杭州市景点旅游流空间网络分析

林文辉 毛 峰, 何 虹, 赵文彪, 欧阳娟, 刘 婷,*, 张登荣,

(1.杭州师范大学 理学院, 浙江 杭州 311121； 2.杭州电子科技大学 管理学院, 浙江 杭州 310018;3.浙江省城市湿地与区域变化研究重点实验室, 浙江 杭州 311121)



杭州市景点旅游流空间网络分析

林文辉3毛 峰2, 何 虹1, 赵文彪1, 欧阳娟1, 刘 婷1,3*, 张登荣1,2

(1.杭州师范大学 理学院, 浙江 杭州 311121； 2.杭州电子科技大学 管理学院, 浙江 杭州 310018;3.浙江省城市湿地与区域变化研究重点实验室, 浙江 杭州 311121)

以中国重要旅游城市——杭州为例,通过网络爬虫技术搜集互联网旅游出行数据,结合GIS空间分析方法和社会网络分析手段,研究了杭州市旅游流的空间网络特征,并分析这些特征产生的原因.研究表明：杭州市各景点趋于聚集分布,主要集中在市中心附近区域；西湖等景点中心度较高,在整体网络中处于最重要的地位；旅游流网络中心势偏高,说明景点间中心度差异明显,客流量分布不均；杭州市区旅游流网络总体密度偏低,有较大的提升空间.

杭州市区；旅游流；景点；社会网络分析

旅游流是旅游研究的核心问题之一[1].广义的旅游流包括旅游客流、信息流、资金流、物质流等众多类型,其中,最重要的是以旅游者空间移动为主体的旅游客流[2].研究一个地区旅游流的规律性有助于把握其旅游客流市场,提高旅游产品的竞争力,改善旅游资源现状.

目前国内外在旅游流研究方面已经有了很多探索,并引起了学者的普遍重视.国外旅游流研究起步较早,主要成果有核心边缘理论、空间扩散理论[3]、旅游驱动力研究[4]、旅游流客源地市场研究、旅游流空间规律[5]、旅游流影响[6]以及旅游者行为影响因素分析[7]等.国内学者对旅游流的研究主要集中在尺度和机制分析方面,如吴必虎[8]分析了上海市旅游休憩者的流动行为,牛亚菲等[9]分析了北京市183个景点的旅游流变化规律和驱动力等.然而,由于数据获取的渠道有限,尤其是小尺度区域数据难以得到,大多数旅游流的相关研究是基于全国或省级尺度的,没有针对性地反映城市尺度内的旅游流特征.数据获取方法主要基于问卷调查、政府统计数据等,数据量有限.研究手段上较少有将旅游流与社会网络分析相结合的案例.

旅游流研究最关键的步骤就是旅游出行数据的获取.为了获取足够数量的第一手旅游出行数据,本文采用Web数据挖掘手段.基于百度旅游网站的旅游路线数据,通过网络爬虫抓取技术,抓取杭州市景点间旅游流路径、流量等数据.通过数据分析,进一步探讨杭州市景点间的空间网络特征.

1 数据获取与研究方法

1.1 研究区域

杭州是中国著名的旅游城市,风景秀丽，自然、人文旅游资源丰富,自古有“上有天堂，下有苏杭”的美誉.卓越的地理位置,独特的旅游资源,便捷的交通运输条件,助推杭州市成为中国最具代表性的旅游城市之一.本文选取杭州市市区(包括除2014年新设富阳区外的西湖区、上城区、下城区、江干区、拱墅区、滨江区、余杭区、萧山区,下同)范围内共45个主要旅游景点为研究对象(见图1),研究各景点间的旅游流网络特征.

图1 杭州市区主要景点分布Fig.1 The distribution of major scenic spots in Hangzhou urban area

1.2 数据获取与选择

本研究采用网络爬虫手段,解析网页文档结构,自动抓取百度旅游网站的旅游路线(包括旅游客流量),作为旅游流分析数据源.本文选取的是上述45个景点之间的旅游出行数据.

