旅游目的地形象清晰度及测评方法——以西安为例

吴宝清，吴晋峰 周芳如，杨春华

(1. 陕西师范大学 地理科学与旅游学院， 陕西 西安710119； 2. 地理国家级实验教学示范中心(陕西师范大学)， 陕西 西安710119)

对旅游目的地形象的研究始于1971年HUNT撰写的博士论文《形象： 旅游的一种要素》(Image： A factor in tourism)[1]. 经过40多年的发展，旅游目的地形象已成为旅游研究的重点和热点领域之一，其研究内容包括形象概念和维度、形象形成过程、形象测量和评价、距离和时间对形象的影响、当地居民在形象研究中的主动或被动角色、形象的管理政策等6大主题[2-3]. 已有研究表明，旅游目的地形象是旅游者对目的地的信念、看法和印象的总和[4]，具有多维性和动态性[5-8]，并受到外部刺激因素和个人因素的综合影响[9-10]. 可见旅游目的地形象是一个复杂的综合体，对其进行测评难度较大. 以往学者常用的形象测评方法主要有： ①自由启发法(free elicitation). REILLY曾询问受访者“有哪3个词最能形容蒙大拿州是一个度假地”，获取受访者提及的词汇，通过对高频词汇的分析来测评蒙大拿州的旅游形象[11]. 之后ECHTNER和RITCHIE提出了3个经典问题： “当提及该目的地时您脑海中呈现的事物是什么” “当提及该目的地时，您希望体验到什么样的氛围或者得到什么样的感觉” “请您列举该目的地与其他目的地相比独一无二的事物”，利用获取的高频词汇对刻板形象、情感形象和独特形象进行测评[12]. 除了借助高频词汇来测评目的地形象外，部分学者还利用旅游照片来启发受访者. BOTTERILL等[13]让受访者从拍摄的旅游照片中筛选出具有目的地形象特征的照片，并让其说出对目的地形象的看法，实现对目的地形象的测评. ②内容分析法(content analysis). 是一种对传播内容进行客观、系统和定量描述的研究方法. 该方法在测评互联网传播的旅游形象上具有较好的效果. CHOI等[14]运用该方法对不同网站传播的澳门形象进行了对比研究；STEPCHENKOVA等[15]对美国和俄罗斯网站所传播的俄罗斯旅游形象进行了对比研究，并分析了不同网站传播的目的地形象的差异. ③认知地图法(cognitive mapping). 由美国心理学家托尔曼(Edward Chase Tolman)提出，该方法的优势在于能形象直观地反映人脑中目的地的方向、周围环境以及空间关系，且操作较为简单[16-17]. ④对应分析法(correspondence analysis). 通过主成分分析来描述2个或多个分类变量各水平间的关系， 可以揭示同一变量各类别之间的差异，以及不同变量各类别之间的关系. 吴宝清等[18]借助该方法对关中、京津唐、长三角和珠三角4个地区旅游者的西安形象进行了对比研究. ⑤其他方法. 近年来一些学者采用了一些较新颖的测评方法. 例如： PAN等[19]和 LI等[20]通过搜索引擎使用的词汇来追踪目的地形象，将收集到的目的地词汇进行统计分析，发现被调查的美国人所熟知的中国旅游吸引物只有北京和长城，占全样本的85%，而其他词汇仅被15%的调查者所使用. 从而发现了目的地形象词汇具有长尾效应，词汇频率满足“二八规律”. LAI 等[21]建立了目的地形象核心-边缘结构模型，并对北京旅游形象进行了测评. 吴晋峰[6]从吻合度和一致性程度方面对策划形象和市场形象进行了测评，并借用景观生态学中的多样性、均匀度和优势度指数对不同维度结构进行定量描述.

总体上看，旅游目的地形象的测量方法可分为结构法和非结构法. 其中，结构法是通过选取不同的评价因子，运用标准工具，构建评价模型，采集被访者的评价来获取形象资料；非结构法是采用自由问卷记录被访者对目的地形象的描述. 黄震方等[22]认为，结构法可控性和直观性强，易于统计，但因受限于评价因子，难以反映个性特质；非结构法在对目的地形象的测评上更适合. LI[23]也认为结构式测量规定受访者只能在研究者给出的形象因子上对目的地做出评判，难以体现目的地的个性特征以及受访者对目的地的独特感受. 汪倩雯[24]对国内旅游形象研究进行了综述，发现国内学者大多通过结构式问卷调查来获取形象数据，进而得到测评结果. 刘国华等[25]指出，国内对目的地形象测量的研究尚处于起步阶段，主要以定性描述为主，定量研究较少. 并且较少考虑测量工具的适宜性，导致测量结果不够准确. 王龙[26]指出，国内学者对形象的测量主要围绕目的地的属性和文脉特征展开，强调对目的地客观、外在形象的测量. 正如王国红等[27]认为，旅游形象的测评具有“只可意会难以言传”的特性，是旅游形象研究的难点. 就国内而言，学者对旅游目的地形象测量的研究成果较少，且多是对国外形象测量研究的综述. 对旅游形象的测评多采用单一的测量方法，采用定性和定量相结合的测量方法较少. 未来采用定性和定量相结合的方法，以及多学科方法交互使用是旅游目的地形象测评研究的趋势.

