基于GIS-SNA的长江三角洲城市群旅游流网络演化

干青亚，邱　枫，刘文生，陈小龙

（宁波大学 地理与空间信息技术系，浙江 宁波 315211）

基于GIS-SNA的长江三角洲城市群旅游流网络演化

干青亚，邱枫，刘文生，陈小龙

（宁波大学 地理与空间信息技术系，浙江 宁波 315211）

摘要：文章以长三角16个城市为例，通过社会网络分析法与空间可视化技术相结合，构建长三角旅游流网络，分析其2011年、2013年、2015年的结构特征和节点中心性变化及节点城市空间相关性。研究表明：旅游流网络能级水平不断提高，核心—边缘区节点成员稳定发展，上海、苏州、南京、杭州等核心节点结构洞水平一直较高，在长三角旅游流网络中处于有利的竞争地位；上海、杭州两大旅游流核心的集聚、扩散作用明显，促进周围节点城市网络地位的不断提高，南京对周边节点辐射作用相对较弱；节点间的旅游经济联系强度均衡发展，呈现三大旅游经济中心增长极。最后，研究认为，要进一步开发精品旅游线路，组合旅游资源，增加节点间的联系，促进旅游流的均衡流动；同时打造核心区旅游品牌，增加海外游客，分流国内游客，提升旅游流网络水平。

关键词：SNA理论；GIS分析技术；城市群旅游流网络；数据创新

［DOI］10.3969/j.issn.1007-5097.2016.08.006

旅游流是旅游者在旅游过程中产生于旅游目的地和客源地节点间的空间流动，体现了大众旅游的群体性特征，是旅游地理学研究的核心内容之一［1］。流动特征具有地域空间迁移性，旅游流网络联系具有社会性，故而把空间分析技术与社会网络方法结合起来研究旅游流问题成为当今旅游研究热点领域。国外学者20世纪90年代开始将社会网络分析理论（SNA）应用于旅游研究，集中于跨学科理论应用范式的探讨［3］、各旅游要素之间的利益关系［4］和旅游流网络的空间模式［5］与形成机制［6］；国内学者聚焦在实证研究且关注旅游地角色［7-8］、旅游地系统空间差异［9-10］、航空旅游网络系统［11-12］等，宏观分析了我国入境旅游网络［13-14］和省域旅游流网络的内部差异［15-16］。总体而言，尚未从微观角度深入分析旅游流网络的构成、特征和节点城市自身演变及其网络关联。相较而言，旅游流网络数据的获取和分析存在一定困难，大数据背景下的网络游记（TGC）能真实地反映出旅游空间构成规律。较多学者运用博客、游记攻略分析游客旅游偏好、线路、节点间等旅游流网络特征［17-18］，已有研究多选取某一年份截面数据运用社会网络法解释旅游现象，未采用多年份数据来动态分析旅游业发展对旅游网络结构产生的影响。因此，本文整理长三角城市群的网络游记线路并采用SNA构建其旅游流网络，建立不同旅游节点的网络关系，运用ArcGIS验证旅游流在地域空间上的映射规律，分析长三角旅游流网络的演化特征，以期为长三角区域旅游流调控与协调发展提供参考。

一、数据来源与模型构建

（一）数据来源

长江三角洲城市群（以下简称“长三角”）包括上海、南京、苏州、杭州、无锡、常州、扬州、镇江、泰州、南通、台州、宁波、湖州、嘉兴、绍兴和舟山16个城市，其旅游业发展水平居全国前列，是长三角城市群的战略性支柱产业。以往旅游研究中数据主要来源于实地调查、企业内部材料、旅游报刊、专业旅游市场调研机构年报等［19］，在反映游客空间行为特征方面有一定的局限性。互联网的快速发展，为旅游数据的深度挖掘提供可能，其中虚拟社区的网络文本由游客自愿书写，在表达旅客主观行为方面真实性相对较高。基于旅游流动特征和网络数据的时效性，本文主要收集来自蚂蜂窝网和携程网两大专业网站上2011-2015年游客发表的有完整游线的游记攻略，通过查阅游记中的地点、照片、车票、酒店住宿的等信息，确定游记的真实性，排除以某种利益为目的的商业游记，筛选得出1 070篇有效游记。为了分析验证网络游记样本的代对表性，选取2015年长三角各市统计年鉴和统计公报中的旅游总收入和旅游接待人次。借助SPSS19.0把网络数据与官方统计数字进行相关性分析，结果显示在95%的置信区间内二者相关系数为0.86，说明样本数据具有一定的代表性，能够反映出长三角旅游流网络在短时期内的演化规律（表1）。

