基于数字足迹的黄山市旅游流空间网络结构特征

吉 慧

（安徽师范大学 皖江学院 管理系，安徽 芜湖241008）

旅游空间结构是旅游地理学研究的核心问题之一，［1］旅游流是用来对游客在旅游活动中的时间和空间的运动状态规律进行研究的旅游区位地理学中心问题要素之一。［2］国外于20 世纪60 年代有学者开始对旅游流空间结构进行研究，［3］国内自20 世纪80 年代起逐渐出现大量关于旅游流方面的研究。国内外学者利用问卷数据、网络大数据（微博签到、网络游记、地理标记照片）、计量统计法、GIS 空间分析法、区域经济学、社会网络等理论与方法对不同空间尺度区域主体的旅游流时空分布特征开展深入研究，并取得了丰硕的研究成果。如：利用Twitter 上数字足迹（文本、图片、移动终端数据）对意大利景区内部旅游流时空分布进行分析，利用大数据与数字足迹分析研究城市中游客的空间行为特征与偏好；［4］运用社会网络分析法研究自驾车旅游目的的网络特征；［5］基于旅行社以及客运数据，运用社会网络理论和方法对珠三角城市群旅游流网络结构的现状进行分析；［6］基于在线预订数据分析，利用社会网络等方法对长三角的旅游流网络结构特征与影响因素进行研究；［7］基于地理标记照片，利用密度聚类、马尔科夫随机链等方法探索北京市入境旅游流空间特征；［8］通过网络游记与照片两种“数字足迹”，运用计量统计和社会网络理论和方法研究入滇自驾车旅游客流的时空特征；［9］通过问卷调研数据，利用GIS 空间分析法和社会网络理论方法对上海迪士尼主题公园旅游者不同尺度空间流动特征进行研究。［10］

从国内外相关研究成果来看，早期研究的数据来源以问卷调查和相关统计数据为主，随着互联网发展，因网络海量数字足迹信息所具有的优质特征，网络数据成为研究数据非常重要的来源。此外，空间旅游流研究多集中于国内、城市群等大尺度区域。［11］本文尝试采用网络游记与照片两种“数字足迹”获取旅游客流数据，借助社会网络理论与方法探索以黄山市为案例地的市域旅游流空间网络结构特征，对微观尺度的旅游区空间网络结构进行研究，探讨其旅游空间网络结构，有利于旅游景区（点）之间的合作，也有助于政府正确处理空间关系、科学制订空间发展政策。

一 数据获取和研究方法

（一）数据获取和选择

2020 年2 月20 日进入去哪儿网（https：//www.qunar.com），在游客游记中搜索关键词“黄山”，结果显示2007 年3 月—2020 年2 月黄山风景区为主要目的地的自助游游记共1 342 篇，利用八爪鱼软件对样本游记的以下信息进行采集：游记标题、途径旅游地、主要行程、出发时间、天数、人均费用、人物、玩法及具体网络地址。以上信息的抓取能够保证游记的唯一性。同时采用网络游记和照片两种“数字足迹”，游记用于从文字内容上迅速确定旅游节点，而照片则重在印证文字表述的合理性。在此基础上，采用人工识别的方法选取样本，并利用人工方式对游记行程和流动数据进行记录。游记筛选的条件：其一，剔除具有广告和网络推手杜撰的游记，以及有明显复制抄袭痕迹的游记；其二，剔除重复的游记和并未进入黄山风景区，也没有进入宏村等黄山市主要目的地的游记；其三，剔除跟团游的游记；其四，以是否完整记录从抵达到离开的主要行程和来黄山的交通工具为标准对游记进行筛选；其五，对游记发布人为黄山当地人的游记进行剔除。最终筛选出符合标准的游记801 篇，共涉及60 余处旅游景点，为简化分析，选择有统计意义的游客到访率较高的23 个景区（点）。其中，22 个景区（点）位于黄山市境内，千岛湖景区虽位于浙江省杭州市淳安县境内，但千岛湖有往返黄山市歙县深渡镇和浙江省淳安县的客船，深渡镇是黄山—千岛湖黄金旅游线上中转站，是黄山市旅游流组成部分。23 个景区（点）作为主要旅游节点进行的分析见表一。

