福建省自驾入游流市场及网络结构特征研究

赵伟+李蕊蕊+闫景丽

摘 要：以网络游记数据挖掘为基础，综合运用社会网络分析方法、GIS和数理统计技术，揭示福建省自驾入游流市场及网络结构特征。市场特征为：出游高峰期与低谷期年内交替四次，呈现明显的双“M”型，高峰期与我国“长假”时间高度吻合；结伴方式以夫妻、亲子、带父母的家庭出游方式为主（占60.1%），其次为亲朋好友（占27.1%）；88.18%的自驾游客在福建省内停留时间不超过6天，其中逗留3天（占23.15%）的比例最高；自驾游省外客源市场结构呈现明显的近地域性和沿海发达省份和城市的高度集中性；自驾游单程公路里程空间使用曲线具有较为典型的Boltzman曲线特点，一、二级客源市场范围单程公路里程分别为0-800km和800-1400km，1400km以外为三级客源市场。网络结构特征为：网络节点地位呈现较强的不均衡性，两极分化明显，核心节点之间的互动频率远高于边缘节点；整体上看，福建省自驾入游流空间等级序列明显，核心区和重要区域所占比例偏小，空间分布呈现“整体分散、局部集中”的格局，旅游流集中于思明区、南靖县、鼓楼区、永定区、武夷山市等高级别景区所在的区域。节假日制度、单程公路距离及高级别景区对自驾旅游流的形成影响较大，省内节点间公路距离对旅游流的影响极小。

关键词：自驾旅游流；市场特征；网络结构；空间行为；福建省

中图分类号：K902 文献标识码：A

汽车使个人流动性提高，早在20世纪30年代，地理学家霍尔和佩奇已经注意到汽车带来的旅游和休憩机会[1]。西方自驾游旅游研究主要集中在自驾游游者行为[2-4]、自驾游线路[5-7]、自驾游感知[8，9]及新数据获取方法[10]等方面。

随着20世纪90年代国内自驾游的兴起，自驾旅游逐渐成为旅游研究的热点问题，相关研究集中在游客调查及自驾游相关的区域旅游开发、市场开发与旅游产业适应方面，与国外的自驾游研究相比，国内相关研究数量少，起步晚[11]。张学梅认为在研究方法方面，自驾车旅游的研究方法仍然以传统的研究方法为主，对一些问题的探讨仍停留在描述性分析上，定性研究较多，定量研究较少[12]。近年来，随着自驾游数据获取途径的增多，定量化及模型的运用在自驾游研究中逐渐增多，如耦合模型[13]、结构模型[14]、主成分分析[15]、GIS空间技术[16]、社会网络分析[13，20]等，研究的深度与广度也随之增加。旅游客流空间特性是旅游地理学研究的重点内容之一[17]，但目前国内关于自驾旅游流的研究尚不多见：大多是还原希尔通过电话访谈并利用网络分析的方法研究了台湾南投的16个自驾游旅游目的地的网络结构特征[18]；卢松采用问卷调查法以安徽黄山市为例，分析了自驾车入游流空间行为[19]；罗秋菊等利用“数字足迹”研究入滇自驾车旅游客流的时空特征，并與一般入滇旅游客流的特征进行比较[20]。自驾游研究在许多方面仍然值得探究，如对中西部地区自驾游关注较多，东部沿海省份缺乏实证研究；社会网络分析方法的应用上，以往学者多以景区或大城市作为节点，容易忽视景区所在区域的整体吸引力对自驾旅游流的影响，本文尝试以县域为单元对旅游流进行研究。

随着居民闲暇时间增多和经济能力的提高，加上全国高速公路网的逐步完善和特定时段高速公路免费通行，短途自驾游已经不能满足部分自驾者的需求，跨省中长途自驾游受到越来越多游客的青睐。基于以上分析，本文以福建省自驾入游流为例，综合运用社会网络分析方法、GIS和数理统计技术，探讨自驾旅游流市场和目的地网络结构特征，以期丰富我国自驾游理论研究并为福建省自驾游目的地建设和市场开发提供参考。