本文在对旅游目的地形象的形成过程、维度结构等内容剖析的基础上，提出了“旅游目的地形象清晰度”概念，以清晰度为切入点对旅游目的地形象进行定义和测评，并以老牌旅游城市西安为案例地，采用非结构问卷法，对不同距离群体所持的西安旅游形象清晰度进行实证研究. 其研究结果可以丰富和深化旅游目的地形象研究内容，创新旅游目的地形象的测评方法，为旅游目的地形象维度划分和测评提供有意义的参考. 同时有助于全面了解旅游目的地发展现状，从旅游者的角度发现目的地最具竞争力的要素，及时调整目的地形象，不断强化正面形象、修复负面形象、塑造新形象，实现旅游业的持续发展.

1 旅游目的地形象清晰度概念

1.1 旅游目的地形象与摄影图像

图像是对客观对象的一种相似性、生动性的描述或写真，记录被描述对象的信息，是一种具有视觉效果的画面. 如图1(a)所示，物体自身发出或者反射的光线，通过摄像机镜头进入暗盒，使暗盒背部的感光介质曝光，最后感光介质所存留的影像信息通过转换形成人眼所能读取的图像信息. 从图像的形成过程可以看出，图像质量的高低与物体自身发出或者反射的光线强度、摄像机镜头的质量、感光介质的质量、拍摄时的焦距等密切相关. 不同图像的质量存在差异，如图1(b)中的2张图像，其中一张清晰可见，而另一张则模糊不清. 在图像学中，常用清晰度来衡量图像质量的优劣. 清晰度是指图像中各细部影纹及边界的清晰程度，是人眼对图像清晰程度的感觉. 人眼对图像清晰程度的感觉受多方面因素的影响，如图像本身的清晰程度、观看条件、人眼的差异等. 对图像清晰度的评价具有重要的意义[28-29].

图1 摄影图像形成过程模型Fig.1 The process of photography formation

旅游目的地形象是目的地通过有目的的宣传推广或无目的的自主扩散，将目的地各种旅游信息传递给旅游者；旅游者通过视觉、听觉、嗅觉、味觉、触觉等感觉器官，主动或被动地接收旅游目的地各种旅游信息；最后旅游者在大脑已有的认知水平下，对所获取的旅游信息进行组合、拼接以及评价，形成目的地心理认知“图像”. 旅游目的地形象形成过程见图2.

图2 旅游目的地形象形成过程模型Fig.2 The process of tourism destination image formation

由图2可知，旅游目的地形象形成过程极为复杂： (1) 旅游目的地是由吸引物、基础服务、地方氛围等多维度要素相互作用、组合而形成的复杂综合体. 目的地自身的复杂性，使得旅游者所持的目的地形象的构成要素和维度是多样的. (2) 旅游目的地向外传播信息的方式主要有2种： 一是通过策划者有计划、有目的地向外宣传推广旅游信息，二是目的地通过自主扩散向外传递旅游信息，即无策划者的宣传干预. 目的地向外传播信息的能力，将直接影响旅游者获取目的地信息的数量和类型，造成旅游者所持的目的地形象存在差异. (3) 旅游者通过各种感觉器官获取目的地的各种旅游信息.获取信息的形式有2种： 主动获取和被动接收. 主动获取是指旅游者发挥主观能动性，有计划、有目的地去获取自己所需要的目的地信息. 被动接收是指旅游者在无意识状态下接收信息，而非刻意去获取，信息获取具有偶发性和随意性. (4) 旅游目的地形象并不是由目的地的各种信息简单“堆积”而成的，而是旅游者在一定的认知水平下，通过大脑对各种信息进行重新拼接、组合、评价形成的目的地心理认知“图像”. 由于不同旅游者所获取的目的地信息是不同的，并且认知水平也不同，最终导致不同旅游者的目的地形象存在差异.

从图1和图2中可发现，旅游目的地形象与摄影图像具有很强的可比性. 如表1所示，旅游目的地形象和摄影图像都是通过传感器(人体感觉器官/摄像机镜头)来获取目标对象的各种信息，并通过信息处理器(人体大脑/光电磁转换装置)对所获取的信息进行加工处理，最终形成图像. 相较而言，旅游目的地形象更为复杂. 首先，构成目的地形象的信息来源更为丰富多样，不仅有光学信息，还包括听觉、味觉、嗅觉、触觉等信息. 其次，在信息接收环节，旅游者具有知觉选择性和个人偏好，导致不同旅游者所接收的目的地信息不一样，并且相同的目的地信息对不同旅游者的吸引力也不同. 最后，在信息处理环节，由于旅游者的认知水平和个人经验不同，造成其对旅游目的地的看法和印象不同. 在多种因素的综合影响下，旅游目的地形象具有多样性和复杂性.

表1 旅游目的地形象与摄影图像对比

1.2 旅游目的地形象清晰度定义

同摄影图像一样，旅游目的地形象也有清晰与模糊之分. 从图2的目的地形象形成过程模型可知，由于受各种因素的综合影响，某些旅游者对目的地的认知很全面，对目的地各方面的信息都有详尽的了解，而另外一些旅游者对目的地知之甚少.

