基于旅游数字足迹的青岛市旅游流网络结构分析

董友婷

摘   要：在网络信息技术快速发展的今天，广大游客不再单纯依靠旅行社来订购机票、酒店以及景点的门票，他们更加愿意通过网络购票的方式来选择旅游景点和酒店等等，更有很多人愿意通过写游记或者晒照片的方式在网络社交平台上分享自己的旅游经历。这些信息共同构成了“旅游数字足迹”的数据源。以青岛市为例，通过去哪儿网和携程网获取“旅游数字足迹”，并借助社会网络分析，对青岛市的旅游流进行深度挖掘。研究结果表明，旅游流网络中核心节点分布不均衡，核心区域由沿海重要节点和路径组成;青岛市核心旅游景点与周边的旅游景点联系较紧密，且存在较强的核心景点带动周边景点发展的内外部联结效应。因此，青岛市沿海地区与内部地区旅游资源的差距，是青岛市未来旅游发展所面临的问题。

关键词：旅游;数字足迹;旅游流;网络结构分析

中图分类号：F590        文献标志码：A        文章编号：1673-291X（2021）05-0095-04

引言

国外对旅游数字足迹的研究比较早。早在2008年，美国学者Girardin等就提出了相关理论，更多是利用手机和照片等来进行研究。他们发现，不少游客在旅游准备和游玩过程中都会经历三个过程，分别是游前、游中和游后，也都愿意在他们的社交网络上发布自己的旅游动态、旅游攻略和旅游点评。这逐渐成为一种潮流，也促使国外的旅游流这一研究得到不断发展。从目前国外对分享旅游数字足迹相关研究来看，国外较早就开始研究利用网络方式分享旅游照片等旅游数字化足迹，借助社会化的网络数据分析法、内容结构分析法等研究方法对游客的时空特征、旅行路线、游客景区满意度等进行研究。这些研究为我国开始相关研究提供了经验和方法。但同时也因为理论方法的技术单一性，使得国外对旅游研究一直停滞不前，没有机会出现更加深层次的理论。

国内对网络数字旅游足迹研究主要集中在网络旅游文本分析上，研究重点集中在旅游时空特征、旅游形象感知方面，研究区域也比较单一。李君轶（2013）对旅游数字足迹的概念、特征、研究领域进行了描述，并探讨了旅游数字足迹在游客时空行为中所得到的相关应用及其发展趋势。张妍妍（2014）基于旅游数字足迹分析西安市旅游流网络结构。罗秋菊（2016）基于“数字足迹”，同时，使用网络游记与照片两种旅游数字足迹探索云南省自驾车旅游客流的时空特征。杨敏（2015）对成都市入境游客时空行为特征进行深入分析。李艳、严艳（2015）借助社会网络分析法和可视化分析对西藏景区空间结构进行了讨论。张鲜鲜、李婧晗等（2018）以南京市为例，结合网络文本分析和GIS空间分析方法，对游客时空行为特征进行分析。

本文基于“数字足迹”，同时使用网络游记和照片两种旅游数字足迹来提取信息，并使用社会网络分析方法构建空间网络关系图，以此来探讨青岛市旅游流网络所凸显的结构特征，并对青岛市未来的旅游发展进行了讨论。

一、数据来源与研究方法

（一）数据来源

为了能够应用“数字足迹”这一方法，我们首先需要采集大量合适的数据样本。笔者在各大知名旅游咨询网站和平台网上搜索“青岛”这一样本关键词，选择了去哪儿旅行网和中国携程网进行足迹提取。同时，笔者提取了一种有网络游记和文字照片两种类型的旅游相关数字信息足迹，两种提取方式相辅相成。游记可以从文字上有效地直接反映相关的旅游信息，而这些照片足迹更大意义是直接发挥到了验证相关文字信息真实性的重要作用。本文研究主要采集这两个旅游网站2019年1月1日至2019年12月31日青岛市的旅游游记作为研究样本。收集于2020年5月20日开始，以所有游记更新截止时间为准，筛选出从截止更新时间到2020年5月31日的游记。最后，由笔者通过记录统计出所有符合本文研究标准的旅游用户总共有136篇（去哪儿旅行网有73篇，携程网有63篇）。

