湖南省居民省内旅游流的集聚扩散时空特征——基于网络关注度数据的分析

马丽君 肖 洋

（湘潭大学商学院 湖南湘潭 411105）

引言

随着旅游业的迅速发展，区域间旅游流联系越来越密切，区域旅游流规模越来越大，旅游客源市场越来越多，旅游流成为旅游研究中的一个热点问题。国外旅游流的研究起步较早，相关研究主要集中在旅游流空间模式（Stewart &Vogt，1997）、旅游流的地域分布（Witt & Martin，1987）、旅游流空间演化分析（Pearce，1995；Baláz & Mitsutake，1998）、旅游流的扩散和规模（Reed，1997）、相关影响因素（Prideaux，2005；Santana-Gallego，Ledesma-Rodríguez& Pérez-Rodríguez，2016）等方面，分析过程中多采用计量经济学和统计学的分析方法。国内相关研究起步较晚，早期研究主要集中在入境旅游流空间分布特征等方面（张红，2000；马耀峰、李永军，2001）。此后，关于旅游流的研究成果逐渐增多，经济学、物理学、社会学等学科的理论和分析方法越来越多地被应用到相关研究中，学者们对我国入境和国内旅游流空间结构（金准，2006；周玉翠、韩艳红，2008；陈刚强、李映辉，2011；李晓雯、陈雪琼，2011；庞闻，2012；王芳，2015）、地区差异（万绪才、王厚廷、傅朝霞等，2013）、集聚扩散（张佑印、马耀峰、马红丽等，2009；王永明、马耀峰、王美霞，2011；李创新、马耀峰、张颖等，2012；刘军胜、马耀峰、李振亭，2013；杨曦、王兆峰，2014）等方面进行了较为深入的研究。近几年来，旅游流网络结构特征成为学术界研究的一个热点，相关研究大多以城市或省区为案例地（付琼鸽、刘大均、胡静等，2015），以客流量或大数据为指标（方世巧、马耀峰、李天顺等，2012；张妍妍、李君轶、杨敏，2014），采用社会网络分析法进行分析（王金莹、吴晋峰、唐澜等，2013；吴晋峰，2014；吴中堂、刘建徽、袁俊，2016）。纵观国内外相关研究，可以发现，受统计数据的限制，相关研究多以入境游客为研究样本，国内旅游流的相关研究相对较少，且大部分研究是基于国家统计数据（何敏、殷平，2017）、问卷调查或微博图片（邓宁，2017）、游记数据（陈路遥、许鑫，2017）的分析，样本量有限，很难全面反映旅游流集聚与扩散特征及其时空变化。湖南省经济发展水平较高，居民出游率较高，各市州间有着较为密切的旅游流联系，但存在较大的区域差异，因此，各市州旅游流的集聚扩散能力不同。本文依托百度指数，收集2011—2016年湖南省14个市州居民对省内A级及以上景区的网络关注度数据，利用集聚扩散指数、皮尔逊检验、回归分析等方法，分析湖南省居民省内旅游流的集聚扩散特征及其影响因素，以期为丰富旅游流相关研究、促进各市州旅游客源市场开发及区域旅游合作与发展提供参考。

