EN中文

Economic geography >

2019 , Vol. 39 >Issue 8: 231 - 240

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.08.028

Spatial Network Structure of the City-Level Tourist Flow Based on Multisource Data:A Case Study of Luoyang

  • YAN Shanshan , 1, 2 ,
  • JIN Chen 3
Expand
  • 1. School of Humanities and Social Sciences，Gannan Medical University，Ganzhou 341000，Jiangxi，China
  • 2. School of Tourism Management，Sun Yat-sen University，Zhuhai 519000，Guangdong，China
  • 3. School of Geography，Nanjing Normal University，Nanjing 210023，Jiangsu，China

Received date: 2019-01-14

  Revised date: 2019-06-10

  Online published: 2025-04-24

Fold

Abstract

By integrating and exploring the big data of network and social survey data, this article takes Luoyang City as research area and analyzes its spatial network structure characteristics of the tourist flows applying the social network analysis, mathematical statistics analysis and spatial analysis. Conclusions are shown as follows: 1) The network structure of tourist flow shows a monocentric and reticular distribution feature, it presents dense spatial distribution in urban area. Instead, there show relatively sparse in Funiu Mountain scenic area and Daimei Mountain scenic area, and other scenic areas are extremely weak. 2) Overall, tourist flow network has a low density and its structure is in a very loose state and unevenly distributed with a clear centralized trend and rather high dependency on the core scenic areas. It is a typical core-periphery network in Luoyang, the trickle-down effect of the core scenic spots is limited on the periphery ones. 3) The tourist flow has a relatively strong "Gang" character, forming an inter-connected and outer-loosened independent structure. There are 24 factions in the tourism flow network of Luoyang urban area, which presents the structural characteristics with "Longmen Grottoes, Baima Temple and Lijingmen" as the center. 4) According to the characteristics of Luoyang's tourism flow network structure, Luoyang can be refined as the core tourism area of Luoyang City, the sub-core tourism areas( consisting of Daimei Mountain scenic area and Funiu Mountain scenic area), and the marginal tourism areas, which forms a "one core, two wings" tourism spatial structure.

Key words： tourism flow; network structure; big data; core-edge structure; tourism travel network; all-for-one tourism

Cite this article

YAN Shanshan , JIN Chen . Spatial Network Structure of the City-Level Tourist Flow Based on Multisource Data:A Case Study of Luoyang[J]. Economic geography, 2019 , 39(8) : 231 -240 . DOI: 10.15957/j.cnki.jjdl.2019.08.028

旅游流是一个具有空间属性的旅游经济系统的神经中枢与纽带，是旅游业发展的基础[1]。因此，自旅游流的概念提出至今，一直是旅游学研究的核心与前沿议题。游客是旅游活动的主体，旅游客流自然成为旅游流研究的焦点问题[2]。旅游流的研究不仅可以丰富旅游者行为和旅游空间经济理论，而且能为旅游目的地旅游资源与公共服务设施配置、旅游产品开发和线路设计、旅游营销策略制定等提供决策依据，从而优化旅游空间布局，提升区域旅游经济综合效率。国内外学者运用计量统计法、GIS分析法、物理学理论方法、区域经济学理论方法对旅游流的时间分布特征[3-8]、空间结构特征[9-14]、影响因素[15-19]、驱动机制[20-23]、流动效应[24-28]以及网络结构[29-33]等6个方面进行了深入研究，取得了丰富研究成果。
旅游流归根结底是由旅游者活动所引起的，市域无疑是游客活动的主要空间载体，大量游客在市域集散带来诸多现实问题，如旅游供需空间不匹配、旺季热点区域游客过度拥挤、城市交通与旅游交通相互重叠等，理解和认知市域内部旅游流空间网络结构特征这一科学问题是解决上述问题的关键所在。与此同时，游客在市域内流动形成了一个不断发展、不断变化的旅游流网络系统，定量阐释其复杂的关系特征、结构规律成为目前学术界研究的难点，这一理论问题也亟待解决。现实需求的迫切和理论研究的匮乏，凸显出市域内部旅游流空间网络研究具有重要的理论价值和现实意义。但是学术界对市域旅游流网络研究极其匮乏，根本原因在于长时段细粒度化的旅游流数据不易获取。旅游流研究基本问题就是旅游流数据的获取[34]，市域内部涉及到景区、酒店、交通等不同旅游节点，要素节点繁多，官方统计部门数据指标较少，实地调研不能获取长时段细粒度化（不同旅游要素节点）旅游流数据，成为阻碍市域旅游流空间网络演化研究的根本原因。在互联网背景之下，产生了大量的不同时段不同要素节点的游客流动数据，为市域旅游流空间网络演化研究带来新的契机。但是旅游流数据获取方法各有优缺点及其适用的空间尺度，没有普适的、最优的方法，所有方法都不能完整记录所有游客流动轨迹[34]。多源数据的交互验证和融合可提高研究结果的准确性和科学性。因此，本研究基于多源数据的挖掘、交互验证和融合，以洛阳市为研究区域，探索市域旅游流空间网络结构特征，具有重要的理论与实践意义。

