中国农民跨省旅游网络空间结构研究

  本文关键词：中国农民跨省旅游网络空间结构研究，由笔耕文化传播整理发布。

4期陈超等：中国农民跨省旅游网络空间结构研究553

图4中国农民旅游流网络的核心—边缘旅游地空间功能

Fig.4Core-peripherystructureoftouristflownetworksofdomesticruralresidents

存在较强的旅游流动。旅游流属于有向网络，就必然存在客源地与目的地关系，把核心区作为边缘区的客源地，反之边缘区就成为核心区的目的地，这两种情形是单一流向的，称为缓冲区。客源地缓冲区网络矩阵密度0.231比目的地缓冲区0.187稍高，总体上联系不紧密，区间旅游影响力较弱，表明农民旅游网络区间互动与辐射范围较小。如果按旅游流原始数据进行核心—边缘分析，结果只有北京、天津、河北构成核心区网络矩阵密度高达14.333，其余都是边缘区，这种过分集中的现象，进一步表明农民只有“北京一游”的强烈心愿，反映农民旅游还处在起步状态。3.6农民旅游流网络凝聚子群

凝聚子群分析旅游地间存在相对较

强的、直接的、紧密的、经常的或者积

极的旅游流联系，分析群体与大环境、

群体之间以及群体内部个体成员之间关

系。在采用Ucinet软件中运用

“factions”命令指定派系数目的功能，

令派别5，经过与原始数据矩阵网络结

构对比分析检验，符合旅游流调查实

际，无须对群体进行较小子群再分派分

析，结果得到5个子群，即是区域旅游

集聚板块(图5)。群体成员分别为①超

高密度区：上海、江苏、浙江、安徽、

福建、江西；②高密度区：北京、天图5中国农民旅游流网络的区域旅游板块分布区域格局

Fig.5Regionalpatternoftouristflownetworksof津、河北、山西、内蒙古、辽宁、吉domesticrural

residents林、黑龙江、山东；③中密度区：陕

西、甘肃、青海、宁夏、新疆；④低密度区：重庆、四川、贵州、云南；⑤超低密度区：河南、湖北、湖南、广东、广西、海南。5个板块内的成员间的旅游网络密度指标分别是0.83、0.69、0.65、0.58、0.47，虽然指标值不高，但是各子群都存在对应的核心旅游地，分别是①上海、江苏、浙江；②北京、天津；③陕西；④重庆；⑤河南、广东。该图直观反映了2007年农民旅游空间网络的活动范围与核心圈层，构成了中国农民旅游的区域旅游地空间子群疏密层次图谱，不过受到二分矩阵影响，各个子群边界区域之间个别节点旅游流量可能很大，图5存在无法表达出来的缺点。

4农村居民旅游空间网络结构的节点分析

农民旅游空间网络是由具有属性差异的省域节点构成，分析省域节点的特征有助于理解整体网络的形成机理。选择中心性、结构洞的几个节点特征指标，根据表2中的公式计算获得节点中心性，分析旅游地程度中心性(图6)、接近中心性(图7)、中介中心性(图

8)、与结构洞值(图9，表3)，提高对农民旅游整体网络结构的深度分析。

554地理学报68卷

图6程度中心性点出度与点入度比较

Fig.6Comparisonout-degreetoin-degreeofpoint

centrality图7接近中心性点出度与点入度比较Fig.7Comparisonout-degreetoin-degreeofclosenesscentrality

图8中介中心性表示

Fig.8Degreeofbetweennesscentrality图9中国农村居民旅游地网络结构洞指标Fig.9Graphicalrepresentationofindicatorsof

structuralholes

4.1旅游地的程度中心性(Pointcentrality)

