基于旅游数字足迹的大陆赴澳门游客时空行为特征分析※

严尚霞 陈金华

（华侨大学，福建 泉州 362021）

引言

旅游者时空行为规律一直是旅游学者关注的热点问题。旅游者是旅游活动的主体，只有了解其行为特征和产生原因，才能提升旅游服务水平、推动旅游业发展[1]。学术界对旅游者行为的研究主要涉及空间行为模式[2,3]、空间流动的特征及规律[4-6]等。黄潇婷利用时间地理学方法通过实证分析探讨了旅游者时空行为模式。刘梦圆等人通过问卷调查分析旅游行为路径并结合实地情况制定发展措施等等。伴随Web2.0技术的成熟，越来越多的旅游者通过网络获取、发布在线上相互交流旅游信息。Girardin初次指出旅游数字足迹是旅游者在旅途中发送的信息及通话，旅行结束后在网络等信息系统里留下的文字、图片等痕迹[7]。旅游数字足迹能精确又真实记载游客的旅游轨迹。学术界基于此对旅游者的时空行为、旅游流网络结构[8]、目的地形象感知与管控[9]等进行了大量的研究。

大陆居民赴澳门旅游人次自实施“自由行政策”后迅速增加，大陆内地成为澳门旅游的第一大客源市场。随着国家政策的不断出台，内地赴澳旅游人次持续保持增长。据澳门旅游局统计，2018年1-11月，内地赴澳门旅游者人数近2300万人次，同比增长达13.3%，内地赴澳旅游的高速增长对澳门的繁荣与发展起到有力的支持作用。值得一提的是，近些年，多数学者对澳门旅游的经济[10]、形象感知[11]、入境澳门旅游流[12]等方面进行研究，少数涉及赴澳旅游者的行为研究，且对于内地赴澳旅游的相关研究也较少。而内地是澳门入境旅游的第一大客源地，且了解旅游者行为对旅游业质量提升具重要推动作用。从现实需求看，对内地游客赴澳旅游的时空行为精确解析，有利于优化赴澳旅游的线路规划，也有利于大陆对赴澳旅游发展导向的精确调控，对大陆科学制定赴澳旅游政策具有重要的战略意义。

鉴于上述情况，赴澳游客的时空特征研究是一个具有重要战略意义的选题，它需要更加精准的分析工具来支撑和表达。运用能准确反映游客时空规律的旅游数字足迹，借助社会网络分析法探究赴澳旅游者时空行为特征与规律，以期为澳门旅游形象的提升及赴澳旅游政策的制定提供智力支持。

一、旅游数字足迹采集及研究方法

（一）研究区域概况

澳门位于中国大陆东南沿海，有八个堂区和一个无堂区划分区域，总面积32.8平方公里，具有完善的海陆空交通运输设施，拥有丰富的旅游资源和较大的客流量。经400多年中西文明的历史沉淀，澳门具有独特的文化旅游资源，2005年澳门历史城区登上《世界遗产名录》。近十多年来大陆内地持续成为澳门的最大旅游客源市场，据澳门统计局统计2018年赴澳入境游客达35 803.7千人次，其中中国内地旅游人次占全年入境旅游人次的70.55%。

（二）旅游数据足迹来源

携程网作为中国最大的旅游社区平台，具大规模的注册用户，用户分享的旅游游记真实、全面、保持相对完整，适合作为样本数据。因此，借助八爪鱼爬虫软件以携程网为数据获取平台，经爬取共获得635篇网络游记。

（三）旅游数据足迹处理

数据清洗原则如下：①游记内容必须包含明确的旅游时间，且介于2018年1月1日至2018年12月31日间；②游记必须明确记录游玩天数以及游览地点，以便提取线路信息；③游记必须是游客真实的游览记录，删除明显涉及广告的游记。最终清洗出339篇游记作为旅游数字足迹来源。人工浏览每一条游记获取游记的具体旅游线路，并对游览地点名称进行统一化处理。为确保各节点有较高的频次，将一些节点进行整合，其标准为：①具代表性或到访人数较多的旅游节点单独列出；②到访人次较少且距离相近节点整合为一处；③澳门历史城区到访率高，为详细研究游客空间行为，故根据地形将其分为三部分进行研究。

（四）研究方法

1.季节集中指数

季节性强度指数用来测量内地游客赴澳旅游的时间分布集中程度，其公式如下[13]：

式（1）中：R为季节性强度指数；8.33为各月赴澳旅游次数占全年百分比的平均值；Xi为第i月赴澳旅游人次占全年的比重；R越趋近于零，表明各月旅游人次分布越均匀；R越大，则季节性差异越大。