1 数据来源与研究方法

1.1 研究区域

洛阳市位于河南省西部，现辖1市6区8县，总面积15 208 km2，距今已有四千多年的历史，先后有13个朝代在此建都，是八大古都和国务院首批公布的历史文化名城之一，亦有“诗都”之称，牡丹香气四溢，又有“花都”的美誉。洛阳市已凭借悠久的历史文化和丰富的自然旅游资源，成为国际优秀旅游城市，本研究以洛阳市6区8县为研究区域，以洛阳市内旅游景区为旅游节点，主要探讨游客在洛阳市主要旅游景区间流动规律、特征。

1.2 数据来源

本研究数据主要来源于网络大数据和实地调研两个方面。其中，网络大数据包括两方面：①游客新浪微博签到数据。主要是通过编程语言调用新浪微博开放平台提供的API接口采集数据，最终获取409 793条游客签到信息，时间跨度为2011年12月12日—2016年12月31日。获取的数据结构包括用户ID、签到时间、签到经纬度、内容、用户归属地等信息。由于获取的数据较多，且一些数据并不是游客签到数据，因此在分析之前要对数据进行清洗。首先，根据用户归属地删除了地域来源不清晰和洛阳市本地居民数据。其次，剔除用户发布的第一条信息和第二条信息间隔的时间为30天以上的数据，最终剩余211 773条数据。②网络游记数据。主要来源于旅游网站上游客所写书的旅游日志，选择国内排名前九的旅游网站，分别为携程网、去哪儿网、穷游记等。运用火车头采集器采集洛阳市游记7 000多篇，时间跨度为2006—2016年，人工筛选出内容重复、信息不全等游记，剩余游记4 803篇。数据结果包括游记用户名、游记题目、出游时间、游客类型、旅游节点、逗留时间等信息。
实地调研数据主要来源于游客实地访谈和调查问卷。调查地点主要是选取游客量大、地域来源丰富的龙门石窟、白马寺、丽景门、栾川县重渡沟、老君山等知名度较高的5A、4A级景区，调研地点共计25个。于2017年3月15—2017年10月23号三次到实地进行调研，共回收问卷4 384份，其中有效问卷4 016份，有效率达到91.60%。抽样调查的样本具有代表性才能反映总体的分布特征，本研究根据“结构相似说”的样本代表性评估方法进一步说明所调研的样本是否具有代表性。依据洛阳市旅游发展委员会2016年游客抽样调查报告，将调查样本与官方统计部门的游客结构特征进行比较，发现所调查的4 016位洛阳市游客在地域来源、年龄、职业等人口统计学信息，以及旅游动机、旅游天数、到洛阳旅游次数等旅游关键信息等方面与官方统计结果高度吻合。因此，本研究调查的样本特征与总体特征基本相一致，样本代表性较强。
网络大数据与实地调研数据是否可以融合决定了研究结果的科学性和准确性。将两大类数据的相关性进行分析来互相验证数据的质量。由于分析洛阳市旅游流空间网络结构特征时需要将两类数据通过数据语言最终转换为矩阵数据，但是传统的相关分析方法并不适用对两个矩阵之间相关性进行分析，因此本研究采用矩阵相关分析，应用UCINET软件对两类矩阵数据相关性进行计算。结果显示，两两矩阵之间相关系数均达到0.8以上，显著性水平是0.000，表明矩阵呈显著相关。因此可将矩阵数据进行合并，同时也验证了两大类数据准确性、可靠性、科学性都较强，实地调研和网络大数据所获取的样本均具有较强的代表性，所得出的研究结果是准确可信的。

1.3 社会网络分析方法

游客在旅游目的地不同旅游节点之间的转移与扩散使得各旅游目的地产生了一定的联系，形成了一个不断发展、不断变化的动态演化系统，而系统内不同旅游节点之间的关系和特征难以用简单的数理统计的方法进行描述。社会网络理论与方法从宏观结构关系的视角可以精确刻画系统内各种关系，在旅游研究中得到了广泛的应用，能弥补传统旅游流研究的微观个体属性视角[35]。因此本研究使用社会网络分析软件UCINET软件从网络整体结构指标和节点结构指标评价洛阳市旅游流网络结构特征，具体的评价指标和计算方法详见参考文献[35]。

2 研究结果与分析

2.1 洛阳市旅游流网络空间结构特征分析

使用ArcGIS软件绘制洛阳市旅游流网络空间分布图（图1），图中旅游节点之间的连线表示旅游流流量，连线粗细表示流量的大小，箭头表示流动方向。从图1可以看出，洛阳市旅游流网络呈现出如下空间结构特征：
图1 洛阳市旅游流网络空间结构图

