广州入境旅游流地理分布与网络特征

王奕祺，吴晋峰，任瑞萍，韩立宁

（陕西师范大学 旅游与环境学院，陕西 西安710062）

广州作为我国三大入境旅游口岸之一和珠三角经济区的核心城市，入境旅游接待量和外汇收入长期以来一直位居全国前列，作为国内其他省市入境旅游流的重要中转口岸和“二手客源地”［1］，对我国入境旅游流空间分布和扩散有着重要的影响．因此，研究广州入境旅游流的地理分布特征和空间扩散规律，对于拓展全国及其他省市入境旅游市场规模具有重要意义．国内学者对京、沪、穗等主要口岸入境旅游流的研究包括旅游流时空演化规律［2－3］、空间扩散规律与转移特征［4－11］、扩散动力机制［12－13］、旅游流流动与区域经济的联系等［14－17］．研究的热点集中在入境旅游流的空间扩散规律与转移特征，对于旅游流空间结构的研究多围绕传统的“O－D”系统展开，地理集中指数、转移态、市场竞争态、变异系数等指标运用较多．与北京、上海两大口岸入境旅游流研究相比，针对广州入境旅游流的研究成果较少，文献［18］利用二手数据分析了广州入境旅游流的时空演变特征和规律．

社会网络分析法（Social Network Analysis，SNA）发端于20世纪30年代，在美国社会心理学家莫雷诺提出的社会测量法基础之上发展起来，用来研究行动者彼此之间的关系［19］．对于纷繁复杂的旅游系统所表现出来的网络特性，社会网络分析法弥补了传统旅游研究的个体主义视角，通过对这些网络进行结构性分析，有助于深化对旅游现象结构的复杂性及演化机制的了解．20世纪90年代，国外学者最先将这一方法应用到旅游流空间结构研究领域［20－22］；在我国，文献［19］首次应用该法对南京市旅游流网络空间结构进行了研究，并构建了城市旅游流网络评价指标体系．此后该方法被广泛应用于旅游流空间结构和旅游系统空间结构的研究领域［4，23－28］．本文在构建广州入境旅游流拓扑网络的基础上对网络整体结构特征和节点的位置与类型进行分析，旨在深化对广州入境旅游流空间分布特征和扩散规律的认识，弥补广州入境旅游流研究的不足．

1 数据来源和研究方法

1．1 数据来源

采用问卷调查法，于2010年11月和2011年8月分别于西安、广州、深圳、上海、杭州、苏州、北京、成都、桂林、阳朔等热点旅游城市进行入境游客信息采集．调查过程中共计发放问卷3 000份，回收有效问卷2 687份，有效率89．6%．基于本文研究需要，从中筛选出从广州入境的游客调查问卷303份作为研究样本．调查样本显示：广州入境游客以男性为主；年龄结构呈现出两头小中间大的态势，25—44岁和45—64岁这两个年龄段为广州入境市场的主体，14岁以下和65岁以上游客偏少；职业构成以商贸人员为主，其次是专业技术人员，从事其他职业类型的游客比例较低；文化程度集中在大专或本科层次；收入水平以中等收入群体为主；从组织方式来看，采取旅行社组团出游的比例远低于散客．从旅游目的来看，基于商务目的出游的游客所占比例最大，其次是观光游览和休闲度假，其他旅游目的所占比例大体相当；从出境口岸来看，广州是广州入境游客最主要的出境口岸，超过83．44%的游客仍然从广州出境，其次是香港、北京、台北和上海．

1．2 旅游流分布图

首先，整理出所有广州入境游客的旅行线路并建立数据库．发现单目的旅行线路样本比例最高，占样本总量的59．74%；其次是2个目的地城市，占6．93%；3个城市的占15．84%；4个及以上城市的占8．58%．其次，根据到访的先后顺序将数据库中的多目的地旅游线路拆分为有向城市对，如：线路A→B→C，可拆分为A→B和B→C两个城市对，一个城市对出现一次记为1，累计统计所有城市对的出现次数．最后，绘制广州入境旅游流地理分布图．在绘制过程中，如果城市A→B的游客流动次数为M，B→A的游客流动次数为N，且M≥N，则图中箭头指向为A→B，另外用线段粗细来区分城市对之间旅游流流量大小（旅游流流量＝M＋N），线越粗，表示流量越大，反之越小．