1 研究区域概况、数据来源与研究方法

1.1 研究区域概况

福建省地处我国东南沿海，东隔台湾海峡与台湾相望，依山傍海，有“八山一水一分田”之称，自然与人文旅游资源丰富，属亚热带气候，全年适宜旅游，具有发展旅游业的独特优势。森林覆盖率居全国第一，闽南文化、妈祖文化、客家文化、海丝文化、茶文化等都是富有特色的本土文化形态。近年来，福建省全力打造“六纵十横”高速路网，使全省县城全面覆盖的同时，加强与长三角、珠三角等周边省份的联系，在 “清新福建”发展目标的指引下，省外自驾游市场发展迅速。

1.2 数据来源与处理

本研究以有完整记录福建省内自驾游行程的游记为统计对象，相关游记来源于汽车之家、爱卡网、太平洋汽车等国内知名汽车网站中的自驾游板块。游记内容中基本涵盖了客源地、出游时间、结伴方式、目的地停留时间、游览路径等信息，以作者叙述结合所上传的图片进行人工识别和提取，可信度较高。在时间的截取上，选择近三年（2014年1月1日至2016年12月30日）出行的自驾游客，并剔除转发、重复发表的游记，基本涵盖了家用车型中的微型车到大型SUV等各种车型，但不包括房车。经筛选最终得到有效游记203份，以此为样本进行信息的提取和数字化，并将分析结果可视化。数据搜集过程中发现虽然发帖人多为三四十岁的中青年，但出于安全、成本等因素考虑，自驾游一般都结伴而行，同行的一般有父母、孩子、同事、亲戚朋友等，基本涵盖了不同年龄阶段的群体，使得样本具有一定的代表性。

1.3 研究方法

综合运用社会网络分析方法、GIS和数理统计技术，探讨自驾旅游流市场和目的地网络结构特征。社会网络理论主要涉及3个组成因子：节点、关系和连线[21]，通过收集网络数据，建立关系矩阵对关系进行测量最后分析数据得出结论。具体来说：使用Ucinet6软件进行网络结构测算，通过度数中心性、中间中心性、结构洞指标来反映福建省自驾入游流的节点结构特征；通过节点连接线来反映自驾线路的流量大小；通过核心—边缘模型和网络密度来反映福建省自驾入游流的整体网络结构特征；通过QAP相关分析来分析距离因素对自驾游网络结构的影响；最后通过GIS软件进行空间统计和表达。

2 福建省自驾入游流市场特征

2.1 福建省外自驾游客出游时间分布

以自驾游客出发时间为横坐标，以线路数为纵坐标，绘制福建省自驾游客出游时间与线路数的关系曲线（图1）。由图1可以看出，随时间的变化自驾游线路数发生明显的高峰期和低谷期交错变化，曲线总体上呈现出“双M”状的“四峰四谷”。“四峰”分别出现在2月、5月、8月、10月，“四谷”分别出现在3月、6月、9月、11月。2月初（春节期间）的高峰期（占29.56%）最为突出，说明越来越多的游客改变传统在家过年的方式选择外出自驾游，与其他三个小高峰相比，春节期间自驾游意愿最为强烈。“五一”、暑期和“国庆”为自驾小高峰，高峰期与我国“长假”时间高度吻合，说明对于耗时较长的跨省自驾来说长假是明显的刺激性因素。

2.2 福建省自驾游省外客源市场结构

分别以区域、省（表1）、城市作为客源地基本统计单元，发现福建省自驾车入游客源市场结构呈现明显的近地域性和沿海发达省份的高度集中性。具体来看：长三角地区的上海市、江苏省、浙江省和珠江三角洲的广东省客源占据了绝对比重（占73.44%），再加上毗邻的江西省共计79.35%；其余省份均在5%以下，其中安徽、广西、黑龙江、四川、天津分别仅发现1篇（占0.49%）自驾游记，而甘肃、内蒙古、新疆等剩余省、自治区（未列入表1内）未发现有福建省内自驾游游记。