2.内容分析法

内容分析法是一种能对文本内容进行客观的量化分析的科学方法[14]，伴随大数据的兴起，学界常采用内容分析法分析网络文本，使高效分析海量数字足迹成为可能。借助ROSTCM6软件提取所采集旅游数字足迹的高频特征词，用于社会网络分析。

3.社会网络分析法

社会网络分析可准确分析网络旅游者的空间流动特征，探究游客活动空间的轨迹以及各节点间的关系。借助网络密度、凝聚子群分析等来分析赴澳游客活动的整体网络结构；运用中心性分析以及结构洞分析来探究旅游节点间的关系。

二、大陆赴澳旅游的时间特征分析

（一）出游时间分析

定量分析赴澳旅游时间的集中程度，结果显示，2018年赴澳旅游时间的季节集中指数值R较高为8.2471，表明中国内地游客赴澳旅游的时间季节性差异突出，呈现集中化状态。根据旅游市场淡旺季划分标准[13]，发现赴澳旅游旺季为2月、7-8月以及10月，旅游淡季为1月、3-5月份，旅游平季为6月、9月以及11-12月份。赴澳旅游季节性规律较明显，集中程度较高。2月以及7-8月正值中国的春节及寒暑假期间假期时间较长，游客具有充足的闲暇时间，赴澳人数多。10月份具有“十一”小长假，且澳门地区的商品在此期间优惠力度大，进一步促进游客在此期间出游澳门。可见内地的假期制度成为影响大陆赴澳旅游的重要因素。

图1显示2018年各月游客人数差距较大，反映当年旅游者季节性波动较大（与上述季节集中指数分析结果一致），出现3个旅游波峰（2月、7月和10月）。参考气象划分法得出赴澳的大陆游客在夏、秋季出游人数较多，分别占样本总量的31.86%以及34.81%，占样本游客总量的2/3。选择冬季出游的人数占比15.04%，选择春季出游的人数占比较少为1.47%。

图1 2018年游客赴澳出游时间

（二）停留时间分析

由excel雷达图得到2018年中国大陆游客在澳门旅游停留时间的分布态势（如图2）。经统计大陆游客在澳门停留时间分布为1天到5天，其中逗留时间集中于1～2天，占总体的89.38%，逗留3天的游客为总数的7.96%，逗留4～5天的游客较少为2.65%，游玩时间为2天的游客最多比重是46.9%。大陆赴澳游客平均游玩时间是2天，大部分游客停留1～3天，显然游客在澳门平均停留时间较短。

图2 2018年游客赴澳停留时间

三、大陆赴澳游客的空间格局分析

（一）旅游节点偏好分析

对获取的路线文本进行词频分析，因澳门面积较小，旅游景点丰富，景点间距离较近，为便于统计与分析，将游记中提到的部分相近的景点进行归纳整理。部分景点距离虽近但具代表性且出现频次较高，因此不作处理。经归纳及词频统计，将数字足迹中提到的景点化为24个旅游节点。根据各旅游节点词频，利用GIS绘制分布图（图3）。

结果表示，累计词频最高区域为路氹城，其次为圣安多尼堂区。由于澳门的星级酒店区集中于路氹城，且在机场有各酒店的专车，因此酒店成为多数游客的第一站，词频最高。图3揭示游客偏向游览圣安多尼堂区，而著名的大三巴牌坊坐落于此堂区。游客也多次提及大三巴牌坊及澳门历史名城，可见游客更偏好选择文化底蕴价值高的旅游节点。而澳门历史名城横跨圣安多尼堂区、风顺堂区以及大堂区，从游记及词频分布图可见，澳门历史名城区受访澳游客的欢迎。花玛堂区及填海区的旅游资源丰富度较低，且处于澳门边缘地区，不具位置优势，游客较少提及。词频的高低在某种程度上可以反映旅游吸引力的大小[15]，词频分布图反映，澳门旅游吸引力分布的均衡性较差，旅游节点吸引力差异悬殊。澳门的历史文化景点以及具备大型商场和博彩业的酒店吸引力最强。

图3 旅游节点词频分布图

（二）赴澳旅游的整体空间网络特征分析

1.整体空间网络形态分析

采用社会网络分析法，将澳门24个旅游节点作为社会网络节点建立非对称矩阵。根据网络游记的路线获取矩阵关系，例如游记中记载路线为恋爱巷—官也街—巴黎铁塔，则矩阵中相对应的恋爱巷到官也街记为1，官也街到巴黎铁塔记为1，若不存在直接线性关系则记为0，以此累加建立多值矩阵关系。为避免旅游网络不能连接或完全连接现象出现，通过数次试验，确认以2为断点值获得二值矩阵。将二值矩阵导入Ucinet6软件，最终得到游客赴澳旅游的网络结构图（如图4）。图4的网络结构中节点的大小与度数中心度值大小成正比。

