基于旅游数字足迹的甘肃省旅游流网络结构研究*

曲 静，吴 铭

(兰州财经大学 工商管理学院，甘肃 兰州 730020)

0 引言

旅游流是旅游业的基础，是旅游地理学研究的核心问题之一[1]。随着旅游业的迅速发展和游客消费需求的个性化，旅游流问题日趋复杂化与多元化。如何正确理解和准确预测旅游客源地与目的地之间、目的地与目的地之间的旅游流流量、流向和各节点间的联结模式，对区域旅游发展战略、空间布局、智慧旅游实现机制、旅游基础设施建设等都具有重要意义。

国内外早期的旅游流研究主要集中在理论框架、时空模式、形象定位和驱动机制[2-5]等方面。随着多媒体和移动技术的迅猛发展，在线旅游促使游客信息共享成为一种社会时尚，网络游记等是一种包含大量游客时空信息、情感信息、评价信息的“无干扰性数据”[6](unobtrusive and available data)，这些数据被称为“旅游数字足迹”(tourism digital footprint)，具有数量庞大、及时客观、方便获取等特点[7]，逐渐成为旅游流空间数据获取的基本方法之一，因此，利用旅游数字足迹进行旅游流定量分析成为研究的热点。在时空模式方面，Yan、Kim分别研究了马尔可夫链模型下不同游客旅游路线的拓扑特征和日韩后殖民地旅游交流模型[8-9]；李艳、杨敏、张俊丽等分别就西藏景区空间结构、成都市入境游客时空行为特征、山西省旅游线路优化等进行研究[10-12]。在旅游流量方面，Wolfgang研究奥地利的实际旅游人数与Flickr网站数据间的关系[13]；Huang使用协整理论分析得出百度搜索数据与实际旅游流量之间存在长期均衡关系和格兰杰因果关系[14]；Monica利用网络地理标记的照片建立重力模型，研究距离衰减对地理实体之间的旅游流量大小的影响[15]。在形象定位方面，程圩、梁保尔、潘植强等分别以丝绸之路(中国段)、上海历史街区和新疆天山为例，对旅游地形象感知及景区角色定位进行研究[16-18]。在其他方面，Mohammad、李振亭、冯芷菁、戢晓峰等分别对旅游流的合作信息检索模型、空间错位现象、遗产地开发与保护、旅游流应急疏散机制等进行研究[19-22]。

纵观现有研究成果，我国学者主要是从微观尺度入手，以国内一线旅游城市(区)为研究对象，进行旅游流时空模式、空间结构、形象定位等相关研究，而从大尺度地理空间范围进行旅游流网络结构的研究相对较少，以旅游业发展较落后的西部地区为研究对象的几乎空白。因此，本研究以甘肃省为例，运用社会网络分析法，对游客旅游数字足迹进行量化分析，研究甘肃省外地散客旅游流时空及网络结构特征，寻找旅游发展的制约因素并提出针对性参考建议。

1 数据来源与研究方法

1.1 案例地概况

甘肃省地处西北内陆，全省呈“西北-东南”走向狭长分布，旅游资源赋存丰富。深厚的历史文化和独特的旅游资源使甘肃省成为丝绸之路的黄金路段，形成一条长达1 600余km的景观长廊。近年来，在“一带一路”政策倡导下，旅游业逐渐成为全省国民经济发展的支柱型产业，据甘肃省统计局官网资料显示，2016年全省接待游客1.9亿人次，实现旅游综合收入1 220亿元，两项指标分别比上年增长22%和25%。但由于地理区位等限制，全省旅游资源分散，形成旅游发展冷热不均现象，省域旅游协调发展面临瓶颈。

1.2 数据来源

文章通过“火车头采集器”搜集游客在携程网和百度旅游网站上记录的网络游记作为数据来源。筛选标准如下：(1)游记作者为外地自由行散客；(2)记录游客出游时间及逗留天数，且出游时间为2015年1月至2017年4月；(3)可还原游客的旅游线路，且涉及研究范围内的旅游节点；(4)有一定数量的照片佐证文本数据的真实性。共采集网络游记 1 052篇，按以上标准进行严格筛选后，共选取有效网络游记458篇，涉及全省旅游节点84个。本文根据实际情况和研究需要，对部分景区进行了合并。在网络游记采集过程中发现，去黄河铁桥的游客必定去黄河母亲、白塔山公园、水车园等，因此将其合并为黄河风情线。