程度中心性分析是社会网络分析者探讨较为成熟的内容之一。如果一个旅游地与很多其他旅游地之间存在直接联系，那么该旅游地就居于中心地位，在该网络中拥有较大的“权力”，越能显示节点的重要性。旅游客源地与目的地之间旅游流动属于有向旅游网络，分为外向中心度和内向中心度，分别表示客源地出游力与目的地接待规模(不含省内游，即是兼有客源地和目的地功能)的关系。图6显示农民旅游省域节点的程度中心性指标差异很大，节点空间格局具有明显5个等级性：①全国旅游核心节点。北京、上海外向中心度与内向中心度两值都很高，说明出游力和接待量都大，表明在旅游网络空间的地位高，体现了是我国农民最重要的旅游客源地与旅游目的地，省内游旅游比例很低。②全国旅游次核心节点。广东、浙江、江苏内向中心度比外向中心度高，具有很强的旅游吸引力，农民省内游比例较高，省内游势头旺，兼具旅游客源地与旅游目的地的双重功能。③区域旅游重要节点。陕西、四川、重庆、天津、河北、安徽、河南、山西、江西，内外向中心度一高一低，具有一定的出游能力或主要的旅游目的地。④一般旅游目的地节点。外向中心度与内向中心度普遍较低，农民省内游比例偏高，目前作为旅游客源地与旅游目的

4期陈超等：中国农民跨省旅游网络空间结构研究555地的功能还处在初级阶段。⑤边缘旅游节点。东北黑龙江、吉林，西南云南、贵州、广西，还有新疆、西藏，这些省域中心度都很低，农民除了省内游外，出游力低，空间距离远的边缘地区，作为旅游目的地尚待时日。可见，全国性农民旅游的节点少，需要不断培育出更多的区域旅游重要节点。4.2旅游地接近中心性(closenesscentrality)

接近中心性衡量农民旅游流向目的地与客源地的远近程度，反映目的地之间的通达性与交通方式便捷度，如果旅游交通距离越短，接近中心度越高，可进入性越好。从图7获悉：内向接近中心度高于外向的，旅游目的地可进入性较好，反之，旅游客源地出游较便捷。内向中心度的北京、上海、广东、浙江、江苏排列靠前，具备旅游目的地接待优势；外向中心度的江苏、山东、陕西、河南、四川名列在前，具备客源地出游优势，该旅游地与其他客源地联系更多，能够考察一个点旅游流不受其他节点控制的测度。北京是农民向往的旅游目的地，具有最高的接近中心度；四川是西部中心，又是人口大省，连接全国大多数旅游地，属于网络图的重心点；河南是中部中心，人口多，交通便捷，文化旅游资源丰富，中原地区中起到纽带作用；江苏、浙江、上海、山东都处在华东地区，经济发达，农民出游能力较强，交通网络发达，旅游地之间联系紧密，形成长三角区域旅游网络，具有较强的发展优势。4.3旅游地中介中心性(betweennesscentrality)

中介中心性表示农民实现旅游需要经过的网络节点以及对节点的依赖程度，对非相邻的旅游地需要经过的越多，对别的旅游地越有控制性，越是网络中关键的旅游地，从图8可见中介中心性差异较大。北京、内蒙古、陕西、广东标准中介度分列前四甲，四省市对网络其他旅游地间旅游流的中介能力很强，表明4个地区在旅游流网络互动中对其他旅游地控制程度很大。中介中心度越大，对旅游流控制力越大，空间结构具有优势越多，其他旅游地对其依赖程度越高，扮演着旅游流“桥”的作用。北京位于华北与东北中转核心区域，内蒙古是东北华北西北互动的“T”型空间交汇点，陕西位于西北的中心过渡区，广东是华南经济中心地带，无论是信息资源还是交通流的控制程度对其他节点居于明显的重要地位。值得一提的是四川中介中心度也高达4.317，在我国通往西南与西北地区的旅游流占据重要中间人的位置，在西部区域网络中为其他行动者充当潜在“中介”角色的程度较高；华东江苏与浙江虽然中介中心度也高，，但是便捷的交通会降低其对其他节点间旅游流中介控制能力。4.4旅游地网络的结构洞

结构洞刻画农民旅游流网络中旅游地之间的同质性竞争与旅游线路链接问题，从结构洞的效能、效率、制约度3个指标(图9，表3)显示北京、上海、广东、浙江、陕西旅游地在农民旅游网络中表3中国农民旅游地网络结构洞分析指标占据较多的结构洞优Tab.3Indicatorsofstructuralholesoftouristflownetworkofdomestic势。旅游地的有效规ruralresidents模和效率较高，制约旅游地　北京　天津　河北　山西　内蒙古　辽宁　吉林　黑龙江　上海　江苏　度较小，受其他节点效能　１９．７１　７．６３　８．９５　５．２１　９．９８　５．１８　３．７８　２．５０　１１．４８　９．９０　

