汪菁菁,梁连健
(桂林理工大学 旅游与风景园林学院,广西 桂林 541000)
网络化时代,人们突破了传统的交流方式,更加趋向于通过网络获取旅游信息,借助互联网进行游前决策、游中消费、游后评论等旅游行为. 诚然,用户在享受网络信息技术带来便捷性的同时,也会留下电子痕迹. 互联网用户在访问网站时,主动或被动地留下的在线网络活动记录被称作数字足迹[1]. 近年来,国内外学者利用数字足迹开展旅游研究,主要内容包括游客行为的时空特征[2-3]、旅游流空间结构特征[4-5]、旅游形象感知研究[6-7]等,并取得了丰富的成果.
旅游空间结构的优化整合能够为旅游目的地的资源分配、旅游产品开发、基础设施建设、旅游线路设计等提供决策依据,有利于合理规划与开发区域内旅游资源,进而促进区域旅游的联合发展[8]. 旅游空间结构研究涉及的尺度较为广泛,包括宏观、中观、微观三种尺度. 其中,宏观尺度主要关注国内和入境游客的行为特征;中观尺度聚焦在“京津冀”“长三角”等经济发达地区以及西部、西南部等地形复杂的山地地区;微观尺度主要以市、区等为研究节点探究旅游流向. 总体来说,相关研究主要侧重于宏观和中观尺度来研究旅游空间结构,微观层面的研究相对较少[9]. 研究数据源涉及二手面板数据、旅游者时空账户、官方统计部门提供的数据等. 近些年,随着旅游大数据研究的兴起,基于旅游足迹的区域空间结构研究逐渐增多. Irem利用2007至2011年发表在Flickr上的照片分析了游客在奥地利的空间行为特征[10]. 蔚海燕等以网络游记为数据源对比研究了上海迪士尼开业前后旅游流网络结构的变化[5]. Henar以游客发表在Panoramio的照片为研究样本,运用密度分析、聚类分析等方法研究了马德里城市旅游者的空间行为[11]. 闫闪闪等基于社会网络和空间统计分析方法,探究了洛阳市区旅游流空间网络结构特征[4]. 目前,鲜少有学者利用数字足迹对桂林旅游景区的空间结构展开研究,因此,本文以网络游记为研究样本,以社会网络分析为主要研究方法,借助Ucinet、ArcGIS等软件,探讨了桂林旅游景区的空间联系及其结构特征,以从宏观整体视角把握游客在桂林市的流动特征,为桂林市的旅游线路规划和旅游资源整合提供参考.
桂林市位于广西东北部,现辖秀峰区、象山区、兴安县、阳朔县等17个区(市)县和高新区,总面积2.78万平方公里. 市内旅游资源丰富,截至2019年共有A级景区75个,其中5A级景区5个,4A级景区31个,知名景区包括象鼻山、芦笛岩、龙脊梯田等. 2019年全市实现旅游总收入1874.25亿元,比上年增长35%;接待国内外游客1.35亿人次,比上年增长26.7%[12]. 桂林作为国务院命名的第一批历史文化名城和重点风景游览城市,是我国重要的旅游目的地,因此选择桂林作为研究案例地具有一定的代表性.
本文选择网络游记作为研究的数据来源,根据Chinaz.com的排名,对比各大旅游网站的游记评论数量与完整度,选择了携程网作为数据源网站. 以“桂林”为关键词,以2018-08-01至2020-01-30为时间窗口,利用网络爬虫技术抓取游记文本. 依据条件:1)游记包含完整内容,到访景区与城市的时间顺序清晰;2)游记内容包含可以证明游客到访的照片. 最终筛选出符合条件的游记文本共331篇.
整理获取的游记数据,提取游客旅游路径,发现共有71个不同的节点. 基于此,按照流量和流向建立“71×71矩阵”. 若两个景点之间存在n次直接的空间移动记为n,不存在空间移动记为0,假设游客的旅游路径为东西巷—象鼻山景区—银子岩—西街,则东西巷至象鼻山景区记为1,象鼻山景区至银子岩记为1,东西巷至西街记为0. 依次累加得到71×71的有向多值矩阵,并导入Ucinet软件中转化为二值矩阵.