表一 主要网络节点游客到访情况一览表 单位：次

（二）数据处理与研究方法

用EXCEL对搜集数据进行记录，并利用SPSS 19.0软件对旅行数据和节点信息进行统计分析，利用SPSS 软件输出上文23 个景区到访数据，即矩阵数据A。为构建便于UCINET 软件分析的网络结构数据，需要对数据进行有向化和标准化处理。对矩阵数据A 进行转置，形成矩阵数据A′，A′×A 矩阵的乘积即为23×23 行列的方阵B，方阵B 即为同时到访某两个景区的游客量。为获得有向矩阵数据，对B 数据进行进一步标准化，即规定每个景区的游客量统一为23 个景区游客到访量的均值，形成有向非对称的矩阵C。在社会网络分析中，多值网络与二值网络在很多变量的定义和计算中存在一定差异，在传统的多值社会网络分析中，通常将连线值大于0 即视为连通，将连线值为0 视为不连通。结合研究实际，需要设定一定的阈值，将游客出现较少的连线视为“无互动”，在计算部分指标时实现多值矩阵向二值矩阵的转换。本文利用UCINET 软件的“Transform →Dichotomize”路径将多值网络转换为二值矩阵，首先计算出矩阵C 的非零元素均值为18，取18作为阈值，将游客流动数大于18 的记为1，小于等于18 记为0。二值化后的矩阵命名为D 矩阵。

二 结果分析

在数据处理基础上，利用社会网络分析方法（Social Network Analysis ，SNA）和UCINET 软件进行网络结构计算，构建黄山市旅游流网络结构图。本研究从网络结构指标和旅游节点结构指标来分析黄山市旅游流网络特征：一是选取旅游网络规模、旅游网络密度、中心势及核心-边缘模型、块模型分析整体旅游流网络结构的特征；二是选取旅游节点的中心性和结构洞指标分析旅游节点的网络特征。

（一）旅行数据基本情况

对样本数据进行分析发现，旅行具有以下特征：客源来自29 个不同省级区域，涉及93 个城市；67%的游客将黄山市作为唯一旅游目的地进行游览；旅游天数，1 天占6%、2 天占26%、3 天占35%、4 天占17%、5 天占11%、5 天以上占5%；游览景区数量，1 个景点占18%、2 个景点占24%、3 个景点占28%、4 个景点占16%、4 个以上景点占14%；进入交通方式，火车为22%、高铁为21%、自驾车为17%、飞机为10%、汽车为9%、其他混合交通为21%。

（二）整体网络结构分析

利用Netdraw 软件对二值化数据进行分析，导出黄山市客流网络结构图（见图1）。通过图1 显示，旅游客流呈多核心辐散状，形成黄山风景区（N1）、宏村（N2）、屯溪老街（N3）、西递（N4）多核心的整体网络特征。整体网络密度是0.264 8，即一个由23 节点组成的网络最大可能的联结数是506 个，实际出现134 个，可见网络密度较低，说明各景点之间存在一定相互联系，但超过一定强度联系的比重不大。

1.网络基本统计特征。通过Tools-Univariate Stats 路径，对行动者发送连接情况进行分析。节点发送给其他节点连接的总和称之为点的出度，出度通常代表行动者所拥有的影响力；反之，点的入度表示接收连接的总和，入度通常代表行动者所拥有的权利。表二显示，点出度值总体水平不高，最大值为10，最小值为2；点入度等级差异较大，最大值为22，最小值为0，总体网络连接互动水平较低，且黄山风景区、宏村、西递点出度较低和点入度很高，说明这些高等级景区对黄山市其他景点更多表现为客流的吸引作用，进一步对网络Arc-based 互惠性进行计算，结果为0.283 6，即说明在所有图形关系中，约有28%为相互连接，总体互惠程度较低。

表二 网络节点点出度和点入度分布一览表 单位：个、%

2.网络中心势。外向和内向度数中心势分别为19.84%、76.86%，中介中心势为7.02%，旅游流网络内存在无限距离，所以接近中心势不能具体测算。外向度数中心势较低，内向度数中心势较高，表明整体旅游流网络中心化具有较高水平，存在关键旅游节点，即以黄山风景区、宏村等为代表的关键节点，中介中心势较低说明较多旅游节点需通过核心旅游节点发生连接，典型的如屯溪、黄山风景区等节点，对于非自驾车游客来说，屯溪、黄山风景区是最为重要的交通枢纽，而屯溪中转角色非常突出，重要例证表现为屯溪老街是游客到访率排第三位的景区。上述分析显示，区域旅游流网络可能存在核心-边缘结构。

