EN中文

Economic geography >

2019 , Vol. 39 >Issue 12: 103 - 109

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.12.012

Spatial Pattern and Influential Factors of Exhibition Passenger Flow in China

  • LIU Dajun , 1 ,
  • CHEN Junzi 1 ,
  • JIA Yaoyan 2
Expand
  • 1. School of Tourism and Culture Industry，Chengdu University，Chengdu 610106，Sichuan，China
  • 2. School of Urban and Environmental Science，Central China Normal University，Wuhan 430079，Hubei，China

Received date: 2018-12-17

  Revised date: 2019-07-14

  Online published: 2025-04-18

Fold

Abstract

Based on the exhibition big data mining in Dianping.com network platform, with GIS spatial analysis, complex network analysis and multiple linear regression model, this paper analyzed the spatial pattern and influential factors of exhibition passenger flow in China. The study shows that, firstly, exhibition source market in China is mainly concentrated in a few large cities such as Shanghai, Beijing, Tianjin and Shenzhen, shows the spatial distribution characteristics of "more in the east and less in the west", "large dispersion and small concentration". The Yangtze River delta, Beijing-Tianjin-Hebei and Pearl River delta are the three major clusters of exhibition source market in China. Secondly, exhibition passenger flow in China forms a diamond-shaped space structure centered on Shanghai, Beijing, Guangzhou, Shenzhen, Chengdu and Chongqing. The exhibition passenger flow generally shows obvious distance attenuation characteristics, about 82.05% of the passenger flow is mainly concentrated in the range of 0-50 km. Thirdly, exhibition passenger flow network in China obvious hierarchical structure, taking Shanghai as the core and Beijing, Hangzhou and Shenzhen as the sub-core, showing obvious small-world effect. Fourthly, the level and scale of exhibition development, business development, economy development level are the main influential factors of spatial pattern of exhibition passenger flow in China. Among those, the level of exhibition development is the primary influential factor.

Key words： exhibition passenger flow; big data; source market; Yangtze River Delta; Pearl River Delta; Beijing-Tianjin-Hebei

Cite this article

LIU Dajun , CHEN Junzi , JIA Yaoyan . Spatial Pattern and Influential Factors of Exhibition Passenger Flow in China[J]. Economic geography, 2019 , 39(12) : 103 -109 . DOI: 10.15957/j.cnki.jjdl.2019.12.012

会展作为中国现代服务业的重要组成部分，是近年来最具活力的行业之一[1]。在市场化、全球化的背景下，会展已成为各领域交流与合作的重要窗口与平台，逐渐成为许多城市投资的热点和重要发展方向。近年来，国家已先后颁布了《关于进一步促进展览业改革发展的若干意见》（2015）、《“十三五”国家战略性新兴产业发展规划》《商务发展第十三个五年规划纲要》等政策文件，明确提出发展会展对于促进各领域交流与合作、构建现代市场体系和开放型经济体系、推进业态创新具有重要意义。
会展具有较强的综合性，已受到经济学、管理学、社会学、旅游学等领域学者的重视。国际上，有关会展的研究较早，研究内容较为丰富，主要集中在会展对经济社会的影响[2-3]、会展场馆选址与布局[4-5]、会展目的地形象与营销[6-7]、会展游客行为与动机[8-9]等方面。国内会展研究始于1990年代，侧重于会展发展存在的问题与对策[10-11]、会展的经济社会效应[12⇓-14]、部门协作与行业合作[15-16]、发展水平与竞争力测度[17-18]、游客行为与决策[19⇓-21]等方面的研究。近年来，会展在空间上的地理现象逐渐引起了地理学界的关注。已有研究主要集中在以下方面：①会展企业的空间格局与影响因素，涉及国外会展企业空间布局与启示[22]，全国、长三角、珠三角、广州会展企业的空间分布特征以及影响因素[1,23⇓⇓-26]；②会展引发的产业集聚以及集聚效应测度[27]。总体而言，学术界从地理学视角研究会展的成果较少，局限于会展企业的空间格局以及相关产业在空间上的集聚。会展客流即会展游客的空间流动，是一种重要的人文地理现象。然而，仅个别学者基于问卷调查，对游客在展览场馆这一微观尺度内部的空间行为模式进行了分析[28]，缺乏对会展游客在省域、全国等较大尺度上空间特征及影响因素的探究，会展客流空间规律有待进一步总结。本研究基于大众点评网络平台的会展大数据挖掘，对中国会展客流的空间格局与影响因素进行深入研究，以期揭示会展客流的空间规律，为城市会展发展提供一定理论依据。