．７３　０．５９　０．６０　０．４７　０．６７　０．４７　０．４７　０．３６　０．６８　０．６６　的约束程度很低，拥效率　０

．１５　０．３０　０．２６　０．３５　０．２５　０．３６　０．４５　０．５２　０．２３　０．２６　有更多的竞争机会和制约度　０

旅游地　浙江　安徽　福建　江西　山东　河南　湖北　湖南　广东　广西　非替代性区位优势。效能　１０．９１　３．６１　８．８９　４．１３　９．８３　８．５５　５．５４　６．８６　１１．７８　４．８３　山东、江苏、河北、效率　０．６４　０．４０　０．６４　０．５２　０．６１　０．５７　０．５５　０．６２　０．６９　０．６０　

．２３　０．４１　０．２８　０．４４　０．２４　０．２６　０．３６　０．３２　０．２２　０．４３　内蒙古、河南、福制约度　０

建、天津等旅游地有旅游地　海南　重庆　四川　贵州　云南　陕西　甘肃　青海　宁夏　新疆　

效能　７．４２　８．３６　６．８５　５．１１　２．９２　１０．５５　３．２２　６．８１　３．７０　２．９０　效规模适中，效率略效率　０．６２　０．７０　０．６９　０．６４　０．５８　０．７０　０．５４　０．６８　０．５３　０．５８　显不足，制约度相对制约度　０．３１　０．２９　０．３４　０．４２　０．６７　０．２４　０．５１　０．３５　０．４９　０．６７　

556地理学报68卷大点，这要求与其他旅游节点构建更多的连接与合作，提高结构洞水平，力争从中获得很多“中介利益”。值的关注的还有重庆、海南与其他旅游地联系不少，但制约度较高，存在旅游过路现象，特别是海南“自我”是5.025，旅游线回路明显，所以效率较低。其余旅游地结构洞指标表现不佳，或是有效规模小、或是效率低、或是制约度低等，农民旅游市场开发处于劣势。

5结论与讨论

(1)网络密度值大小直接表明旅游地间旅游流网络发育程度，选择2001年、2004年、2007年时间截面，测度中国农民旅游流网络密度低，随时间发生微弱增密态势，但是网络整体结构还是比较松散而且不均衡；网络联系较多的相对集中在北京、上海、广东、浙江、江苏、陕西、四川、重庆等主要城市，旅游空间的节点呈现“东部沿海密、内陆疏、偏远地区游离”的格局。

(2)旅游网络程度中心度、接近中心度的内向都高于外向的，其结果是中国农民接待目的地相对于出游客源地更集中在少数旅游地，目的地旅游网络整体发展越不均衡；中介中心势又相当低，在于省内游多，省外游少，跨区域旅游以省际旅游为多。沿海(北京、天津、辽宁、河北、上海、江苏、浙江、福建、山东、广东)及内陆少数省份(河南、安徽、陕西、山西、内蒙古)兼具客源地与目的地功能，其余内陆与偏远地区基本是单一的旅游客源地或目的地，旅游对流空间不平衡。

(3)网络核心—边缘空间结构表现核心区对边缘区辐射能力弱，仅限于部分边际省域，旅游地未能发挥相对集聚效应，从定量上大尺度表达农民旅游流网络空间结构特征；中心度指数高的节点占据网络的核心位置，具备核心竞争优势，东部沿海旅游点入度普遍高于内陆与偏远地区，点出度与出游能力成正对应，大概反映了旅游节点在旅游网络中的等级与功能。

(4)运用凝聚子群的派系指定方法分析，农民旅游在空间上形成相对集聚的5个区域子群，分别是超高密度区、高密度区、中密度区、低密度区、超低密度区，网络区域子群各自形成核心、边缘的集聚旅游空间，其内部联系较为紧密。虽然网络密度指标值不高，但是各子群具有相对应的核心旅游地，分别是：①上海、江苏、浙江；②北京、天津；③陕西；④重庆；⑤河南、广东，核心旅游地具备区域核心竞争优势与聚散功能。以省域为节点对中国农民旅游空间网络结构进行深度分析，有利于更准确把握旅游区域吸引力与潜在力程度。但是对庞大的农民旅游市场而言，仅从旅游流空间联系界面研究还不足，必须加强对农民旅游的网络时空演化、产生机理、消费行为空间变化规律等进一步研究，从而为解决三农问题提供理论支撑，为加快城乡一体化建设与旅游交通通达性指明一条途径。