Fig.1 The network spatial structure of tourist flow in Luoyang City

①旅游流网络呈现出以主城区为核心的“单核线网状”的空间分布形态，具体表现为洛阳城区密集，南部栾川旅游区、嵩县旅游区以及北部新安县旅游区、孟津县旅游区相对稀疏，其它县市旅游区网络联系极其微弱的空间分布格局。洛阳城区、南部栾川旅游区和嵩县白云山旅游区、北部新安县旅游区和孟津县旅游区在整个网络体系中占有重要地位，呈现出四大旅游集聚区的空间分布态势，而其它县市，如偃师市、洛宁县等在网络中几乎处于孤立的地位，只有个别旅游节点与其它节点相连接，这样一个分层集聚的现象说明洛阳市旅游流网络等级性非常显著。
表1通过对9个县市的旅游景区节点、景区等级以及不同景区之间网络联系的统计分析，更为详尽地阐述了洛阳市旅游流网络体系空间结构特征。从中可以看出，洛阳城区32个旅游景区与区域内外其它景区之间的联系最为频繁，流出流入连线占比高达60%以上，而流量高达80%以上，说明洛阳城区联系最为密集，处于整个网络体系的核心，洛阳城区与其它区域内外联系几乎构成了整个网络体系的全部；其次栾川县旅游区8个景区等级均较高，资源禀赋价值高，与区域内外其它景区网络连线为13%左右，流量在7%~10%范围内，处于洛阳市旅游流网络的次核心地位；处于第三层级的为嵩县、新安县、孟津县旅游流网络，3个县市网络节点均为3个左右，与区域内外网络连线占比在10%~16%范围内，但是流量所占比例较低，仅在1%~3%范围内，3个区域旅游流网络极为稀疏，在整个网络体系中处于边缘地位；处于第四层级的为偃师市、洛宁县、宜阳县、伊川县4个县市，4个县市网络节点均较少，与区域内外其它景区之间的连线占比仅3%以下，最少伊川县网络间连线所占比例仅为0.8%，流量占比极少，所占比例在0.11%~0.33%范围内，4个县市旅游景点与其它区域节点间联系尤其稀疏，在整个网络体系中处于孤立地位。
表1 洛阳市不同县市旅游流网络联系特征

Tab.1 The characteristics of network connection based on different counties of Luoyang City

县市 节点景区 景区等级 景区间网络联系
洛阳城区 龙门石窟、白马寺、关林、洛阳博物馆、王城公园等32个景区 5A级景区1个；4A级景区4个；3A级景区6个；非A景区20个 32个景区共计668条区域内外流出连线，占总连线的69.73%，流量为13 946，占总流量86.41%；共计581条流入连线，所总连线的60.65%，流量为13 404，占总流量83.05%
栾川县 重渡沟、鸡冠洞、老君山、抱犊寨、蝴蝶谷、伏牛山滑雪场、龙峪湾、养子沟8个景区 5A级景区2个；4A级景区5个；非A景区1个 8个景区共计124条区域内外流出连线，占总连线的12.94%，流量为1 246，占总流量7.72%；共计143条流入连线，占总连线的14.93%，流量为1 582，占总流量9.80%
嵩县 白云山、木札岭、卧龙谷、天池山4个景区 5A级景区1个；4A级景区2个；3A级景区1个 4个景区共计124条区域内外流出连线，占总连线的12.94%，流量为299，占总流量1.85%；共计96条流入连线，占总连线的10.02%，流量为345，占总流量12.14%
新安县 龙潭大峡谷、黛眉山、千唐志斋、荆紫仙山4个景区 5A级景区1个；4A级景区2个；非A景区1个 4个景区共计177条区域内外流出连线，占总连线的15.34%，流量为35，占总流量2.21%；共计153条流入连线，占总连线的15.97%，流量为434，占总流量2.69%
孟津市 小浪底、汉光武帝陵、龙马负图寺、王铎故居4个景区 4A级景区1个；3A级景区3个 4个景区共计136条区域内外流出连线，占总连线的14.20%，流量为179，占总流量1.11%；共计134条流入连线，占总连线的13.99%，流量为230，占总流量1.43%
偃师市 偃师商城博物馆、汉魏洛阳城国家遗址公园、玄奘故里3个景区 3A级景区1个；非A景区2个 3个景区共26条区域内外流出连线，占总连线的2.71%，流量为54，占总流量0.33%；共30条流入连线，占总连线的3.13%，流量为51，占总流量0.32%
洛宁县 神灵寨1个景区 4A级景区1个 1个景区共5条区域内外流出连线10，占总连线的1.04%，流量为23，占总流量0.14%；共13条流入连线，占总连线1.36%，流量为49，占总流量0.30%
宜阳县 花果山、洛阳灵山寺2个景区 3A级景区2个 2个景区共11条区域内外流出连线，占总连线的1.15%，流量为17，占总流量0.11%；共14条流入连线，占总连线的1.46%，流量为24，占总流量0.15%
伊川县 范园、程园2个景区 非A景区2个 2个景区共计8条区域内外流出连线，占总连线的0.84%，流量为20，占总流量0.12%；共计8条流入连线，占总连线的0.84%，流量为21，占总流量0.13%
图2进一步说明了不同县市在洛阳市旅游流网络体系中的地位。洛阳城区在洛阳市旅游流网络体系中的覆盖范围最广，遍及南部栾川旅游区、嵩县白云山旅游区以及北部的新安县、孟津县等主要旅游区域，明显承担着洛阳市旅游流网络体系的中心地位。而栾川旅游区在洛阳市旅游流网络体系中覆盖范围明显小于洛阳城区大于其它各县市旅游区，栾川旅游区主要与洛阳城区、嵩县白云山旅游区和新安县旅游区三个区域相联系，在洛阳市旅游流网络体系中承担着明显的副中心地位。其次为新安县、孟津市和嵩县，三大旅游区在洛阳市旅游流网络体系中也占据一定地位，均表现出彼此之间联系密切及向洛阳城区和栾川旅游区两大网络核心区的空间指向性。再次，偃师市、洛宁县、宜阳县和伊川县四个旅游区与其它旅游区联系极为稀疏，在洛阳市旅游流网络体系中几乎处于孤立地位，都表现出只有少数旅游节点与洛阳城区的白马寺、龙门石窟、栾川老君山、重渡沟以及嵩县白云山高等级景区联系，旅游流流量较小，在网络中地位极低。
图2 不同县市在洛阳市旅游流网络中的地位

