京福高铁开通前后沿线城市旅游网络关注度结构特征

吉 慧，伍旭中

1.安徽师范大学皖江学院管理系，安徽芜湖,241008；2.安徽师范大学经济管理学院，安徽芜湖,241000

近10年间，高铁已成为全世界主要的交通方式之一[1]，是旅游系统重要组成部分[2]。高铁的“时空压缩”对区域旅游空间结构产生显著成效，形成“通勤带”“交通走廊”，促进城市互动，扩大都市圈，并可能导致空间重构[3]。京津城际铁路拉近了北京与天津之间的时空距离，出现北京工作、天津居住的“双城记”现象，成为高铁时代生活的缩影。武广高铁使广州、长沙和武汉出现“同城效应”[4]。

在区域旅游空间结构优化研究中，旅游市场需求空间结构是学术界关注的重要问题[5]。高铁引起游客出游空间行为的改变，拓展了游客出行活动的半径[6]；同时，交通连接的提高促进了旅游资源丰富城市的发展，提高了区域旅游吸引物集聚效应[7]，从而引起旅游市场需求空间格局的改变。如法国高铁南线开通增加了里昂城市游客的数量和旅游活动量[8]。日本新干线开通使各旅游地更接近客源地[9]。京沪和武广高铁的开通提高了济南、泰山、武汉和衡山等旅游地的客源市场半径，近程客源市场份额下降，中远程客源市场份额上升[6]。哈大高铁推动东北城市旅游供需市场向高铁沿线集聚，致使东北旅游空间集散特征更加明显[10]。

随着互联网的普及和信息技术的发展，游客的旅游决策较大程度上依赖于对旅游目的地信息的搜索。基于用户对旅游信息的实时搜索指数获得的旅游网络关注度成为研究游客对旅游地或旅游信息的关注程度的重要手段[11]，在旅游研究中的作用愈发重要[12]。近年来，已有学者以旅游网络关注度为主题，从不同视角对旅游目的地的旅游需求开展大量研究。大体可划分两个方面：一是探讨旅游需求的时空分布特征及影响因素，如唐鸿等[13]、焦珊珊等[14]、苏卉等[15]对红色旅游经典景区网络关注度时空分布格局、演变特征和影响因素进行了深入研究;马丽君等[16]基于网络关注度分析了湖南省居民的旅游需求时空特征。二是研究客流量与网络关注度间的关系，如马丽君等[17]研究发现,旅游关注度与客流量在时空变化上有较强的相关性;王硕等[18]发现十一黄金周庐山、华山等风景名胜区旅游客流量与网络关注度存在显著的相关性;也有研究发现网络关注度与现实游客量存在“错位”的特点[19]。

综上可知，高铁对区域旅游空间结构的影响的相关研究较为丰富，但有关高铁对沿线旅游城市间旅游需求的互动研究尚不多见，而旅游网络关注度为研究该问题提供新的视角。基于此，本研究以京福高铁线为案例区，对高铁开通前后沿线城市旅游网络关注度进行比较研究，在理论层面丰富旅游市场需求空间结构的研究视角，在实践层面为城市旅游开发与规划及宣传促销提供借鉴。

1 数据来源与研究方法

1.1 数据来源和处理

京福高铁是我国南北纵向高铁通道，沿线经过北京、天津2个直辖市和河北、山东、江苏、安徽、江西、福建6个省，节点城市有北京、天津、济南、徐州、宿州、蚌埠、合肥、巢湖、铜陵、黄山、婺源、上饶、武夷山、福州等，沿线有黄山、三清山、武夷山等诸多旅游资源，被称为“中国最美高铁”。此线于2015年6月28日正式开通运营。考虑到高铁对居民出游行为影响的时间延迟效应和数据的稳定性，本研究时间节点设置为高铁开通前的2013年和高铁运营后的2017年。

旅游网络关注度数据基于百度指数数据获取，搜索关键词“城市+旅游”，如“黄山旅游”，得到的数据即为网络关注度数据。23个沿线城市分别为北京、廊坊、天津、沧州、德州、济南、泰安、济宁、枣庄、徐州、宿州、蚌埠、淮南、合肥、巢湖、铜陵、芜湖、宣城、黄山、上饶、南平、宁德、福州，为更好地反映旅游关注度情况，其中泰安与泰山、济宁与曲阜、芜湖与方特、上饶与婺源及南平与武夷山的百度指数取两者大值，如对“泰安旅游”和“泰山旅游”两个百度指数进行比较，大值作为此节点的旅游关注度值。由此，以2013年和2017年23个城市整体日均值百度指数为样本数据，构成23×23网络关注度矩阵，并对矩阵进行二值化处理(临界值为21)，利用2个未二值化矩阵和2个二值化矩阵对京福高铁沿线城市旅游关注度网络进行分析。

