国家重点风景名胜区网络关注度与游客量的错位特征及机理
发布时间：2021-07-09 20:49
利用百度指数构建国家重点风景名胜区关注度网络,揭示网络结构特征,进一步分析网络关注度与现实游客量之间"错位"特征及其影响机理。国家重点风景名胜区关注度网络具有菱形结构特征,菱形的四个顶点分别位于北京、广东、四川、上海,网络结构特征受现实经济发展的影响较大。国家重点风景名胜区总体上"名不副实"类占到大多数,人口分界线西北侧景点大部分"名不副实";"名小于实"与"名副其实"的地区主要交错分布在人口分界线东南部。国家重点风景名胜区游客量的影响机制相对复杂,网络关注度只是其中的一个影响因素,而不是决定因素,这也是导致其"错位现象"的主要原因。国家重点风景名胜区现实游客量是诸多因素"合力"作用的结果,网络关注度只是在中西部地区作为交互主导因子之一。未来需要进一步完善国家级风景名胜区的"考核评价机制",针对不同类别的国家重点风景名胜区,需要有针对性地开展宣传营销。
【文章来源】：经济地理. 2020,40(04)北大核心CSSCICSCD
【文章页数】：10 页
【部分图文】：
国家重点风景名胜区网络关注度Fig.1NetworkattentionofChinesenationalscenicspots
⒌谌?滋萆希淮尤丝诜?界线的角度看，主要分布在人口分界线的东南方。国家重点风景名胜区百度指数表现出东部＞中部＞西部的总体格局，2017年东中西百度指数之和分别为92397、46948、32172。从省份角度看，山西（20196）、辽宁（19288）、海南（14983）境内国家重点风景名胜区的百度指数分别占到前三位；上海目前没有国家重点风景名胜区，因而搜索量为0，此外，重庆（132）与新疆（289）境内的国家重点风景名胜区百度指数相对较低。利用反距离插值绘制国家重点风景名胜区百图2国家重点风景名胜区与网络关注度空间分布特征Fig.2SpatialdistributioncharacteristicsofChinesenationalscenicspotsanditsnetworkattention
?抑氐惴缇懊?で??绻刈⒍鹊?空间特征，选取不同的断点值构建关注度网络，结果如图3所示。从图中3可以看出，东中部地区网络密度明显高于西部及边疆省份。国家重点风景名胜区关注度网络实际上形成近似的菱形结构，为了更加客观清晰地表达这种结构，分别取不同的断点值进行比较。当断点值GE取值为均值760时，可以发现国家重点风景名胜区形成的网络非常复杂，但网络中仍有几个孤立点，如西藏。总体上网络结构由四周向中心逐渐密集，反映了东中部地区是国家重点风景名胜区旅游活动的集中区域。当断点图3不同阈值下的网络结构特征Fig.3Networkstructurecharacteristicsunderdifferentthresholds表1网络中心度计算结果Tab.1Calculationresultsofnetworkcentrality省份北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南度数中心度（Out）0.0340.0130.0690.0990.0110.0860.0180.0490.0000.1160.3080.2010.1920.2700.1120.1030.0890.379度数中心度（In）0.2000.0900.1360.0960.0680.1080.0820.0790.1810.2120.1730.1160.1160.0900.1610.1700.1290.106接近中心度（Out）0.2630.2640.4170.5770.2500.5170.2500.2500.2500.6000.8330.7320.7140.8330.5770.6000.5360.857接近中心度（In）0.4840.4170.4290.4170.3850.4000.3950.4000.4480.4550.4550.4050.4000.3850.4290.4480.4170.400中间中心度0.2510.0300.2510.3180.0000.2510.0260.2780.0000.3680.3680.3410.36
【参考文献】：
期刊论文
[1]中国省域旅游经济增长的时空跃迁及其趋同研究[J]. 方叶林,黄震方,李经龙,王芳. 地理科学. 2018(10)
[2]旅游舆情网络关注度城市差异——来自289个城市百度指数的实证研究[J]. 刘嘉毅,陈玲,陶婷芳. 信息资源管理学报. 2018(03)
[3]景点评选、政府公共服务供给与地区旅游经济发展[J]. 刘瑞明,李林,亢延锟,赵勇. 中国工业经济. 2018(02)
[4]基于百度指数和引力模型的城市网络对比——以京津冀城市群为例[J]. 郝修宇,徐培玮. 北京师范大学学报(自然科学版). 2017(04)
[5]基于旅游者网络关注度的旅游景区日游客量预测研究——以不同客户端百度指数为例[J]. 孙烨,张宏磊,刘培学,张捷. 人文地理. 2017(03)
[6]地理探测器:原理与展望[J]. 王劲峰,徐成东. 地理学报. 2017(01)
[7]安徽省旅游景区网络关注度时空特征研究[J]. 石张宇,房丽. 安庆师范学院学报(自然科学版). 2016(04)
[8]基于数字足迹的自驾车旅游客流时空特征研究——以云南省为例[J]. 罗秋菊,梁思贤. 旅游学刊. 2016(12)