1 数据来源与方法

1.1 数据来源及处理

大众点评（www.dianping.com）是中国领先的生活信息及交易平台，也是全球最早建立的独立第三方消费点评网站，目前大众点评月活跃用户数超过3亿，点评数量超过2亿条[29]。大众点评网络平台不仅蕴含丰富的生活服务信息和消费者评价信息，还可以挖掘出主客双方大量地理空间信息。通过大众点评网络平台，游客可以查询展览场馆的相关服务信息，还可以对展览场馆以及展会进行评价。会展场馆是举办会展活动的主要设施和平台[25]，基于《2017年度中国展览数据统计报告》中的数据，选取全国室内可供展览面积排名前50的展览场馆和利用率排名前30的展览场馆为研究样本。其中，样本展览场馆室内可供展览面积占全国室内可供展览面积的52%，利用率前30的展览场馆在2017年展览面积约占全国总展览面积的50%，具有一定的代表性。然后依托大众点评网络平台获取样本展览场馆的地址、游客点评等相关信息，并统计出截至2017年12月31日会展游客的客源地和目的地城市空间信息。最终，共采集得到6 577名游客的地理空间数据，涉及全国108个城市。根据游客在城市之间的流动数据，构建中国会展客流数值矩阵。以存在会展客流关系的108个城市为网络节点，将节点间会展客流数量关系作为网络边。此外，常住人口、GDP、社会消费品零售总额等数据来源于《中国城市统计年鉴2017》，展馆数量、UFI认证的展览项目数量来源于《2017年度中国展览数据统计报告》，星级饭店、A级旅游景区等数据来源于《2017年度全国星级饭店统计公报》以及各市州国民经济和社会发展统计公报。

1.2 研究方法

1.2.1 平均路径长度

网络平均路径长度即网络中任意两个节点之间最短路径的平均值，反映了网络中节点的分离程度以及网络的整体性质[30-31]。计算公式为：
L = 2 n n - 1 ∑ i ≠ j d i j
式中：L为平均路径长度；n为网络节点数；dij为节点i到节点j最短路径的边数。

1.2.2 集聚系数

集聚系数可测度网络的稠密程度，用以表征网络是否为小世界网络[30,32]。节点i的集聚系数Ci计算公式为：
C i = 2 E i k i k i - 1
式中：ki为节点i邻接节点数目或度数；Ei为节点i的邻接节点间实际存在的边数。
所有节点集聚系数的平均值为整体网络的聚类系数C，即：
C = 1 n ∑ i = 1 n C i
式中：C为整体网络的集聚系数；n为网络节点数。

1.2.3 度

节点的度指该节点在网络中与其存在直接联系的节点个数，可以反映节点在网络中的重要性程度[32]。节点i的度表达式为：
D i = ∑ j = 1 n a i j
式中：Di为节点i的度；aij为节点i与节点j是否存在会展客流直接联系，有则赋值为1，无则赋值为0。

2 中国会展客流的空间格局

2.1 客源市场空间分布

2.1.1 集中分布在上海、北京、天津、深圳等少数城市

中国会展客源市场呈集聚态势，主要分布在上海、北京、天津、深圳、广州、杭州等少数大城市（图1）。上海是中国会展最为活跃的客源城市，占全国市场的44.44%。其次为北京和天津，占全国市场的22.62%。深圳、广州、杭州、苏州、无锡、成都、西安以及重庆是全国重要的会展客源市场，占全国市场的18.38%。同时，会展客源市场多分布在级别较高的大城市。其中，直辖市会展客源市场占全国的68.83%，副省级城市会展客源市场占全国的18.52%，一般省会城市会展客源市场占全国的4.14%。会展业的发展需要有力的经济支撑和良好的服务设施，也需要政府的资金和政策支持，更离不开充足的参展企业以及参展观众，因此会展市场多集中在级别较高的大城市。
图1 中国会展客源市场空间分布图