为了验证以游记数量表征的市场结构的可信度，在百度指数上以“福建省+自驾游”为关键词进行搜索，年际排名前10名的省、直辖市分别为浙江省、广东省、江苏省、上海市、北京市、江西省、山东省、湖南省、湖北省、陕西省；按照区域排名分别是：华东、华南、华北、华中、西南、东北、西北；按照城市排名前6名分别为：温州市、杭州市、上海市、北京市、深圳市、广州市。经比较，百度指数搜索结果与本文游记统计结果高度吻合，从侧面表明样本具有一定的代表性和科学性。

2.3 福建省自驾车入游者结伴方式与逗留时间

对不同结伴方式的自驾线路数进行统计发现：以夫妻、亲子、带父母的家庭为单位出游方式为主要形式，比重达60.1%，其次为以亲戚朋友结伴方式出游（占27.1%），以单人方式出游所占比重仅为10.34%，其他出游方式占2.46%。其原因可能是跨省自驾游由于出游时间较长、线路自由度较大，自驾过程中遇到的不确定因素较多，选择信任度高的家庭和亲朋好友结伴易于沟通和达成共识，有利于提高自驾游的满意度。

以不同逗留天数所占的线路比例为指标对福建省自驾入游流进行统计（进、出福建省内的当天均按整数计入逗留时间，见表2），结果显示逗留3天（占23.15%）的线路比例最高，逗留2天的线路比例次之（占19.21%），逗留6天以内的线路比例达88.18%，逗留7日及以上的线路数仅占11.82%。说明受到闲暇时间、经济承受能力、主观意愿等因素的限制，绝大多数省外自驾游客将出游时间控制在一周之内。

2.4 福建省自驾车入游流空间使用曲线

以游客所在客源地與进入福建省首个旅游目的地的公路距离（以百度地图“高速优先”为条件查询获取，近似为单程距离）为横坐标，以线路数所占比例为纵坐标，绘制福建省自驾车入游流空间使用曲线（图2）。由图2可以看出，福建省入游流空间使用曲线具有较为典型的Maxwell-Boltzman曲线特点：0-400km增速相对较慢，400km以后客流迅速增加，在大约800km处达到最高峰，此时市场累计占有量达到59%；随着距离的进一步增加，旅游线路数出现快速下降趋势，直到大约1400km处降至低谷，累积百分比达87%，800-1400km区间客流所占百分比为28%；之后客流缓慢上升至1800km处形成小高峰，2400km以上客流几乎为零。

可见，福建省自驾入游的一级客源市场范围单程距离为800km范围以内，二级客源市场为800-1400km，1400km以外为三级客源市场。其中一级客源市场的形成与福建省地处珠三角与长三角之间的连接地带密切相关，单程800km范围以内聚集着长三角城市群、珠三角城市群的大部分城市，人口密集、经济发达，小汽车拥有量和自驾车出游率较高，从而构成了福建省自驾车入游的主要市场范围。

3 福建省自驾入游流网络结构特征

3.1 网络结点结构特征

基于社会网络分析法，以福建省85个县级单元（包括各地级市城市所辖区、县级市和县以及平潭综合实验区，不包括金门，以下统称“县域”）为研究对象，把有实际停留并有游览行为且超过两次的县域记为旅游节点，经过筛选共有45个，其余40个县域为省外自驾游客无涉及或极少涉及区域，以自驾游流动方向和流量作为联系，建立一个代表节点的45行×45列的1模多值矩阵。原始数据转换方法如下：假设一个旅游者先到鼓楼区，再到霞浦县，最终到思明区，把这一次旅程进行网络规范记录下来则获得一个旅游者有方向的旅游动态变化，则霞浦县到鼓楼区有单向的游客流动关系，那么霞浦县到鼓楼区用1表示，鼓楼区到霞浦县用0表示，以此类推进行累计赋值，将所得矩阵输入Ucinet6软件中，建成福建省自驾入游流的网络数据库，作为分析福建省外游客在不同县域相互流动关系的基础。运用Ucinet6软件的NetDraw工具，绘制福建省自驾入游流网络结构图（图3）。