1.3 研究方法

社会网络是社会行动者(点)及其之间关系(线)的集合，通过采集并分析这种点线关系来研究区域内旅游流流量、流向和各节点间的联结关系的类型、强弱等，利用网络整体属性和节点个体属性能很好地反映区域旅游流网络结构特点[23]。文章运用社会网络分析法，借助Ucinet6和Netdraw软件对甘肃省旅游流进行数据测算与可视化分析，研究外地散客旅游流时空及网络结构特征。

2 甘肃省旅游流时空特征分析

2.1 时间特征分析

出游时间可表明甘肃省及周边旅游节点的最佳旅游时间。分析可知，甘肃省外地散客旅游流的出游时间存在明显季节性特征(如图1所示)。在一年中，全省旅游旺季出现在5-10月，其间旅游流量达到全年旅游总量的83.6%。该省地处内陆且海拔较高，夏无酷暑的气候特点使其成为理想的避暑胜地，加之“五一”“十一”假期使游客拥有集中的闲暇时间出游，因此形成以户外观光游览为主的旅游流具有明显的季节变化特征。

资料来源：作者绘制。图1 甘肃省游客出游时间

逗留时间可衡量各旅游节点的吸引力程度。分析可知，甘肃省外地散客旅游流逗留天数从1～9天不等(如图2所示)，游客平均逗留天数为5.23天，其中逗留5天的人数最多，达30.1%，与平均逗留天数相吻合，逗留1～2天、3～7天及7天以上的游客人数分别占游客总量的4.8%、88.2%、7%。形成上述特征的主要原因有：(1)甘肃省地处中国西北五省的核心地带，与其他四省均相邻，省会兰州市更是中国西北地区的重要交通枢纽，部分游客仅把甘肃省作为中国西北游的交通中转站或临时休整地，只对少数著名旅游节点(如莫高窟、中山桥等)进行快速的观光游览，从而仅逗留1～2天时间。(2)甘肃省作为“丝路之旅”的黄金路段，旅游节点众多且分布相对分散，全线游览需要较高的经济、时间和体力成本，大多数游客根据个人偏好对丝路沿线重要旅游节点进行有选择性的游览，因此游客逗留时间主要集中在3～7天，只有少数游客选择7天以上的长途旅游。(3)甘肃省现有旅游产品多为观光游览性质，深度体验型旅游产品缺乏，因此整体上影响了游客的逗留时间。

资料来源：作者绘制。图2 甘肃省游客逗留时间

2.2 空间特征分析

旅游流作为一个具有空间属性的旅游地理学概念，表现为游客在空间区域内的迁移现象[24]。旅游流空间特征分析能反映游客对不同节点的偏好程度及节点的吸引力程度，为区域旅游空间布局提供指导。

根据采集到的458条原始旅游线路计算出甘肃省各节点在游客旅游线路中出现的频次及其所占的比率。分析可知，游客存在明显的景区偏好，在所涉及的84个节点中，出现频次大于10%的节点共有18个(如表1所示)，其出现频次达到所有节点出现频次总和的83.6%，其他66个旅游节点的出现频次均低于10%，表现出明显的长尾特征。在出现频次大于10%的18个节点中，包括世界文化遗产1处，5A景区2处，4A景区7处，3A景区2处，2A景区1处，其他景区5处，其中有17处均位于甘肃省西北部和中部，只有拉卜楞寺位于甘肃省南部，存在明显的旅游冷热分区现象。形成上述特征的主要原因有：(1)外地游客较为偏好具有地方标志性元素的著名景区，如莫高窟、鸣沙山月牙泉景区等，这些节点的旅游资源具有垄断性，凝聚了甘肃省独特的丝路文化、宗教文化、历史文化和自然风光，成为外地游客的必去景区之一。(2)知名度高的旅游节点对其周边节点存在“光环效应”，如在世界文化遗产莫高窟的辐射带动下，雅丹地质公园、阳关文物景区、敦煌夜市等周边节点发展迅速，形成初具规模的全域旅游。(3)全省南部地区地形复杂、交通不便，旅游节点的可进入性低，且景区对外宣传力度不够，严重影响了甘南地区的旅游流量。