运用社会网络分析法构建桂林旅游景区网络,测量游客在桂林市的旅游足迹. 社会网络是由多个具有联系的节点及节点间的连线组成的集合,通过社会网络分析法可以测量单个节点的特征以及多个节点之间的联系,从整体视角把握桂林旅游景区网络结构特征[13]. 利用社会网络分析软件Ucinet分别计算网络密度、中心度、结构洞、凝聚子群密度等指标,分析节点特征与网络结构. 同时,运用可视化工具NetDraw构建桂林旅游景区间网络结构图,结合ArcGIS对旅游轨迹进行空间展示,从而直观地展现游客到访的高频区域及访问路径.
网络密度是衡量网络中各节点之间联系紧密程度的重要指标,整体网络密度越大表示各节点之间的联系越频繁. 通过Ucinet的Density分析,可得出桂林市旅游景区关系网络密度为0.0962,对比以往的网络密度研究,洛阳市的景区网络密度为0.27006[8]、湖州市的景区网络密度为0.2718[14]、武汉市的景区网络密度为0.2157[15],可知桂林市旅游景区网络空间结构密度偏小,各旅游景区之间联系不紧密、互动不明显.
利用Ucinet软件中的Core&Periphery分析可得桂林旅游网络结构核心—边缘分布如表1所示. 结果表明,71个旅游节点中,核心节点有18个,占节点总数的25.35%,核心区节点间的密度为0.683,边缘区节点间的密度为0.015,核心区与边缘区之间的密度为0.24. 观察发现,18个核心节点中有10个节点属于阳朔县,4个节点属于秀峰区,核心节点间距离较近,彼此之间联系紧密,形成集聚效应. 另外,核心区域的密度值远高于边缘区域的密度值,反映了桂林旅游网络结构存在明显的分层现象,而核心与边缘区域之间的连接密度又远高于边缘区域间的密度,说明核心区域对边缘区域有重要的带动作用. 因此,边缘区域除了需要完善旅游服务、强化设施建设之外,也要注重加强与核心区的合作.
表1 桂林旅游网络结构核心—边缘分析
中心性可以判断各旅游节点在网络中是否居于中心地位,节点中心度越高表明该节点与其他景点联系越密切,对旅游网络的控制度越大. 选取度数中心度、接近中心度、中间中心度作为指标分析桂林市旅游景区的网络结构特征,同时通过结构指标判断各旅游节点的优劣地位. 利用Ucinet软件计算可得到各节点的中心度与结构指标如表2所示.
表2 桂林旅游节点结构指标
1)度数中心度是指与该节点直接相连的其他点的个数,是刻画节点中心性的最直接度量指标,包括点入度与点出度,点入度反映节点的集聚效应,点出度则反映节点的扩散能力. 从集聚方面来看,点入度排在前四位的分别是象鼻山景区、龙脊梯田、兴坪古镇、阳朔西街,这些景区被认为是游览桂林必去的景点. 从扩散方面来看,点出度排在前四位的分别是象鼻山景区、遇龙河景区、日月双塔公园、龙脊梯田,这些景区是游客选择较多的中转地. 其中,象鼻山景区、龙脊梯田同时担任着集聚与扩散中心的角色,对整个旅游网络的辐射和凝聚作用都很强. 另外,从表1可知,度数中心度的最大值与最小值差值较大,网络结构呈现出较强的不均衡性.
2)接近中心度反映旅游网络中某一节点与其他节点之间的接近程度,即对于一个节点,它距离其他节点越近,则它的接近性中心度越大. 象鼻山景区、龙脊梯田、阳朔西街、兴坪古镇的外向中心度和内向中心度都很高,说明这些节点与其他节点之间的流动通达性较好,受其他节点控制性小,在不同游览线路中包含这些节点的可能性最大.
3)中间中心度测量某一节点能在多大程度上控制其他节点间的交往,中间中心度为0的节点不能控制其他节点,中间中心度为1的节点可以100%控制其他节点. 中间中心度指标显示,平均每个旅游节点在网络中充当旅游流中介的次数为84.282,71个节点中大于均值的节点共有16个,其中象鼻山景区、龙脊梯田、兴坪古镇位列中间中心度前3位,表明这些节点对其他节点的控制力强,是网络中的关键节点. 从表2中还可以看出有些景区的中间中心度为0,例如乐满地休闲世界、黄沙秘境大峡谷、乌布小镇等,多为知名度较小或者是与核心节点联接性较差的景区.