其中数字足迹的筛选标准为：（1）出游时间和逗留时间必须在2019年1月1日至2019年12月31日。（2）每篇游记内容必须要完整准确记录每位游客的旅行出行过程，比如几点在哪里游玩、之后要去往哪里、之前是从哪个地方到达这里的。（3）每篇游记和照片至少有一种可以明确表明游客的旅行行程时间和旅游目的地点。（4）每篇游记最好配有游客拍摄的照片，以验证文本的持续时间。

（二）研究方法

本文主要采用社会网络分析法来深入研究景区旅游游客流量的网络结构及其特点，内容主要重点包括不同旅游重点景区网络节点间联系的强弱复杂程度和网络类型、旅游流的流量和指向、旅游网络的特征。通过综合使用UCINET6.0和NETDRAW軟件，对青岛市的新型旅游流进行数据可视化分析，研究青岛市新型旅游流的网络结构及其特征。

二、旅游流网络结构分析

笔者通过社会旅游景点数字化足迹来分析提取旅游景点路线的理论基础，以社会网络分析法为理论指导，从社会网络分析的各个角度出发，深入分析青岛市游客游玩的空间选择路线和偏好。首先，对用户收集获取到的旅游信息数据进行分类整理，以此获取有效数据，然后通过UCINET6.0将数据文本格式进行转化，再将其导入NETDRAW软件中，得到如图1。这样可以更加直观观察到网络空间结构间各主要旅游节点及其突出旅游节点间的相互联结。

在NETDRAW软件的基础上，再利用Core Draw软件对旅游节点中流量较大的几条联线进行分析。根据实际旅游流的大小加粗线条，我们可以预测得到，景点旅游流量越大，线条越粗，矩形也越大;同时，游客对这一景点的偏好也越大。线段还可以表示不同旅游节点之间的相互作用关系。一般来说，线条越多的旅游节点，它和其他旅游节点间的联系也越大。

从图1中笔者不难看出，游客流量较大的节点主要包括栈桥、五四广场、八大关、浙江路天主教堂，它们属于青岛市的一级节点;鲁迅公园、小鱼山公园、信号山公园等属于二级节点;胶州湾海底隧道、总督府、万象城等旅游景点属于三级节点。而节点与节点之间流量较大的有栈桥、浙江路天主教堂、青岛奥帆中心、五四广场、八大关、第二海水浴场、青岛啤酒博物馆、崂山、小青岛、台东步行街，说明这几个景区受到游客的青睐。由其他景点指向浙江路天主教堂和五四广场的箭头较多，说明八大关和五四广场是主要聚集点;由栈桥和八大关指向其他景点的箭头最多，说明栈桥和八大关是主要辐射地;指向八大关和由八大关指出的箭头都很多，说明八大关既是主要聚集地又是主要辐射地。总体可以看出，栈桥、五四广场、八大关、浙江路天主教堂是不少游客的首选。

通过可视化的网络结构图分析可知，我们应该加强对一级核心节点旅游流的引导和控制，构建以一级节点为中心的城市旅游空间结构体系;同时，要不断加强一级节点与周围其他节点之间的联系，包括交通联系、线路联系等等，发挥二级节点作为连接一级节点和三级节点的桥梁作用，强化节点之间的组织和联络功能，避免结构空洞现象对青岛市客流量及其分布的负面影响，更好发挥它们作为中转站的作用。

三、结论与讨论

（一）结论

本文在核心旅游节点数字化足迹的理念基础上，通过运用社会网络分析法对青岛市的主要旅游节点流动性网络结构特征变化进行分析研究，并据此得出了以下主要结论。

1.研究发现，可以直接通过几个核心旅游节点之间来直接发生联结。青岛市比较突出的核心节点有五四广场、栈桥、八大关、浙江路天主教堂。它们具有明显的网络结构变化优势，既可以充当旅游聚集点、辐射点，同样也是重要的交通枢纽连接点。但是它们也只是对距离较近的旅游节点起到带动效应，对于一些距离较远和交通不是很方便的节点影响也不是太大。另外，核心节点分布不均，主要由沿海的重要节点组成，这在大多数沿海旅游城市中比较常见。青岛市的旅游管理部门应该制定差异化的营销策略，以满足未来不同偏好游客的需求，缓解青岛市内部不健康的市场竞争，使得青岛市旅游市场最大化。