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）2885号的标准地图制作，底图无修改。图2同。

Fig.1 Spatial pattern of exhibition source market in China

2.1.2 呈“大分散、小集聚”的分布特征

如图1所示，中国会展客源市场在空间上呈“大分散、小集聚”的分布特征。长三角、京津冀、珠三角地区是中国会展客源市场的三大集聚区，三大集聚区的会展客源市场占全国的83.20%。长三角地区经济发达，对会议、展览的需求旺盛，且上海、杭州、苏州、无锡、宁波等城市的会展业带动性强，是中国会展客源市场最为集中、最为活跃的区域，占全国会展客源市场的55.80%。京津冀地区会展客源市场广阔，产业基础好，且北京、天津会展业呈联动发展态势。珠三角地区会展客源市场较大，随着港珠澳大桥的开通以及粤港澳大湾区的建设，其在全国会展市场中的地位将进一步提升。

2.1.3 地带性空间分异特征明显

中国会展客源市场大多分布在黑河—腾冲线以东地区，地带性空间分异特征明显。黑河—腾冲线是中国的人口地理分界线，该线以东和以西地区的自然环境、经济发展水平、社会历史条件有较大的差异[33]。会展客源市场分布与黑河—腾冲线呈现出的东西差异具有较强的相似性，有99.13%的会展客源市场分布在黑河—腾冲线以东地区，而该线以西地区的会展客源市场所占比重较小，仅占全国市场的0.87%。从地带分布来看，中国会展客源市场主要分布在东部地区，而中、西部地区分布较少。东部地区经济社会发展水平高，会展市场需求量大，且会展业的基础设施较好；中、西部地区经济社会发展相对滞后，对会展的需求较小。

2.2 客流空间分布与流动

2.2.1 会展目的地与客源地空间格局大体一致

如图2所示，中国会展客流空间分布不均衡性强，与会展客源市场空间格局大体一致。会展客流主要分布在上海、北京、天津、深圳、杭州等城市，其中上海客流占总量的46.97%，北京和天津客流占总量的20.81%。这些城市行政级别高、经济社会较为发达，是会议、展览、交流研讨等会展活动举办的重要空间载体。从总体格局来看，中国会展客流主要分布在东部地区，特别是长三角、京津冀以及珠三角地区，占全国总客流量的83.72%。其中，长三角地区的会展客流占总客流量的57.69%。中、西部地区会展客流分布较少，主要围绕成都、重庆、西安、郑州、武汉等省会城市呈点状分布。
图2 中国会展客流空间分布图

Fig.2 Spatial pattern of exhibition passenger flow in China

2.2.2 形成了以上海、北京、广深、成渝为中心的菱形空间结构

全国会展客流在空间上存在326个城市对，上海—北京、上海—杭州、上海—苏州、北京—天津、深圳—上海、广州—上海、深圳—北京等城市对的联系强度较大，形成了以上海、北京、广深、成渝为中心的菱形空间结构。联系强度在51~100的城市对有3个，其流量占比为19.33%；联系强度在21~50的城市对有7个，其流量占比为18.58%；联系强度在11~20的城市对有12个，其流量占比为13.67%；联系强度在5~10的城市对有26个，其流量占比为15.58%；联系强度在5以下的城市对有278个，其流量占比为32.83%。城市对客流联系强度的标准差、方差分别为8.86、78.42，可见中国会展客流联系强度差异显著，客流主要集中在少数城市之间，而大部分城市之间会展客流空间联系较少。