表1　数据来源

（二）模型构建

社会网络是社会行动者及其之间关系的集合，其从新的角度研究旅游流网络的空间结构特征，分析各旅游节点城市的在网络中的集聚和扩散关系，定位旅游节点在网络中的地位和角色［19］。本文选取网络密度、核心—边缘模型、凝聚子群、节点中心性、结构洞等5个指标探讨长三角地区旅游流网络结构时空演变。

（1）旅游流网络密度：反映了整体网络联系的紧密程度，数值越大，网络密度越高。

（2）核心—边缘模型：通过模型构建，分析旅游流网络结构中节点的核心地位与边缘地位分布状况。

（3）旅游流节点中心性，其中程度中心性指数是指旅游流网络中某旅游节点与其他旅游节点的联系程度，可以反映出整体旅游流网络结构中节点的重要性。中介中心性体现某旅游节点位于其他节点的“中间”程度，反映对其他节点的控制能力和充当中介作用的大小。接近中心性指数反映网络中的行动者不受其他行动者控制的程度，通常和节点的交通达性有关。

表2　计算公式

二、长三角城市群旅游流网络结构演化分析

（一）整体网络结构分析

（1）网络密度分析。Ucinet 6.0软件分析得出了长江三角洲地区16个城市群之间的旅游流网络结构（图1），在最多可能出现的240个旅游节点联系数中，2011年、2013年、2015年分别为116、131、157条，根据公式（1）计算得出，长三角城市群的旅游流网络密度分别为0.48、0.54、0.65，旅游流网络密度增加，网络能级水平不断提高，呈现出上升的趋势；网络中的孤立节点城市减少，节点城市间逐渐趋向于协同发展，均衡增长趋势明显。旅游流网络演化分析得到，长三角地区旅游流主要集中于上海、杭州、苏州、南京四大城市，嘉兴、无锡、扬州、宁波等受旅游流的影响较为明显，其他节点城市在整体网络内的互动性较弱。

（2）凝聚子群分析。凝聚子群可以反映出网络中某些行动者之间关系的紧密程度和小团体关系。图1可知2011年、2013年、2015年长三角地区的旅游流网络结构，2级和3级凝聚子群的个数基本保持不变，子群组成不断变化，整体上处于稳定发展的状态，以上海为主的凝聚子群对周边其他凝聚子群的影响较为明显。2011年旅游流网络的2级层面存在4个凝聚子群，3级层面存在8个凝聚子群，通过凝聚子群密度分析，以上海-南京-苏州-无锡构成的凝聚子群与常州-扬州、杭州-嘉兴两个凝聚子群联系最为紧密，宁波-台州凝聚子群与其他子群联系较少。2013年以上海-无锡-杭州-南京构成的凝聚子群与苏州-舟山凝聚子群联系最为紧密，台州-泰州凝聚子群与其他子群之间的联系最少。2015年以上海-南通凝聚子群与嘉兴-苏州凝聚子群的联系最为紧密，宁波-舟山-台州凝聚子群与其他子群联系较少。旅游节点城市自身交通和旅游业的不断发展，旅游节点之间关系的紧密程度不断发生变化，导致各级凝聚子群成员集聚状况不断变化。凝聚子群之间相互联系不紧密，辐射集聚作用不均衡，没有达到协调发展的局面。

（3）核心—边缘分析。核心—边缘分析显示2011年、2013年、2015年核心区节点之间的联系分别为15.75、10.24、14.55，联系十分紧密（表3）。

表3　长三角旅游流网络核心—边缘区紧密度分析

边缘区节点之间联系分别为0.60、0.85、0.91，联系薄弱但呈现出明显的上升趋势，说明边缘区城市如无锡、常州、宁波等各节点城市间虽然互动性联系较少，各城市之间联系却逐渐增多，这与边缘区城市近年来的经济发展、交通联系状况都有密切的联系。

Ucinet 6.0软件分析得核心区节点城市从2011年的4个增加到5个，包括上海、苏州、杭州、南京和嘉兴。图1可知旅游流向视角下，2011年、2013年、2015年核心区与边缘区之间紧密度分别为2.13、1.92、2.56，节点间的互动性联系薄弱，核心区到边缘区成员之间的联系密度相对较大，边缘区到核心区成员之间的联系密度最小，说明以上海、南京、杭州等核心区城市对无锡、台州等边缘区城市节点的辐射扩散作用较为显著，集聚作用不明显。2015年新兴的核心节点城市嘉兴受到上海、杭州、苏州等核心节点城市的带动，旅游流增加，在旅游流网络中的地位不断提高。2011-2015年长三角地区的旅游流主要集中于上海、苏州、杭州、南京、嘉兴等交通比较便利、经济发展程度较高、旅游资源知名度高的城市，因此要增强核心区对边缘区节点城市的辐射作用，同时不断提高边缘区城市节点间的紧密程度，优化在长三角旅游流网络中的结构特征，加快边缘区旅游业的发展，促进长三角旅游流网络的优化。