1．3 旅游流网络构建

旅游流网络是以广州入境游客到访的目的地城市为节点，以节点间的旅游流为连接构建．首先，建立旅游流流向数据库；其次，根据节点间的旅游流流向和流量关系建立非对称赋值矩阵W，矩阵单元Wij代表城市i到城市j的直接流动次数；最后，以1为界将赋值矩阵W转化为二值化矩阵．二值化过程中，原赋值矩阵中所有小于1的单元转化为0，否则转化为1．在二值化矩阵的基础上，应用Netdraw软件，绘制广州入境旅游流拓扑结构图（图1）．

1．4 旅游流扩散指数

旅游流扩散指数是用来评价旅游流空间扩散强度的一个指标［7］．它用来度量某一节点城市旅游流向其他城市扩散的强弱．其计算公式为

图1 广州入境旅游流拓扑结构图Fig．1 The topological structure of inbound tourist flows from Guangzhou

式中：Pi表示旅游流扩散指数，Xi是广州入境旅游流扩散到i城市的流量（人次），n表示节点城市总数．Pi越大，说明扩散强度越强，反之则越弱．

1．5 旅游流网络结构评价指标体系

1．5．1 个体的网络结构位置指针 中心性是一种关于权力的量化指标，包括点的中心度和图的中心势两个分层指标．其中，中心度是对个体权力的量化分析，用以识别个体在网络中的重要程度和位置；中心势是对群体权力的量化分析，用以刻画网络整体的整合程度［29］．

点度中心度是用来衡量个体重要程度的指标［23］，通过与某节点有直接关系的其他节点数目多少来判定［28］．对有向连接的网络，点度中心度又分为出度和入度．其计算公式分别为

式中：CDO（ni）表示出度；Rij代表节点i→j的旅游流连接关系，若存在联系，其值为1，反之为0；n表示网络中包含的节点总数；CDI（ni）表示入度，Rji代表节点j→i的旅游流连接关系，若存在联系，其值为1，反之为0．

中间中心度是用来衡量个体中介能力大小的指标．对于旅游流网络而言，若某节点处于其他许多“旅游节点对”捷径上（亦即两节点间最短的路径），则该节点具有较高的中间中心度［19］，其计算公式为

式中：CB（ni）表示中间中心度，Rij是经过节点i并且连接节点i和节点j的最短路径数目，Rij（ni）是经过节点j并且连接节点i和节点j的最短路径数目，n是网络中所包含的节点总数．

1．5．2 整体的网络结构型态指针 采用网络规模、网络密度、中心势和核心边缘结构等指标判定网络的整体结构特征．网络规模是指网络中包含的全部节点的数目．网络密度是指网络中节点之间实际存在的关系数量和理论上的最大关系数量之比［30］．度数中心势是在节点点度中心度的基础上对网络中心化趋势程度的衡量，其计算公式为

式中：CD表示度数中心势，CD（ni）表示节点的点度中心度，CD（nmax）表示节点点度中心度的最大值，n表示网络中所包括的节点总数．CD的取值范围为［0，1］，其值越大，说明网络的中心化趋势越明显．

中间中心势是在节点中间中心度基础上反映网络均衡程度的指标，其计算公式为

式中：CB表示中间中心势，CB（ni）表示节点中间中心度，CB（nmax）表示节点中间中心度的最大值，n表示网络中所包括的节点总数．

核心边缘结构是社会网络分析的研究内容之一，用以界定网络的核心区和边缘区，同时对网络节点的核心度进行量化，从而为网络节点位置的判定与类型的划分提供依据．

2 结果与分析

2．1 广州入境旅游流地理分布特征

广州入境旅游流地理分布格局见图2．可以看出，广州入境旅游流的分布范围较小，朝西北地区流动较少，东北三省、内蒙古高原和青藏高原区域几乎没有旅游流流动；总体上呈现出东多西少，南密北疏的特点，集中分布在泛珠三角和长三角地区，以泛珠三角地区最为密集．旅游流流量大、流动频率高的热点旅游城市有桂林、香港、上海、成都、北京、义乌和深圳等，形成以这些城市为中心进行集聚和辐散的空间格局，说明这些城市在广州入境旅游市场中占有重要地位．从城市之间的流动规律来看，广州—桂林、广州—香港、上海—广州、广州—成都、广州—北京等城市间旅游流互动频繁．各热点旅游城市间缺乏交流或交流欠佳的组合有：北京—香港、上海—南京、香港—上海、桂林—西安、北京—西安等，这将直接影响各个城市入境旅游市场的发展和广州入境旅游流网络结构特征．

图2 广州入境旅游流地理分布Fig．2 Geographical distribution of inbound tourist flows from Guangzhou