2.2.3 总体上表现出明显的距离衰减特征

运用ArcGIS 10.0计算会展游客的出游距离，以50 km为间隔统计出不同距离尺度下客流量的分布。如图3所示，中国会展客流总体上表现出明显的距离衰减特征，会展游客随着出游距离的增加而递减，82.05%的游客出游距离集中在0~50 km范围内。总体上，中国会展游客以短距离出游为主，中、长距离会展游客所占比重较小，可见地理距离在会展客流空间格局的形成与发展中起着重要作用。同时，在大于50 km范围，会展客流表现出一定的波动，主要受到核心城市、高等级城市客流空间互动的影响。一方面说明会展客流在地理空间上受到距离的约束性，另一方面也体现了会展客流在空间上的等级扩散性。
图3 会展客流距离衰减图

Fig.3 Distribution of exhibition passenger flow by distance in China

2.3 客流空间网络结构

2.3.1 网络节点的层级性明显

如图4所示，中国会展客流网络形成了以上海为核心的层级结构。运用Gephi 0.9.2软件计算出中国会展客流网络各节点的度、接近中心性与特征向量中心性（表1）。上海的度、接近中心性和特征向量中心性最高，且与86.11%的高级别城市（一般省会城市及以上城市）存在直接的客流联系，说明在会展客流网络中居于核心位置，是中国会展客流网络的核心与集散中心，具有极强的控制力和影响力。北京、杭州、深圳的中心性高，是中国会展客流网络的次核心，这些城市之间互动性强，且与核心节点联系紧密。苏州、重庆、广州、成都、青岛、武汉等城市的中心性较高，是中国会展客流网络的重要节点，这些城市会展业发展较好，往往是区域性集散中心或副中心。
图4 中国会展客流网络图

注：图中圆点的大小表示该城市的度，线条的粗细表示客流联系强度的大小。

Fig.4 Exhibition passenger flow network in China

表1 中国会展客流网络节点中心性（前10）

Tab.1 Centralities of the top 10 cities in China

度 接近中心性 特征向量中心性
上海 69 上海 0.73 上海 1.00
北京 37 北京 0.60 北京 0.78
杭州 31 杭州 0.56 杭州 0.66
深圳 28 深圳 0.55 深圳 0.63
苏州 20 重庆 0.52 苏州 0.53
重庆 20 广州 0.52 重庆 0.50
天津 19 天津 0.52 珠海 0.49
成都 19 成都 0.51 武汉 0.49
广州 18 青岛 0.51 广州 0.47
青岛 17 苏州 0.50 成都 0.46

2.3.2 具有显著的小世界性

中国会展客流网络的平均路径长度为2.43，即会展游客从任一节点到另外一节点平均需要经过2.43条边，平均路径长度较小，表明会展客流网络节点之间具有较高的可达性以及较小的分离程度。从网络集聚结构来看，中国会展客流网络的集聚系数为0.61，表现出较强的集聚性，表明会展客流网络节点之间形成短距离联系的可能性较大。构建同等规模的随机网络，结果显示随机网络平均路径长度的理论值为2.79，略高于会展客流网络平均路径长度（2.43）；随机网络集聚系数的理论值为0.07，远低于会展客流网络集聚系数（0.61）。与同等规模的随机网络相比，中国会展客流网络具有较大的集聚系数和较小的平均路径长度，具有显著的小世界性。

3 影响因素

3.1 变量选取

以区位论、空间相互作用理论、空间扩散理论等理论为基础，并结合相关文献[1,24-25,34-35]，选取会展发展规模、会展发展水平、交通运输条件、餐饮住宿设施等11个变量探究影响因素。会展发展规模（X1）：会展场馆是会展业发展的基础[1]，用展馆数量来表征发展规模；会展发展水平（X2）：会展的发展水平越高，对游客的吸引力越强，以通过国际展览协会（UFI）认证的展览项目数量来表征会展发展水平；交通运输条件（X3）：会展的举办会产生大量客流，便利的交通是最基本的保证[1]，用客运量来表征交通运输条件；餐饮住宿设施（X4）：餐饮、住宿等设施是会展企业从事经营活动的重要条件[1]，用星级饭店数量来表征餐饮住宿设施；旅游资源禀赋（X5）：大多数会展游客在参展期间有旅游意愿[34]，用国家A级旅游景区数量来表征旅游资源禀赋；人口规模（X6）：本地人口为会展提供了充足的客源市场，用常住人口来表征人口规模；经济发展水平（X7）：会展业的发展与经济发展具有紧密的联系[24]，用GDP来表征经济发展水平；商业发展状况（X8）：良好商业环境对会展业的布局有很强的吸引力[1]，选取社会消费品零售总额来表征商业发展状况；企业数量（X9）：企业是会议、展览等会展活动的重要参与主体，用拥有的中国民营企业500强数量来表征；市场开放程度（X10）：会展经济是外向经济[35]，以实际使用外资金额来表征；城市行政级别（X11）：城市级别影响会展业的发展[25]，引入虚拟变量，分别将直辖市、副省级城市、一般省会城市、地级城市、其它城市分别赋值为5、4、3、2、1来表征。