图1　长江三角洲城市群旅游流网络演化

（二）节点网络结构分析

（1）节点中心性分析。由公式（2）可得，2011年、2013年、2015年网络的整体中心性分别为23.43%、24.71%、27.11%，不断上升，长三角旅游流网络呈现出集中发展的趋势。Ucinet6.0软件分析显示长三角旅游流网络中心度方差较大，2011-2013年出现下降，网络结构发展相对均衡，2013-2015年呈现增长的趋势，网络结构呈现出较强的不均衡性，旅游流向部分城市集中的趋势不断加大，但这种集中的变化趋势不是十分明显。2011-2015年上海程度中心度不断增加，居长三角旅游流网络的首位，与其他城市间的联系越来越紧密，表现出了较强的核心极化效应。湖州、绍兴、南通等城市程度中心度波动性较大，嘉兴、扬州、台州、常州等城市相对较为稳定，旅游流的流动相对薄弱。

公式（3）计算得出：16个节点城市中平均每个旅游节点2011年、2013年、2015年在网络中充当旅游中介的次数分别为8.0、7.2、5.4，旅游中介性指标方差分别为56.4、82.4、26.8。中介中心性指标显示（表4），2011年有上海、嘉兴、宁波、苏州、南京、杭州等六个城市中介性大于均值，旅游流中介的作用较大；2013年嘉兴在整个网络中充当旅游中介的次数减少，地位下降，主要是因为与苏州、上海、杭州等地旅游资源存在相似性，旅游知名度相对较低；2015年无锡、绍兴、扬州等节点城市的中介作用明显增强，虽然中介性指标指数仍较低，但在旅游网络中具有较高的进入性，是重要的旅游通道，对其他节点城市的控制力较强。

公式（4）计算得出：2011-2015年上海、杭州、苏州、南京等节点的接近中心度一直较高的，其他节点城市不断发生变化（表4）。2011年绍兴、南通等节点城市接近中心度较高，具有较高可进入性，泰州、台州、湖州接近中心度较低，对其他节点城市的依赖性高，容易受其他节点控制。2013年扬州、嘉兴等节点接近中心度较高，网络核心地位越来越明显。2015年由于高铁、公路等交通业的发展，无锡核心化地位加强，对周围其他节点城市的控制能力提高；南通、常州、镇江旅游业发展慢，资源知名度较低，游客的感知度弱，对其他旅游节点城市的依赖性增强。

表4　长三角旅游流网络

（2）结构洞分析。在网络分析过程中，结构洞水平常用来衡量节点城市的优势或劣势状况。2011-2015年，上海、南京、苏州、杭州等节点结构洞水平一直较高，处于有利的竞争地位，其他节点结构洞水平相对较低。从表5中的有效规模和效率指标值来看，上海、南京、苏州、杭州的得分一直较大，网络冗余度在长三角旅游流网络中较小；而扬州、常州、镇江、无锡等节点城市得分次之；台州、湖州与泰州得分最小，网络冗余度最大。从限制度的指标来看，2011年、2013年、2015年上海得分别为0.411、0.307、0.329，一直最小，说明上海在旅游流网络中受到的各种关系的限制较小，但其旅游业的发展一定程度上依赖于同其他节点间的复杂“关系”，因此要注意“关系”维护，防止发生断裂，合理引导旅游流；台州、湖州、南通、泰州等节点得分一直很大，说明在网络中受到的各种关系的影响较大，独立性弱，在以后发展旅游业的过程中，要注重自身旅游资源的开发和服务质量的提高，强化与结构洞水平较高的旅游节点城市间的联系。

表5　长三角旅游流网络结构洞水平指数

续表5

三、旅游流网络结构验证分析

社会学理论指导下的旅游流分析，并不能解释旅游流动现象在地域空间上的映射规律，故而利用旅游接待人数和旅游总收入等数据，借助ArcGIS空间可视化分析技术，在验证网络数据的效度基础上，进一步揭示旅游流动现象在地域空间上的映射规律，对旅游流在地域空间上的分布进行弥补性研究。