表1 甘肃省游客景区偏好

资料来源：作者计算。

3 旅游流网络结构分析

文章在分析数据的基础上，首先运用社会网络分析法测定游客的路径选择和景区偏好，构建甘肃省旅游流网络；其次运用Netdraw软件绘制甘肃省旅游流网络图，形象直观地展示各旅游节点的地位及其联结关系；最后使用Ucinet6软件分析旅游流网络的规模、密度、中心性、凝聚子群、核心-边缘等5方面数据来研究旅游流的网络结构特征。

3.1 旅游流网络结构构建

根据采集到的原始数据在Excel中构建旅游节点流向数据矩阵。合适的断点值能够突出旅游流整体网络的核心节点及重要关系，使网络结构更加清晰[25]，经过多次尝试，在对矩阵进行二值化处理时，最终选择3作为断点值，即若两个节点之间旅游流量值大于3，则在二分矩阵中取值为1；反之则为0。将处理好的二分矩阵通过Netdraw软件构建甘肃省旅游流网络结构图(如图3所示)。

资料来源：作者绘制。图3 甘肃省游客旅游流网络图

旅游节点之间的有向线段表示不同节点间的旅游流的流向关系，有向线段的多少表示该节点与其他节点之间的联结关系的数量，如节点A指向节点B的线段越多，说明从节点A到节点B的旅游人次越多，节点A对节点B有辐射带动作用，而节点B对节点A有吸引集聚作用。图3中流量较大、联结关系较多的节点为莫高窟、鸣沙山月牙泉景区、丹霞国家地质公园和黄河风情线等，与前文空间特征分析相吻合。

3.2 旅游流网络特征分析

3.2.1 网络规模与密度

网络规模指网络中包含的节点数目，对一个包含N个节点的有向网络图，其理论上可能的最大联结数量为N(N-1)。密度指网络图中各节点间联结的紧密程度，是网络中各节点间实际存在的联结数量M与理论上可能的最大联结数量之比，计算公式为：密度=M/N(N-1)，其取值范围为0到1，密度越大说明网络中各节点之间联结越紧密，旅游线路越多[23]。计算可得甘肃省旅游流网络理论上可能的最大联结数量为6 972个，实际联结数量为202个，网络密度仅为0.028 9，说明甘肃省各旅游节点间联结很少，省域范围内未形成完整的旅游线路。

3.2.2 中心性分析

中心性分析是社会网络研究的重点之一，是从“关系”角度对行动者(点)在网络中居于怎样的中心地位的量化表达，包括度数中心性、接近中心性、中介中心性3个指标[23]20。

(1)度数中心性

度数中心性是通过计算与其直接相连的节点数目来测量节点在网络中的地位。在有向图中分为点出度和点入度两个指标，其值越大则节点越处于网络的中心地位[23]33。计算公式[26]为：

公式中， CD，out(ni)和CD，in(ni) 分别表示节点i的点出度和点入度， rij，out表示从节点i指向节点j的有向关系， rij，in表示从节点j指向节点i的有向关系。

分析表2可知，在甘肃省旅游流网络中，每个节点平均与2.405个节点存在旅游流辐射或集聚关系。点出度和点入度均较高的节点为莫高窟、黄河风情线、雅丹地质公园、嘉峪关文物景区等，说明这些节点是甘肃省重要的旅游节点，处于整体网络的中心地位。而则岔石林、禅定寺、冶力关景区等点出度和点入度均较低，处于全省旅游流网络的边缘位置。点出度和点入度标准差较高，分别为3.328，3.226，说明全省旅游流节点内外向度数中心性波动较大，整体旅游流网络存在不均衡性。

表2 甘肃省旅游流网络结构中心性分析结果

续表2

景区级别景点名称度数中心性外向 内向接近中心性外向 内向中介中心性/榆林窟322.8372.6170.6914A当周草原322.8142.6000.3453A巴寨沟景区322.8172.5693.3942A桑科草原312.8162.5911.230/敦煌博物馆232.8312.6180.2833A雷音寺232.8272.6170.002/七一冰川212.8262.6050.0184A冰沟丹霞景区232.8262.6230.7204A雷台汉墓222.8302.5942.8212A郎木寺242.8112.6060.676/尕海242.7772.6060.7724A大峪沟景区212.7772.5892.4832A黄河第一弯122.7732.5750.397西关清真寺112.8392.5970.000/大众巷112.8152.6220.0004A金塔胡杨林112.8252.6050.0004A张掖国家湿地公园112.7812.5930.010/山丹军马场112.7892.6210.0004A武威文庙112.8272.5590.0002A天梯山石窟112.7852.6231.2784A冶力关景区112.8412.5352.307/禅定寺102.7352.6242.4384A则岔石林021.1902.6370.000均值2.4052.4052.1362.0610.977标准差3.3283.2260.8180.6952.429总和202202179.459173.13982.045最大值13153.3952.76617.954最小值001.1901.1900