3.2 结果分析

对11个变量进行主成分分析，结果显示前4个主成分的累计贡献率达84.89%，说明前4个主成分能够较为全面地反映11个变量所包含的信息（表2）。其中，主成分1的特征值为6.97，累计贡献率高达63.34%。从载荷矩阵来看，会展发展水平、会展发展规模、商业发展状况、经济发展水平、餐饮住宿设施、城市行政级别等变量在主成分1上有较高载荷。可见，中国会展客流空间格局的形成是多种因素共同作用的结果，会展发展水平、会展发展规模、商业发展状况、经济发展水平对会展客流的影响明显。以会展城市接待的会展客流规模为因变量，以4个主成分得分为自变量，采用多元逐步回归分析方法进行检验（表3）。2个模型的R2均大于0.5，各变量均通过显著性检验，表明模型的拟合效果较好，具较好解释力。
表2 旋转后主成分载荷

Tab.2 Rotated component matrix

变量 主成分1 主成分2 主成分3 主成分4
X1 0.71 0.26 0.15 0.40
X2 0.89 0.15 0.18 0.13
X3 0.23 0.21 0.16 0.86
X4 0.52 0.51 0.22 0.44
X5 0.12 0.89 0.01 0.32
X6 0.45 0.73 0.26 0.29
X7 0.65 0.44 0.51 0.26
X8 0.66 0.49 0.39 0.35
X9 0.20 0.09 0.91 0.24
X10 0.38 0.59 0.54 -0.17
X11 0.52 0.54 0.30 -0.01
特征值 6.97 0.92 0.81 0.63
贡献率 63.34 8.39 7.40 5.76
累计贡献率 63.34 71.73 79.13 84.89
表3 主成分回归分析

Tab.3 Regression result analysis

自变量 模型1 模型2
常数 177.76（2.95）*** 177.76（3.11）***
F1 0.72（6.12）*** 0.72（6.44）***
F2 - -
F3 - 0.24（2.17）**
F4 - -
R 0.72 0.76
R2 0.52 0.58
Adjusted R2 0.50 0.55

注：数值为回归系数；括号内为t检验值；***、**、*分别表示在1%、5%、10%水平上显著。

会展发展水平是影响会展客流空间分布的首要因素，对会展客流的影响最为明显。举办高质量、高水平展会不仅可以提高城市知名度，还有助于扩大会展的影响力、增加客流量。商业发展状况与经济发展水平是影响会展客流空间分布的重要因素，商业越发达、经济发展水平越高的城市，会议、展览等会展活动的举办越频繁，吸纳的会展客流越多。同时，更容易获得国内外投资，有助于推进会展场馆及配套功能建设，对知名会展企业、品牌展会的引入也具有较强的优势，对会展业的发展越为有利。