2．2 旅游流空间扩散规律

之．厦门、西安、成都和昆明等12个目的地城市的旅游流扩散指数在1%～5%之间，属于广州入境旅游流的二级扩散强度城市，这些二级扩散强度城市多为旅游资源型城市或区域中心城市，对广州入境旅游流的吸引力较强．除上述城市外，其余目的地城市旅游流扩散指数均小于1%，是广州入境旅游流三级扩散强度城市．

表1 广州入境旅游流扩散指数Tab．1 Diffusion index of inbound tourist flows from Guangzhou%

2．3 广州入境旅游流网络特征分析

2．3．1 网络整体结构特征 广州入境旅游流网络规模为41，密度为0．084．一个由41个旅游节点组成的旅游网络最大可能的联结数量为1 640个，实际观察到的联结数量仅为92个，可见广州入境旅游流网络整体结构简单．网络的度数中心势为0．73，处于较高水平，说明该网络集中化趋势明显，存在比较明显的“枢纽”节点，暗示网络中可能存在明显的核心区．中间中心势较高，值为0．590，说明该网络中的节点需要借助较少的节点来实现旅游流的集散．

2．3．2 核心－边缘结构分析 根据2．3．1关于网络整体结构的分析和图1的观察，首先假设广州入境旅游流网络为“核心－边缘”网络，在此基础上选择Ucinet软中的“核心－边缘”分析模块对其进行拟合，并利用QAP命令对拟合结果进行检验．经测算，相关系数为0．534，拟合效果较理想，说明广州入境旅游流网络是“核心－边缘”网络的假设成立．

测算结果显示，网络的核心区共有15个目的地，边缘区共有26个目的地．其中，核心区成员包括广州、桂林、北京、上海、香港、深圳、阳朔、杭州、厦门、西安、成都、重庆、昆明、澳门和大连．15个核心节点中，除了北京和西安，其余均位于泛珠三角地区和长三角地区．另据测算，核心区内部的网络密度为0．371，远高于整体网络密度0．084，边缘区内部的网络密度为0．006，核心区到边缘区的密度为0．072，可见旅游流网络核心区内部节点间旅游流联系较为紧密，而边缘区节点间旅游流联系极少，相对孤立．核心区与边缘区旅游流联系较少，说明该网络中核心节点对边缘节点的辐射效应很弱．

2．3．3 网络个体结构位置 广州入境旅游流网络所涵盖的41个目的地城市中，有35个城市存在双向旅游流，具有旅游流传递功能，另外还有6个城市的出度或入度为0，仅具有旅游流输出或者引入能力．表2列出了点度中心性和中介性指标高于平均值的城市数据，其中，广州的总度数、出度和入度均排在首位，远高于网络中的其他节点城市，这与本文的研究样本均以广州作为入境口岸有直接关系．若不考虑广州，则该网络中桂林的总度数、出度和入度均排名第一，值分别为22、11和11，说明桂林的游客集散能力很强，是网络中首要的集散中心，且集聚和扩散能力相当．上海的总度数和出度均排名第二，入度排名第四，是重要的集散中心，且扩散能力略强于集聚能力；这主要是因为上海是我国的经济中心，而广州入境旅游流又以商务游客为主体，两个城市之间的经济联系奠定了两者之间旅游流互动的基础．北京的总度数排名第三，值为15，出度与上海并列第二，入度第六，是重要的扩散中心和次要集聚中心；北京作为我国的首都，不仅旅游资源丰富，而且对外交通网络非常发达，是国内、国际航空通达性最高的城市，因而成为网络中重要的扩散中心．深圳、香港和厦门的总度数均大于13，出度介于5～8之间，入度均大于8，是次要的扩散中心和重要的集聚中心；这3个城市均是重要的口岸城市，不仅国际知名度高且旅游资源丰富，因此对入境游客具有较强的吸引力．阳朔和大连的出度均为5，是次要的扩散中心，入度分别为3和2，是一般集聚中心．杭州、澳门和昆明的出度均小于5，入度介于5～6，为一般扩散中心和是次要集聚中心．西安、成都和重庆的出度和入度均低于5，为一般集聚中心．网络中其他节点的总度数、出度和入度都低于平均值．