就旅游者个体而言，由于旅游者获取旅游信息的能力、个人偏好以及认知水平存在差异，造成其形成的目的地形象清晰程度不同. 根据构成目的地形象的维度数量以及要素的丰富程度，个体旅游者目的地形象可分为4类，见图3(图中不同形状的图形代表不同的形象维度，如吸引物维度等；相同形状的图形代表同一维度中的不同要素). 其中，A旅游者对目的地的了解最少，只对某一维度中的少量要素有所了解；B旅游者对目的地某一维度的认知很全面，但对其他维度却知之甚少；C旅游者对目的地的了解虽然不多，但其对目的地的多个维度信息都有所了解. 与A旅游者相比，C旅游者对目的地的认知更全面；D旅游者对目的地的认知最全面，其对目的地每个维度都有较全面的了解.

图3 旅游者个体目的地形象Fig.3 Different individual tourist’s destination image

图4 旅游者群体目的地形象Fig.4 Different groups of tourists’ destination image

旅游者个体所持的目的地形象通常具有较强的个性和随机性，对旅游者个体目的地形象的研究一般不具有代表性和普适性. 相较而言，对旅游者群体的研究更具有普适性和研究价值. 相同性别、年龄、地域文化背景的旅游者群体，通常在认知水平、兴趣爱好、价值观等方面具有相似性， 其所持的目的地形象亦具有共性；反之，不同群体所持的目的地形象通常存在差异. 在图4中(不同形状的图形代表不同的形象维度，如旅游吸引物等；实心黑点代表受关注的形象要素，面积越大表示该要素受关注的程度越高)，A群体对目的地的认知较为分散，并且只集中在对单一形象维度的认知；B群体对目的地的形象认知虽然也只集中在单一维度，但对维度中具体要素的了解和关注度存在较大的差异，对目的地的认知集中在少数要素；C群体对目的地的认知较为全面，对各个维度都有所了解，并且认知较为分散；D群体对目的地的认知涉及目的地的各个维度，并且对不同维度的了解程度和关注程度有较大差异，对同一维度中的不同要素的了解程度和关注程度也不同.

从图3和图4中可以直观地看出，无论是旅游者个体还是群体，其所持的目的地形象都有清晰与模糊之分. 借鉴图像学中清晰度概念，本文将旅游目的地形象清晰度定义为： 旅游者通过视觉、听觉等感觉器官，主动或被动地接收旅游目的地有目的的宣传推广或无目的的自主扩散的各类旅游信息，旅游者在大脑已有的认知水平下，对所获取的各类旅游信息进行组合、拼接以及评价所形成的目的地心理认知“图像”的清晰程度. 旅游者对目的地信息的类型了解越多样、越丰富，形象清晰度就越高；反之，形象清晰度越低. 根据旅游者对目的地要素以及维度信息的认知程度，旅游目的地形象清晰度可划分为3类： 要素清晰度、维度清晰度和整体清晰度，见图5.

(a)要素清晰度 (b)维度清晰度 (c)整体清晰度图5 旅游目的地形象清晰度类型Fig.5 The clarity types of tourism destination image

要素清晰度是指旅游者对目的地具体形象要素的了解程度，即当某要素被越多旅游者所熟知，该要素的清晰度就越高. 如图5(a)所示，若旅游者提及某一形象要素的频率越高，则表明其对该形象要素的认知越清晰.

维度清晰度是指旅游者对目的地某一维度的了解程度. 维度清晰程度与旅游者所了解的该维度具体要素的数量以及出现频率相关. 如图5(b)所示，当旅游者对该维度要素的数量了解越多，且要素出现的累计频率越高，则旅游者对该维度的认知越清晰(H). 当旅游者对该维度要素的数量了解较少，但要素出现的累计频率较高；或者对该维度要素的数量了解较多，但要素出现的累计频率较低，则旅游者对该维度的认知清晰度处于中等水平(M1和M2). 当旅游者对该维度要素的了解不仅数量少，而且累计频率低，则说明旅游者对该维度的认知不清晰(L).

整体清晰度是指旅游者对目的地整体的了解程度. 目的地整体形象清晰度与游客所了解的维度和要素的数量相关. 如图5(c)所示，旅游者对目的地形象维度和形象要素数量了解越多，则该旅游者所持的目的地形象清晰度越高(H). 旅游者对目的地形象维度了解较少，对要素数量了解较多；或者对目的地形象维度了解较多，对要素数量了解较少，说明旅游者对目的地整体认知清晰度处于中等水平(M1和M2). 旅游者对目的地的了解不仅维度少，而且要素数量也少，说明旅游者所持的目的地形象整体清晰度较低(L).

2 旅游目的地形象清晰度测量方法

在图像学中，人们常用像素指标来衡量图像的清晰度. 像素是构成图像的基本单元，若把图像放大数倍，就会发现图像由许多小方点组成，这些小方点就是构成图像的最小单元像素. 在一定范围内像素越高，图像清晰度越高.

本文将开放式问卷(一提起旅游目的地，您脑海里首先想到的是什么？)获取的形象词汇视为旅游目的地形象的基本构成单元，其中每一个形象词汇对应目的地形象中的一个要素，形象词汇的类型对应目的地形象的维度，全部形象词汇对应目的地形象的整体. 通过分析形象词汇实现对要素清晰度、维度清晰度和整体清晰度的测量，具体测量方法见图6.