Fig.2 The role of different counties in the tourist flow network of Luoyang City

②主城区在旅游流网络体系中占据绝对主导地位，主城区与其它各县市旅游区之间的差异明显，洛阳城区内部以及洛阳城区与南部栾川县、嵩县、北部新安县、孟津县之间的网络联系几乎构成了整个网络体系的全部。因此，进一步对比分析洛阳城区内部、洛阳城区与南部栾川县、嵩县以及北部新安县、孟津县间的网络联系特征及其地理分布。
从表2、图3可以看出，洛阳城区内部联系仍然是当前洛阳市旅游流网络体系中的主体，流量路径在空间上呈现出以东北部白马寺旅游片区、东南部龙门石窟旅游片区、北郊牡丹园片区和城区中部牡丹公园、王城公园片区为端点的五角形格局特征。而中心老城区呈现出以丽景门为核心的放射形空间结构特征，高流量路径集中与龙门石窟、白马寺、关林、丽景门等等级较高、知名度较高的景区。32个旅游景区之间旅游流连线占总数的47.39%，流量占总流量的比例为78.92%。洛阳城区与南部栾川县、嵩县旅游区网络联系图在空间上呈现出以洛阳城区白马寺景区、北郊洛阳国家、国际牡丹园、栾川县的抱犊寨、伏牛山景区和嵩县的白云山旅游景区为顶点的接近于“梯形”结构特征，网络中心呈现出以城区龙门石窟和栾川的重渡沟景区为核心的放射性结构特征，高流量景区主要集中于龙门石窟、白马寺、重渡沟、老君山、白云山、鸡冠洞等5A、4A级高等级景区。洛阳城区与南部栾川县网络连线占比为5.95%，流量占比相对较少，为3.74%，洛阳城区与南部嵩县网络连线所占比例为2.09%，流量占比为1.29%，两者网络连线占总数的8.14%，流量占总数的6.03%。洛阳城区与北部的新安县、孟津县网络联系图在空间上呈现出以孟津王铎故居景区、新安县的黛眉山景区、千唐志斋景区、城区龙门石窟景区为端点的四角形结构特征，高流量路径主要集中于龙门石窟、丽景门、洛阳国际牡丹园、白马寺、龙潭大峡谷、荆紫仙山等高等级景区，洛阳城区与北部新安县以及孟津县网络连线占比共计7.94%，流量占比共计2.74%。洛阳城区与偃师市、洛宁县、宜阳县、伊川县等其它县市连接网络联系图在空间上呈现出以偃师商城博物馆和洛宁神灵寨为起点的长条形结构特征，网络内部呈现出以龙门石窟、白马寺、丽景门为中心的放射性特征，网络间连线数量、流量均较小，网络连线所占比例在0.40%~1.46%范围内，流量占比在0.06%~0.24%范围内，四者网络连线所占比重共计3.30%，流量占比仅为0.59%。表明洛阳城区内部以及洛阳城区与南部栾川县、嵩县、北部新安县、孟津县之间的网络联系几乎构成了整个网络体系的全部。
表2 洛阳城区与其它县市旅游流网络联系特征

Tab.2 The tourist flow network connection between Luoyang urban area and other countries

联系网络 网络连线 连线占比
（%）		 连线流量 流量占比
（%）
洛阳城区内部 454 47.39 12 737 78.92
洛阳城区与南部栾川县 57 5.95 604 3.74
洛阳城区与南部嵩县 20 2.09 203 1.26
洛阳城区与北部新安县 38 3.97 260 1.61
洛阳城区与北部孟津县 38 3.97 182 1.13
洛阳城区与偃师市 14 1.46 38 0.24
洛阳城区与洛宁县 6 0.63 37 0.23
洛阳城区与宜阳县 5 0.52 11 0.07
洛阳城区与伊川县 4 0.42 9 0.06
图3 洛阳城区内部与外部旅游流网络联系图

Fig.3 The tourist flow network in the interior and exterior of Luoyang urban area