一、数据来源与分析方法

1.数据来源

网络是辅助游客进行出游决策的重要工具，游客在通过网络检索目的地相关信息时，留下了相应的检索痕迹，这些痕迹被统计起来形成“网络关注度”（或者“搜索指数”）。李山、邱荣旭和陈玲（2008），龙茂兴、孙根年和马丽君等（2011），黄先开、张丽峰和丁于思（2013），王硕、曾克峰和童洁等（2013），汪秋菊、黄明和刘宇（2015），王玉霞和王静（2016）的相关研究表明，目的地旅游网络关注度与客流量之间存在很强的正相关关系，可以用于反映旅游流的时空变化及旅游流流量大小的相互比较（马丽君、郭留留、吴志才，2016）。百度是全球最大中文搜索引擎，其使用者基本为国内游客，百度指数是以百度海量网民行为数据为基础的数据分享平台，其网络关注度数据最早可检索到2011年。本文通过百度指数网站，以湖南省各市州为地域单位，采集2011—2016年湖南省14个市州居民对其他市州A级及以上景区的网络关注度数据，作为研究湖南省居民省内旅游流集聚扩散特征的基础指标，检索的关键词以2016年公布的A级景区名录为参考（2016年湖南省共有A级及以上景区292个，剔除百度指数没有收录关键词的景区后，列入本文分析的景区数量为71个）。此外，本文还需要各市州间的空间距离、各市州地区生产总值、A级景区数量等数据，用于分析旅游流集聚扩散的影响因素，相关数据来源于各市州统计公报、《湖南统计年鉴》、湖南省及其各市州旅游局官方网站、百度地图。

2.分析方法

旅游流集聚扩散指数是指一定区域内旅游目的地与旅游客源地旅游流之间的集聚扩散强度（刘军胜、马耀峰、李振亭，2013），其计算公式如下：

当Ggi为集聚指数时，Xij是j市州居民搜索i市州景区的网络关注度，即由j市州向i市州集聚的游客数量；Xi为其他市州向i市州集聚的总网络关注度，即i市州接待的游客总量；n为i市州接收游客集聚的市州数量。Ggi越大，说明旅游流向i市州集聚的区域越集中，不利于i市州旅游客源的均衡发展；Ggi越小，表明旅游流向i市州集聚的市州就越分散，有利于i市州旅游客源的均衡发展。

当Ggi为扩散指数时，Xij是i市州居民搜索j市州景区的网络关注度，即由i市州向j市州扩散的游客数量；Xi为i市州向其他市州扩散的总网络关注度，即i市州扩散的游客总量；n为接收i市州游客扩散的市州数量。Ggi越大，说明i市州旅游流扩散的区域越集中，不利于i市州旅游目的地的均衡发展；Ggi越小，表明i市州旅游流扩散的区域就越分散，有利于i市州旅游目的地的均衡发展。

二、各市州居民省内旅游流集聚扩散指数分析

1.各市州居民旅游流的流量和流向

表1是湖南省14个市州2011—2016年旅游流流量和流向的平均值矩阵。从表1可以看出，长沙市游客的流入和流出总量都比较大，是湖南省重要的游客集散中心；株洲、湘潭、衡阳和岳阳等经济发展水平较高、人口较多的市州游客输出量较大。从净流出量可以看出，邵阳、岳阳、张家界、怀化和湘西的流入量比流出量大，其中湘西的净流入量最大，说明湘西主要是旅游目的地市场，旅游资源丰富，旅游的吸引力比较强。14个市州共有182条旅游流，其中网络关注度的平均值超过10万人次的有10条，5万～10万人次的有19条，1万～5万人次的有89条，1万人次以下的有64条，流量较大的旅游流一般产生在经济发展水平较高、人口较多、旅游资源丰富的市州之间。

表1 各市州居民旅游流的流量和流向Tab.1 The flux and flow direction of dweller’s tourist flows in cities