文中主要选取中心性指标中的度数中心性、中间中心性指标进行分析，通过Ucinet6软件分析得出福建省自驾入游流节点结构（如表3，限于篇幅仅列出前10名）。度数中心度指标表明，所选取的45个旅游节点平均每个旅游节点与5，867个其他节点存在旅游流联系，但中心度方差较大，说明福建省自驾入游流网络结构呈现较强的不均衡性。思明区、南靖县、鼓楼区、霞浦县、永定区、武夷山市等旅游节点度数中心性值较高，其中思明区的度数中心性指数为26，远高于处于第二位的南靖县，说明思明区客流量最大，是自驾旅游者最重要的旅游目的地，在整个福建省自驾游空间网络中处于绝对核心地位。中间中心性指标显示，思明区、鼓楼区、霞浦县、南靖县、永定区的指数较高，其中思明区的中间中心性最高为131.697。每个旅游节点在网络中平均充当旅游流中介的次数为17.756，中间中心性指标方差高达821.017，区域自驾游节点的地位差别较大。仅有思明区、鼓楼区、霞浦县等15个旅游节点中间中心性大于均值，起到旅游流中介的作用，具有较高进入性，其他旅游节点对这15个旅游节点具有较强的依赖性。

网络中节点之间无直接关系或关系间断的现象被称为“结构洞” [22]，采用结构洞中最重要的指标——限制度来表征个体网的闭合性，即网络中某个节点与其他节点直接或间接的紧密程度，限制度指标越低，表明所覆盖的网络越开放，结构洞数量越多。分析结果显示前十位的结构洞限制度数值相差不大，惠安县、鲤城区、漳浦县、福鼎市等节点的限制度排名靠前，在网络中占据较多的结构洞优势和竞争机会，虽然目前这些节点按照度数中心性指标计算并未处于核心位置，但未来依托结构洞优势加强与思明区、南靖县、鼓楼区等自驾游核心节点的旅游合作，发展潜力巨大。

3.2 网络分析与空间可视化

福建省内自驾游节点连线总量大、结构复杂，但大多数的县级市连接线总量较小，可重点分析区域内连接线较多的节点。通过观察自驾游节点间连接线的绝对数值，分别取10、15和20为断点值将多值矩阵转化为二分矩阵，从不同强度显示连接线数量的多少，从而反映相应的连接线在整个区域中重要性程度（表4）。断点值为10、15、和20的连接线分别保留了11条、6条和3条主要的连接线，不难看出连接线所涉及的9个节点中思明区的出现率最高，其次是南靖县、鼓楼区、永定区、霞浦县等。

利用Ucinet6软件中核心-边缘模块，对福建省长途自驾入游流的45个节点行分析，得出网络核心成员有14个，即思明区、南靖县、鼓楼区、武夷山市、鼓楼区、霞浦县、沙县、福鼎市、集美区、平潭综合实验区、鲤城区、惠安县、永定区和泰宁县，其余31个节点为边缘区成员。核心节点之间的密度为5.824，边缘节点之间的连接密度仅为0.588，二者相差较大，说明核心节点之间的互动频率远高于边缘的区域。旅游流向集中于思明区、南靖县、鼓楼区、武夷山市等交通便利、资源禀赋高的区域，因此需不断完善核心区域，强化核心节点对边缘区域的“涓滴效应”，凝练边缘区的自驾游产品特色，增强边缘区的吸引力，优化福建省自驾入游流整体空间结构。