2.3 洛阳市旅游流网络整体拓扑特征分析

2.3.1 不同流量控制下的旅游流网络分析

不同流量控制下的网络特征是不同的[37]。因此，将节点间的路径（Iij）分为≥1、≥5、≥20、≥50、≥100、≥200这6个层次，统计不同流量控制下流动网络的节点数、路径数和路径流量等（表3）。结果表明：Iij≥1时，全部60个旅游节点出现的路径数仅为958个，造成网络密度仅为0.2706，表明只有约27%的节点在洛阳市旅游流网络中建立了联系，整体结构非常松散而且很不均衡。从中心势指标来看，外向和内向中心势数值都较高，而中介中心势数值较低，说明洛阳市旅游流网络中大部分旅游节点通过核心节点发生联系。当Iij≥5时旅游流网络节点数大幅下降为33，路径数下降更为剧烈，仅为225，网络密度仍较低，表明洛阳市大部分旅游节点之间的流量较小，联系及其微弱。而外向和内向中心势有所下降，中介中心势有所提高，说明Iij≥5时网络节点对核心节点的依赖性现象有所减弱。平均流量上升为42.89，流量占比达到了92.15%，说明Iij≥5时路径几乎刻画了洛阳市旅游流网络的全部。当Iij≥20时，路径数下降速度明显高于节点数下降速度，网络密度上升为0.2573，仍较低，表明Iij≥20网络整体结构仍较松散而且分布不均衡。内向中心势有所上升，外向和中介中心势有所下降，平均流量达到95.09，流量占比为80.20%，说明Iij≥20路径依然可以刻画较多的流动。Iij≥50时，节点数和路径数下降速度相当，网络密度进一步提升，达到了0.4454，说明网络结构紧密程度所有加强。而内向中心势达到了最高值，外向中心势有所下降，中介中心势有所提高，表明旅游流网络分布仍然不均衡，平均流量达146.86，流量占比超6成。Iij≥100时，节点数下降为8，路径数减少到21，流量占比约为50%，平均流量上升为249.86，网络密度仍较低，为0.3750。Iij≥200时，节点数进一步下降为4，路径数也为12，网络密度为1，说明4个景区之间出现了两两强连接，程度中心势和中介中心势均为0.00%，说明Iij≥200的洛阳市旅游流网络没有表现出中心趋势，同时网络为环形网络，4个景区之间势均力敌，没有明显的优势景区。从以上不同流量控制下的旅游流网络指标数值变化可知，随着旅游流流量阈值的不断增加，平均流量也进一步增加，但是节点数、路径数和流量占比有所减少，网络密度和中心势与流量阈值没有任何关系。同时，核心景点和主要路径不断呈现，核心边缘特征逐渐清晰，洛阳市旅游流网络为典型的核心边缘型网络。
表3 不同流量阈值控制下的洛阳市旅游流网络拓扑特征

Tab.3 The topological characteristics of tourist flow networks in Luoyang based on different volume

流量阈值 节点数 路径数 网络密度 内向中心势/% 外向中心势/% 中介中心势/% 平均流量 流量占比/%
Iij≥1 60 958 0.2706 51.336 46.165 14.64 15.48 100.00
Iij≥5 33 225 0.2130 47.673 41.796 22.62 42.89 92.51
Iij≥20 19 88 0.2573 52.500 36.750 22.23 95.09 80.20
Iij≥50 11 49 0.4454 56.250 29.170 24.79 146.86 68.97
Iij≥100 8 21 0.3750 26.000 22.000 12.72 249.86 50.29
Iij≥200 4 12 1.0000 0.000 0.000 0.00 357.36 37.67

2.3.2 派系分析

旅游流网络中存在派系，一方面说明组成派系的旅游景区是旅游者相对偏好的目的地组，另一方面也说明组成派系的旅游景区拥有相对一致的旅游市场，同一派系内的旅游景区可以联合开发旅游产品和共同进行市场营销。令派系最小成员数为5，成员间的可达性为1，对洛阳市旅游流网络进行基于可达性的派系分析，共得到24个派系（表4），24个派系均呈现出以“龙门石窟、白马寺、关林、丽景门”为中心的构造特征。而洛阳市下辖各县市大多数等级较低、知名度低的景区节点不属于旅游流网络的任何派系，表明它们是孤立者。其中，大规模派系数量较少，小规模派系数量较多，这是由于洛阳市牡丹节旅游流网络密度较低，各旅游节点之间联系稀疏且孤立景区所占比例较大。从地理空间角度来看，洛阳市旅游网络的24个派系整体上形成洛阳城区旅游社团、南部伏牛山旅游社团两个相互独立的旅游群体和洛阳城区+北部黛眉山旅游社团和洛阳城区+南部伏牛山旅游社团两个相互交叉的旅游群体，且以洛阳城区旅游社团为主。
表4 洛阳市旅游流网络派系分析