首先筛选网站旅游路线[10],整理出包含杭州市45个景点的旅游路线,将景点间的旅客流动作为旅游流路径.旅游路线中的游客人数即为该路径上的旅客流量.一条路线由多条连续的路径组成,每条路径均包含出发地和目的地.出发地和目的地为以上45个景点,其他景点不列入本文讨论范围.

景点间的直接客流路线称为旅游流路径,每条路径上的旅客流动人数称为流量(I),路径的出发地和目的地称为节点,将这些路径组合形成一张旅游流网络.该网络涉及旅游路径540条,旅游节点45个.

1.3 研究方法

LEIPER认为旅游系统是由目的地、客源地和交通线路3个要素和旅游者、旅游业2个功能要素构成.目的地和出发地是旅游流中的节点,而旅游流路径则是连结2个节点的中介.本文选取目的地、客源地和旅游客流路径3个要素,从景点空间分布类型和景点间旅游流的社会网络特性两方面来分析杭州市景点的空间网络特征[11].

1.3.1 景点空间分布类型

通过分析景点空间分布类型可以初步了解景点的空间分布模式,为后续的旅游流网络分析提供基础.

1.3.1.1 最邻近指数

最邻近指数是测定空间中点状地物相互邻近程度的指标,由最邻近指数可知杭州市景点间相互邻近的程度是否密集,即景点分布的状态.平均最邻近距离分析法将每个点与其最邻近点的平均距离定义为[12]

(1)

最邻近指数R为实际最邻近距离与理论最邻近距离的比值：

(2)

1.3.1.2Gini指数

Gini指数可以用于描述空间要素的分布,用来刻画离散点的空间分布类型.Gini指数介于0到1,越大表明景点分布越不均衡[13].Gini指数可以反映杭州市各区景点分布的均衡性.

(3)

式(3)中,Pi为每个区域的景点个数在全市的占比,N为本文中杭州市区区划数,即8个.

1.3.2 社会网络分析

本文采取社会网络分析的方法[13-16],将旅游流网络当作一种社会网络,利用社会网络的分析指标来评价旅游流网络的特性.

1.3.2.1 网络节点分析

选取中心度、扩散指数2个指标分析网络节点[17].

表1 网络节点分析指标Table 1 Analysis index of network node

表1公式中,Iij为由景点j流向景点i的流量,Cin、Cout和Ci分别表示景点的流入度、流出度和中心度,Si表示景点扩散指数.

景点的中心度是景点流出度和流入度的总和,中心度描述的是一个节点在网络中的地位.中心度越高,说明节点游客流动越大,在网络中越有“活力”.与中心度有关的扩散指数表示扩散旅游流的能力,数值越高,扩散能力越强，数值为负时,说明景点具有聚集效应[18].

景点的模块化分析是将景点划分成若干个内部联系较密切的类别,也称为派系[14].一个模块内的景点或直接或间接存在联系,其紧密程度受联系的距离和权重(这里指游客流量)影响.

1.3.2.2 整体网络分析

整体网络分析包括网络密度和中心势分析[19].网络密度是指在整个网络中节点之间实际存在的关系数量和理论上能够出现的最大关系数量之比[20].网络密度是用来刻画网络中心化程度的指标,其值介于0和1,数值越大,网络密度越高.中心势是相对于整个网络而言,与节点的中心性(中心度)不同，表达的是整个网络中流量分布的差异程度.中心势值在0～1,值越大说明差异越大.

表2 整体网络有关指标Table 2 Related index of holistic network

2 景点旅游流空间网络分析

2.1 景点空间分布类型分析

根据式(1)和(2),计算杭州市区景点平均最邻近指数.杭州市区面积为3 068km2[21],45个主要景点的实际平均最邻近距离为2 155.95m,而理论平均最邻近距离为4 128.49m,最终平均最邻近指数为0.522,小于1,属于凝聚型空间分布类型.