根据以上对福建省自驾入游流空间网络节点、连线及核心边缘分析，将85个县级单元分为核心区域、重要区域、一般区域和待开发区域四个等级（图4）。其中核心区域包思明区、永定区、南靖县和鼓楼区，是福建省核心自驾游目的地，自驾游流量大且与其他目的地联系紧密。武夷山市、霞浦县、漳浦县、沙县、福鼎市、集美区、平潭综合实验区、鲤城区、惠安县和泰宁县等10个县域为自驾游重要区域，45个节点中剩下的31个为一般区域，在自驾游游记所记录的线路中出现次数小于等于两次的县域为待开发区域。核心区域和重要区域数量（共14个）占省内所有区域数量的比例（15.29%）偏小，但在闽北、闽东、闽南和闽西地区均有涉及，空间分布总体上呈现“整体分散、局部集中”的格局。

3.3 自驾入游流网络结构形成的主要影响因素

旅游流的影响因素涉及旅游者、旅游交通、旅游接待地和社会因素。国内的大量研究已表明，基于不同流质属性和不同空间尺度之下的旅游流，其发挥主导影响作用的因子均存在差异性[23]。鉴于自驾旅游者的个人信息通过游记无法一一准确获取，当前自驾游设施普遍比较匮乏，本文仅对旅游资源和旅游交通两个主要影响因素进行分析。

断点值为15以上的连线中所涉及的节点，除霞浦外均为5A级景區所在地；核心-边缘分析中所筛选出的14个核心区中，除了霞浦和平潭综合实验区外均为高级别（4A、5A级）景区所在地；进一步对原始游记中所记录的线路进行统计，203条线路中游客有效停留的景区共564个，其中5A景区328个（占58.16%），4A级景区383个（占67.91%），所占比例均较高，说明高级别景区在跨省自驾游客在旅游线路的组织中起到重要作用。这一结论符合保继刚关于大尺度空间旅游者空间行为的描述：常常只游览目的地级别较高的旅游点之后，如果资金和时间尚允许，他们一般不停留在原地游览该地级别较低的旅游点，而是迁移到其他地方，浏览级别较高的旅游点[17]。自驾游具有短期性、高节奏的特征，使得游客对旅游地点和路线具有较强的选择性，对于较低级别的旅游景区较少顾及。霞浦及平潭综合实验区虽然没有高级别景区，但滨海旅游资源丰富且特色明显，特别适合自驾游“走走停停”，霞浦被誉为“中国最美海滩”，吸引了全国游客前来观光采风。平潭综合实验区近几年享受国家较大的发展政策优惠，对外知名度的提升，加之自身的滨海旅游资源优势及基础设施的快速完善，使其成为自驾游的热门区域。

交通是影响旅游流空间结构最主要因素之一[24]，自驾游客由于自己驾车，在经济和精力的投入相比公共交通方式更多，理论上应具有更强的距离“粘性”。跨省自驾游具有明显的“近地域”的特点，游客量基本符合远距离衰减规律。福建省2015年已经实现了“县县通高速”有关，高速公路的开通使得省内节点间的自驾“感知距离”有效缩减，资源的吸引力及个人偏好在旅游线路的选择中占据主导。

4 结论与讨论

从全年看自驾出游时间有明显的淡旺季交替，高峰期与我国“长假”时间高度吻合，说明对于耗时较长的跨省自驾游来说长假是明显的刺激性因素；结伴方式以夫妻、亲子、带父母的家庭出游方式为主（占60.1%），其次为亲朋好友（占27.1%）；在福建省内逗留时间3天（23.15%）的线路比例最高，逗留时间6天以内的线路比例达88.18%，逗留7日及以上的线路数仅占11.82%，说明受到闲暇时间、经济承受能力、主观意愿等因素的限制，绝大多数省外自驾游客将出游时间控制在一周之内；自驾游省外客源市场结构呈现明显的近地域性和沿海发达省份和城市的高度集中性；自驾游单程公路里程空间使用曲线具有较为典型的Boltzman曲线特点，一、二级客源市场范围单程公路里程分别为0-800km和800-1400km，1400km以外为三级客源市场。