图6 旅游目的地形象清晰度测量方法Fig.6 The measurement of tourism destination image clarity

2.1 要素清晰度测量

旅游目的地形象由不同的形象要素组合而成，当某一形象要素被越多的受访者所认知，即形象要素的提及频率越高，表明该形象要素的清晰度越高. 反之，形象要素的清晰度越低. 形象词汇的频率是指某个形象词汇被重复提及的次数与所有形象词汇总提及次数的比值，计算公式为

Pk=n/N，

(1)

式(1)中，Pk为形象词汇频率，n为某词汇重复出现的次数，N为所有词汇出现的总次数.

2.2 维度清晰度测量

形象维度由具有相同属性的形象要素构成，某一维度的形象要素的累积频次越高，即某类形象词汇的累积提及频次越高，表明该形象维度的清晰度越高. 反之，形象维度的清晰度越低. 除累积频率外，景观生态学中的景观多样性指数能很好地反映形象维度内部要素的数量与频率之间的关系[30]. 其中多样性指数反映形象词汇的总数和各个词汇所占的比例，均匀度指数反映形象词汇分布的均匀程度，优势度指数反映一个或几个形象词汇在全部词汇中占优势的程度. 其计算公式分别为：

(2)

式(2)中，H为形象词汇的多样性指数，m为所有不重复词汇的总数，Pk为某词汇重复出现的次数占所有词汇出现总次数的比值. 在一定程度上，H值越大，说明旅游者对该形象维度的认知越全面、越多样，即形象维度清晰度越高.

(3)

式(3)中，E表示形象词汇的均匀度指数；m和Pk与式(2)相同.E的取值范围为0～1，当各个词汇出现次数相等时，词汇均匀度指数最高；各个不重复词汇出现的次数占所有词出现总次数的比例差异越大，词汇均匀度指数越小.E值越大，说明旅游者对形象维度认知的清晰度差异越小.

(4)

式(4)中，D表示形象词汇的优势度指数，m和Pk与式(2)相同. 当各个词汇出现的次数相等时，词汇优势度指数最小；某个或几个不重复词汇出现的次数占所有词汇出现总次数的比例差异越大，词汇优势度指数越大.D值越大，说明旅游者对某一形象维度的认知只集中在少数要素，即形象维度清晰度较低.

2.3 整体清晰度测量

旅游目的地形象是由不同维度和要素构成的整体. 对全部形象词汇所组成的关联网络的中心性分析能有效反映形象整体清晰度. 网络密度、点度中心势是反映网络中心性的2个重要指标. 网络密度指所有形象词汇之间产生关系的总量与理论上网络能够产生的最大关系总量之比. 点度中心势指词汇关联网络的紧密程度或一致性，反映的是词汇关联网络围绕少数形象词汇节点集聚或扩散的趋势[31-32]. 其计算公式分别为：

(5)

式(5)中，D′表示词汇网络密度，Dk表示词汇的度数(即与该词汇产生关联的词汇数量)，m表示不重复词汇的总数.D′的取值范围为0～1, 值越大，说明词汇间的结构关系越紧密，旅游者对目的地的整体认知越集中，形象整体清晰度越低.

(6)

式(6)中，C表示点度中心势，Cmax表示网络中词汇的最大中心度数值，Ck表示词汇的度数，m表示不重复词汇的总数.C的取值范围为0～1.C值越大，说明旅游者对目的地的认知越趋向于少数要素，形象整体清晰度越低.

3 案例研究

西安是我国历史上建都时间最长、建都朝代最多、影响力最大的都城，享有很高的旅游知名度，是我国最具代表性的旅游城市之一；西安位于我国内陆版图中心地带，长期来,西安旅游客源市场以中西部地区为主，而我国出游率较高的地区主要集中在东部. 对西安旅游形象的测量研究，有助于西安实现精准的市场营销，拓展旅游市场.

本文的数据由调查问卷获得. 鉴于旅游目的地形象的复杂性和动态性，封闭式问卷调查法无法全面有效地反映旅游者对目的地的各种印象和看法. 因此本文采用开放式问题(如一提起西安，您脑海里首先想到的是什么？)来获取不同旅游者对西安的印象和看法. 2014—2015年，课题组先后在郑州、上海、杭州、南京、成都、西安、北京、广州和武汉9个城市开展西安国内旅游形象问卷调查. 共发放问卷13 500份，收回有效问卷10 843份，有效回收率80.32%，为本文提供了充足可靠的数据来源. 考虑到不同O-D对距离群体的旅游目的地形象清晰度可能存在差异，参照中国人距离远近的感知标准[33]，最终选取西安、郑州、北京、广州作为样本城市. 其中，郑州与西安的直线距离约为430 km，高速铁路平均需时约2 h，普通铁路需时约7 h；北京与西安的直线距离900 km，高铁平均需时为6 h，普通铁路需时为14 h；广州与西安的直线距离约1 330 km，高铁平均需时约9 h，普通铁路需时约26 h.