2.青岛市由于海岸旅游交通路线较多，内部子结构临近性较强，而且较常组合成旅游线路的旅游节点大多集中于最受欢迎的东海岸那条线上，因此，西海岸的旅游资源或者旅游路线相对于东海岸来说，相对较差。虽然胶州湾海底隧道开通在一定程度上促进了西海岸旅游发展，但其对游客的吸引力仍然不强。因此，如何缩小青岛市东西海岸的资源差距，促进旅游事业平衡发展是青岛市旅游发展要解决的重点问题。

（二）讨论

本文在简单整理叙述了国内外旅游相关学术文献资料的基础上，引出“旅游数字足迹”相关概念，并以青岛市领域作为课题研究重点区域，研究青岛市的旅游信息流量和网络结构特征。

从研究结果来看，“旅游数字足迹”与传统的研究方法相比具有其不可比擬的优点，如成本低、时间短等。而且随着网络的不断发展，“旅游数字足迹”会逐渐成为旅游流的潮流。但是研究也有很多需要改进的地方。首先，我们使用的数字足迹数据源存在着一些缺陷，其中不乏会有一些商家为了宣传景点撰写游记的情况。只有大多数年轻且受过教育的人愿意在网络上分享他们的游记，中老年人可能也去游玩了，但是他们没有在网上分享，这样我们就缺失了一部分数据。所以，我们可以将在线旅游数据与官方调查数据相结合，这样更有利于获得更准确的数据源。其次，目前的研究还是主要侧重于客流的“静态”分析，以后可以将影响游客流动时间、空间方面的潜在因素考虑在内。我们还可以将游客所访问对象的密切度和空间位置有效利用起来，在定量分析的基础上定性分析，以获得更有效的数据。

参考文献：

[1]   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，（3）：103-107.

[2]   张妍妍，李君轶，杨敏.基于旅游数字足迹的西安旅游流网络结构研究[J].人文地理，2014，（4）：111-118.

[3]   王录仓，严翠霞，李巍.基于新浪微博大数据的旅游流时空特征研究——以兰州市为例[J].旅游学刊，2017，32（5）：94-105.

[4]   罗秋菊，梁思贤.基于数字足迹的自驾游旅游客流时空特征研究——以云南省为例[J].旅游学刊，2016，31（12）：41-50

[5]   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，（3）：59-68.

[6]   蔚海燕，戴泽钒，许鑫，等.上海迪士尼对上海旅游流网络的影响研究——基于驴妈妈游客数字足迹的视角[J].旅游学刊，2018，33（4）：33-45.

[7]   季学峰，吴国清.基于旅游数字足迹的上海市旅游流网络结构分析[J].城市学刊，2019，40（6）：33-38.

[8]   张鲜鲜，李婧晗，左颖，张慧敏，晋秀龙.基于数字足迹的游客时空行为特征分析——以南京市为例[J].经济地理，2018，38（12）.

[9]   贺亚楠，任以胜，李磊，陆林.特殊时段黄山市旅游流网络结构分析——以2018年“十一”黄金周为例[J].资源开发与市场，2010，（4）：411-416.

[10]   吴姗姗，王录仓，王江海.基于数字足迹的河南省景区旅游流格局及体验特征[J].资源开发与市场，2020，（3）.

[11]   李艳，严艳.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）.

[12]   Girardin F， Blat J，Calabrese F， et al. Digital Footprinting：Uncovering Tourists with User-Generated Content[J].IEEE Pervasive Computing，2008，7（4）：36-43.

[13]   NaixiaMou，RongzhengYuan，TengfeiYang，HengcaiZhang，Jinwen（Jimmy） Tang，YanSong.Tourists digital footprint：The spatial patterns of tourist flows in Qingdao，China[J].Tourism Management，2020.