中国主要城市入境旅游经济空间结构演化及发展模式

董亚娟， 王雨薇， 蒋怡斌， 韩小萌

（1.长安大学经济与管理学院，西安 710054； 2.陕西师范大学地理科学与旅游学院，西安 710119）

进入21世纪以后，世界国际旅游的发展规模得到迅速扩展，中国入境旅游业也呈现出高速发展的态势，2000—2017年接待入境游客人数和旅游外汇收入分别增长0.67倍和6.62倍［1］，入境旅游已成为我国旅游市场重要的组成部分. 在入境旅游市场中，城市作为入境旅游者目的地选择的重要空间层面，承担着集聚、扩散和中转的功能［2］. 旅游要素流动和交通扩散以城市作为空间载体，促使区域城市间展开深入的入境旅游经济联系合作. 旅游经济联系是旅游要素在不同城市旅游地流动的综合体现，反映城市之间相互作用和关联的程度，也是驱动区域空间网络结构形成的重要因素［3-4］. 然而，受资源禀赋、经济发展水平以及区位条件等综合因素影响，城市在入境旅游空间结构中的等级地位存在明显的差异［5］，并且入境旅游者通常选择旅游吸引物丰富或交通便利的主要城市进行参观游览［6］，这进一步导致入境旅游市场中城市发展水平不均衡.因此，研究主要城市入境旅游空间结构演化过程，有利于从宏观背景下了解城市自身以及相关区域空间结构的分布特征及演变规律，为优化入境旅游空间布局提出有效的区域发展战略，推动入境旅游市场协同发展［7］.

国外关于旅游空间结构的研究始于20世纪60年代，主要以早期提出的中心地、核心—边缘理论等为基础［8-9］，对旅游空间结构发展模式、旅游空间异质性、旅游企业空间结构关系等多方面展开研究［10-12］. 国内相关研究成果同样较为丰硕，但研究对象多为国内居民旅游［13-15］，对入境旅游空间的研究集中于以下三个方面：①从入境旅游流的视角切入，以旅游人次的流动为指标，通过构建空间转移态模型、变异系数、社会网络分析理论等方法，开展对入境旅游流的网络结构特征、空间分布规律及影响因素等方面的系统研究［16-19］；②基于入境旅游经济增长的视角，以旅游外汇收入为测度指标，运用空间计量模型、Granger因果关系检验等方法，对入境旅游经济发展的空间差异［20-21］、空间效应［22-23］、空间关联性及影响因素［24-25］等方面展开研究；③以入境旅游规模为视角，选取入境游客规模或收入规模为测度指标，采用首位度、位序-规模等方法对入境旅游规模的空间结构演化［26-27］、区域差异及影响因素［28-29］等方面进行分析. 其中，社会网络分析法被视为研究复杂旅游系统中不同网络结构的绝佳范式［30］，有利于在整体视角下探讨旅游空间结构的形成及演化，同时理清个体视角下节点对整体结构的影响及作用，学者们运用社会网络探讨旅游现象与分析旅游要素之间的关系已成为一种趋势［31］.

现有研究中，数据多直接选用入境旅游人次、人天数和旅游外汇收入等传统属性数据，或采用基于Granger因果关系检验处理后的关系，忽略了时间序列和交通影响下的入境旅游经济关系数据；研究时限多针对某一特定年份的单一年份，忽视了对整体网络及城市动态演变特征及规律的探讨；集中讨论入境旅游发展的影响因素，缺乏对入境旅游未来发展模式的探讨. 因此，本文借助修正引力模型测算2000—2017年主要城市间的入境旅游经济联系强度，结合社会网络分析法构建入境旅游经济联系网络，基于“关系”视角揭示入境旅游空间结构的动态演化特征及趋势，以期为优化中国入境旅游空间结构，助力区域联动发展提供参考建议.