Tab.4 The faction member of tourist flow network in Luoyang City

派系 派系成员 派系 派系成员
1 A1，A2，A3，A4，A5，A6，A7，A8，A9，A13 2 A1，A2，A3，A4，A5，A8，A9，A12，A13，A14
3 A1，A2，A3，A4，A5，A8，A9，A13，A17 4 A1，A2，A3，A4，A8，A11，A15
5 A1，A2，A3，A4，A5，A8，A11，A13 6 A1，A2，A3，A4，A5，A8，A9，A13，A17
7 A1，A2，A3，A4，A5，A8，A9，A11，A13，A16 8 A1，A2，A3，A4，A5，A7，A8，A13，A16
9 A1，A2，A3，A4，A5，A6，A8，A13，A15，A16 10 A1，A2，A3，A4，A5，A8，A14，A15，A23
11 A1，A2，A3，A4，A5，A8，A11，A15，A23 12 A1，A2，A3，A4，A5，A8，A11，A16，A23
13 A1，A2，A4，A5，A8，A14，A20 14 A1，A2，A4，A5，A8，A17，A20
15 A1，A2，A4，A5，A8，A20，A23 16 A1，A2，A4，A8，A11，A16，A19，A22，A23
17 A1，A2，A4，A8，A9，A11，A16，A19 18 A1，A2，A4，A8，A19，A20，A22，A24
19 A1，A2，A4，A8，A13，A16，A25 20 A1，A2，A4，A6，A7，A13，A14，A18
21 A1，A2，A4，A13，A14，A17，A18 22 A1，A2，A4，A7，A18，A20
23 A1，A2，A4，A14，A18，A23 24 A1，A2，A4，A14，A17，A18，A20

注：A1龙门石窟、A2白马寺、A3关林、A4洛阳博物馆、A5洛阳博物馆、A6天子驾六博物馆、A7古墓博物馆、A8王城公园、A9隋唐洛阳城国家遗址公园、A10洛浦公园、A11隋唐城遗址植物园、A12开元湖音乐喷泉、A13中国国花园、A14洛阳国家牡丹园、A15洛阳国际牡丹园、A16牡丹公园、A17神州牡丹园、A18小浪底、A19老君山、A20重渡沟、A21鸡冠洞、A22白云山、A23龙潭大峡谷、A24黛眉山。

2.3.3 块模型分析

块模型分析可将行动者的关系映射为以块为单位的位置关系，从而达到简化复杂网络的目的，运用UCINET中的network/roles & positions/structure/concer分析模块计算洛阳市旅游流网络子群及其各子群之间的网络密度（表5），结果表明：第一，洛阳市旅游流在2级层面存在4个子群，在3级层面存在7个子群，表明洛阳市共存在7组主要旅游线路组合形式。第二，由洛阳城区主要景区组成的子群1和栾川县、嵩县、新安县主要高等级景区组成的子群4是两条游客选择频次最高的旅游线路，同时两个子群之间的联系较为密切。同时由洛阳城区主要景区组成子群对其它7个子群带动效应最强，导致其它7个子群对第一子群的过分依赖。第三，从各子群之间密度来看，由于所处区位条件、资源等级、资源类型等差异，互相帮工现象主要出现子群的内部成员之间，而各别子群之间存在一定的帮工现象，但是联系密度很低。表明洛阳市旅游流网络“帮派”性较强，形成了内部联系紧密、外在松散的独立结构。第四，由于孟津市、偃师市、洛宁县、伊川县等景区组成的子群内外部联系均较弱，因此需加强同洛阳城区和栾川县、嵩县、新安县等高等级景区之间的旅游线路组合营销，突破边界阻隔作用，实现跨界旅游协调发展。
表5 洛阳市旅游流不同子群之间密度

Tab.5 Density of different subgroups of tourist flow in Luoyang City

密度 1 2 3 4 5 6 7
1 0.788 0.030 0.104 0.345 0.000 0.000 0.000
2 0.340 0.013 0.000 0.055 0.000 0.000 0.000
3 0.063 0.000 0.018 0.054 0000 0.016 0.000
4 0.179 0.033 0.054 0.714 0.000 0.036 0.190
5 0.000 0.000 0.000 0.000 0.050 0.000 0.000
6 0.000 0.000 0.000 0.000 0.100 0.089 0.019
7 0.000 0.000 0.000 0.000 0.000 0.000 0.667

注：“1”包含龙门石窟、白马寺等洛阳城区的15个景区；“2”包含开元湖音乐喷泉、周公庙博物馆等洛阳城区的11个景区；“3”包括偃师商城博物馆、洛阳国花园、千唐志斋等9个景区；“4”包括重渡沟、白云山、老君山、龙潭大溪谷等7个景区；“5”包括八路军驻洛办事处、郁金香牡丹园、范园、程园等8个景区；“6”包含玄奘故里、上清宫、天池山等7个景区；“7”包含抱犊寨、龙峪湾、伏牛山滑雪场。

2.3.4 核心—边缘分析

如前所述，可假设洛阳市旅游流网络为“核心—边缘”网络，运用“核心—边缘”分析模块对其进行拟合，接着利用QAP命令对拟合结果进行检验。经测算，相关系数为0.751，拟合效果理想，说明洛阳市旅游流网络是“核心—边缘”网络的假设成立。因此进一步运用Ucinet软件中的network/roles & perphery/categorical分析模块对洛阳市旅游流关系矩阵进行核心—边缘分析（图4）。结果表明：第一，洛阳市旅游流网络结构中存在很明显的结构分异现象，其大部分核心节点主要集中与洛阳城区，少量核心节点为栾川县、嵩县、新安县的5A、4A级景区，其它区县景区多处于“边缘”或“附属”地位。第二，根据洛阳市旅游流网络中核心节点与边缘节点所处地理区位，可将洛阳市旅游流网络划分为核心旅游区、次核心旅游区和边缘旅游区，其中核心旅游区指洛阳城区，次核心旅游区为北部黛眉山旅游区和南部伏牛山旅游区，其它县市为边缘旅游区。第三，从核心节点与边缘节点联系的密度可以看出核心景区与边缘景区之间的连接非常稀疏，核心景区对边缘景区的“涓滴效用”有限。因此，边缘旅游区域一方面要升级自身的旅游设施与服务，另一方面要积极主动加强同核心与次核心区域的扩散联动，从而提升旅游目的地整体竞争力。
图4 洛阳市旅游流网络核心—边缘分布图