图4 大陆赴澳旅游活动空间网络结构图

将二分矩阵导入Ucinet6进行密度计算，由于同一片区间也有旅游活动路线的产生，因此要利用对角线的值进行计算。结果显示赴澳游客空间网络的整体密度值较低为0.3849，可见节点间的旅游联系较弱。整体空间网络中节点间的平均路径距离为1.275，可见网络间各节点的通达程度较高，旅游便捷性较强，空间网络中“距离衰减”现象较为明显。图4中节点越大表明与其他节点的联系越多，节点的旅游次数越多。巴黎人酒店片区、大三巴牌坊区、金沙城中心片区、恋爱巷、威尼斯人酒店片区、官也街、渔人码头、议事亭前地间有较大的联系节点，表明这些节点的客流量较大，是受访澳旅游者欢迎的目的地，也是澳门的核心旅游节点。而澳门半岛片区、竹湾海滩、福隆新街、港珠澳大桥与其他节点间无连线，呈现出“孤岛”状态。

2.凝聚子群分析

凝聚子群可反映网络间的子群规模，揭示节点、子群间的关联与结构特征[16]。分析结果显示网络结构呈现出8个凝聚子群，在一定程度上表现出凝聚性。表1表明，块1（由威尼斯人片区、官也街与巴黎铁塔组成）、块3（由巴黎人酒店片区、大三巴牌坊片区以及银河酒店片区组成）与块4（由金沙城中心片区、港珠澳大桥、龙环葡韵片区组成）的内部结构密度为1、0.75以及0.5，远大于整体网络密度0.3849，可见这3块间内部联系频繁，客流流量较大。而其余对角线值为0，说明这些子块区域内部间的联系稀疏，未形成统一的旅游线路。在各子块的联系中，块1与块3、块4的联系密度均为0.83，可见大陆游客在访澳过程中，旅游活动在块1与块3、块1与块4的旅游节点间交流较频繁。块5内部网络密度值虽为0，但与块1、2、3间的联系密度分别是0.429、0.5、1，表明块5内的旅游节点具有依附性。

图5 大陆赴澳旅游活动网络凝聚子群

表1 旅游节点群间密度

3.核心—边缘结构分析

核心—边缘结构分析可通过量化揭示澳门旅游节点在网络中所处的位置，探讨旅游节点分布的非均衡性问题以及核心—边缘区的关联性程度。分析结果如表2所示，核心区包括威尼斯人酒店片区、大三巴牌坊片区、官也街等8个旅游节点；边缘区包括恋爱巷、妈阁庙片区、龙环葡韵片区等16个旅游节点。澳门旅游节点的核心区多为澳门历史城区组成，澳门历史城区是世界遗产，表明澳门近400年由中西方结合独特的历史文化成为澳门重要的旅游吸引物。且在核心区中，澳门几大购物商场囊括其中，可见赴澳购物成为旅游者重要旅游动机之一。其中，核心区内部节点间的密度值是0.816，远大于边缘区0.012，反映出整体网络中存在显著的分层结构。由数据结果可看出，核心区各旅游节点联结密切，互动频繁。而边缘区内部旅游节点密度值、核心与边缘节点密度值较低，关联性较差。可见核心区对边缘区的带动能力不强，“涓滴效应”较弱。因此在积极发展澳门旅游核心区的同时，应增强核心区对边缘区的辐射及扩散联动作用，促进边缘节点旅游事业的共生发展。

表2 澳门旅游节点核心—边缘结构

（三）赴澳旅游的个体空间网络特征分析

1.空间网络中心性分析

中心性分析可量化测量网络中各节点所处的位置以及中心地位，是社会网络中量化权利的重要手段。其中度数中心度用于判断旅游节点的辐射强度和聚集能力；中间中心度反映网络中节点对其他节点的掌控能力与依赖程度；接近中心度用于研究网络节点的通达性。以二值矩阵的.##h文档为数据集，运用Ucinet6分析网络中心度，分析结果如表3。

（1）度数中心度分析。24个旅游节点平均每个节点与4.042个其他节点在赴澳旅游网络中有辐射与聚集关系。内、外向度数中心度最高的节点为大三巴牌坊片区与威尼斯人酒店片区，表明这两个旅游节点的对其他节点的聚集与辐射作用最强，是访澳游客的首选旅游地。内、外向度数中心度值高于均值的有威尼斯人酒店片区、大三巴牌坊片区、巴黎人酒店片区、议事亭前地片区、官也街、金沙城中心片区、巴黎铁塔、渔人码头片区，表明这八个旅游节点是赴澳游客的重要旅游节点；而其他低于均值的旅游节点吸引和辐射能力较弱，在网络的边缘。结果表明，度数中心度的内、外向数值基本处于同高同低状态，由此说明聚集能力强的旅游节点其辐射能力通常也较强。内、外向度数中心度的方差分别为14.207与18.957，其值较大，揭示澳门旅游节点间互动的非均衡性现象较明显。