1 数据来源与研究方法

1.1 数据来源

研究区域的选择基于以下两方面考虑：一是选择中国七大区域内具有代表性的入境旅游城市；二是选择入境旅游人数与旅游外汇收入两个指标排名前列的城市. 结合《中国旅游统计年鉴》最终选取21个主要城市作为研究区域，分别为华北区域的北京、天津，华中区域的武汉、长沙，华南区域的广州、深圳、珠海、桂林，华东区域的青岛、黄山、上海、苏州、杭州、福州、泉州、厦门，东北区域的大连，西北区域的西安，西南区域的重庆、成都、昆明.

本研究选取各城市的入境旅游人次、旅游外汇收入两个指标作为搭建网络的原始数据，主要来源于2001年、2010年和2018年《中国旅游统计年鉴》，缺失数据从各城市的统计年鉴及社会统计公报中获取；城市间的高铁运行时间数据来源于中铁12306 官方网站（https：//www.12306.cn），航空交通时间数据来源于携程旅行官方网站（http：//m.ctrip.com）.

1.2 研究方法

1.2.1 修正引力模型 通过修正引力模型测算城市之间入境旅游经济的相互作用并以此为基础构建入境旅游经济联系网络. 其公式为

式中：Rij为两个城市之间的入境旅游经济联系强度；Pi、Pj分别表示两城市的接待入境旅游人数；Vi、Vj分别表示两城市的旅游外汇收入；Dij表示两个城市之间的空间距离. 以往研究中，一般选取公路距离来反映空间距离，但鉴于入境旅游不同于国内旅游，且入境旅游者多选择飞机作为出行的主要交通工具，本文以两个城市间通达所需的综合时间代替公路距离［7］. 计算原则为优先选取两城市间最短的直达航空时间，若无直达航班，则采用转机或直达高铁的最短时间.

1.2.2 社会网络分析 社会网络分析是通过对行动者之间的相互作用进行量化，揭示由行动者关系所构成的社会网络结构的定量分析方法. 本研究视每个城市为单独的“行动者”，基于中心度这一指标探讨个体视角下节点城市的分布特征以及对整体网络的影响，选取网络密度、核心—边缘、凝聚子群等指标分析整体网络结构的演化规律.

1）网络密度

网络密度用来衡量整体网络中节点之间入境旅游经济联系的紧密程度. 值越高，反映出入境旅游网络密度越大，节点城市之间的连接越紧密.

式中：D 为网络密度，取值范围为［0，1］；m 为城市间实际存在的入境旅游经济联系；n 为网络中节点城市的个数.

2）网络中心度

中心度是以“个体视角”刻画节点在整体网络中所拥有权力的大小与所处的核心位置，常用的测量指标包括点度中心度、中间中心度和接近中心度.

点度中心度衡量节点在网络中的中心性大小，度数越高，表明与该城市产生联系的节点数越多，该城市在入境旅游网络中的中心地位和权力较大.

式中：CRDi为城市i 的相对点度中心度；CADi为城市i 的绝对点度中心度.

中间中心度衡量整体网络中某一个节点对其他节点控制的程度. 度数越高，表明该城市位于其他城市对连接的捷径上，所发挥的“中转”作用和对其他城市的控制能力越强.

式中：j ≠k ≠i，且j ＜k. CRBi为城市i 的相对中间中心度；CABi为城市i 的绝对中间中心度；gjk（i ）表示城市j 和城市k 所存在的经过城市i 的捷径数量；gjk表示城市j 和城市k 之间所在的捷径数量.

接近中心度反映整体网络中某一个节点与其他节点的通达性. 度数越高，表明该城市可以较快地与其他城市之间产生旅游经济联系，不易受其他节点城市的控制，在入境旅游网络中拥有较高的中心地位.

3）核心—边缘模型

核心—边缘模型用于判断节点在网络中处于核心位置还是边缘位置. 本研究通过计算核心区与边缘区的密度明确城市在入境旅游经济联系网络中所处的位置以及核心—边缘结构的演变特征.