本文的研究人群为目的地本地居民和外地潜在旅游者，即西安本地居民，客源地郑州、北京和广州未到访西安的居民(以籍贯或常住地判断). 主要出于以下考虑： 一方面，潜在旅游者并无实地旅游经历，其所持的旅游目的地形象是在日常生活中自然形成的，受惯常环境以外因素的影响较小. 潜在旅游者的目的地形象更能反映在一般状态下O-D对距离对目的地形象清晰度的影响. 对比分析本地人与潜在旅游者所持形象清晰度的差异，有助于旅游目的地制定针对性的形象宣传策略，拓展旅游市场. 另一方面，现有旅游目的地形象研究的对象多为现实旅游者，针对本地人和潜在旅游者的研究较少[23]. 本文以本地人和潜在旅游者的目的地形象为研究对象，是对旅游目的地形象研究的丰富和深化.

经统计，在获取的10 843份有效问卷中，符合本文研究需要的分别为： 西安本地人有效问卷332份，郑州潜在旅游者有效问卷278份，北京潜在旅游者有效问卷341份，广州潜在旅游者有效问卷355份.

对问卷调研获取的形象词汇文本数据进行预处理： ①形象词汇的录入. 按照4个样本城市，将问卷调查获取的形象词汇，分别录入不同的文档，每个受访者所提及的形象词汇单独列一行，并将最终的文档保存为RTF格式，形成相应的.txt文档. ②形象词汇的合并和拆分. 对意思表述相同或者相近的形象词汇进行合并，如将“兵马俑”“秦始皇兵马俑”“秦始皇陵兵马俑”“秦兵马俑”合并为兵马俑；将“唐玄奘”“唐僧”“玄奘”合并为唐玄奘. 同时对一些组合型词汇进行拆分，如将“钟鼓楼”拆分为钟楼、鼓楼；将“大小雁塔”拆分为大雁塔、小雁塔. 最终形成可供ROST、Ucinet软件分析的.txt文档.

3.1要素清晰度分析

采用ROST软件的汉语频度分析模块，对形象词汇的词频进行统计分析，并对形象词汇频率进行拟合，拟合曲线见图7，频率排名前10的形象词汇见表2.

图7 形象词汇频率分布图Fig.7 The frequency distributions of the image vocabularies

位序西安词汇频率/%郑州词汇频率/%北京词汇频率/%广州词汇频率/%1兵马俑12.23兵马俑27.40兵马俑26.65兵马俑28.182古都城11.59大雁塔11.68古都城11.50古都城11.213大雁塔10.09古都城8.76大雁塔9.34大雁塔5.444钟楼8.26牛羊肉泡馍5.42牛羊肉泡馍3.64肉夹馍3.205历史文化底蕴深厚7.94小吃丰富3.62肉夹馍3.42历史文化底蕴深厚2.886城墙4.08华清池2.64城墙2.62长安2.777牛羊肉泡馍2.47城墙2.64历史文化底蕴深厚2.62秦始皇2.458肉夹馍1.82肉夹馍2.36凉皮2.16钟楼2.359凉皮1.82秦始皇2.36小吃丰富2.05城墙1.9210小吃丰富1.82秦岭2.23华清池1.94小吃丰富1.81

经统计，西安、郑州、北京和广州受访者提及的不重复形象词汇分别为160，117，148和166个，头部20%词汇的累计频率分别为81.44%，82.75%，84.05%和83.24%. 说明4个城市受访者对头部20%词汇认知的清晰度较高，而对尾部词汇认知的清晰度较低. 由图7可知，4个城市受访者的形象词汇词频拟合曲线均符合幂函数(y=axk)分布，且k值小于0，高频形象词汇只有3～5个. 4个城市的词频分布拟合曲线k值分别为-1.133，-1.147，-1.114和-1.085. 说明4个城市受访者的西安旅游形象要素清晰度均呈幂律衰减，受访者对头部少数要素认知的清晰度很高，而对尾部要素认知的清晰度不高.

由表2可见，4个城市受访者提及频率最高的3个词汇均为“兵马俑”“古都城”和“大雁塔”. 其中首位词汇的频率分别是第2位词汇频率的1.1，2.3，2.3，2.5倍；是第3位词汇频率的1.2，3.1，2.9，5.2倍. 另外，郑州、北京和广州受访者的首位词汇频率均为西安受访者首位词汇频率的2倍以上. 说明本地人提及的高频词汇的频率差异较小，而外地人提及的高频词汇的频率差异较大，首位词汇的频率明显高于其他词汇. 除上述排名前3的高频词汇外，在频率排前10的词汇中，4个城市受访者还共同提及了“城墙”“牛羊肉泡馍”“肉夹馍”“小吃丰富”4个词汇. 说明4个城市受访者认知清晰度较高的要素具有一致性. 总体上看，本地人认知清晰度较高的要素数量多于外地人，并且要素间清晰度的差异小于外地人.

3.2维度清晰度分析

经分类统计，受访者提及的词汇主要包括9类： 与景点相关的词汇、与美食相关的词汇、与人物和历史相关的词汇、与地方氛围相关的词汇、与环境相关的词汇、与设施和服务相关的词汇、与休闲娱乐相关的词汇、与教育相关的词汇、与方位和地名相关的词汇. 为了便于表述，下文统一将9类词汇分别简称为“景点”“美食”“人物历史”“地方氛围”“环境”“设施服务”“休闲娱乐”“教育”和“方位地名”词汇. 9类词汇的数量和累积频率统计结果见图8，词汇多样性指数计算结果见表3.