3.核心-边缘分析。核心-边缘结构分析根据网络中节点之间联系的紧密程度，将网络中的节点分为两个区域，核心区域和边缘区域。核心区域的节点在网络中处于比较重要的地位，边缘区域则相反。表三结果显示，核心区有20 个，边缘区有3 个。核心区旅游节点紧密度达到0.657，联系较为紧密，边缘区节点之间紧密度为0.304，说明旅游流网络结构层次分化严重，核心区与边缘区紧密度为0.059，边缘地区与核心地区的紧密程度为0.700，核心旅游节点在与边缘旅游节点的交换关系中处于优势地位。

表三 核心-边缘分析结果

4.块模型分析。根据图1 中各网络的关系，利用UCINET 软件中的CONCOR 程序，以分割深度为2、收敛标准为0.2 进行分析。拟合度为0.642，大于0.5，结果较为显著。将整个网络分割为四个板块：板块一包括黄山风景区、宏村、屯溪老街、西递4 个旅游节点；板块二包括黎阳in 巷、塔川2 个旅游节点；板块三包括翡翠谷、碧山、九龙瀑、齐云山、木坑竹海、卢村、奇墅湖、南屏8 个旅游节点；板块四包括牌坊群·鲍家花园、呈坎、唐模、徽州古城、花山谜窟、渔梁坝、千岛湖、潜口、新安江山水画廊9 个景区。

各板块具体的流动特征见表四。板块一共接收84 个关系，其中板块内部关系为11 个，接收其他板块73 个关系，发出12 个关系，期望内部关系比例为13.64%，实际内部关系比例为91.67%，其成员既接收来自外部成员的关系，也有来自自身成员的关系，是首属人位置，该板块成员与板块内成员和板块外成员都有较多的关系，相较而言，该板块主要接收外来关系，由此，该板块为“主受益板块”。板块二共接收10 个关系，其中板块内部关系为0 个，接收其他板块10 个关系，发出9 个关系，期望内部关系比例为4.55%，实际内部关系比例为0，其成员与其他位置的成员之间的关系比与自己成员之间的关系多，并且收到外来的关系不多，是谄媚位置。板块三共接收6 个关系，其中板块内部关系为5 个，接收其他板块2 个关系，发出42 个关系，期望内部关系比例为31.82%，实际内部关系比例为11.90%，其成员与其他位置的成员之间的关系比与自己成员之间的关系多，并且收到外来的关系不多，是谄媚位置。板块四共接收34 个关系，其中板块内部关系为33 个，接收其他板块1 个关系，发出71 个关系，期望内部关系比例为36.36%，实际内部关系比例为46.48%，其成员与其他位置的成员之间的关系比与自己成员之间的关系多，并且收到外来的关系不多，是谄媚位置，但相较于板块二，其内部成员相对有更多的互动。

表四 黄山市旅游流网络板块特征 单位：个、%

为了更好地反映各个板块之间的旅游流联系，绘制各个板块的密度矩阵，根据像矩阵的转化原则，若板块密度值高于网络密度值，该板块记为1，反之，则记为0（见表五）。第一板块内部密度较高，内部交流频繁，引入作用突出，仅有少量输出到第二板块。第二板块内部无交流，整体输出作用发展较不平衡；输出作用突出，主要输出到第一板块。第三板块内部交流也甚少，整体输出作用发展也不平衡，主要输出到第一板块，其次是第二板块。第四板块有一定的内部交流，客源既有输入也有输出，输出主要是第一板块。

表五 密度矩阵和像矩阵数据表

根据像矩阵，对板块关系进行绘图（见图2）。可以看出，第一板块是主要的旅游目的地板块，输入作用显著；第二、三板块主要是旅游流输出作用；第四板块有旅游流的输出与引入。第一板块旅游节点在整个网络中起着重要作用。

图2 四大板块相互关系

（三）节点结构分析

本文主要选取以下分析角度的三个指标：一是节点与其他节点建立连接关系的能力；二是节点不受其他节点影响的能力；三是节点控制其他节点对之间连接关系的能力。对应这三个分析角度产生了三种中心性指标，即点度中心性、接近中心性和中介中心性。