2.集聚指数分析

依据集聚指数计算公式和相关数据，计算2011—2016年湖南省各市州的旅游流集聚指数，并将其绘制成图1。从图1中可以看出，衡阳、益阳两个市的集聚指数在2011—2016年中变动幅度较大，且一直都处于较高的水平，说明旅游流流向衡阳和益阳两个市的区域分布比较集中，即旅游客源市场分布较集中，不利于其旅游的发展；长沙和邵阳两个市的集聚指数在2011—2016年中变动幅度较小，且一直处于较低的水平，说明旅游流流向长沙和邵阳两个市的区域分布比较分散，即旅游客源市场比较分散，有利于旅游的发展。总体来看，各市州集聚指数在时间上呈现出先升后降的趋势，2013年各市州集聚指数达到最高，2013年之前各市州集聚指数在时间上呈上升趋势，2013年后各市州集聚指数呈下降趋势，除衡阳、郴州和娄底外，其他各市州2016年的数值都比2011年高。从理论上分析，集聚指数的这种变化趋势符合旅游地旅游客源市场的发展规律，即对一个旅游地来说，在旅游业发展早期，其客源市场集中在当地及其临近区域，且在一定时期内由于当地居民旅游需求的增加导致客源市场的集中度会有所升高，但随着旅游业的发展，景区的开发程度及知名度不断提高，客源市场会进一步拓展，从而使得集聚指数降低。

图1 各市州旅游流集聚指数Fig.1 Tourism agglomeration index of cities and states

计算14个市州2011—2016年集聚指数平均值，结果如下：长沙31.77、邵阳32.26、湘西35.18、湘潭36.25、株洲39.56、娄底41.25、怀化41.34、郴州41.57、岳阳41.99、张家界42.40、常德44.34、永州45.30、益阳52.01、衡阳62.23。数值越小，旅游流向该市州集聚的区域就越分散，该市州旅游客源地分布就越分散，对单个旅游客源地的依赖性就越弱，越利于该市州旅游客源的均衡发展。

3.扩散指数分析

根据扩散指数公式及相关数据，计算2011—2016年湖南省各市州的旅游流扩散指数，并将其绘制成图2。从图2可以看出，各市州旅游流扩散指数均有不同幅度的波动，其中岳阳、永州和湘西的波动幅度最大，有明显的波峰波谷，长沙的变化幅度最小，且扩散指数最小，说明岳阳、永州和湘西居民的旅游目的地近年来有较大变化，长沙居民的旅游目的地近几年来变化不大，且扩散区域分散，有利于长沙市旅游的均衡发展；张家界、岳阳、湘潭和株洲的扩散指数一直都处于较高水平，说明其扩散区域趋于集中，不利于这些城市旅游的均衡发展。总体来看，除长沙外，其他市州年际扩散指数波动较大，说明旅游目的地变化较大，出游市场较不成熟。

图2 各市州旅游流扩散指数Fig.2 Tourism diffusion index of cities and states

计算14个市州2011—2016年扩散指数平均值，结果如下：长沙32.01、衡阳37.05、邵阳37.84、常德38.61、永州38.97、娄底39.10、郴州39.30、怀化40.34、湘西40.49 、益阳41.62、株洲44.73、湘潭46.16、岳阳46.46、张家界48.43。数值越小，该市州旅游流扩散的区域就越分散，越有利于该地区出游市场的稳定发展。

三、各市州居民省内旅游流集聚扩散指数季节变化

1.集聚指数四季对比分析

受气候舒适度等因素的影响，不同季节居民旅游目的地不同，从而导致不同季节各市州旅游流的集聚扩散能力不同。从图3可以看出，各市州集聚指数有较明显的季节变化，秋季大部分市州集聚指数偏高，其次是冬季，春季和夏季集聚指数较低，说明春季和夏季大部分市州旅游客源地分布比较分散，旅游客源市场比较均衡，秋冬季大部分市州旅游客源地分布比较集中，旅游客源市场分布不均衡，这可能与秋冬季各市州旅游客源以本地游客为主有关。常德集聚指数四季差异较大，主要是由于其夏季旅游吸引力较小，导致夏季集聚指数为0。

图3 各市州2016年四季旅游流集聚指数Fig.3 Tourism agglomeration index of cities and states in four seasons 2016

2.扩散指数四季对比分析

从图4可以看出，各市州扩散指数有较明显的季节变化，春季和夏季大部分市州扩散指数较高，秋季扩散指数较低，冬季扩散指数最低，说明春季和夏季大部分市州居民省内旅游目的地选择比较集中，冬季居民省内出游的目的地选择比较多样化，旅游目的地比较分散。