Fig.4 The core-periphery areas of tourist flow in Luoyang City

3 结论与建议

以洛阳市为研究案例区域，通过对网络大数据和社会调研数据的融合、挖掘，分析洛阳市旅游流网络空间分布特征、网络整体特征与节点分布特征，研究表明：①洛阳市旅游流网络空间上呈现出以主城区为核心的“单核线网状”的空间分布形态；②洛阳市旅游流网络整体密度低，整体结构非常松散而且分布不均衡，中心化趋势明显且对核心景区依赖性较高，核心景区对边缘景区的“涓滴效用”有限。③洛阳市旅游流网络“帮派”性较强，形成了内部联系紧密、外在松散的独立结构。④洛阳市呈现出以洛阳市区为核心旅游区、北部黛眉山和南部伏牛山为次核心旅游区，其它县市为边缘旅游区的“一心两翼”空间结构。
本研究就洛阳市旅游网络优化与效能提升提出四条建议：①加强核心区域与边缘区域合作，提升洛阳市旅游流网络整体效能。从洛阳市旅游流网络结构特征分析可知，洛阳城区在洛阳市旅游流网络体系中的覆盖范围最广，明显承担着洛阳市旅游流网络体系的中心地位。而栾川旅游区在洛阳市旅游流网络体系中覆盖范围明显小于洛阳城区大于其它各县市旅游区，新安县旅游区、孟津市旅游区和嵩县旅游区，三大区域在洛阳市旅游流网络体系中也同样占据一定地位，而偃师市、洛宁县、宜阳县和宜川县四个旅游区与其它旅游区联系极为稀疏，在洛阳市旅游流网络体系中几乎处于孤立地位。同时，区域内部联系较为密切，区域之间联系极为稀疏，核心区域与边缘区域联系较少，因此，处于孤立地位的偃师市、洛宁县、宜阳县和宜川县需加强与核心区域与次核心区之间联系，最终提升洛阳市域旅游流网络整体效能。②完善洛阳市旅游交通网络，促进旅游流有效流通。目前洛阳市旅游流仍然以“洛阳市区”为主流，流动模式仍以“各县市区域内流动为主、区域外流动为辅”，其它县市旅游流主要依靠洛阳市区供给。因此，需构建包含公路、铁路、水运、航空等各种运输方式有效衔接的立体旅游交通网络，实现快速交通到旅游公路和自驾到旅游景区的各种交通方式无缝对接的换乘系统，促进旅游流在各区域节点之间的有效流通。③打造精品旅游线路，推动核心节点引擎作用。洛阳市旅游流网络块模型和派系分析结果表明洛阳市旅游流网络分为24个派系，均呈现出以“龙门石窟、白马寺、丽景门”为中心的构造特征，说明洛阳市各景区节点之间联系较为稀疏。因此，洛阳市各区县旅游景区需结合自身的旅游资源特征，坚持全域统筹、品牌引领，推进全域旅游，进一步优化整合旅游资源，串点成线，形成“东西南北中+牡丹特色游”的六大高品质旅游线路，打造精品旅游线路，推动核心节点引擎作用。④重构旅游空间结构体系，促进洛阳市旅游流网络链状式发展目标。本研究表明洛阳市目前呈现出以洛阳市区为核心旅游区、北部黛眉山和南部伏牛山为次核心旅游区，其它县市为边缘旅游区的“一心两翼”空间结构特征，然而核心区与边缘区之间联系非常稀疏。应进一步加强洛阳旅游网络系统的优化，推动洛阳旅游发展阶段演进，以链状节点布局模式为最终发展目标。重构“一心两区三带”的旅游空间布局。以一心（洛阳都市文化旅游）为核心；两区（北伏牛山旅游区和黛眉山旅游区）为重点发展区域；三带（洛河文化旅游发展带、伊河生态休闲发展带、黄河文化旅游发展带）为主要发展轴，强力构建洛阳国际文化旅游名城中心，促进洛阳市旅游流网络链状式发展目标。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Boniface B, Cooper C. The geography of travel and tourism[M]. Oxford: Butterworth-Heinemann, 1994:1-6.

[2]
Bowden J. A cross-national analysis of international tourist flows in China[J]. Tourism Geographies, 2003, 5(3):257-279.

[3]
Guo Y R, Jie Z, Yang Y, et al. Modeling the fluctuation patterns of monthly inbound tourist flows to China:a complex network approach[J]. Asia Pacific Journal of Tourism Research, 2015, 20(8):1-12.

[4]
Santana-Gallego M, Ledesma-Rodríguez F J, Pérez-Rodríguez J V. International trade and tourism flows:An extension of the gravity model[J]. Economic Modelling, 2015, 52(15):267-276.