4）凝聚子群

本研究依据城市间的入境旅游经济联系强度将联系紧密的城市划分为同一团体，通过分析小团体集聚现象反映城市间的亲密程度和合作倾向.

2 入境旅游经济空间结构特征及演化

2.1 入境旅游经济联系趋于紧密

图1 2000—2017年主要城市入境旅游经济联系强度空间结构演化Fig.1 Spatial structure evolution of inbound tourism economy linkages in major cities during 2000-2017

通过公式（1）计算2000、2009和2017年主要城市间的入境旅游经济联系强度，借助ArcGIS 平台对其进行空间可视化，绘制出入境旅游经济联系网络空间分布图（图1），图中节点城市之间的连线表示入境旅游经济联系强度，连线粗细表示联系强度的大小. 由于地理位置邻近，2000年入境旅游经济联系强度最大的城市对是广州-深圳，联系强度为25 928，其次是上海-苏州、北京-天津，共有196 对城市间的联系强度小于500，其中联系强度最小的是黄山-成都、黄山-长沙，联系强度仅为1. 整体上，2000年入境旅游经济联系强度低，仅经济发达的广州、上海、北京与周边城市的短距离联系相对紧密. 2009年联系强度超过5000的城市对增至5对，均属于珠三角和长三角区域，其中联系强度最大的仍是广州-深圳，联系度强增幅达316%. 此时，整体网络呈现由长三角、珠三角、环渤海核心城市构成的“金三角”空间格局，三个城市群的入境旅游经济联系强度呈大幅度增加的趋势，尤其珠三角与长三角之间的长距离联系强度显著增加，并带动东南部其他城市发展，而中西部城市之间以及与东部城市的联系仍处于较低的状态. 2017年联系强度超过5000的城市对增至9对，联系强度最大的依然是广州-深圳，增幅为135%，联系强度小于500的城市对减少68%，其中最小的是大连-昆明，联系强度为30. 整体上，“金三角”格局强化并呈现辐射效应，不仅带动东部城市之间入境旅游经济联系强度大幅增长，还为中西部与东部城市搭建沟通的桥梁，但东西走向的空间联系小于南北走向，中西部城市发展存在较大潜力.

2.2 网络节点空间结构分析

基于城市间入境旅游经济联系强度分别建立2000、2009和2017年的21×21入境旅游经济联系矩阵，为准确反映各城市的特征进行反复试验，最终选取482作为阈值，即将入境旅游经济联系强度大于或等于482的值记为1，反之为0，进而构建二分矩阵. 借助UCINET6.0和ArcGIS10.2绘制2000—2017年主要城市中心度分布图（图2、图3、图4）和凝聚子群结构图（图5）.

2.2.1 入境旅游经济网络重心向中西部扩散 由图2可看出2000年主要城市点度中心度整体偏低，空间差异显著. 广州、深圳、上海、北京为点度中心度高值区，其邻近城市数值较低，其他城市的点度中心度均为0.表明核心城市中心性低，只能与邻近城市产生较弱的空间关联，两极分化现象显著. 2009年北京的点度中心度增幅较小，中心地位降低，与广州、深圳和上海拉开差距，东部其他城市增幅明显. 而中西部仍然处于低值区，但除西安、昆明和成都以外，中西部其他城市呈现小幅上升. 表明2009年核心城市中心性的增强拉动了东部整体发展，但无法对较远的中西部城市产生辐射影响，导致东部城市的点度中心度较高、中部城市次之、西部城市最低，空间分布呈阶梯性特征. 2017 年广州、深圳和上海三个核心城市的点度中心度已达100%，北京、杭州加入东部高值区域. 同时，武汉、重庆也发展为网络重心，中西部其他城市的点度中心度增幅大于东部城市. 表明核心城市的辐射效应增强，网络重心呈现由东部逐渐向中西部扩散的趋势，东强西弱的发展格局有所缓解.