资料来源：作者计算。

(2)接近中心性

接近中心性是通过测地线之和测量某节点与其他节点的接近程度，其值越小则节点与其他节点的距离越近。计算公式为：

公式中， CC(ni)表示节点i的接近中心性， d(ni,nj)表示节点ni与nj之间最短路径距离。

分析表2可知，在甘肃省旅游流网络中，内、外向接近中心性均较高的节点为黄河风情线、莫高窟、鸣沙山月牙泉景区等，说明这些旅游节点在游客旅游线路中出现的频率较高。此外，网络图中还出现内外接近中心性差异较大的孤伶点，一种是内向接近度值大、外向接近度值小的节点，如则岔石林等，说明这些节点处于网络的边缘，作为进入点时可进入性差，对其他节点依赖性大。另一种是外向接近度值大、内向接近度值小的节点，如麦积山石窟等，说明这些旅游节点作为进入点时通达性好、可进入性强，较少依赖其他旅游节点。

(3)中介中心性

中介中心性是测量某节点在多大程度上处于其他节点的“中间”而起到控制和支配的能力[23]，其值越大则该节点对其他节点的控制能力越强，越处在网络的中心地位。计算公式[26]为：

公式中， CB(ni)表示节点i的中介中心性， gjk表示从节点j到达节点k的捷径数， gjk(ni)表示从节点j到达节点k需经过节点i的捷径数。

分析表2可知，在甘肃省旅游流网络中，每个旅游节点充当中间者的平均次数约为1次，中介中心性最高的节点依次为黄河风情线、七彩丹霞景区、莫高窟、拉卜楞寺等，说明这些节点充当其他旅游节点的“中介桥梁”的概率最高，对周边旅游流的控制能力最强，在整个网络中发挥交通枢纽的作用，游客以这些旅游节点作为中转节点的概率最高。

3.2.3 凝聚子群分析

凝聚子群分析不仅能反映旅游流网络中具有直接、紧密关系的子群数量[23]58，而且能揭示旅游流网络整体结构和各子群的内部联结特征，深层把握游客对旅游线路组合的选择。运用Ucinet6软件，通过分析得到甘肃省旅游流网络的5个凝聚子群及密度(见表3)。

表3 不同凝聚子群及其密度

注：R-squared=0.205，1：黄河风情线、榆林窟、玉门关、敦煌夜市、敦煌博物馆、西千佛洞、嘉峪关文物景区、莫高窟、鸣沙山月牙泉景区、雅丹地质公园、阳关文物景区、雷音寺、敦煌汉长城遗址、七彩丹霞景区、敦煌影视古城；2：禅定寺、甘肃省博物馆、正宁路夜市、天梯山石窟、西关清真寺、大众巷、合作米拉日巴佛阁、拉卜楞寺、麦积山石窟、冶力关；3：山丹军马场、七一冰川、马蹄寺石窟、冰沟丹霞景区、祁连山草原、张掖国家湿地公园、雷台汉墓、扁都口景区、张掖大佛寺、武威文庙、金塔胡杨林；4：大峪沟景区、巴寨沟景区、黄河第一弯；5：扎尕那、尕海、当周草原、郎木寺、桑科草原、则岔石林。 资料来源：作者计算。

如表3所示，甘肃省外地散客旅游流存在内部关系紧密的5个子群，具有一定的内部集聚特征。其中，第1子群内部联结密度最大，为0.400，说明第1子群内部节点间联结最紧密、旅游流流动最频繁、在旅游线路中出现频次最高。进一步分析可知，第1子群的内部节点，如黄河风情线、莫高窟、鸣沙山月牙泉景区、嘉峪关文物景区等均为中心性分析中的核心节点，集聚、辐射带动能力强，不仅与群内其他节点存在频繁的旅游流流动，而且与临近子群的联系也较密切，其与第2、3子群的联结密度分别为0.043和0.063。另外，第5子群的内部密度系数为0.143，仅次于第1子群，其与第2、4子群的联系也较为密切，密度系数分别为0.087，0.021。从地理空间分布来看，第1、3子群和第4、5子群分别位于甘西北和甘南地区，旅游流流动具有明显的地理邻近性；第2子群位于甘肃省中部地区，是联结南北旅游流的重要桥梁。