（一）长三角城市群聚散能力验证

通过ArcGIS进行2015年旅游接待人数的空间可视化验证分析表明（图2），长三角旅游流网络整体上呈现出均衡发展的趋势，主要以上海-苏州、杭州、南京为核心，形成了三大旅游流核心，上海等核心旅游目的地城市自身经济发展水平高、资源禀赋较高，对其他旅游节点城市的控制度高。上海、杭州两大旅游流核心对周边节点城市的辐射扩散作用最为明显，绍兴、嘉兴、宁波等节点城市逐渐发展成为次核心旅游目的地，使得长三角旅游流网络的核心、次核心节点城市的空间分布更加完善，旅游业发展更加均衡。以南京为核心的长三角旅游流网络中的各节点城市发展缓慢，常州、扬州、镇江等次边缘节点城市与南京的联系相对紧密，旅游流流量较大，而泰州、南通等边缘旅游目的地发展最为缓慢。长三角旅游流网络结构的完善，要注重三大旅游核心对周围节点城市的辐射、集聚作用，带动次核心旅游目的地向核心旅游目的地的发展；同时应当加强边缘、次边缘旅游节点与核心、次核心节点城市的紧密程度。

（二）长三角城市群旅游经济联系强度验证

旅游经济联系强度表示旅游节点之间的经济联系，能反映出旅游经济中心城市对其他旅游节点城市的辐射作用以及其他节点城市的接受能力。以2015年各节点城市的旅游总收入为基础，构建长三角城市群旅游经济联系强度模型，并以二值化数据呈现旅游经济网络。图3可知长三角旅游经济网络以上海、南京、杭州为经济中心城市，其他节点城市均衡发展。其中上海、南京、杭州等节点城市与周围其他节点城市经济联系强度最大，自身旅游经济发展水平高，对其他节点的辐射作用明显。嘉兴、苏州、无锡、湖州、宁波等节点城市与其他节点间的旅游经济联系相对较多，自身接受经济辐射的能力强，南通、泰州、镇江、扬州、绍兴、台州、舟山等节点城市则次之。长三角城市群旅游经济网络中上海、南京、杭州为三大旅游经济中心，自身旅游经济组织和接待能力强，是旅游经济网络的中心增长极。苏州、嘉兴、无锡、湖州、宁波等节点城市旅游吸引力、辐射作用弱于三大旅游经济中心，在旅游经济网络中充当了重要的旅游通道作用。南通、泰州、镇江等节点自身旅游经济发展水平低、旅游经济联系强度弱，对其他节点城市的依赖性高，位于长三角旅游经济网络的边缘区。

图2　长三角城市群聚散能力

图3　长三角城市群旅游经济联系强度

四、结论与启示

（一）结论

本文以长江三角洲城市群为例，通过对网络游记数据的挖掘，构建十六个旅游节点城市的旅游流网络，分析网络结构和节点特征，探究了长三角旅游流网络空间结构的发展趋势。研究以游客的旅游线路为基础，利用社会网络分析法和空间可视化验证，得出以下基本结论：

（1）长三角旅游流网络的网络密度不断增加，网络能级水平提高，孤立节点城市减少，各节点城市协同发展。

（2）核心—边缘区节点城市发展较为稳定，核心区节点间的联系紧密，边缘区节点间联系较少。核心区节点城市不断增加，联系密度有所下降；边缘区与核心区节点之间互动联系十分薄弱，核心区对边缘区节点城市集聚作用不明显，有待进一步加强。

（3）三大旅游流核心对网络中其他节点城市的控制性强，尤其是上海的核心极化效应最为明显，产生的集聚和扩散效应最大；次核心节点城市地位和节点结构不断改善，与其他旅游节点的协同发展水平不断提高，成为长三角旅游流网络的重要旅游通道；边缘、次边缘旅游节点城市的各项指标均比较低，需要加强同其他节点城市之间的联系。

（二）启示

针对长三角城市群旅游流网络的空间结构演化特征与验证分析，得出以下启示：

（1）开发精品旅游线路，加强上海等核心区城市和常州、扬州、绍兴、台州等边缘区城市间的资源组合联系，实现核心区游客的旅游分流，增加边缘区城市的旅游流量，促进旅游流的均衡流动。

（2）优化交通网络，缩短长江三角洲城市间的时间距离，减少游客的时间成本，尤其要提高泰州、南通、镇江、台州等城市的交通通达性与可进入性。

（3）提高上海、南京、杭州等核心城市的旅游形象，打造国际化的旅游品牌，促进相互间的联动发展，增加海外游客，分流国内游客。

（4）南通、镇江、湖州等边缘、次边缘城市应根据自身旅游资源状况，制定合理的开发、营销模式，完善旅游产品体系，增强游客感知度，积极向次核心旅游城市发展。

参考文献：

［1］董培海，李伟.国内旅游流基础理论研究述评［J］.旅游研究，2015，7（1）：34-40.