图2 2000—2017年主要城市的点度中心度分布演化Fig.2 Evolution of degree centrality distribution in major cities during 2000-2017

2.2.2 入境旅游经济网络中“穗、深、沪”中介地位稳固 由图3可看出2000年仅有北京、上海、广州三个城市存在中间中心度，其他城市中间中心度均为0，所占比重为86%. 表明北京、上海和广州对其他城市的控制能力高，核心地位显著，空间分布存在较大的差距. 2009年除北京以外，东部城市中间中心度整体提高，其中深圳显著提升，与广州、上海组成高值区域. 此时，中西部城市的中间中心度仍为0，但整体上数值为0的城市已减至48%. 表明此时期主要连接通道发生迁移，北京的中介地位下降，深圳一跃而上，成为网络通道的重要一员，对其他城市的影响和控制能力加强，广州、深圳和上海的联结作用拉动了东部部分城市产生联系. 但中西部城市仍呈边缘化状态，无法控制其他城市间的入境旅游经济联系. 2017年三个核心中介城市中间中心度大幅下降，最高值由15.71%降至5.72%，北京、杭州加入高值区. 大连和昆明的中间中心度仍为0，处于网络的边缘位置，其他城市的中介作用提升但整体增幅不大. 表明广州、上海、深圳在网络中的中介作用稳居首位，北京和杭州次之，充当着网络中重要的连接通道，大部分城市以此作为联结点而产生联系和沟通.

图3 2000—2017年主要城市的中间中心度分布演化Fig.3 Evolution of betweenness centrality distribution in major cities during 2000-2017

2.2.3 入境旅游经济发展呈现多中心发展态势 由图4 可看出2000 年各城市的接近中心度普遍较低，高值区分布在东部的10 个城市，数值最高的是广州. 整体网络中有52%的城市接近中心度值为0，中西部城市占据其中大部分，处于边缘化状态. 表明广州与其他城市的通达性最好，除大连、青岛、福州以外的东部城市间入境旅游经济联系相对紧密，中西部与东部之间呈断层式发展. 2009 年除西安、成都和昆明的数值仍为0 以外，其他城市的数值均显著上升，数值最高的是广州和上海，武汉、重庆、桂林等8 个城市增幅较大. 表明2009 年广州、上海与其他城市保持较好的通达性，在整体网络中处于中心位置. 接近中心度高值区向中西部扩散，中西部与东部城市的空间差异缩小，两极分化的现象有所缓和. 2017 年各城市的接近中心度均大幅度上涨，最低值达57.14%，远高于2009 年的最高值. 广州、深圳、上海的接近中心度值已达到100%，在其他城市产生联系的过程中它们承担着不可或缺的连接作用，成为网络中的绝对中心节点. 同时，北京、杭州、厦门、珠海、武汉、重庆6 个城市的数值超过平均值78.71%，表明这6 个城市在网络中同样是中心节点，能够与其他城市快速产生联系，多个中心城市的涌现促使区域入境旅游经济呈均衡化发展的趋势.

图4 2000—2017年主要城市的接近中心度分布演化Fig.4 Evolution of closeness centrality distribution in major cities during 2000-2017

图5 2000—2017年主要城市入境旅游经济联系网络凝聚子群结构演化Fig.5 Evolution of cohesive subgroups of inbound tourism economy connection in major cities during 2000-2017