从图8可见，本地人提及频率较高的词汇主要有4类： “景点”“美食”“地方氛围”和“人物历史”. 外地人提及频率较高的词汇主要有3类： “景点”“美食”和“人物历史”. 外地人提及“景点”“美食”“方位地名”“教育”类词汇的频率明显高于本地人，但提及“地方氛围”“环境”“设施服务”类词汇的频率明显低于本地人. 就外地人而言，近距离外地人提及“景点”类词汇的频率明显高于远距离外地人. 而远距离外地人提及“人物历史”“环境”“方位地名”类词汇的频率明显高于近距离外地人. 说明不同O-D对距离受访者对形象维度的认知清晰度存在较大差异，本地人更加关注“地方氛围”“环境和设施服务”，而外地人更多了解的是目的地的“景点”“美食”和“历史人物”. 随着O-D对距离的增大，外地人对目的地“环境”“地方氛围”“方位地名”的关注度逐渐提高.

图8 不同形象维度词汇的频率统计Fig.8 The frequency of different dimension vocabularies

城市指数主要词汇类型景点美食人物历史地方氛围环境设施服务休闲娱乐教育方位地名西安S22132447229636H2.962.862.213.723.982.862.261.372.13E0.540.700.250.400.780.820.790.750.82D1.500.842.371.840.480.310.320.210.19郑州S2315211953878H2.592.822.503.502.321.582.692.002.84E0.390.590.340.601.001.000.790.490.90D1.941.091.900.750.000.000.310.800.16北京S232328261025618H2.423.322.683.613.181.001.371.773.65E0.340.620.320.490.911.000.370.460.86D2.101.202.131.070.140.000.950.820.52广州S312233241426317H2.503.393.003.243.611.002.081.193.64E0.290.640.390.460.891.000.650.610.76D2.451.072.051.350.200.000.510.400.45

从表3可见，不同O-D对距离受访者对不同类型词汇认知的全面性和一致性程度存在差异. “地方氛围”和“环境”词汇的数量和多样性指数，本地人的明显高于外地人.距离西安最近的郑州，受访者的“景点”词汇多样性指数最高，“环境”和“方位地名”词汇的多样性指数最低. 距离西安最远的广州，受访者的“人物历史”和“环境”词汇的多样性指数最高. 总体来看，随着O-D对距离的增长，外地人提及的“人物历史”“环境”“方位地名”的词汇数量逐渐增多，词汇多样性指数呈递增趋势. 主要原因在于，随着距离的增长，外地人所接收和了解的旅游目的地信息不断减少，对目的地的了解多是通过人物历史来获取的. 另外，随着距离的增长，客源地与目的地的环境差异逐渐增大，造成远距离外地人更加关注旅游目的地的环境，以及各种方位和地名.

3.3 整体清晰度分析

利用ROST CM社会网络分析功能记录任意2个形象词汇共同出现的次数(例如某一位受访者提及了“兵马俑、大雁塔、肉夹馍”3个词汇，则记录兵马俑和大雁塔共同出现1次，兵马俑和肉夹馍共同出现1次，大雁塔和肉夹馍共同出现1次)，形成词汇共现矩阵词表，并对词汇共现矩阵进行二值化处理(矩阵单元值大于或等于1时，将矩阵单元值替换成1，反之替换为0)，生成二分矩阵. 利用Netdraw软件分别绘制西安、郑州、北京和广州4个城市受访者所提及的形象词汇的关联网络图，见图9(图中节点的颜色代表形象词汇的类型，节点的大小反映与该形象词汇共同出现的形象词汇的数量多少). 利用Ucinet6软件对形象词汇关联网络整体中心性进行测算，结果见表4.

表4 网络中心性测算结果

由图9和表4可知，本地人的词汇关联网络密度较小，且点度中心势明显低于外地人. 说明本地人提及的词汇最为广泛，网络整体结构较为松散，词汇关联网络围绕少数词汇集聚的趋势最弱. 距离西安最近的郑州，受访者的词汇关联网络密度最大，而距离西安最远的广州，受访者的词汇关联网络密度最小，但其点度中心势明显高于其他城市的受访者. 说明词汇关联网络整体结构与O-D对距离有关，距离越远，词汇关联网络整体结构越松散，网络围绕少数词汇集聚的趋势越强. 结合图9可以直观地看出，本地人的词汇关联网络主要围绕“古都城”“历史文化底蕴深厚”“兵马俑”“钟楼”“大雁塔”和“城墙”6个词汇聚集，外地人的词汇关联网络主要围绕“兵马俑”“古都城”和“大雁塔”3个词汇集聚. 说明本地人对目的地整体的认知最为全面和多样，清晰度最高，随着O-D对距离的增长，外地人对目的地的认知丰富度逐渐下降，整体清晰度降低.

图9 形象词汇关联网络图Fig.9 Association network of image vocabularies

4 结论和讨论

4.1 结 论

4.1.1 旅游目的地形象是旅游者通过视觉、听觉等感觉器官，主动或被动地接收旅游目的地的各种旅游信息，并在大脑已有的认知水平下，对所获取的旅游信息进行组合、拼接以及评价而形成的目的地心理认知“图像”. 构成旅游目的地形象的维度是多样的，主要包括“景点”“美食”“人物历史”“地方氛围”“环境”“设施服务”“休闲娱乐”“教育”和“方位地名”9个维度.