四、湖南省区域间旅游流集聚扩散对比分析

为更好地分析湖南省居民省内旅游流的区域转移特征，将湖南省划分为长株潭（长沙、株洲、湘潭）、环洞庭湖（岳阳、常德和益阳）、大湘西（张家界市、湘西自治州、怀化市、邵阳市、娄底市）、大湘南（衡阳市、郴州市、永州市）4个区域，并计算出4个区域2011—2016年的集聚和扩散指数，结果如表2所示。从表2可以看出，2011—2016年，长株潭的集聚指数最小，且变化幅度较小，说明长株潭区域旅游发展比较均衡，旅游客源地分布比较分散，有着比较稳定的省内客源市场；大湘南的集聚指数偏大，且年度变化幅度较大，说明大湘南的旅游客源地比较集中，发展较不均衡；环洞庭湖和大湘西区域集聚指数较小，但波动幅度较大，说明客源市场不稳定。

2011—2016年间，大湘西的扩散指数偏大，且变化幅度较大，说明大湘西的居民出游目的地选择比较集中；大湘南扩散指数最小，说明大湘南区域旅游目的地发展比较均衡，居民出游选择比较多样化；长株潭和环洞庭湖区域扩散指数较小，呈下降的趋势，且变化幅度较小，说明这两个区域的居民选择的出游目的地比较分散，对单个区域的依赖性正在逐渐减小。从时间尺度变化上看，集聚指数呈“先升后降”的趋势，而扩散指数呈“先降后升”的趋势，说明各区域旅游目的地及客源市场仍处于波动发展阶段，较不稳定，这种情况可能会持续一段较长的时间。

表2 4个区域集聚扩散指数Tab.2 Convergence-Diffusion index in four regions

为了进一步分析4个区域旅游流，依据4个区域的网络关注度数据，整理出旅游流的流量与流向表（见表3）。从表3可以看出，4个区域间旅游流流量在逐年增长，长株潭与大湘西之间的旅游流流量最大，区域间的旅游交流比较频繁；环洞庭湖和大湘南两个区域之间的旅游交流比较稀少，网络关注度人次比较少，需要加强两个区域之间的旅游联系；2011—2016年区域间旅游流流量从大到小依次为长株潭→大湘西、大湘西→长株潭、环洞庭湖→长株潭、长株潭→环洞庭湖、大湘南→长株潭、大湘南→大湘西、环洞庭湖→大湘西、长株潭→大湘南、大湘西→环洞庭湖、大湘南→环洞庭湖、大湘西→大湘南和环洞庭湖→大湘南。

2011—2016年，长株潭区域的旅游流输出量最大，其次是大湘南、环洞庭湖，旅游流输出量最小的区域是大湘西；旅游流流入量最大的区域为大湘西，其次为长株潭和环洞庭湖区域，最小的为大湘南区域。长株潭区域是主要的旅游流客源地，同时也是主要的旅游目的地，在湖南省旅游发展中处于主要地位；大湘西区域也是湖南省主要的旅游流集聚区域，旅游流集聚量比较多，主要是因为大湘西的旅游资源比较丰富，知名度比较高；大湘南与环洞庭湖区域主要的旅游目的地是长株潭区域和大湘西区域，进一步说明了长株潭和大湘西是湖南省两个重要的旅游流集聚区域，是旅游业发展程度较高的两个区域。

表3 四大区域旅游流的流量与流向Tab.3 The flux and flow direction of tourist flows in four regions