2.3 整体网络空间结构分析

2.3.1 核心区域扩大，整体联系逐渐提升 根据上文所构建的网络二分矩阵，利用UCINET 划分并计算2000—2017年核心区域、边缘区域以及整体网络的入境旅游经济联系密度. 2000年入境旅游经济联系网络结构中存在分异现象，4个核心城市集中在东部，中西部城市则处于边缘地位. 2009年杭州与珠海转为核心城市，东部核心区范围扩大，中西部仍被边缘化. 2017年，东部有4个城市加入核心区，西部的3个城市以及中部的武汉也发展为核心区域，核心区范围沿南北纵向和东西横向不断扩大. 由表1可知，2017年中西部城市新增为核心节点后，受地理距离影响，核心区内部联系小幅下降，但边缘区内部以及与核心区之间的空间联系趋于紧密，表明核心区域范围的扩大拉动了边缘城市发展，与边缘区之间的互动更加活跃，核心区对边缘区的辐射效应大于控制能力. 总体上，2000—2017 年入境旅游经济联系整体网络密度由0.062 上升至0.695，表明入境旅游经济联系网络结构由疏松趋于紧密，旅游要素的流通性增强.

表1 入境旅游经济联系网络核心区与边缘区密度矩阵Tab.1 Density matrix of core and marginal areas in the economic linkage network of inbound tourism

2.3.2 行政制约弱化，“飞地合作”趋势明显 基于2000—2017年主要城市间入境旅游经济联系强度，采用UCINET 中的CONCOR（迭代相关收敛法）算法，选择最大分割深度为2，收敛标准为0.2，对入境旅游经济联系网络中凝聚子群结构及其密度分布的演化进行分析.

在二级层面上，2000—2017年网络中子群数量由3个增至4个，内部结构发生明显变化（图5）. 2000年入境旅游经济联系被划分为三大凝聚子群，子群的空间组织形态呈现明显的核心—边缘等级结构特征，其中以广州、深圳、北京为核心城市抱团组成的第Ⅰ子群，以上海为核心城市抱团组成的第Ⅱ子群，第Ⅲ子群由其他边缘城市被迫组团形成. 2009年大连与其他城市割裂并独立形成第Ⅳ子群，其他三个子群呈现出物理邻近性组团特征，核心城市依然集中于第Ⅰ子群. 2017年凝聚子群的数量未发生变化，但内部结构被打乱重组，形成“核心+边缘城市组团”“飞地经济合作”的新模式. 第Ⅰ子群内部成员为广州、深圳、上海三大核心城市，第Ⅱ子群是以天津为核心城市带动大连和青岛组成的团体，第Ⅲ子群由北京、成都、重庆等东西部核心城市带动中西部边缘城市构成，第Ⅳ子群由东部其他核心城市和中部边缘城市组团发展. 核心城市分散于4个子群，跨区域带动边缘城市发展，东部与中西部之间的界限弱化，共同组团协同发展.

边缘城市组成的第Ⅲ子群内部以及与其他子群的密度为0，表明入境旅游经济联系较强的东部城市主动抱团组成高密度子群，而联系较弱的中西部城市被迫组成低密度子群. 2017年由三大核心城市组成的第Ⅰ子群不仅内部密度值增至1，与其他三个子群间的密度也为1，表明第Ⅰ子群内部各城市经济水平发达、地理位置优越且旅游要素资源丰富，与其他子群的联系中处于优势地位且溢出效应显著. 在核心城市的带动下，第Ⅱ、Ⅲ、Ⅳ子群内部密度同样明显提高，分级发展的局面有所改善. 子群之间的联系受空间距离的影响，相邻的子群密度较大，相隔较远的子群密度相对较小，呈现出明显的地理邻近性特征.

表2 二级层面上网络凝聚子群密度矩阵Tab.2 Network density matrix of cohesive subgroups at the second level

3 结论与建议

3.1 结论与讨论

本研究基于修正引力模型测算出三个时间截面的入境旅游经济联系度，运用社会网络分析法和GIS空间分析对21个主要城市的入境旅游空间结构特征及演化规律进行可视化分析，得出以下结论：

1）由三大城市群的核心城市构成的“金三角”空间格局不断强化稳固，利用“涓滴效应”先后带动东部和中西部城市入境旅游发展，促进主要城市间入境旅游经济联系强化，实现整体网络趋于协调化发展.