[9]韶山的全国网络关注热度矩阵及推广策略研究[J]. 蔡卫民,彭晶,覃娟娟. 旅游科学. 2016(04)
[10]基于网络搜索数据的旅游收入预测——以海南省为例[J]. 张斌儒,黄先开,刘树林. 经济问题探索. 2015(08)
硕士论文
[1]基于百度指数的中国大陆5A级景区旅游信息流网络空间格局研究[D]. 王芳.南京师范大学 2015
本文编号：3274473
【文章来源】：经济地理. 2020,40(04)北大核心CSSCICSCD
【文章页数】：10 页
【部分图文】：
国家重点风景名胜区网络关注度Fig.1NetworkattentionofChinesenationalscenicspots
⒌谌?滋萆希淮尤丝诜?界线的角度看，主要分布在人口分界线的东南方。国家重点风景名胜区百度指数表现出东部＞中部＞西部的总体格局，2017年东中西百度指数之和分别为92397、46948、32172。从省份角度看，山西（20196）、辽宁（19288）、海南（14983）境内国家重点风景名胜区的百度指数分别占到前三位；上海目前没有国家重点风景名胜区，因而搜索量为0，此外，重庆（132）与新疆（289）境内的国家重点风景名胜区百度指数相对较低。利用反距离插值绘制国家重点风景名胜区百图2国家重点风景名胜区与网络关注度空间分布特征Fig.2SpatialdistributioncharacteristicsofChinesenationalscenicspotsanditsnetworkattention
?抑氐惴缇懊?で??绻刈⒍鹊?空间特征，选取不同的断点值构建关注度网络，结果如图3所示。从图中3可以看出，东中部地区网络密度明显高于西部及边疆省份。国家重点风景名胜区关注度网络实际上形成近似的菱形结构，为了更加客观清晰地表达这种结构，分别取不同的断点值进行比较。当断点值GE取值为均值760时，可以发现国家重点风景名胜区形成的网络非常复杂，但网络中仍有几个孤立点，如西藏。总体上网络结构由四周向中心逐渐密集，反映了东中部地区是国家重点风景名胜区旅游活动的集中区域。当断点图3不同阈值下的网络结构特征Fig.3Networkstructurecharacteristicsunderdifferentthresholds表1网络中心度计算结果Tab.1Calculationresultsofnetworkcentrality省份北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南度数中心度（Out）0.0340.0130.0690.0990.0110.0860.0180.0490.0000.1160.3080.2010.1920.2700.1120.1030.0890.379度数中心度（In）0.2000.0900.1360.0960.0680.1080.0820.0790.1810.2120.1730.1160.1160.0900.1610.1700.1290.106接近中心度（Out）0.2630.2640.4170.5770.2500.5170.2500.2500.2500.6000.8330.7320.7140.8330.5770.6000.5360.857接近中心度（In）0.4840.4170.4290.4170.3850.4000.3950.4000.4480.4550.4550.4050.4000.3850.4290.4480.4170.400中间中心度0.2510.0300.2510.3180.0000.2510.0260.2780.0000.3680.3680.3410.36
【参考文献】：
期刊论文
[1]中国省域旅游经济增长的时空跃迁及其趋同研究[J]. 方叶林,黄震方,李经龙,王芳. 地理科学. 2018(10)
[2]旅游舆情网络关注度城市差异——来自289个城市百度指数的实证研究[J]. 刘嘉毅,陈玲,陶婷芳. 信息资源管理学报. 2018(03)
[3]景点评选、政府公共服务供给与地区旅游经济发展[J]. 刘瑞明,李林,亢延锟,赵勇. 中国工业经济. 2018(02)
[4]基于百度指数和引力模型的城市网络对比——以京津冀城市群为例[J]. 郝修宇,徐培玮. 北京师范大学学报(自然科学版). 2017(04)
[5]基于旅游者网络关注度的旅游景区日游客量预测研究——以不同客户端百度指数为例[J]. 孙烨,张宏磊,刘培学,张捷. 人文地理. 2017(03)
[6]地理探测器:原理与展望[J]. 王劲峰,徐成东. 地理学报. 2017(01)
[7]安徽省旅游景区网络关注度时空特征研究[J]. 石张宇,房丽. 安庆师范学院学报(自然科学版). 2016(04)
[8]基于数字足迹的自驾车旅游客流时空特征研究——以云南省为例[J]. 罗秋菊,梁思贤. 旅游学刊. 2016(12)
[9]韶山的全国网络关注热度矩阵及推广策略研究[J]. 蔡卫民,彭晶,覃娟娟. 旅游科学. 2016(04)
[10]基于网络搜索数据的旅游收入预测——以海南省为例[J]. 张斌儒,黄先开,刘树林. 经济问题探索. 2015(08)
硕士论文
[1]基于百度指数的中国大陆5A级景区旅游信息流网络空间格局研究[D]. 王芳.南京师范大学 2015
本文编号：3274473
本文链接：https://www.wllwen.com/jingjilunwen/lyjj/3274473.html