4)结构洞指标显示,象鼻山景区的效能最大,效率性最高,限制性最小,节点优势最为明显;兴坪古镇、龙脊梯田、阳朔西街、遇龙河景区等旅游节点也具有较高的结构洞水平,在景区网络中也占据竞争优势. 资江漂流景区、五排河漂流度假区、三千漓景区、书童山等旅游节点效能较小,且效率性与约束性较低,处于劣势地位,需加强与具有结构洞优势节点的合作以提高景区的知名度.
为进一步了解网络结构的凝聚情况,将不同的旅游节点识别归类进行子群分析. 凝聚子群之间的联系分为内部联系与外部联系,内部联系是指子群内部各节点之间的联系,外部联系则是指各子群外部的相互联系. 通过Ucinet软件中的Concor算法得到各子群的旅游流密度关系值矩阵如表3所示,值越大表示联系越密切. 通过观察表3矩阵对角线上的数值可知,内部联系紧密的子群有子群1、子群4和子群5,其中子群1内部连接密度最大,为0.550,远远超过整个景区网络的密度,表示该子群内旅游节点被组合成线路的概率最高. 总体而言,高密度值的子群由核心节点及与其地理区位毗邻的节点构成,低密度值的子群则由联系相对较弱的节点构成. 观察矩阵非对角线上的数值可知,子群1和子群4、子群5之间的联系最为密切,表示游客在这几个子群间的流动最为频繁. 进一步观察发现子群1内部包含阳朔西街与象鼻山景区,这两个节点与其他旅游节点联系密切,故子群1与其他外部子群的连接密度值较高.
表3 凝聚子群密度矩阵
表4 表3中子群1—8所包含的节点
运用Ucinet软件中的可视化工具NetDraw构建桂林旅游景区间网络结构图,直观展现游客到访的高频景区及访问路径. 依次选择0、5、10为断点值,当断点值为0时,71个旅游节点均包含于景区网络中,共有478条路径,中心节点优势不明显;当断点值为5时,节点数下降为19,路径数下降为70,中心节点优势逐步显现;当断点值为10时,节点数为15,共有31条路径,中心节点优势较为明显,访问路径最为明晰,故选择断点值为10的景区间网络结构如图1所示进行展示说明. 图1中圆形面积的大小反映了中心度大小,箭头表示流向. 从图1可以看出,圆形面积较大且与其他节点联系紧密的有象鼻山景区、阳朔西街、兴坪古镇、遇龙河景区等,说明这些节点是游客游览的主体景区. 桂林旅游景区网络主要呈现出“双核心”的发展模式,象鼻山景区、阳朔西街分别担任各自子网络的核心角色. 桂林市形成了两条主要的旅游者访问路径,第一条以象鼻山景区为中心节点,以七星景区、东西巷、日月双塔公园、靖江王城独秀峰、龙脊梯田为次级节点的旅游线路;第二条以阳朔西街为中心节点,以兴坪古镇、遇龙河、千古情景区等为次级节点的旅游线路. 虽然桂林一直是旅游热点城市,旅游路线开发已经较为成熟,但由于人们对桂林旅游的传统认知以及官方与旅行社的宣传等因素致使旅游线路较为单一.
图2 游客旅游轨迹网络示意
利用ArcGIS软件对游客空间扩散路径进行可视化分析处理,可得到赴桂林游客旅游轨迹分布如图2所示. 桂林市旅游轨迹呈“西北—东南”走向,旅游流表现为桂林市区、阳朔县密集,西南部永福县、北部资源县、兴安县相对稀疏,东部、东北部、南部旅游区几乎孤立的空间分布格局,整体上呈现出“大分散,小聚集”的空间分布格局.