表2 网络个体结构指标测算结果＊Tab．2 Results of structural indicators for network nodes

通过对中间中心度指标进行等级嵌套分析发现，东莞、佛山、青岛等16个中间中心度值为0的节点在第1次迭代中被删除，说明这些城市不具有旅游流中转功能，在广州入境旅游流网络中仅作为目的地存在．西安、大连、重庆等13个节点在第2次迭代中被删除，这些节点的中间中心度指标均低于均值，对其他节点旅游流中介能力极为薄弱，属于一般中转中心．香格里拉、北京、丽江、大理等7个节点在第3次迭代中被删除，这些节点中转能力较强，属于次要中转中心．剩余的5个节点分别为广州、桂林、成都、深圳和昆明，这些节点中间中心度值处于较高水平，属于重要中转中心．

根据网络个体结构位置，广州入境旅游流网络中15个核心节点大致可以分为4类：复合型节点、枢纽节点、中转节点和重要节点．其中广州、桂林和深圳属于复合型节点，兼具旅游流集散与中转功能；上海、北京属于枢纽节点，在旅游流集聚与扩散方面发挥着重要作用；成都和昆明属于中转节点，是旅游流网络中重要的中转城市；香港、厦门、杭州等属于重要节点．

3 结论与对策

3．1 结论

（1）广州入境旅游流以商务游客为主体，一站式游客比例较高，选址同一口岸出入境游客比例较高，超过83．44%的游客仍然从广州出境，这些因素是导致旅游流网络不均衡的基础．

（2）广州入境旅游流的分布范围较小，总体上呈现东多西少、南密北疏的特点，集中分布在泛珠三角和长三角等经济发达地区，以泛珠三角地区最为密集，西北、东北、内蒙古高原和青藏高原等经济欠发达的内陆地区广州入境旅游流流动稀少．旅游流流量大、流动频率高的热点旅游城市有桂林、香港、上海、成都、北京、义乌和深圳等，形成以这些城市为中心进行集聚和辐散的空间格局．广州—桂林、广州—香港、上海—广州、广州—成都、广州—北京是最受欢迎的城市对组合，而北京—香港、上海—南京、香港—上海、桂林—西安、北京—西安等组合缺乏交流或交流欠佳，这对广州入境旅游流网络具有直接的影响作用．

（3）广州入境旅游流扩散能力较弱，旅游流空间扩散强度在目的地城市间分布不均衡，集中化扩散趋势明显，向丰性和趋高性是其空间扩散的主要特点．旅游资源型城市、口岸城市、区域中心城市成为高强度扩散区域，其中广州、桂林、上海、香港、深圳和北京为一级扩散强度城市．

（4）广州入境旅游流网络为典型的核心－边缘网络，整体结构简单且集中化趋势明显，核心区包括广州、桂林和北京等15个城市，核心城市对边缘城市的辐射效应弱．核心城市中广州、桂林和深圳属于复合型节点，兼具旅游流集散与中转功能；上海、北京属于枢纽节点，在旅游流集聚与扩散方面发挥着重要作用；成都和昆明属于中转节点，是旅游流网络中重要的中转城市；香港、厦门、杭州等属于重要节点．

3．2 对策

（1）广州入境旅游流以商务游客为主体，而商务游客旅游活动的各环节多由旅行社负责，这就意味着旅行社在商务游客的出行中扮演着“管家”的角色．因此旅行社的旅游线路设计对于入境商务旅游流的地理分布和流动具有决定性影响．在旅游线路设计时，应尽可能延长旅行线路与均衡地区间目的地数量，从而引导广州入境旅游流在全国范围内合理流动．除此之外，还应当针对入境商务游客开展行之有效的营销手段，比如借助每年的“广交会”针对商务游客开展专门的旅游宣传与推介，在核心城市的机场、码头、星级酒店等商务游客聚集区播放旅游宣传片、派发旅游宣传手册等手段开展市场营销．

（2）距离衰减规律是旅游流流动的主要规律之一，对于西北、东北、内蒙古高原和青藏高原等广州入境旅游稀疏地区，其客源主要依赖部分核心节点城市的输入，在广州入境旅游流网络中的地位比较被动，应当通过不断完善航空、铁路和公路网络等手段来提高自身的交通通达性，以缩短距离的方式吸引广州入境旅游流向其流动．

（3）核心节点城市在广州入境旅游流网络中占据重要的结构位置，具有较高的通达性，便于旅游流的集散和转移．因此，边缘节点城市应该加强与核心节点城市之间的入境旅游合作．首先，边缘节点城市应该尽可能增加与核心节点城市间的航班、高铁和高速公路的联系，提高通达性；其次，边缘节点城市与核心旅游城市联合开展产品设计和市场营销；最后，在旅游线路推出方面，可考虑将核心节点城市和边缘节点城市联合进入其旅游线路一同推向市场．