（2）接近中心度分析。如表3所示，各旅游节点的内/外向接近中心度值除十月初五马路、路环岛片区及银河酒店片区外，均较接近，表明游客在访澳过程中，将某各或某些旅游节点作为核心游览区，再由该节点疏散与聚集。而十月初五马路和路环岛片区的内向接近中心度均远高于外向接近中心度，表明这两个节点对其他节点的依赖性更大。此外，银河酒店片区的内向接近度显著低于外向接近度，说明作为进入点时其直接与核心旅游节点相连接，较少依赖其他节点，且具较强的通达性。

中间中心度分析。大三巴牌坊片区的中间中心度值最高为131.783，表明这个节点游客是进行旅游活动的必经地，充当着重要的“桥梁”作用，其他节点应增强与大三巴牌坊区的联系以增加更多的游客流量。表3中显示高于中间中心度均值11.750的有七个旅游节点，具较高的控制能力，成为重要的旅游通道。而中间中心度值为0的包括竹湾海滩等9个旅游节点，可见游客很少以这些节点作为中转点，这些节点的中介作用为零。值得一提的是，在现实中充当“桥梁作用”的港珠澳大桥的中间中心度为0，研究结果与现实偏差较大。因港珠澳大桥是在2018年10月底才通车，虽然大桥具有极强联结内地与澳门的作用，但由于搜取的是2018年的游记，且11-12月非澳门旅游旺季，所以在分析中港珠澳大桥的联系作用未体现出来。

表3 大陆赴澳旅游活动网络中心性分析

2.空间网络结构洞分析

结构洞分析可通过量化指标判断网络节点的优劣势地位。结果显示，大三巴牌坊区效能值为12.283远大于其他节点，约束性值极低，即大三巴牌坊区的结构洞水平最高，优势地位明显。而威尼斯人酒店片区、巴黎人酒店片区、巴黎人酒店片区、官也街、金沙城中心片区结构洞水平较高，具备竞争优势。路环岛片区和十月初五马路的效率值最高为0.778，表明这两个旅游节点对其他节点的影响相对较大。约束性指标值揭示了澳门葡京酒店片区、澳门科学馆以及银河酒店片区的限制指数最高，相对处于网络劣势地位。

表4 大陆赴澳旅游活动网络结构洞分析

四、研究结论及对策

基于旅游数字足迹，主要借助社会网络分析法探讨了赴澳旅游者的时空行为，得出以下结论及对策：

（一）内地旅游者访澳时间具显著季节性规律及受国内假期制度影响。访澳旅游旺季为夏、秋季，淡季为春、冬季，此外2月出现小波峰。大陆赴澳停留时间集中于1～2天，虽然澳门旅游资源较丰富，但由于澳门面积较小，旅游资源较集中且交通通达性较好，旅游活动在短期内可完成，因此游客停留时间较短。可通过举办文化节活动以及各类型节事活动吸引游客，来增加游客驻留时间。

（二）星级酒店集中地路氹城与大三巴牌坊坐落区圣安多尼堂区“热度”最高，澳门旅游吸引力分布的均衡性较差，旅游节点吸引力大小差异悬殊。研究表明，游客更加偏向于选择文化底蕴价值高的旅游节点。此外，澳门的历史文化景点以及具备大型商场和博彩业的酒店成为澳门的核心吸引物。应通过新型营销方式聚焦打造澳门核心旅游吸引物，以使其吸引力更大，为澳门赢得更多的“流量”。

（三）整体空间分析表明网络密度值偏低，旅游节点互动性较弱，整体网的均衡性较差；各旅游节点间的通达性较强，但存在显著的“距离衰减”特征。凝聚子群分析表示，赴澳游客旅游活动空间路线呈块状聚集，并出现多区域的分布特征。此外，旅游活动网络的核心—边缘结构明显，应通过核心区积极带动边缘区的旅游事业的共生发展，增加“涓滴效应”。

（四）个体空间网络分析进一步揭示澳门旅游节点间互动的非均衡性特征明显，大三巴牌坊区的中心地位突出，各节点应加强与大三巴牌坊区的联系，以促进旅游事业的发展。度数中心度分析表明聚集能力强的旅游节点其辐射能力往往也较强。此外，游客通常以核心游览区为中心集聚与扩散。结构洞分析揭露出核心区的旅游节点其结构洞水平也较高，具竞争优势，而边缘区旅游节点的受限制的程度较大结构洞水平较低。边缘区节点竞争优势弱，应通过增加交通通达性和加强与核心区联系，来提高其竞争优势，促进网络的均衡化发展。