度数中心性和中间中心性的方差均较大，说明福建省自驾入游流网络节点地位呈现较强的不均衡性。前十位的结构洞限制度数值相差不大，惠安县、鲤城区、漳浦县、福鼎市等节点的限制度排名靠前，在网络中占据较多的结构洞优势和竞争机会，未来可依托结构洞优势加强与思明区、南靖县、鼓楼区、霞浦县等核心节点的旅游合作，发展潜力巨大；断点值为10、15、和20的连接线所涉及的9个节点中思明区出现率最高，其次是南靖县、鼓楼区、永定区、霞浦县等，绝大多数节点为5A级景区所在区域；核心边缘分析表明核心节点之间的密度为5.824，边缘节点之间的连接密度仅为0.588，二者相差较大，说明核心节点之间的互动频率远高于边缘节点；核心区和重要区域数量占省内所有区域数量的比例为15.29%，比例偏小，但在闽北、闽东、闽南和闽西地区均有涉及。福建省自驾入游流空间等级序列明显，空间分布总体上呈现“整体分散、局部集中”的格局，旅游流集中于思明区、南靖县、鼓楼区、永定区、武夷山市等高级别景区所在的区域。节假日制度、单程公路距离及高级别景区对自驾旅游流的形成影响较大，省内节点间公路距离对旅游流的影响极小。

本文以“县域”作为单元对福建省自驾入游流网络结构进行了“相对微观”的刻画，较好地解决了研究单元“过粗”或“过细”的问题，研究结论相对客观合理。基于网络游记的自驾游信息能提供真实的旅游流信息，但有限的数据量只能一定程度代表省外自驾游客；基于游记内容对于游客部分自驾游行为的挖掘（如客源地、结伴方式、出游时间、旅游节点等）较为充分和真实，但对于游客的人口统计学特征则难以获取，如年龄、职业、收入等，从而限制了对于游客自驾游行为的内动力解释。

参考文献：

[1] Hall C M，Page S J. The Geography of Tourism and Recreation （the 3rd edition.）[M]. London：Routledge，2006：62.

[2] Narayanan Y，Macbeth J I M. Deep in the desert： Merging the desert and the spiritual through 4wd tourism[J].Tourism Geographies，2009，11（3）：369-389.

[3] Vo Van Can. Estimation of travel mode choice for domestic tourists to Nha Trang using the multinomial probit mode[J]. Transportation Research Part A，2013，49（1）：149-159.

[4] Mahadevan R. Understanding senior self-drive tourism in Australia using a contingency behavior model[J]. Journal of Travel Research，2014，53（2）：252-259.

[5] Nicolau J L. Characterizing tourist sensitivity to distance[J].Journal of Travel Research，2008，47（1）：43-52.

[6] Connell J，Page S J. Exploring the spatial patterns of car-based tourist travel in Loch Lomond and Trossachs National Park，Scotland[J]. Tourism Management，2008，29（3）：561-580.

[7] Liu Long，Xu Jin， Liao，et.al A real-time personalized route recommendation system for self-drive tourists based on vehicle to vehicle communication[J]. Expert Systems with Applications，2014.41（7）：3409-3417.

[8] Jon Martin Denstadli，Jens Kr. Steen Jacobsen.The long and winding roads： Perceived quality of scenic tourism routes[J].Tourism Management，2011，32（4）：0261-5177.

[9] Mahadevan， Renuka.Social Valuation and repeat visitation of grey nomads in regional queensland of Australia[J].Tourism Analysis，2013，18（6）：1083-5423.