2）北京、上海、广州和深圳作为绝对中心节点，是大部分城市沟通和连接的核心联结点. 武汉、重庆、杭州等城市在网络中的中心性也日益突出，中心度高值区向中西部扩散，空间差异不断缩小.

3）入境旅游经济联系网络中核心城市数量猛增，核心区域范围不断扩大，增强了边缘区内部以及与核心区的互动，进而推动整体网络空间联系不断提升.

4）入境旅游经济联系网络发展中子群数量增加，内部结构变化明显. 凝聚子群空间格局呈现“核心—边缘层级分明”、“物理邻近性组团”、“飞地经济合作”三个阶段，现阶段核心与边缘城市跨区域组团模式突破地理位置对城市入境旅游发展的制约，削弱了“强者愈强，弱者愈弱”分级发展的局面.

本文着眼于经济联系的空间结构变化，在现有文献的基础上，综合考虑交通时间对入境旅游经济联系的影响，以城市为研究单元探究宏观区域入境旅游经济空间网络结构演化趋势. 在大数据成为热门数据形式的当下，今后可考虑运用大数据对多尺度层面，尤其微观层面的入境旅游空间结构进行深入分析. 同时，由流动要素构成的入境旅游网络中，除了旅游流，还存在着交通、信息、文化等不同要素的流动，通过对其他流动要素进行量化，分析区域入境旅游发展的内在机理以及优化空间网络格局是未来进一步的研究方向.

3.2 优化建议

基于前文对入境旅游经济联系个体和整体网络结构特征的分析，结合国务院发布的《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》，提出以下区域合作发展相关建议，以期为优化中国入境旅游空间组织发展模式提供合理参考.

1）加强改善入境旅游东强西弱的空间格局，继续着重培育西部区域增长极，带动西部其他城市发展. 根据前文入境旅游经济联系强度与节点中心性的分析结果可知，2009—2017年成都和重庆的入境旅游发展迅速，在入境旅游经济联系网络中成为中心节点，与东部的联系愈加紧密，西安作为邻近城市具有较大潜力，故选择这三个城市作为带动西部发展的增长极. 培育西安成为西北区域的增长极，带动甘肃、宁夏、青海、新疆入境旅游经济增长，打造丝绸之路特色旅游产品. 以成都和重庆作为西南区域强有力的“双核”，加强与云南、贵州、西藏之间旅游交通设施的建设，共同协作发展，提高对南亚、东南亚及其他周边国家的吸引力.

2）构建“两纵一横”入境旅游发展轴线，稳固东部城市的旅游吸引力，强化东中西部的联动与互补功能.根据凝聚子群结构的分析结果可知，2009—2017年上海、广州、深圳三个核心城市已构成稳定的旅游轴线.以此为基础向北延长，构建以北京—天津—青岛—上海—深圳—广州等城市为南北走向的沿海旅游轴线，充分发挥沿海城市经济实力雄厚、地理位置优越等优势，同时加强核心城市国际枢纽机场功能和次核心城市港口建设，推进环渤海、长三角、海峡西岸、珠三角等经济区的旅游经济互动；由前文联系强度可看出，网络中广州与西部城市的入境旅游经济联系度最大，构建以广州—桂林—重庆—成都—西安等城市为南北走向的西部旅游轴线，对途经的贵州、云南发散辐射效应；构建以上海—杭州—苏州—武汉—重庆—成都等其他城市为东西走向的内陆旅游轴线，挖掘沿线长江中游城市群、中原城市群、成渝城市群入境旅游经济的协同发展潜力，强化对沿线周边地区的辐射效应.

3）弱化地理位置对入境旅游经济的限制作用，共建跨区域入境旅游联动发展机制. 以便捷的交通为依托，引导东部地区积极地与中西部产生交互效应，为其输入客源，分散自身压力. 同时，中西部城市依据旅游资源进行组团式合作，主动寻求与东部融合的路径，塑造多元化特色化的入境旅游产品，提高旅游服务设施，借助内部和外部两方面力量提高自身在网络中的地位.