利用Gini指数公式(3),计算杭州市区景点在各区域间的均衡程度,结果为0.629,偏高,说明各区之间景点数量分布不均衡,面积仅占市区总面积

10.65%的西湖区和上城区集中了市区77.78%的主要景点,剩下的22.22%的景点分散在89.35%的面积内,景点空间密度差异明显.

杭州市区的景点分布在空间上呈现中间多、四周少的特点,主要集中在西湖及其附近区域(见图1).这样的空间分布特征有利于旅游流在空间上的集散,距离相近的景点之间联系更紧密也更便利,有利于旅游流的点间流动,使得临近点之间旅游流流动更频繁、活跃.

但这样也会造成旅游流在某一区域大量聚集,从而导致交通拥堵等城市问题.Gini指数过高也显示各区域之间景点数量的分布不均,滨江、余杭等区热门景点数量太少,需要进一步提高影响力和竞争力,实现区域旅游整体实力的提升.

2.2 景点空间网络分析

2.2.1 节点特征分析

2.2.1.1 中心度与扩散指数

根据表1中公式计算杭州市各景点的中心度,结果见图2.

杭州市区景点中心度存在较大差异(见表3)：西湖中心度为13 512,是全市的旅游景点中心,位于第1梯队,相比第2位景点,具有显著优势.灵隐景区、雷峰塔、清河坊、岳王庙4个景点中心度均大于5 000,共同构成第2梯队,但与后面景点差距不明显,属于市级副中心.从西溪湿地到西湖文化广场的8个景点位于第3梯队,中心度在2 000以上.武林广场到钱塘江的6个景点位于第4梯队,中心度大于1 000.余下的26个景点中心度小于1 000,共同位于第5梯队,属于一般景点.

图2 景点中心度Fig.2 Centrality of scenic spots

中心度层级景点>10000第1梯队西湖5000～10000第2梯队灵隐景区、雷峰塔、清河坊、岳王庙2000～5000第3梯队西溪湿地、六和塔、钱塘江大桥、太子湾公园、九溪十八涧、宋城、长桥公园、西湖文化广场1000～2000第4梯队武林广场、吴山景区、虎跑梦泉、浙江大学紫金港校区、龙井景点、钱塘江<1000第5梯队南屏晚钟、拱宸桥、云栖竹径、钱王祠、中国茶叶博物馆、吴山夜市、宝石山、动物园、浙大之江校区、梅家坞、胡雪岩故居、植物园、湘湖、白塔公园、青芝坞、钱江新城、小河直街、杭州乐园、满陇桂雨、上天竺寺、中国丝绸博物馆、十里琅珰、塘栖、南宋皇城遗址、西湖灵山、黄龙洞景区

所有景点中心度超过100的有38个,低于100的有7个.这些景点属于较冷门景点,人流量少,要么是位于市区外缘,客流不容易到达,要么是附近有某个热门景点,将其客流量分流.

计算中心度超过100的景点的扩散指数,通过扩散指数判定其扩散聚集特性,将景点大致分为3种主要类型(见表4)：扩散型(>5%)、平衡型(-5%～5%)、聚集型(<-5%).

2.2.1.2 模块化分析

模块化分析是对节点之间联系紧密程度的分类,通过节点间是否存在联系以及联系的强度将节点分成若干个模块.节点间不一定是直接联系,也可以是在某个距离范围内的间接联系(距离是指2个节点中间间隔的节点个数,不是指空间距离).利用社会网络分析软件的模块化分析功能,将杭州市区45个景点分为4个模块(派系).

表4 景点扩散类型Table 4 Diffusion models of scenic spots

图3 景点模块化分类Fig.3 Classification of modularity of scenic spots

从图3和表5可以看出，各模块间及模块内部存在一定的规律性和特点：各模块间以1个主要景点为中心,其他景点大致分布于中心景点附近.景点间形成1个模块的可能性与景点间距离呈正相关.西湖和雷峰塔由于地理位置相邻,游客通常选择在同一条路线中游览,这样就增加了西湖和雷峰塔之间的相互联系程度,故这2个景点被归入一个模块,其他景点类似.但景点间的相互联系程度还受景点知名度、交通便捷度等因素影响,所以也存在一些景点虽然相距较远却在同一模块的情况.