1.点度中心性。点度中心性均值都为5.83，排名前10 依次为黄山风景区、宏村、屯溪老街、西递、黎阳in 巷、塔川、翡翠谷、徽州古城、呈坎、千岛湖，以黄山风景区为代表的高品质景区是该网络的客流中心，同时，都表现为客流输出互动处于较低水平，而入度中心度高差异较大，这也体现在标准差的数值上。

外向与内向接近中心性均值分别为8.47、24.03，说明旅游节点间联系不太紧密，排名前10 依次为屯溪老街、宏村、黄山风景区、西递、黎阳in 巷、塔川、木坑竹海、徽州古城、牌坊群·鲍家花园、呈坎。以黄山风景区为代表的高品质景区与其他旅游景点之间的距离最近，最不依赖其他景区，在客流吸引力上拥有较高的独立性；以屯溪老街为代表的旅游景点是网络最为重要的中转枢纽；奇墅湖亲近度最低，其客源较大程度上依赖其他景区客流带动，原始数据显示，其对宏村景区依赖程度最大。

中介中心性均值为5.39，排名前10依次为徽州古城、渔梁坝、呈坎、屯溪老街、唐模、塔川、牌坊群·鲍家花园、新安江山水画廊景区、宏村、木坑竹海，排在首位的徽州古城景点在该网络互动尤其是其与周边景区的客流互动中发挥了积极作用，但旅游节点总体中介中心性不高，这和旅游节点互动不高存在关联。

2.结构洞。结构洞指标显示，黄山风景区、宏村、屯溪老街、西递等旅游节点在旅游流网络中处于结构洞位置，具有较高的效能、效率性和较低的约束性，拥有更多的机会和区位优势，同时因为缺乏替代旅游线路和旅游节点，影响区内旅游客流规模增长，也不利于整体网络结构的平衡和优化（见表六）。

表六 黄山市旅游流网络节点结构指标分析结果

续表六

三 结语与讨论

以黄山市为案例区，利用去哪儿网站游记和图片数据，借助社会网络分析方法，揭示黄山市旅游流整体特征和各旅游节点在整体网络中的地位和作用，从社会网络视角探讨旅游流空间分布特征，为旅游区内协同合作提供一定借鉴。

1.研究结果表明：案例区旅游流呈多核心辐散状，整体网络高强度联系的比重不大，总体互惠程度较低，网络中心化具有较高水平，而同一类型旅游节点在中心性指标上有相似的特征，黄山风景区、宏村、屯溪老街、西递是该区域网络关键旅游节点，且输入作用显著，在一定程度上不利于整体网络的平衡和优化。

2.对黄山市空间网络结构的分析结果表明，该区具有“四核线网状分布、五级旅游节点、一条主旅游环线”的空间布局特征。依据游客到访率和节点网络特征将旅游节点划分为核心旅游地、次核心旅游地、重要旅游地、一般旅游地、边缘旅游地（此类型旅游地因到访率低，未在上文的社会网络分析展开讨论）五种类型，具体分类见表七。依据网络互动特征可以看出“黄山风景区—屯溪老街—西递—宏村—黄山风景区”环形线路是该区域最重要的旅游节点连接线，此线具有最大的旅游流量，且旅游节点互动频率为最高水平。综上所述，该区域旅游流空间分布存在显著的非均衡特征，黄山风景区、宏村、屯溪、西递是区域的发展核心，该4 个旅游节点的连接线是区域内最重要的旅游轴线，并带动其周边景区的发展。

3.对黄山市旅游流的研究结果与其他相关研究结果较为一致。即黄山市域内的旅游流网络差异较大，网络分层明显，存在核心-边缘结构，而宏村、黄山风景区、屯溪老街和西递为区域核心节点。对黄山市旅游流的研究为城市旅游发展提供决策依据，也为其他旅游城市发展提供借鉴。与此同时，数据仅采集了去哪儿网单个旅游网站的数据，存在一定局限，多源数据的对比研究值得进一步研究，而其他旅游要素如交通要素空间格局的改变对区域空间网络结构的影响也值得进一步探讨。

表七 黄山市旅游节点分类