桂林市区和阳朔县作为重要的中心旅游区域,景点分布密集、交通便捷、设施完备,是旅游信息与服务的重要承担者,属核心旅游区. 因此,旅游流主要集散于双核心区域内的核心旅游节点间,旅游轨迹沿不同方向向阳朔县和市区聚集和扩散. 龙胜各族自治县因其壮美的梯田景观和特色的少数民族风情吸引了大量游客,与市区及周边各县互动频繁,在旅游轨迹网络中承担重要的承接作用,属于次核心旅游区. 游客到访的其他景区主要分布在荔浦县、兴安县、灵川县、资源县、永福县,但各县之间互动较弱,属边缘旅游区,全州县、灌阳县、平乐县在旅游轨迹网络中几乎处于孤立的地位.
以携程网游记数据为研究样本,运用社会网络分析法对桂林旅游景区网络空间结构展开了探讨. 主要结论如下:
1)桂林旅游景区网络结构呈现较强的不均衡性,整体网络结构松散,分层现象明显. 中心度差异较大,少数的知名景区如象鼻山、兴坪古镇、阳朔西街、遇龙河、龙脊梯田等处于网络中心位置,竞争优势明显,知名度较小或者是与核心节点联接性较差的景区处于竞争劣势地位. 节点间的集聚效应明显,但核心旅游节点的带动作用随着距离的增加而衰减.
2)桂林旅游景区网络主要呈现出“双核心”的发展模式,象鼻山景区、阳朔西街分别担任着各自子网络的核心角色,兴坪古镇、遇龙河景区、龙脊梯田等担任着次核心角色,是客流输入输出的重要通道. 景区网络内部存在8个联系紧密的子群,游客访问路径通常是由子群内部核心节点及与其地理区位毗邻的节点组成,游客在桂林市形成了以象鼻山景区、阳朔西街为中心节点的两条热门旅游线路.
3)桂林游客活动轨迹呈“西北—东南”走向,旅游流表现为桂林市区、阳朔县密集,西南部永福县、北部资源县、兴安县相对稀疏,东部、东北部、南部旅游区几乎孤立的空间分布格局. 核心旅游区域为阳朔县、桂林市区,次核心旅游区为龙胜各族自治县. 旅游流集散于双核心区域内的核心旅游节点间,沿不同方向向阳朔县和市区聚集和扩散.
1)发挥核心节点的引领带动作用,强化旅游宣传营销. 一方面,对于核心旅游景区如象鼻山、西街、遇龙河等可适当增加游客服务中心,以满足游客的服务需求;同时,核心区域内的边缘节点如世外桃源、三千漓景区等应抓住区位优势,加强基础设施建设,发挥空间近邻效应,顺势而为地吸引客流. 另一方面,游客青睐于象鼻山、西街等核心节点,而乐满地休闲世界、猫儿山、灵渠等其他知名景区却鲜有人问津,因此,要充分利用传媒手段,在宣传热门景点的同时,兼具其他旅游景点的宣传推介.
2)打造旅游精品线路,完善交通网络建设. 首先,整合桂林市旅游资源,打造历史文化经典游、少数民族风情游、山水文化体验游等各具特色的旅游线路. 其次,在核心旅游区域以及联系紧密的旅游节点之间开设旅游专线,通过升级改造观光巴士系统、休闲慢行绿道、休闲水上交通等来缓解市区和阳朔县在旅游旺季的交通压力. 最后,对于边缘旅游区域注重改造升级通往景区的道路,在景区交通主干道增加指示牌,为游客自驾游提供方便,弥补交通区位劣势.
3)实现跨区域旅游开发,促进区域旅游协同发展. 目前,桂林旅游空间网络结构发展不够均衡,桂林市区与阳朔县在网络结构中占有重要地位,全州县、灌阳县、平乐县的旅游参与程度低,几乎未受到核心区域的辐射影响. 按照“两核两级”的空间布局模式,进一步优化桂林旅游景区网络空间结构,发挥桂林城区、阳朔县在整体网络中的带动作用,培育龙胜县、兴安县成为新的旅游增长极,增强核心旅游区对桂林东部、东北部以及南部旅游区的辐射力. 此外,为带动边缘区域协同发展,可给予全州县、灌阳县、平乐县等边缘旅游区的政策支持,通过采取与核心旅游区域联合营销等方式来促进旅游空间结构的良性发展.