［2］Saxena G.Relationships，networks and the learning regions：case evidence from the Peak District National Park［J］. Tourism Management，2005，26（2）：277-289.

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

［4］Scott N，Baggio R，Cooper C.Network analysis and tourism：From theory to practice［J］.Network Analysis&Tourism from Theory to Practice，2008，34（3）：334-335.

［5］Scott N，Cooper C，Baggio R.Destination Networks：Four Australian Cases［J］.Annals of Tourism Research，2008，35（1）：169-188.

［6］朱冬芳，陆林，虞虎.基于旅游经济网络视角的长江三角洲都市圈旅游地角色［J］.经济地理，2012，32（4）：149-154.

［7］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.

［8］钟业喜，冯兴华，文玉钊.长江经济带经济网络结构演变及其驱动机制研究［J］.地理科学，2016，36（1）：10-19.

［9］肖光明.珠江三角洲地区旅游空间结构分析与优化［J］.经济地理，2009，29（6）：1036-1041.

［10］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.

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

［12］陈小娟，陈磊，胡静，等.浙江省入境旅游流流量与流质演化研究［J］.地域研究与开发，2015（4）：84-88.

［13］任前，胡静，陈小娟，等.浙江省入境旅游流、旅游景区、星级酒店空间错位演化分析［J］.华中师范大学学报，2016，50（1）：151-157.

［14］琚胜利，陶卓民，赖正清，等.浙江省国内旅游流系统网络结构演变研究［J］.地理与地理信息科学，2015，31（2）：91-97.

［15］刘少湃，田纪鹏，陆林.上海迪士尼在建景区客源市场空间结构预测［J］.地理学报，2016，71（2）：304-321.

［16］刘文生，叶持跃，马仁锋，等.基于ESDA—SNA的城市旅游网络结构研究［J］.科技与管理，2016，18（1）：92-99.

［17］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.

［18］刘法建，张捷，章锦河，等.旅游流空间数据获取的基本方法分［J］.旅游学刊，2012，27（6）：101-109.

［19］刘军.整体网分析讲义［M］.上海：格致出版社，2009.

［责任编辑：张兵］

邱枫（1972-），女，湖南长沙人，副教授，通讯作者，研究方向：城市与区域规划；

刘文生（1990-），男，河南驻马店人，硕士研究生，研究方向：旅游规划；

陈小龙（1993-），男，湖南衡阳人，硕士研究生，研究方向：历史地理。

中图分类号：F061.5；F59

文献标志码：A

文章编号：1007-5097（2016）08-0035-06

收稿日期：2016-04-13

基金项目：国家科技支撑计划项目（2013BAJ10B06-01）

作者简介：干青亚（1990-），女，河南商丘人，硕士研究生，研究方向：城市旅游；

Evolution of Tourist Flow Network of Urban Agglomeration in the Yangtze River Delta Based on GIS-SNA

GAN Qing-ya，QIU Feng，LIU Wen-sheng，CHEN Xiao-long
（Department of Geography&Spatial Information Techniques，Ningbo University，Ningbo 315211，China）

Abstract：This article，based on the method of social network analysis and spatial information technology，constructs the tourism flow network in 16 cities of the Yangtze River Delta，and analyzes the change of the structure characteristics，node centrality，and the correlation of the urban spatial in 2011，2013 and 2015.The results show that：the level of tourism flow network is continuously improved，and the members of the core-edge area continue in a stable development，the level of core-node structural holes has been high，such as Shanghai，Suzhou，Nanjing Hangzhou in a favorable competitive position；The agglomeration and diffusion of the two major tourist flows in Shanghai and Hangzhou are obvious，which improve the urban network status of the surrounding nodes，but the radiation effects of Nanjing on other cities are relatively weak；The tourism economic ties between the nodes are balanced development，which show the growth of the three major tourist economic center.Finally，the study suggests to further develop tourism routes，combine tourism resources，increase the links between nodes，and promote the balanced flow of tourism flows，at the same time，build the core area of tourism brand，increase the overseas tourists，shunt domestic tourists and enhance the level of tourism flow network.

Keywords：SNA theory；GIS analysis technology；tourism flow network of urban agglomeration；data innovation