续表

五、旅游流集聚扩散的影响因素分析

影响旅游流集聚和扩散的因素有很多，包括旅游资源、交通便捷度、经济发展水平、基础设施、区域经济联系等（马丽君、龙云，2017）。考虑到数据的可获取性及可量化性，本文以株洲为例，着重分析旅游资源、交通便捷度和经济发展水平对旅游流的影响。其中，旅游资源是根据各城市A级及以上景区数量，利用旅游资源丰度计算公式（马丽君、孙根年、黄芸玛等，2011）计算出相关数值；交通便捷度是以百度地图的驾车模式下的株洲市中心到其他各市州中心的里程数来测度，以等距的方法，将其划分为5个等级，由远及近分别赋值为1、3、5、7和9；经济发展水平以各城市2016年的地区生产总值（GDP）来测度（见表4）。在此基础上，利用皮尔逊相关检验法，检验株洲赴各市州旅游流（株洲对其他城市旅游的网络关注度）与旅游资源、交通便捷度和经济发展水平的关系，结果如表5所示。可以看出，地区生产总值和旅游资源丰度与株洲市旅游流输出量呈正相关，说明经济发展水平越高，旅游资源越丰富，吸引的游客就越多；交通便捷度与旅游流输出量相关性不显著，说明在较小的空间范围内，各客源地到目的地所花费时间已相差不大，交通便捷度已不是影响旅游流的主要因素。

表4 株洲旅游流输出量及各市州地区生产总值、旅游资源丰度、交通便捷度Tab.4 The output of tourist flow in Zhuzhou，each city GDP，the abundance of tourism resources，degree of transportation convenience

为了进一步分析旅游流和地区生产总值、旅游资源丰度之间的关系，本文以各市州的地区生产总值和旅游资源丰度为自变量，以株洲对其他各市州的旅游流输出量为因变量，进行回归分析，方程如下：

相关系数R=0.96，拟合度很高。其中Az为株洲市旅游流输出量，X1为地区生产总值，X2为旅游资源丰度。可以看出，地区生产总值每变化1亿元，旅游流输出量就增加或减少25.94人次；旅游资源丰度每变化1个单位，旅游流输出量就增加或减少4 957.66人次。

表5 株洲旅游流输出量与各影响因素相关性分析Tab.5 The Pearson correlation analysis between the output of tourist flow in Zhuzhou and factors

六、结论

本文收集网络关注度及有关数据，利用集聚指数、扩散指数、皮尔逊检验、回归分析等方法，揭示湖南省居民省内旅游流的集聚扩散特征及其影响因素，结果发现：

（1）14个市州共有182条旅游流，流量较大的一般产生在经济发展水平较高、人口较多、旅游资源丰富的市州之间。旅游流流向衡阳和益阳两个市的区域分布比较集中，旅游客源市场发展不平衡；旅游流流向长沙和邵阳两个市的区域分布比较分散，旅游客源市场发展较平衡；从年际变化趋势上看，各市州集聚指数呈现出先升后降的趋势，符合旅游地旅游客源市场的发展规律。长沙、衡阳居民旅游目的地选择较分散，张家界、岳阳居民旅游目的地选择较集中，除长沙外，其他市州年际扩散指数波动较大，表明旅游目的地变化较大，出游市场较不成熟。

（2）受气候舒适度等因素的影响，不同季节各市州旅游流的集聚扩散能力不同。秋季大部分市州集聚指数偏高，其次是冬季，春季和夏季集聚指数较低，说明春季和夏季大部分市州旅游客源地分布比较分散，旅游客源市场比较均衡，秋季和冬季大部分市州旅游客源地分布比较集中，旅游客源市场分布不均衡。春季和夏季大部分市州扩散指数较高，秋季扩散指数较低，冬季扩散指数最低，说明春季和夏季大部分市州居民省内旅游目的地选择比较集中，冬季居民省内出游的目的地选择比较多样化，旅游目的地比较分散。