2.2.2 整体网络分析

本文选用与旅游流网络直接相关的3个指标：网络密度、中心势以及平均流量分析整体网络.

2.2.2.1 网络密度

对杭州市区景点构建旅游流网络,最终形成45个点的540条连线(不带流量权重).通过这2个数值计算网络密度,结果为0.273,网络密度较低.该结果表明,杭州市区景点之间的相互联系还远未达到最高水平.

表5 景点模块分类Table 5 Modularity of scenic spots

从图3中可以看出,位于图中外缘的景点与其他景点的联系较少(节点的位置不是实际地理位置),如十里琅珰、小河直街.位于图中心的景点,如西湖、西溪湿地等,与其他景点联系较多.这种联系仅考虑联系的存在性,而不考虑联系间的流量.

2.2.2.2 中心势

为了描述流量对整体网络的影响,中心势的计算需考虑节点流量(中心度).利用中心势公式得到杭州市区景点的整体网络中心势为0.886,属于高中心势,表明网络整体性非常好,中心景点的作用显著,在网络中居于强主导地位.但也暴露出网络中景点均衡性差这一问题.也就是说,中心度位于第1位的西湖处于绝对优势地位,其他景点与其差异非常大,吸引力相对不足.

西湖对客流具有巨大的吸引力,周围景点借由西湖也获得了较高的中心度,而距离西湖较远的景点中心度较低.构成了以西湖为中心,中心度随距离衰减的旅游景点网络.其他景点可以加强与西湖之间的旅游流联系,成为西湖的旅游流流向地,共同承接西湖客流,达到各景点间旅游流整体均衡提升的目的.例如：在制定旅游路线时,将西湖作为旅游路线的某个节点,从而将其客流引入到其他景点.

3 分析与讨论

选取杭州市区主要旅游景点以及旅游客流所构成的旅游流网络,通过空间分析和社会网络分析等手段进行空间网络分析.

3.1 杭州市区景点的空间分布呈现聚集分布形态,聚集程度高,景点主要集中在西湖及其周边地区,其中西湖区景点数量最多.实际平均最邻近距离为2 155.95 m,理论平均最邻近距离为4 128.49 m,最邻近指数为0.522.西湖区是杭州市旅游资源最丰富的老城区,景点众多且相距较近,多集中于西湖附近,具有西湖周边景点多、其他地区景点相对较少的特征.西湖区作为杭州市旅游中心有其历史原因,短时间不会改变.但杭州市可以积极开发市区周边的外围景区,使得城市旅游中心向外分散,合理引流.

3.2 西湖作为杭州市中心度最高的景点,中心性远超其他景点,西湖灵山、南宋皇城遗址和黄龙洞等景点中心性弱,在整个网络中重要性也不高.景点的中心性与知名度呈正相关.西湖的出度和入度全市最高,是杭州市景点的“集散中心”.西湖、灵隐等景区是重要的扩散型景点,西溪湿地、清河坊是重要的聚集型景点,其余大部分景点的聚集与扩散效应不明显.

3.3 杭州景点间整体网络密度不高,旅游流O-D网络内路径较少,说明杭州市区景点整体联系还不够强,尤其是位于市区外缘的景点.这些景点多知名度低且交通不便,所以与主要景点间相互联系的路径较少.市区整体中心势偏高,说明中心度最高的景点在整体网络中的重要性显著.西湖等知名景点位于市区人流密集的区域,客流量明显高于其他景点,中心性强且与其他景点联系路径多令中心景点在网络中占据重要地位.基于杭州市区旅游网络的特征,可以通过改善各景点间的交通条件等手段,增强景点间的联系,以提高整体的网络密度.