4 结论与讨论

4.1 结论

①中国会展客源市场主要集中在上海、北京、天津、深圳、广州、杭州等少数大城市，上海是中国会展最为活跃的客源地，其次为北京和天津。会展客源市场在空间上呈“东多、西少”“大分散、小集聚”的分布特征，长三角、京津冀、珠三角地区是中国会展客源市场的三大集聚区。②中国会展客流空间分布不均衡性强，与客源市场空间格局大体一致。在流动过程中形成了以上海、北京、广深、成渝为中心的菱形空间结构，上海—北京、上海—杭州、北京—天津、深圳—上海、广州—上海、深圳—北京等城市间联系较为密切。会展客流总体上表现出明显的距离衰减特征，82.05%的游客流动距离集中在0~50 km范围内。③中国会展客流网络的层级结构明显，上海是会展客流网络的核心与集散中心，北京、杭州、深圳是次核心，苏州、重庆、广州、成都、青岛、武汉等城市是重要空间节点。同时，中国会展客流网络具有较大的集聚系数以及较小的平均路径长度，表现出明显的小世界效应。④中国会展客流空间格局是城市会展发展水平、会展发展规模、商业发展状况、经济发展水平等多种因素共同作用的结果。其中，会展发展水平是首要影响因素，对会展客流空间的影响最大。

4.2 讨论

会展业和旅游业作为产业关联度很高的产业，两者间的发展也有其内在和外在的联系[36]。《“十三五”旅游业发展规划》中提出拓展旅游发展新领域，促进旅游与商务会展融合发展。然而在本研究中，会展客流与旅游资源禀赋之间并不存在统计意义上的显著关系，反映出会展业与旅游业互动不强，产业融合度低。这与李树民认为的会展业和旅游业在共生发展中并没有形成相互融合的规模化新生业态的观点基本契合[37]。当前，全国已有多个城市把建设国际会展之都、国际会展名城、国际知名展会目的地等作为会展业发展的战略目标。会展业的发展除了应进一步提高会展的水平与质量、全面提升城市的商业环境与经济发展水平外，还应注重本地会展市场的培育与挖掘，强化会展业的集聚效应，加强与核心节点、次核心节点城市的会展合作与协同，推动会展业与旅游业的深度融合。鉴于相关数据的限制，本研究从11个变量中识别影响中国会展客流空间格局的主要因素，可能在其之外还存在影响效应的因素，在后续研究中有待进一步完善。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
方忠权. 广州会展企业空间集聚特征与影响因素[J]. 地理学报, 2013, 68(4):464-476.

[2]
Kim S S, Chon K. An economic impact analysis of the Koreanexhibition industry[J]. International Journal of Tourism Research, 2009, 11(3):311-318.

[3]
Hanly P A. Measuring the economic contribution of the interna-tional association conference market: an Irish case study[J]. Tourism Management, 2012, 33(6):1 574-1 582.

[4]
Crouch G, Louviere J. The determinants of convention site se-lection:a logistic choice model from experimental data[J]. Journal of Travel Research, 2004, 43(2):118-130.

[5]
Baloglu S, Love C. Association meeting planners' perceptionsand intentions for five major US convention cities:the structured and unstructured images[J]. Tourism Management, 2005, 26(5):743-752.

[6]
Oppermann M. Convention destination images:analysis of asso-ciation meeting planners' perceptions[J]. Tourism Management, 1996, 17(3):175-182.

[7]
Yuan Y L, Gretzel U, Fesenmaier D R. The role of informationtechnology use in American convention and visitors bureaus[J]. Tourism Management, 2006, 27(2):326-341.

[8]
Severt D, Wang Y, Chen P J, et al. Examining the motivation,perceived performance,and behavioral intentions of convention attendees:evidence from a regional conference[J]. Tourism Management, 2007, 28(2):399-408.

[9]
Whitfield J, Webber D J. Which exhibition attributes create re-peat visitation?[J]. International Journal of Hospitality Management, 2011, 30(2):439-447.

[10]
梁明珠, 钟金凤, 廖奇辉. 澳门会展旅游的发展模式及其推进路径[J]. 旅游科学, 2012, 26(2):77-84.

[11]
彭顺生. 新世纪国际宏观环境变化对中国会展业的影响及其应对策略[J]. 广州大学学报:社会科学版, 2013, 12(2):48-54.

[12]
李智玲. 会展业的带动效应研究[J]. 经济管理, 2011, 33(6):125-131.