3.2.4 核心-边缘分析

结合实际数据，通过核心-边缘模型可估计出旅游节点的核心度，进而对旅游节点处于什么位置(核心、边缘)有一个量化认识[23]69。影响旅游节点核心度的不仅有节点自身的集聚能力，还有对其他节点的辐射能力，集聚和辐射能力越强，节点越处于网络的核心地位。运用Ucinet6软件得到甘肃省旅游流核心-边缘组成节点及矩阵密度(如表4所示)。核心节点共18个，分别为黄河风情线、甘肃省博物馆、正宁路夜市、莫高窟、鸣沙山月牙泉景区、雅丹地质公园、阳关文物景区、玉门关、敦煌夜市、西千佛洞、敦煌汉长城遗址、敦煌影视古城、嘉峪关文物景区、张掖大佛寺、马蹄寺石窟、七彩丹霞景区、拉卜楞寺、合作米拉日巴佛阁。在旅游流整体网络密度为0.028 9的情况下，核心区内部节点间的联结密度为0.150，而边缘区内部节点间的联结密度为0.011，表明在甘肃省旅游流网络中存在明显的结构分层，核心节点多分布于全省北部和中南部，而其他节点多处于网络的边缘地带。同时，核心区与边缘区节点间的联结密度最低，仅为0.007，说明全省旅游流网络中，核心节点对边缘节点的辐射带动效应不足，旅游流存在高度的地理集中性。

表4 核心-边缘密度矩阵

资料来源：作者计算。

4 结论与建议

4.1 结论

文章基于旅游数字足迹研究甘肃省外地散客旅游流特征，基本结论如下：

(1)根据时空特征分析，游客出游时间主要集中在5-10月，季节性特征显著，平均逗留天数为5天，受闲暇时间和甘肃省气候特征影响较大；游客存在明显的景区偏好，旅游流主要集中在具有地方标志性元素的著名景区(鸣沙山月牙泉景区、莫高窟、七彩丹霞景区等)，而其他节点旅游客流相对较少，省域范围内未形成完整的旅游线路。

(2)根据网络规模、密度及中心性分析，甘肃省旅游流网络整体密度低，旅游节点分布不均衡，莫高窟、黄河风情线、嘉峪关文物景区等节点处于整个网络的中心，对其他节点具有明显的集聚、辐射和交通枢纽的作用。

(3)根据凝聚子群分析，全省存在5个凝聚子群，各子群内部存在紧密、直接的联系，但各子群间结构分层显著，旅游流具有明显的地理邻近性，位于全省中部的子群是联结南北旅游流的重要桥梁。

(4)根据核心-边缘分析，甘肃省外地散客旅游流网络等级差异明显，核心区节点共18个，其他为边缘区节点，核心区内部联结密度高，但核心区与边缘区之间联结密度非常低，核心节点对边缘节点的辐射带动效应不足。

4.2 建议

本文对甘肃省旅游管理者提出如下建议：

(1)加快旅游产业升级转型。甘肃省应充分利用“一带一路”的政策优势，加快旅游产业转型步伐，促进旅游产品升级换代，深度挖掘丝路文化，由观光旅游产品向专项旅游产品和综合旅游产品转化，大力发展文化旅游、体验旅游、探险旅游、商务旅游等旅游新业态，打造具有丝路特色的新型旅游产品，以延长游客逗留天数，促进全省旅游业均衡发展。

(2)完善区域旅游交通网络。交通是旅游业发展的血脉，是保证旅游流在空间高效流动的必要条件。甘肃省应围绕省内核心旅游节点，构建一条覆盖甘西北、甘中、甘南和甘东的丝路旅游专线，并将沿线旅游节点串成环形的旅游线路，提高旅游节点的可进入性和游客出游的时间利用率，提高网络中核心节点的带动能力，扩大边缘节点的吸引力半径，减轻旅游流距离衰减效应和全省“西北-东南”狭长分布对旅游业发展造成的不利影响。