[10] Ralf Buckleya， Claudia Ollenburgb.Car decals as a new data source for self-drive tourists[J]. Tourism Recreation Research，2012，37（2）：183-186.

[11] 于海波，吳必虎.国外自驾游研究进展[J].旅游学刊，2011，26（03）：55-61.

[12] 张学梅.国内自驾车旅游研究综述[J].成都大学学报：社会科学版，2010（04）：78-80.

[13] 戢晓峰，张力丹，陈方，等. 云南省自驾游发展水平与旅游交通可达性的空间分异及耦合[J]. 经济地理，2016，36（5）：195-201.

[14] 史春云，孙勇，张宏磊，等. 基于结构方程模型的自驾游客满意度研究[J]. 地理研究，2014，33（4）：751-761.

[15] 刘军胜，马耀峰. 西安秦岭自驾游旅游服务质量评价研究[J]. 干旱区资源与环境，2014，28（12）：R

[16] 李凤，汪德根，刘昌雪，等. 中国自驾车房车营地空间分布特征及其驱动机制[J]. 资源科学，2017，39（2）：288-302.

[17] 保继刚，楚义芳. 旅游地理学（第三版）[M].北京：高等教育出版社，2012.

[18] Shih H Y. Network characteristics of drive tourism destinations： An application of network analysis in tourism[J]. Tourism Management，2006，27（5）：1029-1039.

[19] 盧松，吉慧，蔡云峰. 黄山市自驾车入游流旅行空间行为研究[J].地理研究，2013，32（1）：179-190.

[20] 罗秋菊，梁思贤. 基于数字足迹的自驾车旅游客流时空特征研究——以云南省为例[J]. 旅游学刊，2016，（12）：41-50.

[21] Degenne A， Forse M D. Introducing social networks[M]. London：Sage Publications，1999.

[22] 孙立新.社会网络分析法：理论与应用[J].管理学家：学术版，2012，4（9）：66-73.

[23] 董培海，李庆雷，李伟. 中国旅游流研究的现状、问题及展望[J]. 世界地理研究，2015（04）：152-162.

[24] 汪德根，陈田，陆林，等.区域旅游流空间结构的高铁效应及机理——以中国京沪高铁为例[J]. 地理学报，2015（02）：214-233.

Abstract： Using social network analysis method， the paper studied the geographical distribution and network structure of self-driving tourist flow in Fujian province. It can be concluded as follows from the market characteristic. ①Peak and trough of tourist season alternate four times in a year， showing M model， especially peak seasons achieve a high level compliance with Chinses long holiday. ②The travel models mainly between couples， parent-child and parents account for 60.1% relatives and friends accounting for 27.1%. ③88.18% self-driving tourists stay in Fujian province less than 6 days， of which 3 days accounting for 23.15%. ④Self-driving tourist market present an adjacent character， a clear character for eastbound development and the character concentrated on the cities.⑤The tourism special use curve of self-driving is consistent with curves of Boltzman. The number of tourists increase with distance and peaks at 800km， then the number of tourist shows a rapid decrease. On the whole， its gravity field concentrates on the scope of 1400km， and the accumulation percentage of tourists reaches 87%. Spatial characteristic of self-driving tourist network into Fujian province are shown in the following： ①The status of network node present the inequality， the polarization between core nodes and periphery ones has been clear. ②The spatial distribution of nodes is featured by weak concentration and strong dispersion， while the nodes of core region and primary region account for less. ③On the whole， it is quite clear of the self-driving tourist flow hierarchical order， the self-driving tourist flow concentrates on higher scenic which located such as Siming District， Nanjing County， and Gulou District etc. The national system of statutory holidays， one way distance of highway， the higher scenic have greatly influenced self-driving tourist flow， while highway distance between nodes in the province have little effect on self-driving tourist flow.

Key words： self-driving tourist flow； geographical distribution； network structure； spatial behavior； Fujian Province