[13]
郑天翔. 大型会展对地方旅游业贡献的影响——以上海世博会为例[J]. 社会科学家, 2014(8):80-84.

[14]
李铁成, 刘力. 区域间投入产出模型(IRIO)的我国会展业经济影响分析[J]. 旅游学刊, 2014, 29(6):34-45.

[15]
王晓敏, 戴光全. 权力、责任及利益视角下展览企业部门协作分析——以深圳会展中心为例[J]. 旅游学刊, 2016, 31(9):113-123.

[16]
吴开军. 会展企业和旅游企业竞合联盟伙伴选择[J]. 经济管理, 2013, 35(4):133-140.

[17]
蔡礼彬, 司玲. 会展可持续发展评价指标之构建——以广交会为例[J]. 广州大学学报(社会科学版), 2016, 15(1):73-81.

[18]
胡平. 基于展馆视角的我国会展区域竞争力差异分析[J]. 商业经济与管理, 2008(3):64-68.

[19]
卞显红. 会展旅游参与者决策过程及其影响因素研究[J]. 旅游学刊, 2002, 17(4):59-62.

[20]
戴光全, 梁春鼎, 陈欣. 基于扎根理论的节事场所与会展场馆场所依赖差异[J]. 地理研究, 2012, 31(9):1 707-1 721.

[21]
蔡金阳, 韩勇, 胡瑞法, 等. 企业会展参与及展位面积选择的影响因素[J]. 北京理工大学学报(社会科学版), 2017, 19(2):103-108.

[22]
朱海森. 海外会展业空间布局的研究及启示:以德国、香港为例[J]. 人文地理, 2004, 19(5):93-96.

[23]
鞠航, 田金信, 万立君, 等. 城市会展产业的发展布局与创新模式研究[J]. 中国软科学, 2006(11):131-136.

[24]
杨欣, 金李梅. 中国会展业时空分布特征[J]. 经济地理, 2014, 34(8):96-102.

[25]
任国岩. 长三角会展场馆空间集聚特征及影响因素[J]. 经济地理, 2014, 34(9):86-92.

[26]
方忠权, 王章郡, 刘莉. 珠江三角洲会展企业空间格局变动[J]. 中国人口·资源与环境, 2013, 23(7):149-154.

[27]
张玲, 邬永强. 广州市会展旅游产业集聚过程及形成机理研究[J]. 人文地理, 2013, 28(2):111-116.

[28]
朱玮, 魏晓阳. 基于时间效用模型的大型展会游客时空行为模式研究——以2014青岛世园会为例[J]. 旅游学刊, 2019, 34(1):73-81.

[29]
朱鹤, 刘家明. 基于LBS数据的休闲商业区业态空间分布及评价分析[J]. 辽宁大学学报:哲学社会科学版, 2018, 46(5):76-83.

[30]
Watts D J, Strogatz S H. Collective dynamics of ‘small-world’networks[J]. Nature, 1998, 393:440-442.

[31]
吴康, 方创琳, 赵渺希. 中国城市网络的空间组织及其复杂性结构特征[J]. 地理研究, 2015, 34(4):711-728.

DOI

[32]
武文杰, 董正斌, 张文忠, 等. 中国城市空间关联网络结构的时空演变[J]. 地理学报, 2011, 66(4):435-445.

[33]
胡焕庸. 中国人口的分布、区划和展望[J]. 地理学报, 1990, 45(2):139-145.

DOI

[34]
赵现红, 吴丽霞. 会展客商旅游意愿及其影响因素研究——以郑州国际汽车后市场博览会为例[J]. 经济经纬, 2018, 35(3):123-129.

[35]
梁圣蓉. 城市会展旅游发展的动力机制与评估——以武汉市为例[J]. 旅游学刊, 2008, 23(10):76-81.

[36]
吴开军. 会展业和旅游业合作动因——基于战略联盟视角的分析[J]. 旅游学刊, 2011, 26(4):73-81.

[37]
李树民. 旅游产业融合与旅游产业协整发展[J]. 旅游学刊, 2011, 26(6):5-6.

Options
Outlines

/

〈 〉