(3)构建旅游命运共同体。甘肃省旅游核心节点多为具有地方标志性元素的著名景区或重要交通节点，游客对其认可度高、依赖度强，因此，应加强核心景区建设，充分利用其“光环效应”。如甘南地区可以夏河县拉卜楞寺为中心，在产品设计、线路组合等方面加强与周边合作市、碌曲县、卓尼县，甚至川北地区的合作，开发突出当地特色的甘南藏族草原风情游的精品旅游线路，实现旅游资源在区域内配套组合，推动甘南旅游发展一体化进程，构建旅游命运共同体。

(4)加强旅游信息化建设，实现景区智慧化管理。旅游管理部门可基于物联网构建全省旅游公共服务平台，建立与游客进行有效互动的沟通机制。通过RFID、电子触摸屏、红外传感等技术，景区不仅可为游客提供信息查询、电子票务、景点讲解等智慧化服务；还可对旅游流量、游客位置等进行实时监控，通过网络平台、电子屏幕、景区广播等有效引导游客分流，避免出现旅游流空间错位现象，如在旅游旺季，莫高窟景区一票难求，而榆林窟、西千佛洞等周边同类节点却客源不足，引导游客分流就能缓解旅游景区供需矛盾。

[1] LIU F J， ZHANG J， ZHANG J H， et al.Analysis of the basic method of collecting the spatial data of tourist flows：a study review and comparison both at home and abroad[J].Tourism tribune，2012，27(6)：101-109.[刘法建，张捷，章锦河，等.旅游流空间数据获取的基本方法分析：国内外研究综述及比较[J].旅游学刊，2012，27(6)：101-109.]

[2] COFFEY W J. Geography and the environment：systems analytical methods，by A.G.Wilson[J].Journal of the operational research society，1982，33(9)：865-866.

[3] CAMPBELL C K.An approach to research in recreational geography[M].Vancouver：Department of Geography，University of British Columbia.1967：89-93.

[4] TANG S T， GUO L X. Research on tourism flow system[J].Tourism tribune，1998，13(3)：38-41.[唐顺铁，郭来喜.旅游流体系研究[J].旅游学刊，1998，13(3)：38-41.]

[5] YANG X Z， WU J. A diachronic comparison of the characteristics of the structure of tourism flow network in Nanjing[J].Tourism science，2015，29(4)：35-46.[杨兴柱，吴静.南京市旅游流网络结构特征历时性比较[J].旅游科学，2015，29(4)：35-46.]

[6] ZHU F， LÜ Z. The post-purchase evaluation of the China's star rated hotel service quality： a content analysis of guest comments on third party hotel booking websites[J].Tourism tribune，2006，21(5)：86-90.[朱峰，吕镇.国内游客对饭店服务质量评论的文本分析：以e龙网的网友评论为例[J].旅游学刊，2006，21(5)：86-90.]

[7] LI J Y. Tourism digital footprint： revealing the time and space trail of tourists online[J]Thinking， 2013，39(3)：103-107.[李君轶.旅游数字足迹：在线揭示游客的时空轨迹[J].思想战线，2013，39(3)：103-107.]

[8] ZHENG Y T， ZHA Z J，CHUA T S. Mining travel patterns from geotagged photos[J].Acm transactions on intelligent systems & technology，2012，3(3)：1-18.

[9] KIM S， PRIDEAUX B. A post-colonial analysis of bilateral tourism flows： the case of Korea and Japan[J].International journal of tourism research，2012，14(6)：586-600.

[10] LI Y， YAN Y， YUN X. The spatial structure of Tibet tourism based on tourism digital footprint[J]. Journal of arid land resources and environment，2015，29(6)：176-182.[李艳，严艳，贠欣.基于旅游数字足迹的西藏景区空间结构分析[J].干旱区资源与环境，2015，29(6)：176-182.]

[11] YANG M， LI J Y， YANG L. The study on spatio-temporal behaviors of inbound tourists based on tourism digital footprints： a case study of Chengdu[J]. Tourism science，2015，29(3)：59-68.[杨敏，李君轶，杨利.基于旅游数字足迹的城市入境游客时空行为研究：以成都市为例[J].旅游科学，2015，29(3)：59-68.]

