基于旅游数字足迹的夜间旅游流网络结构研究——以广州市为例

刘 益，滕梦秦

(暨南大学 管理学院,广东 广州 510632)

当前,中国旅游产业供给侧改革深入推进,旅游产品业态日益丰富,以夜间旅游体验空间和项目打造为核心要素的夜间旅游成为夜间经济和区域旅游消费的新亮点。夜间旅游,通常指发生在当日下午6点至次日凌晨6点,以游客、当地居民为消费主体进行的旅游消费活动(1)《关于完善促进消费体制机制进一步激发居民消费潜力的若干意见》,2018年发布。,能够实现旅游体验时间效能的最大化。2019年8月，国务院办公厅出台《关于完善促进消费体制机制进一步激发居民消费潜力的若干意见》,意见强调要持续建设国家级夜间文旅消费集聚区,城市夜游被推上高速发展的风口。随后,各地政府陆续出台各项推动城市夜间经济发展的实施方案,大力培育地方夜间旅游消费。2019年8月,广州市发改委正式印发《广州市推动夜间经济发展实施方案》(2)《广州市推动夜间经济发展实施方案》,2019年发布。,明确指出将进一步完善全域夜间经济产业链,打造国际知名的“广州之夜”品牌。

广州,作为中国最早发展夜间经济的城市之一,夜游项目开发和夜间城市景观特点鲜明。相关数据显示,2018年广州市55%的服务业产值来源于夜间经济(3)《2019中国城市夜经济影响力报告》,2019年发布。,入选了2019中国“夜间经济十强城市”,拥有发展夜间旅游的天然条件和巨大潜力。那么,作为一个夜间旅游消费活跃的一线城市,广州夜间旅游流的空间分布呈现的特征如何?网络结构中是否存在核心边缘关系?各节点旅游流的集聚、辐射功能有何特点?围绕上述问题的探究,对于优化广州市夜间经济产业链,促进夜间旅游持续健康发展具有重要的现实意义。

1 文献综述及评估

就国内外夜间旅游研究现状来看,国外主要从夜间经济的视角切入,探讨夜间经济的内涵及组成[1]、夜间休闲方式与夜间经济间的关系[2]等内容,围绕夜间旅游开展的专项研究相对较少。国内同样是以夜间经济理论为基础,对夜间旅游的概念及内涵[3]、夜间旅游的动因及意愿[4]、夜间旅游产品及开发[5]开展分析探讨。总体来看,均是在夜间经济理论框架下开展的夜间旅游研究，就研究内容和方法而言，多以基础调查为主,对夜间旅游的内在特质关注较少,尤其在运用多学科研究方法评估夜间旅游市场结构和夜游行为特征方面鲜有涉及。而区域旅游流作为揭示旅游者在旅游目的地流动的核心要素,能直观反映旅游目的地要素的空间格局,开展夜间旅游流网络结构的探讨将为城市夜间旅游市场优化发展提供一个新的研究思路。

与此同时,随着数字化时代的来临和互联网技术的发展,利用社交媒体记录的“旅游数字足迹”使得以游记为数据源的旅游行为研究成为可能[6],其中包含的旅游时间和空间信息能够最大限度地反映旅游者完整的行为轨迹[7]。国内外学者由此也展开了众多研究,如Chua利用Twitter上的数字足迹分析了意大利Cilento景区内部旅游流时空分布特征[8];张维亚等基于数据挖掘技术,对旅游者消费行为的数字足迹特征进行了阶段性的分析讨论[9]。周李等则利用爬虫技术抓取的网络游记开展了对北京市旅游流的演化特征及其与城市功能优化间关系的深入探讨[10]。以上研究均表明,基于旅游数字足迹开展的旅游流网络结构研究已具备良好的适用性。

由此,本研究从城市夜间旅游流结构优化的角度出发,以广州市夜间旅游流为研究对象,基于Python爬虫技术采集的旅游数字足迹建立广州市夜间旅游数据库,结合社会网络分析方法,对广州市夜间旅游流网络结构特征及内部关系进行探究分析,找出网络结构中的重要旅游节点,以期为评估广州市夜间旅游市场状况和夜游项目的优化升级提供理论借鉴。