（3）长株潭区域旅游发展比较均衡，旅游客源地分布比较分散，有着比较稳定的省内客源市场；大湘南的旅游客源地比较集中，旅游客源地发展较不均衡，客源市场不稳定；环洞庭湖和大湘西区域集聚指数较低，但年际波动幅度较大，说明客源市场不稳定。大湘西的居民出游目的地选择比较集中，大湘南区域旅游目的地发展比较均衡，居民出游选择比较多样化；长株潭和环洞庭湖区域居民在选择出游目的地时比较分散，对单个区域的依赖性正在逐渐减小。从时间变化上看，集聚指数呈“先升后降”的趋势，而扩散指数呈“先降后升”的趋势，说明区域旅游目的地及客源市场仍处于波动发展阶段，较不稳定。长株潭区域是主要的旅游流客源地，同时也是主要的旅游目的地，在湖南省旅游发展中处于核心地位；大湘西区域由于旅游资源比较丰富成为湖南省主要的旅游流集聚区域。

（4）经济发展水平、旅游资源丰度是影响旅游流集聚和扩散的两个重要因素，经济发展水平越高，旅游资源越丰富，游客的流入量就越多；同时，在较小的空间范围内，各市州间所花费的交通时间相差不大，导致交通便捷度对旅游流的影响并不显著。

本文利用网络关注度数据，借助集聚扩散指数等方法，分析了湖南省居民省内旅游流集聚和扩散特征及其影响因素，丰富了国内旅游流的相关研究。与前人的研究成果相比，本研究的数据样本量更多，时间分辨率更高；从年、季两个时间尺度分析了旅游流集聚和扩散特征，研究结果更全面，在研究视角和研究结论上有一定的新意。但本文仍存在一定的局限性：第一，网络关注度是一个间接数据，并不能完全代表旅游流；第二，由于相关数据的限制，在进行相关分析及回归分析时，涉及的因素偏少，无法全面验证影响旅游流集聚扩散的各个因素；第三，居民分为城镇居民和农村居民，两者在消费水平、停留时间与人口特征等方面有明显的差异，但由于数据来源的限制，本文的研究对象为全体居民，未将两者进行区别分析。以上3个方面，需要在后续研究中进一步完善。

参考文献：

［1］Baláz V，Mitsutake M.Japanese tourists in transition countries of Central Europe：Present behaviour and future trends［J］.Tourism Management，1998，19（5）：433～443.

［2］Pearce D G.Japanese tourists in Europe［J］.Geographical Review of Japan，1995，68（1）：63～74.

［3］Prideaux B.Factors affecting bilateral tourism flows［J］.Annals of Tourism Research，2005，32（3）：780～801.

［4］Reed M G.Powerrelations and community-based tourism planning［J］.Annals of Tourism Research，1997，24（3）：566～591.

［5］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，2016（52）：1026～1033.

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

［7］Witt S F，Martin C A.Econometric models for forecasting international tourism demand［J］.Journal of Travel Research，1987，25（3）：23～30.

［8］陈刚强，李映辉.中国区域旅游规模的空间结构与变化［J］.旅游学刊，2011，26（11）：84～89.

［9］陈路遥，许鑫.苏州园林游客感知特征研究——基于游记文本的多维度分析［J］.旅游导刊，2017，1（5）：39～54.

［10］邓宁.一种面向旅游研究的海量图片元数据分析系统——以罗马为例［J］.旅游导刊，2017，1（6）：34～47.

［11］方世巧，马耀峰，李天顺，等.基于百度搜索的西安市A级景区信息与旅游流耦合分析［J］.干旱区资源与环境，2012，26（8）：190～194.

［12］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.

［13］何敏，殷平.信息技术对北京市旅游经济增长的贡献度研究［J］.旅游导刊，2017，1（5）：17～27.

［14］黄先开，张丽峰，丁于思.百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例［J］.旅游学刊，2013，28（11）：93～100.

［15］金准.产品结构变动对旅游流空间结构的优化效应分析——以杭州为例［J］.旅游学刊，2006，21（7）：42～47.

［16］李创新，马耀峰，张颖，等.时空二元视角的入境旅游流集散空间场效应与地域结构——以丝路东段典型区为例［J］.地理科学，2012，32（2）：176～185.