［1］刘宏盈，马耀峰．基于旅游流转移视角的云南入境旅游发展历程分析［J］．旅游学刊，2007，23（7）：23－27．

［2］张佑印，马耀峰，顾静．北京间接入境聚集旅游流流势时空演化规律研究［J］．旅游学刊，2011，26（10）：31－35．

［3］徐军，贾铁飞．上海市入境旅游市场时空分布格局及其演变研究［J］．旅游研究，2011，4（3）：30－35．

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

［5］刘宏盈，马耀峰．北京入境旅游流西向梯度转移特征研究［J］．城市问题，2008（5）：59－63．

［6］刘永建，马耀峰，张佑印，等．中国口岸城市入境旅游流西向演化研究——以北京市为例［J］．资源开发与市场，2009，25（10）：942－944．

［7］王永明，马耀峰，王美霞．北京入境旅游流空间扩散特征及路径［J］．经济地理，2011，31（6）：1019－1024．

［8］张佑印，马耀峰，马红丽，等．北京入境集聚扩散旅游流平衡点转移规律研究［J］．旅游学刊，2009，24（12）：35－31．

［9］魏颖，马耀峰，李创新．口岸城市入境旅游流空间扩散路径实证研究——以上海市为例［J］．旅游科学，2010，24（5）：32－39．

［10］刘宏盈，马耀峰，白凯，等．口岸入境旅游流扩散转移特征研究——以上海为例［J］．社会科学家，2008（1）：99－103．

［11］刘宏盈，马耀峰，郭娜，等．旅沪入境客流西向扩散转移特征及预测［J］．旅游论坛，2008，1（2）：265－269．

［12］张佑印，马耀峰，顾静．北京入境旅游流扩散动力机制分析［J］．干旱区资源与环境，2012，26（1）：122－127．

［13］张佑印，顾静，马耀峰，等．北京入境旅游流分级扩散模式及动力机制分析［J］．人文地理，2012（5）：120－127．

［14］刘宏盈，苗芳，马耀峰，等．入境旅游流转移对旅游经济联系促进作用实证分析——以旅沪流向陕西转移为例［J］．干旱区资源与环境，2009，23（8）：135－138．

［15］刘宏盈，马耀峰．入境旅游流空间转移与省域旅游经济联系强度耦合分析——以上海入境旅游流西向扩散为例［J］．资源科学，2008，30（8）：1162－1168．

［16］褚玉良，马耀峰．入境旅游流空间转移与旅游经济联系研究——以北京向丝绸之路转移为例［J］．资源开发与市场，2010，26（5）：451－54．

［17］李京晶，马耀峰，李创新．北京入境旅游流西向扩散与省域经济联系研究——以西部三大典型区为例［J］．资源开发与市场，2010，26（3）：212－215．

［18］赵征．广州入境游客结构特征及时空动态规律研究［D］．广州：广州大学地理科学学院，2012．

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

［20］Hsin－YuShih．Network characteristics of drive tourism destinations：An application of network analysis in tourism［J］．Tourism Management，2006，27：1029－1039．

［21］Yeong－Hyeon Hwang，Ulrike Gretzel，Daniel Fesenmaier．Multicity trip patterns：tourism to the United States［J］．Annals of Tourism Research，2006，33（4）：105－1078．

［22］Migues J I L，Mendes J F E．Travel and tourism：Into a complex network［J］．Physica：A，2008，387：2963－2971．

［23］刘法建，张捷，章锦河，等．中国入境旅游流网络省级旅游地 角 色 研 究 ［J］．地 理 研 究，2010，29（6）：1141－1152．

［24］唐澜，吴晋峰，王金莹，等．中国入境商务旅游流空间分布特征及流动规律研究［J］．经济地理，2012，32（9）：149－155．

［25］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 ［J］．地理 科学进展，2012，31（4）：518－526．

［26］刘宏盈，韦丽柳，张娟．基于旅游线路的区域旅游流网络结构特征研究［J］．人文地理，2012（4）：199－211．

［27］郭峰，吴晋峰，王鑫，等．基于SNA的西安入境外国旅游市场“倒二八”结构研究［J］．人文地理，2011（5）：127－132．

［28］高娜．长三角旅游流网络时空演变与优化研究［D］．上海：上海师范大学旅游学院，2010．

［29］刘军．整体网络分析讲义［M］．上海：上海人民出版社，2008．

［30］刘军．社会网络分析导论［M］．北京：社会科学文献出版社，2004．