参考文献(References)

[1]ChenChao,XieHongbin.ComprihensiveevaluationoftheregionaldiversityoflatentdomesticemissivenessinFujianProvince.EconomicGeography,2006,26(5):884-887.[陈超,谢红彬.福建省居民潜在国内出游力的地区差异综合评判.经济地理,2006,26(5):884-887.]

[2]ZhongShien,ZhangJie,RenLixiuetal.SpatialpatternofdomestictravelingofruralresidentsinChina.GeographyandGeo-InformationScience,2009,25(3):103-107.[钟士恩,张捷,任黎秀等.农村居民国内旅游空间行为分析.地理与地理信息科学,2009,25(3):103-107.]

[3]SunGennian,XueJia.Income-drivenmodelresearchonChineseurbanandruralresidentsdomestictourism.CommercialResearch,2009,(5):13-16.[孙根年,薛佳.收入驱动的居民国内旅游模型研究.商业研究,2009,(5):13-16.]

[4]DiaoZongguang.TouristconsumptionlevelofChina'sruralresidentsanditsregionalclassification.ScientiaGeographicaSinica,2009,29(2):195-199.[刁宗广.中国农村居民旅游消费水平及区域差异研究.地理科学,2009,29

4期陈超等：中国农民跨省旅游网络空间结构研究557

(2):195-199.]

[5]LeiPing.StudyontheinfluentialfactorsofChina'slocaltourismdemandbasedonMTVmodel.SoftScience,2008,

(8):14-17.[雷平.基于多变量序列分量方差分析模型的国内旅游需求影响因素研究.软科学,2008,(8):14-17.]

[6]WangYaohua.MultiplelinearregressionanalysisonthetourismconsumptionoftheruralresidentsinChina.TechnologicalDevelopmentofEnterprise,2011,(15):100-102.[王瑶华.中国农村居民旅游消费的多元线性回归分析.企业技术开发,2011,(15):100-102.]

[7]MeiLiang,LiBingyi,TangPingetal.ConstructionoftheinteractivesystemofurbanandruraltourismbasedontheGreyRelevantAnalysis.JournalofAnhuiAgriculturalSciences,2009,37(30):14957-14959.[梅亮,李炳义,唐平等.基于灰关联分析的城乡互动旅游系统的构建.安徽农业科学,2009,37(30):14957-14959.]

[8]ZhangGuangrui,LiuDeqian,SongRui.TourismGreenPaper:2012ChinaTourismDevelopmentAnalysisandForecast.Beijing:SocialSciencesAcademicPress,2012.[张广瑞,刘德谦,宋瑞.旅游绿皮书:2012年中国旅游发展分析与预测.北京:社会科学文献出版社,2012.]

[9]LuoJiade.SocialNetworkAnalysis.Beijing:SocialScienceAcademicPress,2010.[罗家德.社会网分析讲义.北京:社会科学文献出版社,2010.]

[10]ScottN,BaggioR,CooperC.NetworkAnalysisandTourism:FromTheorytoPractice.UK:ChannelView

Publications,2008.

[11]ScottN,CooperC,BaggioR.DestinationNetworks:FourAustraliancases.AnnalsofTourismResearch,2008,35(4):

169-188.

[12]SaxenaGJ.Relationships,networksandthelearningregions:CaseevidencefromthePeakDistrictNationalPark.

TourismManagement,2005,26:277-289.

[13]PavlovichK.Theevolutionandtransformationofatourismdestinationnetwork:TheWaitomoCaves,NewZealand.

TourismManagement,2003,24:203-216.

[14]JonasL,JohnU,KayWAxhausen.Networksandtourism:Mobilesociallife.AnnalsofTourismResearch,2007,34

(1):244-262.