利用UCINET，对2013年和2017年2个未二值化矩阵和2个二值化矩阵进行QAP相关分析，表1显示，各矩阵相关系数均较高，且显著性水平都为0.000。其中，2013年和2017年未二值化和二值化矩阵相关系数分别为0.724和0.719。这表明对原始数据矩阵进行的二值化结果能较好反映京福高铁沿线各城市旅游网络关注度网络结构状况。2013年未二值化和2017年未二值化矩阵相关系数为0.958，而2013年二值化矩阵和2017年二值化矩阵相关系数则为0.871。这说明2013和2017年两个时期沿线城市间旅游网络关注度结构相似，历时趋势一致。

表1 QAP相关分析结果

1.2 研究方法

借助软件UCINET，利用社会网络分析方法，对整体网络进行网络密度、中心势、小世界效应、节点中心性和结构洞分析节点的网络特征，社会网络分析方法是基于“关系”角度来研究区域节点结构的问题。指标意义如下[20]：密度是整体网络均衡性和整体性一个重要测度指标，即实际对偶与所有可能对偶的比例，值越接近1，网络密度越高，表明各节点联系越紧密，成员交流越顺畅；中心势是一个图在多大程度上表现出向某个节点集中的趋势，能反映整个网络各节点差异性的程度，根据计算方法的不同，有三种中心势，分别为点度中心势、接近中心势和中介中心势，星形网络的中心势为100%，值越接近1，网络越具有集中的趋势；对节点之间的平均距离进行计算验证网络小世界效应，一般值不超过10的网络可以说具有小世界效应，说明网络中节点互动较为通畅；节点中心性分析则是节点在网络中的权力和中心地位，包括点度中心性、接近中心性和中介中心性，值越高中心地位越突出；结构洞则能够衡量各节点在整体网络中的网络优势地位，处于结构洞位置的节点有更多的优势。

2 结果分析

2.1 旅游网络关注度结构特征

2.1.1 网络密度和网络中心势

图1和图2箭头指向表示对节点城市网络关注度方向，线条越粗表示关注度数量越大。2013和2017年的整体网络密度分别是0.308 0、0.316 2，即一个由23节点组成的网络最大可能的联结数是506个，实际分别有156和160个，说明各节点之间互动情况一般，超过一定强度的互动不到一半。2017年与2013年相比，网络密度有小幅度上升，说明京福高铁开通，沿线城市间旅游关注度有所提高。

图1 京福高铁各地市2013年网络结构图

图2 京福高铁各地市2017年网络结构图

2013年外向点度中心势和内向点度中心势分别为62.8%、72.3%，2017年该值分别为71.5%、57.2%。表明整体网络存在重要节点，在沿线城市网络中，各城市间权力相当悬殊。北京、天津、济南、合肥、黄山是网络关键的节点。对两个时期进行比较发现，2017年的外向中心势上升，内向点度中心势下降。由此可见,京福高铁的开通，使沿线各城市居民旅游关注度更为分散了，网络向均衡发展。接近中心势，因2017年网络内存在无限距离，所以接近中心势不能具体测算;2013年外向和内向接近中心势分别为74.53%和93.81%。表明网络集中趋势非常显著，这与点度中心势结果相一致。对于中介中心势来说，2013年和2017年的值分别为38.23%和29.90%。表明节点城市互联能力较强，且随着京福高铁的开通，中介中心势值下降了8%左右，表明使沿线城市之间联系能力得到增强。

2.1.2 “核心-边缘”分析

中心势分析结果显示，网络是不均衡的，有核心节点，即存在“核心-边缘”结构。利用Ucinet对2013年和2017年二值化矩阵进行分析，由表2可知，经济发达、旅游资源丰富、省会及交通枢纽城市是沿线网络的核心城市。2013年核心城市有北京、廊坊、天津等12个城市，边缘城市有11个；2017年核心城市有13个，边缘城市有10个。2017年与2013年相比，核心城市多了德州。由此可见，京福高铁对沿线城市“核心-边缘”仅产生了较小的局部影响。