3.4 景点之间旅游流网络的形成受到多项因素的影响,不仅有地区本身的地理环境因素,还有景点自身的吸引力因素,除此之外还受到其他外界因素的影响.塘栖等景点位于城市郊区,人流量稀少且路程较远,导致这类景点难以与其他景点形成复杂的旅游流网络.可以通过改善郊区或城市外围景点的交通条件，或加大对这些景点的宣传和开发力度,促进其旅游流的增加.

[1] 保继刚,楚义芳,彭华.旅游地理学[M].北京：高等教育出版社,1999.

BAO Jigang, CHU Yifang, PENG Hua. Tourism Geography[M]. Beijing: Higher Education Press,1999.

[2] 刘法建,张捷,章锦河.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.LIU Fajian, ZHANG Jie, ZHANG Jinhe. Analysis of the basic method of collecting the spatial data of tourist flows: A study review and comparison both at home and abroad[J]. Tourism Tribune,2012,27(6):101-109.

[3] 杨国良.旅游流空间扩散[M].北京：科学出版社,2008.

YANG Guoliang. The Spatial Diffusion of Tourist Flow[M]. Beijing: Science Press,2008.

[4] 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.

YANG Xingzhu, GU Chaolin, WANG Qun. Study on the driving force of tourist flows[J]. Geographical Research,2011,30(1):23-36.

[5] WILLIAINS A T, ZELIN SKY W. On some patterns of internationals tourist flows[J]. Economic Geography,1970,46(4):549-567.

[6] HALDRUP M. Laid-back mobilities: Second-home holidays in time and space[J]. Tourism Geography,2004,6(4):434-454.

[7] LARSEN J, URRY J, AXHAUSEN K W. Networks and tourism-mobile social life[J]. Annals of Tourism Research,2007,34(1):244-262.

[8] 吴必虎.大城市环城游憩带(ReBAM)研究：以上海市为例[J].地理科学,2001,21(4):354-359.

WU Bihu. A study on recreational belt around metropolis (ReBAM): Shanghai case[J]. Scientia Geographica Sinica,2001,21(4):354-359.

[9] 牛亚菲,谢丽波,刘春凤.北京市旅游客流时空分布特征与调控对策[J].地理研究,2005,24(2):283-292.

NIU Yafei, XIE Libo, LIU Chunfeng. The variation tendency and proposed countermeasures for adjusting and controlling visitor flow in Beijing[J]. Geographical Research,2005,24(2):283-292.

[10] 刘宏盈,韦丽柳,张娟.基于旅游线路的区域旅游流网络结构特征研究[J].人文地理,2012,27(4):131-136.

LIU Hongying, WEI Liliu, ZHANG Juan. The research on the characteristics of network structure of area tourist flows based on the tourism routine[J]. Human Geography,2012,27(4):131-136.

[11] 陈浩,陆林,郑嬗婷.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.

CHEN Hao, LU Lin, ZHENG Shanting. The spatial network structure of the tourism destinations in urban agglomerations based on tourist flow: A case study of the Pearl River Delta[J]. Acta Geographica Sinica,2011,66(2):257-266.

[12] 袁俊,余瑞林,刘承良.武汉城市圈国家A级旅游景区的空间结构[J].经济地理,2010,30(2):324-328.

YUAN Jun, YU Ruilin, LIU Chengliang. Research on spatial structure of national A-grade tourist districts of Wuhan metropolitan area[J]. Economic Geography,2010,30(2):324-328.

[13] 刘法建,章锦河,陈冬冬.社会网络分析在旅游研究中的应用[J].旅游论坛,2009,2(2):172-177.

LIU Fajian, ZHANG Jinhe, CHEN Dongdong. On the application of social network analysis in tourism research [J]. Tourism Forum,2009,2(2):172-177.

[14] 刘军.社会网络分析导论[M].北京：社会科学文献出版社,2004.

LIU Jun. An Introduction to Social Network Analysis[M]. Beijing: Social Sciences Academic Press,2004.