[15]MiguénsJIL,MendesJFF.Travelandtourism:Intoacomplexnetwork.PhysicaA,2008,387(12):2963-2971.

[16]LewA,McKercherB.Modelingtouristmovementsalocaldestinationanalysis.AnnalsofTourismResearch,2006,33

(2):403-423.

[17]McKercherB,LauG.Movementpatternsoftouristswithinadestination.TourismGeographies,2008,10(3):355-374.

[18]ConnellJ,PageSJ.Exploringthespatialpatternsofcar-basedtouristtravelinLochLomondandTrossachsNational

Park,Scotland.TourismManagement,2008,29(3):561-580.

[19]ZhongSE,ZhangJ,LiX.Areformulateddirectionalbiasoftouristflow.TourismGeographies,2011,13(1):129-147.

[20]YuSH.Networkcharacteristicsofdrivetourismdestinations:Anapplicationofnetworkanalysisintourism.Tourism

Management,2006,27:1029-1039.

[21]MaYaofeng,LiTianshun.ChinaInboundTourismResearch.Beijing:SciencePress,1999.[马耀峰,李天顺.中国入境

旅游研究.北京:科学出版社,1999.]

[22]LiYuezheng,JiangTinghong,YuJinguo.Theanalysesofsituationandthedevelopmenttrendsaboutoverseatourist

marketinDalianCity.EconomicGeography,2004,24(3):426-429.[李悦铮,姜廷宏,俞金国.大连市入境旅游市场现状与发展态势分析.经济地理,2004,24(3):426-429.]

[23]BianXianhong,ShaRun,DuChanghai.AnalysisonregionalfloutingshareofinboundtourflowintheYangtzeRiver

Delta.HumanGeography,2007,22(2):32-38.[卞显红,沙润,杜长海.长江三角洲城市入境旅游流区域内流动份额分析.人文地理,2007,22(2):32-38.]

[24]ChenXiuqiong,HuangFucai.Researchontourismspatialstructureanditsoptimization:Anetworkanalysis.

GeographyandGeo-InformationScience,2006,22(5):75-80.[陈秀琼,黄福才.基于社会网络理论的旅游系统空间结构优化研究.地理与地理信息科学,2006,22(5):75-80.]

[25]YangXingzhu,GuChaolin,WangQun.UrbantourismflownetworkstructureconstructioninNanjing.Acta

GeographicaSinica,2007,62(6):609-620.[杨兴柱,顾朝林,王群.南京市旅游流网络结构构建.地理学报,2007,62

(6):609-620.]

[26]WuJinfeng,PanXuli.CharacteristicofBeijingandShanghaiinboundtouristsflownetwork.ScientiaGeographica

Sinica,2010,30(3):370-376.[吴晋峰,潘旭莉.京沪入境旅游流网络结构特征分析.地理科学,2010,30(3):370-376.]

[27]ChenHao,LuLin,ZhengShanting.Thespatialnetworkstructureofthetourismdestinationsinurbanagglomerations

basedontouristflow:AcasestudyofthePearlRiverDelta.ActaGeographicaSinica,2011,66(2):257-266.[陈浩,陆林,郑嬗婷.基于旅游流的城市群旅游地旅游空间网络结构分析:以珠江三角洲城市群为例.地理学报,2011,66(2):257-266.]

[28]LiuJun.LecturesonWholeNetworkApproach:APracticalGuidetoUCINET.Shanghai:TruthandWisdomPress,

2009.[刘军.整体网分析讲义:UCINET软件使用指南.上海:格致出版社,2009.]

[29]DegenneA,ForseMD.IntroducingSocialNetworks.London:SagePublications,1999.

[30]WangYongming,MaYaofeng,WangMeixia.NetworkstructureofmulticityinboundtouriststoChina.Progessin

Geography,2012,31(4):518-526.[王永明,马耀峰,王美霞.中国入境游客多城市旅游空间网络结构.地理科学进

博泰典藏网btdcw.com包含总结汇报、自然科学、医药卫生、教学研究、经管营销、表格模板、农林牧渔以及中国农民跨省旅游网络空间结构研究_陈超_图文等内容。

本文共2页12

  本文关键词：中国农民跨省旅游网络空间结构研究，由笔耕文化传播整理发布。