4.1.2 旅游者个体和群体的目的地形象都存在清晰与模糊的差别. 旅游者对目的地的信息类型、内容了解越多样、越丰富，表明其目的地形象清晰度越高. 反之，形象清晰度越低. 根据旅游者对目的地要素以及维度信息的认知程度，旅游目的地形象清晰度可划分为要素清晰度、维度清晰度和整体清晰度3种. 其中，要素清晰度用形象描述词汇的频率衡量，维度清晰度用形象描述词汇的累积频率和多样性指数衡量，整体清晰度用形象描述词汇的网络中心性指标衡量.

4.1.3 旅游目的地形象清晰度与O-D对距离相关. 从要素清晰度看，本地人认知清晰度较高的要素数量多于外地人，并且要素间清晰度的差异较小. 从维度清晰度看，本地人对“地方氛围”“环境”和“设施服务”3个维度的认知清晰度高于外地人. 外地人对“景点”“美食”和“历史人物”3个维度的认知清晰度高于本地人，且随着O-D对距离的增长，外地人对“环境”“地方氛围”“方位地名”3个维度的认知清晰逐渐提高. 本地人对目的地整体的认知最为全面和多样，整体清晰度最高. 随着O-D对距离的增长，外地人对目的地的认知逐渐趋于片面，整体清晰度降低.

4.2 讨 论

剖析了旅游目的地形象内涵和形成过程，指出旅游目的地形象具有清晰与模糊之别. 在此基础上，提出了旅游目的地形象清晰度概念和测评方法，分别从要素清晰度、维度清晰度和整体清晰度3个测量角度，对不同O-D对距离群体的西安旅游形象清晰度进行测评，得到有意义的结论. 首先，从清晰度角度着手，对旅游目的地形象进行测评，是对已有形象测评方法的创新和研究的丰富. 其次，本研究进一步验证了旅游目的地形象的复杂性和多维性. 本文基于实地问卷调研数据，将西安旅游形象分为景点、美食、人物历史、地方氛围、环境、设施服务、休闲娱乐、教育和方位地名9个维度. 是对文献[18]通过网络文本数据分析将西安旅游形象分为旅游吸引物、设施和服务、休闲娱乐、自然环境、社会环境、旅游地评价6个维度的深化和细化，可为旅游目的地形象维度划分提供一定参考. 再者，旅游目的地发展已经进入形象主导阶段，张高军等[34]在对目的地形象群体比较研究的基础上，认为不同群体的目的地形象对比研究已成为研究热点，今后要关注以国内目的地为案例的群体比较研究. 而本文对不同距离群体的西安旅游形象清晰度的实证研究，是对目的地形象群体对比研究的充实和丰富. 另外，良好的旅游形象有助于目的地扩大市场份额. 本研究成果有助于从不同距离群体的视角全面认识西安的旅游发展现状，为其制定针对本地市场和外地市场、近距离市场和远距离市场的形象宣传推广提供有益参考. 今后对旅游目的地形象清晰度的研究，可以在非结构问卷法调研获取的文本数据基础上，增加使用网络信息采集法获取的图片和影像数据，使研究数据多元化，增强研究的准确性. 另外，还可以开展不同类型旅游目的地形象清晰度的对比研究、现实旅游者和潜在旅游者的目的地形象清晰度对比研究等.

参考文献(References)：

[1] HUNT J D.Image：AFactorinTourism[D]. Fort Collins： Colorado State University, 1971.

[2] HUNT J D. Image as a factor in tourism development[J].JournalofTravelResearch, 1975,13(3)： 1-7.

[3] ROYO-VELA M. Rural-cultural excursion conceptualize： A local tourist marking management model based on tourist destination image measurement[J].TourismManagement, 2009,30： 419-428.

[4] CROMPTON J L. An assessment of the image of Mexico as a vacation destination and the influence of geographical upon the image[J].JournalofTravelResearch, 1979, 18(4)： 18-23.

[6] 吴晋峰. 旅游目的地形象“拼图”及测评方法[J].陕西师范大学学报(自然科学版),2014,42(6)： 85-93.

WU J F. Jigsaw puzzle of tourism destination image and its evaluation index[J].JournalofShaanxiNormalUniversity(NaturalScienceEdition),2014,42(6)： 85-93.

[7] GUNN C A.VacationScape：DesigningTouristRegions[M]. Austin： University of Texas Press, 1972.

[8] FAKEYE P C, CROMPTON J L. Image differences between prospective, first-time, and repeat visitors to the lower Rio Grande Valley[J].JournalofTravelResearch, 1991,30(2)： 10-16.

[9] BALOGLU S, MCCLEARY K W. A model of destination image formation[J].AnnalsofTourismResearch, 1999, 26(4)： 868-897.

[10] JENKINS O H.Understanding and measuring tourist destination image[J].InternationalJournalofTourismResearch, 1999,1 (1)： 1-15.

[11] REILLY M D. Free elicitation of descriptive adjectives for tourism image assessment[J].JournalofTravelResearch, 1990, 28(4)： 21-26.

[12] ECHTNER C M, RITCHIE J R B. The measurement of destination image： An empirical assessment[J].JournalofTravelResearch, 1993, 31(4)： 3-13.

[13] BOTTERILL T D, CROMPTON J L. Personal constructions of holiday snapshots[J].AnnalsofTourismResearch, 1987, 14(1)：152-156.