[5]
Chen R, Liang C Y, Hong W C, et al. Forecasting holiday daily tourist flow based on seasonal support vector regression with adaptive genetic algorithm[J]. Applied Soft Computing, 2015, 26:435-443.

[6]
Liu X, Peng H, Bai Y, et al. Tourism Flows Prediction based on an Improved Grey GM (1,1) Model[J]. Procedia-Social and Behavioral Sciences, 2014, 138:767-775.

[7]
Stewart S I, Vogt C A. Multi-destination trip patterns[J]. Annals of Tourism Research, 1997, 24(2):458-461.

[8]
李伟, 胡静, 陆汝瑞, 等. 基于旅游目的的特殊时段旅游流时空分布特征研究——以武汉市为例[J]. 经济地理, 2013, 33(1):180-186.

[9]
闫闪闪, 梁留科, 索志辉, 等. 基于大数据的洛阳市旅游流时空分布特征[J]. 经济地理, 2017, 37(8):216-224.

[10]
Chen Y H, Kang H H. Analysis of Tourist Flow from the US to Taiwan[J]. Acta Oeconomica, 2015, 65(s2):369-384.

[11]
O’Connor A, Zerger A, Itami B. Geo-temporal tracking and analysis of tourist movement[J]. Mathematics & Computers in Simulation, 2005, 69(1-2):135-150.

[12]
Andraz J M, Rodrigues P M M. Monitoring tourism flows and destination management:Empirical evidence for Portugal[J]. Tourism Management, 2016, 56:1-7.

DOI PMID

[13]
邓祖涛, 周玉翠, 梁滨. 武汉城市圈旅游流集聚扩散特征及路径分析[J]. 经济地理, 2014, 34(3):170-175.

[14]
张佑印, 顾静, 马耀峰, 等. 北京入境旅游流分级扩散模式及动力机制分析[J]. 人文地理, 2012, 27(5):120-127.

[15]
Kim S S, Prideaux B, Timothy D. Factors affecting bilateral Chinese and Japanese travel[J]. Annals of Tourism Research, 2016, 61:80-95.

[16]
Balli F, Balli H O, Louis R J. The impacts of immigrants and institutions on bilateral tourism flows[J]. Tourism Management, 2016, 52:221-229.

[17]
Zhang Y, Wu T, Li X. The Impacts of cultural values on bilateral international tourism flows[J]. Teacher Education Forum, 2013, 59(2):159-161.

[18]
王洁洁. 国际关系及重大事件对出入境旅游的影响——以中国与主要客源国(地)为例[D]. 西安: 陕西师范大学, 2011.

[19]
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

[20]
Dann G M S. Tourist motivation:an appraisal[J]. Annals of Tourism Research, 1981, 8(2):187-219.

[21]
杨兴柱, 顾朝林, 王群. 旅游流驱动力系统分析[J]. 地理研究, 2011, 30(1):23-36.

[22]
张佑印, 顾静, 马耀峰, 等. 北京入境旅游流分级扩散模式及动力机制分析[J]. 人文地理, 2012, 27(5):120-127.

[23]
郑鹏, 马耀峰, 李天顺, 等. 我国入境旅游者流动行为机理分析——对旅游热点城市西安的实证研究[J]. 经济地理, 2010, 30(1):139-144.

[24]
Yang Y, Wong K K F. Spatial distribution of tourist flows to China's cities[J]. Tourism Geographies, 2013, 15(2):338-363.

[25]
Teresa G M, Teodosio P A. An econometric model for international tourism flows to Spain[J]. Applied Economics Letters, 2000, 7(8):525-529.

[26]
Vita G D. The long-run impact of exchange rate regimes on international tourism flows[J]. Tourism Management, 2014, 45(1):226-233.

[27]
章锦河, 张捷, 李娜, 等. 中国国内旅游流空间场效应分析[J]. 地理研究, 2005, 24(2):293-303.

[28]
马耀峰, 王冠孝, 张佑印. 中国典型区域入境旅游流空间场效应实证研究——以四川省为例[J]. 资源科学, 2008, 30(11):1747-1753.

[29]
Lazzeretti L, Petrillo C S. Tourism local systems and networking[M]. Amsterdam: Elsevier, 2013.

[30]
Baggio R. Network analysis of a tourism destination[D]. Australia: The University of Queensland, 2008.

[31]
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.

[32]
刘法建, 张捷, 章锦河, 等. 中国入境旅游流网络省级旅游地角色研究[J]. 地理研究, 2010, 29(6):1141-1152.

[33]
杨新菊, 吴晋峰, 唐澜, 等. 旅华外国散客旅游流地理分布和网络结构研究[J]. 旅游学刊, 2014, 29(5):87-96.

[34]
刘法建, 张捷, 章锦河, 等. 旅游流空间数据获取的基本方法分析——国内外研究综述及比较[J]. 旅游学刊, 2012, 27(6):101-109.

[35]
刘军. 整体网分析:UCINET软件实用指南(第二版)[M]. 上海: 格致出版社, 2014.

Options
Outlines

/

〈 〉