 050.

[24]
Jansen-Verbeke M. A regional analysis of tourist flows within Europe[J]. Tourism Management, 1995, 16(1):73-80.

[25]
Luo Q J, Zhong D X. Using social network analysis to explain communication characteristics of travel-related electronic word-of-mouth on social networking sites[J]. Tourism Management, 2015,46:274-282.

[26]
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(6):609-620.

[27]
杨小莉, 冯卫红, 王燕伟. 基于自助旅游流网络结构的景区角色研究——以山西省为例[J]. 旅游论坛, 2017, 10(3):74-83.

[28]
刘冰, 曾国军, 彭青. 社会网络视角下旅游线路研究——以新疆为例[J]. 旅游学刊, 2013, 28(11):101-109.

[29]
刘军. 社会网络分析导论[M]. 上海: 社会科学文献出版社, 2004:92-101.

[30]
韩冬, 黄丽华. 基于旅游数字足迹的旅游流网络结构研究 ——以内蒙古自治区为例[J]. 干旱区资源与环境, 2018, 32(3):192-197.

[31]
Tran M T, Ananda S J, Pourabedin Z. Social network analysis in tourism services distribution channels[J]. Tourism Management Perspectives, 2016,18:59-67.

[32]
林聚任. 社会网络分析:理论、方法与应用[M]. 北京: 北京师范大学出版社,2009:107-117.

[33]
Scott J. 社会网络分析法(第三版)[M].刘军,译. 重庆: 重庆大学出版社,2016:97-102.

[34]
Knoke D, Song Y. 社会网络分析(第二版)[M].李兰,译. 上海: 上海人民出版社,2017:108-111.

[35]
Zeng B. Pattern of Chinese tourist flows in Japan:a social net- work analysis perspective[J]. Tourism Geographies,2018:1-23.

[36]
曲静, 吴铭. 基于旅游数字足迹的甘肃省旅游流网络结构研究[J]. 旅游论坛, 2018, 11(1):113-124.

[37]
杨新菊, 吴晋峰, 王奕祺. 上海口岸入境外国旅游流的空间扩散和网络结构研究[J]. 浙江大学学报:理学版, 2014, 41(6):696-702.

Options
文章导航

/

〈 〉