[12] ZHANG J L， ZHANG H， LIU Y，et al. Social network perspective on travel itinerary optimization and integration research of Shanxi Province[J].Resource development & market，2016，32(1)：120-124.[张俊丽，张红，刘妍，等.社会网络视角下山西省旅游线路优化整合分析[J].资源开发与市场，2016，32(1)：120-124.]

[13] KOERBITZ W， ÖNDER I， HUBMANN-HAIDVOGEL A C. Identifying tourist dispersion in Austria by digital footprints[M].// Information and Communication Technologies in Tourism 2013. Springer Berlin Heidelberg， 2013.

[14] HUANG X K， ZHANG L F， DING Y S. The Baidu index：uses in predicting tourism flows-a case study of the Forbidden City[J].Tourism management，2016，58：301-316.

[15] YUAN Y， MEDEL M.Characterizing international travel behavior from geotagged photos：a case study of Flickr[J].Plos one，2016，11(5)：77-84.

[16] CHENG X， SUI L N，CHENG M. Study on the perception of tourism image on Silk Road based on web text analysis[J].West forum， 2014，24(5)：101-108.[程圩，隋丽娜，程默.基于网络文本的丝绸之路旅游形象感知研究[J].西部论坛，2014，24(5)：101-108.]

[17] LIANG B E， PAN Z Q. An analysis of scenic areas preference and the co-occurrence phenomenon based on online information： a case of Shanghai historic district[J].Tourism tribune，2015，30(7)：80-90.[梁保尔，潘植强.基于旅游数字足迹的目的地关注度与共现效应研究：以上海历史街区为例[J].旅游学刊，2015，30(7)：80-90.]

[18] PAN Z Q， LIANG B E.Tourist perception of tourism destination image analysis based on tourism digital footprint ：a case study of world natural heritage Tianshan Mountain[J].Journal of Beijing International Studies University，2015(5)：40-48.[潘植强，梁保尔.基于旅游数字足迹的目的地旅游形象游客感知研究：以新疆天山世界自然遗产为例[J].北京第二外国语学院学报，2015(5)：40-48.]

[19] ARIF A S M， JIA T D F， LEE I. Understanding tourists' collaborative information retrieval behavior to inform design[J]. Journal of the association for information science & technology， 2015，66(11)：2285-2303.

[20] LI Z T， ZHANG X F. Analysis on spatial dislocation of inbound tourism flow in China[J].Resource development & market， 2013，29(7)：758-761.[李振亭，张晓芳.中国入境旅游流流量与流质的空间错位分析[J].资源开发与市场，2013，29(7)：758-761.]

[21] FENG Z J， CHEN H， YAN J H， et al. Tourist development and preservation problem analysis of heritages site based on digital footprint：a case of world cultural heritage sites Kaiping Diaolou and villages[J].Value engineering， 2016，35(32)：76-79.[冯芷菁，陈慧，颜嘉华，等.基于旅游数字足迹的遗产地旅游开发与保护问题分析：以开平碉楼与村落世界文化遗产地为例[J].价值工程， 2016， 35(32)：76-79.]

[22] JI X F，LIANG F W，CHEN F. Evaluation method of emergency evacuation efficiency for hype-congestion tourism flow based on catastrophe theory[J].Economic geography，2013，33(5)：168-173.[戢晓峰，梁斐雯，陈方.基于突变理论的过饱和旅游流应急疏散效率评价方法[J].经济地理，2013，33(5)：168-173.]

[23] LIU J. Lectures on whole network approach：a practical guide to UCINET[M].Shanghai：Truth & Wisdom Press，2009.[刘军.整体网分析讲义：UCINET软件实用指南[M].上海：格致出版社，2009.]

[24] YANG X Z， GU C L， WANG Q. Study on the driving force of tourist flows[J].Geographical research，2011，30(1)：23-36.[杨兴柱，顾朝林，王群.旅游流驱动力系统分析[J].地理研究，2011，30(1)：23-36.]

[25] WU J F，PAN X L.Characteristic of Beijing and Shanghai inbound tourists flow network[J]. Scientia geographica sinica，2010， 15(3)：370-376.[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，2010，15(3)：370-376.]

[26] YANG X Z， GU C L， WANG Q. Urban tourism flow network structure construction in Nanjing [J].Acta geographica sinica，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[J].地理学报，2007，62(6)：609-620.]