［17］李山，邱荣旭，陈玲.基于百度指数的旅游景区络空间关注度：时间分布及其前兆效应［J］.地理与地理信息科学，2008，24（6）：102～107.

［18］李晓雯，陈雪琼.泉州出境旅游流空间结构研究［J］.泉州师范学院学报，2011，29（4）：81～86.

［19］刘军胜，马耀峰，李振亭.1997—2010年中部六省入境旅游流集散时空动态分析［J］.地理科学，2013，33（4）：450～456.

［20］龙茂兴，孙根年，马丽君，等.区域旅游网络关注度与客流量时空动态比较分析——以四川为例［J］.地域研究与开发，2011，30（3）：93～97.

［21］马丽君，郭留留，吴志才.“爸爸去哪儿”对拍摄地旅游发展的影响——基于游客网络关注度的分析［J］.旅游科学，2016，30（3）：57～68.

［22］马丽君，龙云.基于网络关注度的湖南省居民旅游需求时空特征［J］.经济地理，2017，37（2）：201～208.

［23］马丽君，孙根年，黄芸玛，等.城市国内客流量与游客网络关注度时空相关分析［J］.经济地理，2011，31（4）：680～685.

［24］马耀峰，李永军.中国入境后旅游流的空间分布研究［J］.人文地理，2001，16（6）：35，44～46.

［25］庞闻.中国入境旅游流复杂网络的结构特征与角色定位研究［D］.西安：陕西师范大学，2012.

［26］万绪才，王厚廷，傅朝霞，等.中国城市入境旅游发展差异及其影响因素——以重点旅游城市为例［J］.地理研究，2013，32（2）：337～346.

［27］王芳.基于百度指数的中国大陆5A级景区旅游信息流网络空间格局研究［D］.南京：南京师范大学，2015.

［28］王金莹，吴晋峰，唐澜，等.基于SNA的中国入境欧洲旅游流网络性质和结构特征研究［J］.人文地理，2013，28（6）：147～153.

［29］汪秋菊，黄明，刘宇.城市旅游客流量—网络关注度空间分布特征与耦合分析［J］.地理与地理信息科学，2015，31（5）：102～106.

［30］王硕，曾克峰，童洁，等.黄金周风景名胜区旅游客流量与网络关注度相关性分析——以庐山、华山、八达岭长城风景名胜区为例［J］.经济地理，2013，33（11）：182～186.

［31］王永明，马耀峰，王美霞.北京入境旅游流空间扩散特征及路径［J］.经济地理，2011，31（6）：1019～1024.

［32］王玉霞，王静.客流量与网络关注度的关系分析——以首都博物馆为例［J］.北京联合大学学报，2016，30（1）：75～80.

［33］吴晋峰.入境外国旅游流网络分布、性质和结构特征研究［J］.干旱区资源与环境，2014，28（7）：177～182.

［34］吴中堂，刘建徽，袁俊.大陆居民赴台湾自由行旅游流网络分析及演化研究［J］.旅游学刊，2016，31（10）：113～121.

［35］杨曦，王兆峰.基于交通网络的湖南旅游流空间集聚与扩散测度研究［J］.地域研究与开发，2014，33（4）：96～100.

［36］张红.我国旅游热点城市境外游客旅游流空间分布特征分析［J］.人文地理，2000，15（2）：14，56～57.

［37］张妍妍，李君轶，杨敏.基于旅游数字足迹的西安旅游流网络结构研究［J］.人文地理，2014，29（4）：111～118.

［38］张佑印，马耀峰，马红丽，等.北京入境集聚扩散旅游流平衡点转移规律研究［J］.旅游学刊，2009，24（12）：31～35.

［39］周玉翠，韩艳红.我国入境旅游空间结构研究［J］.地理与地理信息科学，2008，24（2）：99～103.