表2 核心-边缘分析结果

对区域联系紧密度进一步分析显示，2013年核心区旅游联系紧密度为0.614，核心区与边缘区紧密度为0.258，边缘区与核心区紧密度为0.295；2017年核心区旅游联系紧密度为0.596，核心区与边缘区紧密度为0.269，边缘区与核心区紧密度为0.238。结果表明核心区与边缘区域之间相互依赖程度较低。

2.1.3 小世界效应

对网络平均距离进行运算，进一步验证小世界特征。通过Ucinet软件分析,2013年和2017年城市之间平均分别需要通过1.860和1.787个节点才能联系起来，网络具有较强的小世界效应，说明旅游城市之间构成了一个较好的旅游互动网络。从历时性来看，网络节点对平均距离降低，说明京福高铁开头后，城市互动变得更好。

2.2 节点结构分析

2.2.1 点度中心度

点度中心度方面，见图3可知，2013和2017年两个时间段外向中心度和内向中心度趋势较为一致。点度外向(影响力)和内向(重要性)中心性值前6名的城市为北京、合肥、天津、济南、福州、徐州，即在两个时期内这6个城市网络影响力和重要性都是最靠前的。

图3 京福高铁沿线各地市2013和2017年点度中心度

外向中心度和内向中心度差异较大存在两种情形，分别为“低外向中心性，高内向中心性”和“高外向中心性，低内向中心性”。前者较典型的城市有泰安、芜湖、黄山，这些城市网络影响力低、重要性高，因有泰山、方特、黄山风景区等高品质旅游资源加持，3个城市是京福高铁沿线旅游关注度最高的城市。后者典型的城市有合肥和天津，这两个城市网络影响力高，但旅游重要性相对较低。

相较于以上各城市，其他城市的点度中心性值都较低，网络影响力和重要性都不高。两个时期比较发现，点度中心性数值和排序变化均不大，即京福高铁开通没有显著改变各城市在沿线旅游网络中的网络关注度。

2.2.2 结构洞

见表3可见，结构洞分析结果与中心性排名顺序存在较大差异，如黄山中心性不高，但效能值高，分别排沿线城市第一和第二位。2013和2017年靠前城市的排序变化不大，黄山、北京、合肥、天津、济南等在网络中均处于显著的结构洞位置，具有较高的效能、效率性和较低的约束性。此外，沿线各城市效能值差别较小，仅黄山、北京、合肥的结构洞位置较为突出，总体上2013和2017年各城市结构洞位置变化较小。

表3 网络节点结构洞分析

3 结论与讨论

运用社会网络分析方法，探讨京福高铁开通前(2013年)和开通后(2017年)沿线城市旅游网络关注度的网络变化，获得以下结论：

第一，两个时期网络分析结果表明，京福高铁沿线城市实际互动情况一般，超过一定强度的互动不到一半，但网络节点对平均距离较小，说明具有较好的城市互动网络。京福高铁开通提高了整体网络密度，网络节点对平均距离降低，互动环境进一步优化。区域网络呈“多核心网状”格局，网络集中趋势显著，网络中心势指数外向中心势提高，但内向中心势变小，高铁开通一定程度上使得旅游关注度向网络均衡方向发展。

第二，网络存在“核心—边缘”结构，经济发达和旅游资源丰富的城市在网络格局中处于核心位置，北京、黄山、合肥、天津、济南等城市的中心性指数在两个时期都有较高的数值，且处于结构洞位置。而枣庄、宿州、蚌埠、淮南、巢湖、铜陵、宣城、上饶、南平、宁德等总体中心性指数较低。

第三，京福高铁开通前后，沿线城市间旅游网络关注度结构变化较小，即高铁开通对沿线城市旅游网络关注度结构产生的影响是局部的。

高铁的开通可能存在“旅游高地”对“旅游洼地”的虹吸现象，但也存在“旅游高地”的“溢出效应”，而核心-边缘分析表明，核心区与边缘区城市间紧密度均处于较低水平，边缘区之间也缺乏网络互动，即中心节点城市对边缘城市辐射带动效应较低。而相关研究[21]显示旅行时间、旅游地旅游资源禀赋、旅游地交通、旅游地服务设施系统是影响旅游目的地选择最主要的因素，但在交通较为发达的情形下，旅游地交通网络密度、旅游资源禀赋和旅游服务接待能力成为目的地选择重要的影响因素。对于沿线城市而言，边缘城市在融入区域旅游一体化发展中，需要不断完善其旅游服务支持系统，以促进该旅游目的地更好地发展。