[14] CHIO S, LEHTO X Y , MORRISON A M. Destination image representation on the web： content analysis of Macau travel related websites[J].TourismManagement, 2007,28(1)： 118-129.

[15] STEPCHENKOVA S, MORRISON A M. The destination image of Russia： from the online induced perspective[J].TourismManagement, 2006, 27(5)： 943-956.

[16] FRIDGEN J D. Use of cognitive maps to determine perceived tourism regions[J].LeisureSciences, 1987, 9(2)： 101-117.

[17] WALMSLEY D J, JENKINS J M. Tourism cognitive mapping of unfamiliar environments[J].AnnalsofTourismResearch, 1992, 19(2)： 268-286.

[18] 吴宝清,吴晋峰,吴玉娟,等. 基于网络文本的TDI地域差异研究——以西安的国内旅游形象为例[J].浙江大学学报(理学版),2015,42(4)： 474-482.

WU B Q, WU J F, WU Y J, et al. The influence on tourism destination image based on the network text： A case study on Xi’an domestic tourism image[J].JournalofZhejiangUniversity(ScienceEdition), 2015,42(4)： 474-482.

[19] PAN B, LI X(Robert). The long tail of destination image and online marketing[J].AnnalsofTourismResearch, 2011, 38 (1)： 132-152.

[20] LI X (Robert), STEPCHENKOVA S. Chinese outbound tourists’ destination image of America: Part I[J].JournalofTravelResearch, 2012,51(3)： 250-266.

[21] LAI K, LI Y P. Core-periphery structure of destination image： Concept, evidence and implication[J].AnnalsofTourismResearch, 2012, 39(3)： 1359-1379.

[22] 黄震方,李想. 旅游目的地形象的认知与推广模式[J].旅游学刊,2002,17(3)： 65-70.

HUANG Z F, LI X. On the image perception and promotion pattern of tourist destination[J].TourismTribune, 2002,17(3)： 65-70.

[23] LI X(Robert). 目的地形象研究WEIRD化及其在亚洲的适用性[J].旅游学刊,2013,28(2)： 20-22.

LI X(Robert). Destination image research WEIRD and its applicability in Asia[J].TourismTribune,2013,28(2)： 20-22.

[24] 汪倩雯. 国内旅游形象研究综述[J].云南地理环境研究,2008,20(4)： 122-126.

WANG Q W. Review on the home study results of tourism image[J].YunnanGeographicEnvironmentResearch, 2008,20(4)： 122-126.

[25] 刘国华,王红国. 旅游目的地形象测量： 基于国外文献的研究[J].旅游学刊,2010,25(6)： 83-87.

LIU G H, WANG H G. Measurement of tourist destination image： Based on the study of overseas literature[J].TourismTribune, 2010,25(6)： 83-87.

[26] 王龙. 旅游目的地形象测量内容的研究综述[J].旅游科学,2012,26(4)： 65-76.

WANG L. A review of measurement content on tourism destination image[J].TourismScience, 2012,26(4)： 65-76.

[27] 王红国,刘国华. 国外旅游目的地形象测量方法述评[J].旅游科学,2009,23(6)： 62-66.

WANG H G, LIU G H. A review of overseas measurement of tourism destination image[J].TourismScience, 2009,23(6)： 62-66.

[28] 王鸿南,钟文,汪静,等. 图像清晰度评价方法研究[J].中国图像图形学报,2004,9(7)： 64-67.

WANG H N, ZHONG W, WANG J, et al. Research of measurement for digital image definition[J].JournalofImageandGraphics, 2004,9(7)： 64-67.

[29] 徐贵力,刘小霞,田裕鹏,等. 一种图像清晰度评价方法[J].红外与激光工程,2009,38(1)： 180-184.

XU G L, LIU X X, TIAN Y P, et al. Image clarity-evaluation-function method[J].InfraredandLaserEngineering, 2009,38(1)： 180-184.

[30] 王宪礼,肖笃宁,布仁仓,等.辽河三角洲湿地的景观格局分析[J].生态学报,1997,17(3)： 317-323.

WANG X L, XIAO D N, BU R C, et al. Analysis on landscape patterns of Liaohe Delta Wetland[J].ActaEcologicaSinica, 1997,17(3)： 317-323.

[31] 刘军.整体网分析讲义——UCINET软件使用指南[M]. 上海： 格致出版社,2009.

LIU J.LecturesonWholeNetworkApproach：APracticalGuidetoUcinet[M]. Shanghai： Truth & Wisdom Press, 2009.

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

LIU J.SocialNetworkAnalysis[M]. Beijing： Social Science Academic Press, 2004.

[33] 刘佳,吴晋峰,吴宝清,等. 中国人距离远近的感知标准及群体差异[J].人文地理,2015,30(6)： 34-39.

LIU J, WU J F, WU B Q, et al. Cognitive distance standard and group differences of Chinese[J].HumanGeography, 2015,30(6)： 34-39.

[34] 张高军,吴晋峰. 不同群体的目的地形象一致吗?——基于目的地形象群体比较研究综述[J].旅游学刊,2016,31(8)： 114-126.

ZHANG G J, WU J F. Do different groups have the same tourism destination image?A review of comparative research on different groups’tourism destination image[J].TourismTribune, 2016,31(8)： 114-126.