[15] 靳诚,徐菁,黄震芳,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.

JIN Cheng, XU Jing, HUANG Zhenfang, et al. Analyzing the characteristics of tourist flows between the scenic spots in inner city based on tourism strategies: A case study in Nanjing[J]. Acta Geographica Sinica,2014,69(12):1858-1870.

[16] 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):1041-1050.

PENG Hongsong, LU Lin, LU Xingfu, et al. The network structure of cross-border tourism flow based on the social network method: A case of Lugu Lake region[J]. Scientia Geographica Sinica,2014,34(9):1041-1050.

[17] 李伟,胡静,周蕊蕊,等.武汉市旅游空间系统结构分析[J].人文地理,2014,29(1):141-145.

LI Wei, HU Jing, ZHOU Ruirui, et al. Analysis on the tourism spatial system structure of Wuhan[J]. Human Geography,2014,29(1):141-145.

[18] 吴必虎,唐子颖.旅游吸引物空间结构分析——以中国首批国家4A级旅游区(点)为例[J].人文地理,2003,18(1):1-6.

WU Bihu, TANG Ziying. A study on spatial structure of national 4A grade tourism attractions in China[J]. Human Geography,2003,18(1):1-6.

[19] 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.

FU Qiongge, LIU Dajun, HU Jing, et al. Network structure and optimization research on the Hubei Province tourist flow[J]. Economic Geography,2015,35(3):191-196.

[20] 李伟.大城市旅游流网络结构构建与分析——以武汉市为例[D].上海：华中师范大学,2013.

LI Wei. Urban Tourism Flow Network Structure Construction and Analysis Sample of Wuhan[D]. Shanghai： Central China Normal University,2013.

[21] 浙江省统计局.2015年浙江统计年鉴[M].北京：中国统计出版社,2014.

Zhejiang Provincial Bureau of Statistics. 2015 Zhejiang Statistical Yearbook[M]. Beijing: China Statistics Press,2014.

Spatial network analysis of urban tourist flow of the scenic spots: A case study of Hangzhou.

LIN Wenhui1, MAO Feng2, HE Hong1, ZHAO Wenbiao1, OUYANG Juan1, LIU Ting1,3，ZHANG Dengrong1,2

(1.CollegeofScience,HangzhouNormalUniversity,Hangzhou311121,China; 2.ManagementSchool,HangzhouDianziUniversity,Hangzhou310018,China; 3.ZhejiangProvincialKeyLaboratoryofUrbanWetlandsandRegionalChange,Hangzhou311121,China)

Taking Hangzhou, an important coastal tourist city, as a case study, this paper collected the tourist data on the internet using Web crawler, and analyzed the spatial network pattern of tourist flows of Hangzhou by means of GIS spatial analysis and social network analysis. Results showed that: (1) Distribution of the scenic spot in Hangzhou tended to aggregate, and mainly clustered in the downtown area. (2) The centrality of West Lake and some other scenic spots were higher, which took very important position in the whole network. (3) Centralization of the network was rather high, which showed that there was significant difference in the centrality between the scenic spots and the distribution of tourist flow volume. (4) The density of the tourist flow network in urban area of Hangzhou was low, and needed to be improved.

urban area of Hangzhou; tourist flow; scenic spots; social network analysis

2015-12-07.

国家863计划项目(2013AA12A402)；国家自然科学基金资助项目(41101371)；国家大学生创新创业训练计划项目(201510346007)；杭州市社会发展科研专项(20150533B04).

林文辉(1994-)，ORCID:http://orcid.org/0000-0003-0008-1982,男，学士，主要从事旅游空间格局分析研究.

*通信作者，ORCID：http://orcid.org/0000-0003-0389-2553,E-mail：yats521@163.com.

10.3785/j.issn.1008-9497.2016.04.013

F 590

A

1008-9497(2016)04-458-07

Journal of Zhejiang University(Science Edition), 2016,43(4):458-464