2 研究方法和数据来源

2.1 研究方法

社会网络反映了社会行动者及其内部的互动关系,探究的是关系模型对网络结构中整体和成员的影响,已成为旅游空间研究领域的良好范式[11-12]。城市旅游流网络结构则揭示了旅游行为主体在不同旅游节点间活动时发生的联结关系,反映了旅游者迁移的空间状态和旅游活动的相互关系[13]。因此，本文利用社会网络分析方法对广州市夜间旅游流网络结构特征及其内部关系开展研究讨论。以社会网络理论为指导,利用Ucinet软件测量夜间旅游流网络结构特征和各旅游节点的角色位置,揭示整体网络结构规模及夜间旅游节点间的互动关系。

具体来说,借助Ucinet软件中的可视化模块对广州市夜间旅游流的整体网络结构和节点结构进行分析评价。参考旅游流网络结构相关文献[10],选取整体网络密度、节点中心性、结构洞及核心边缘模型模块分别展开讨论。其中,中心性主要通过程度中心性、接近中心性和中介中心性3项指标来表征,同时为了补充说明各节点在网络中的角色定位,研究还将引入结构洞评价指标和核心边缘模型,以揭示各节点在网络中的重要程度和结构关系[14]。

2.2 数据来源及处理

基于旅游数字轨迹的追溯技术,研究人员可通过游客在网络上留下的具有时空信息的游记、照片和其他信息作为“旅游数字足迹”用于旅游研究[15]。本文选取具有代表性的旅游服务网站作为原始数据采集来源,利用Python在网络爬虫技术上的应用,抓取马蜂窝旅游网站(http:∥www.mafengwo.cn)上游客发表的有关广州市的游记数据。该网站作为我国知名旅游社交分享网站,拥有海量的用户创造内容,涵盖了游客在某一旅游目的地发布的旅游攻略、旅游点评、旅游游记等实时信息。考虑到夜间旅游的时间属性,为获得尽可能多的完整数据,采集以“广州市”为关键词,以2018年8月至2019年8月为时间周期的源数据,获取原始游记样本6 662篇,包含游记的各项属性及其所有文字和图片。

为提取游客来穗夜间旅游行为轨迹中有关夜间旅游节点的记录,对采集的游客旅游数字足迹按相关标准进行人工筛选。筛选标准如下:① 游记内容完整,文字或图片记录了其参与夜间旅游活动的信息,可形成完整有序的夜间旅游行为轨迹。② 夜间旅游行为轨迹至少反映2个及以上的夜间旅游节点信息。③ 游记需有一定的文字和游玩照片进行真实性佐证,游记中的照片可作为旅游节点的校对依据。在实际的筛选过程中,通过文字和照片确定旅游节点的游记占比控制在95%以上,确保了样本数据提取的可靠性。④ 剔除带有商业营销和推荐的攻略型游记以及出游时间不在既定时间范围内的游记。最终筛选有效游记858篇,将游客用户名、出游时间、游客类型、游玩天数、旅游节点等信息分别录入表格。在此基础上依据用户的行程日期顺序确定旅游流流向,以旅游节点流量和流向建立社会网络分析的数据库,涵盖游客来穗夜间到访的可识别旅游节点共42处。考虑到低频率的旅游节点在分析中的意义较小,同时夜间旅游节点不可避免地存在地理位置临近、区域范围模糊等特征，进一步对存在包含关系、难以区分的旅游节点进行归并处理。例如花城汇、广州大剧院、广州图书馆归并至花城广场;长隆水上乐园、长隆欢乐世界、长隆大马戏归为长隆度假区;天河城、天环广场、正佳广场、太古汇、万菱汇归并为天河路商圈;黄沙水产交易市场、西城都荟与沙面归为沙面区域等。经过对数据的简化合并,得到24个广州市夜间旅游的数字足迹(见表1)。由表1可知,游客在广州市内夜间到访的旅游节点,频率≥10%的依次为广州塔、珠江夜游、长隆度假区和北京路,成为广州最受喜爱的夜间旅游节点。不仅印证了高级别、高知名度旅游吸引物具有对旅游者越强吸引力的结论[16],而且初步反映了代表性城市旅游吸引物在夜间旅游功能拓展上的巨大潜力。

根据以上旅游节点数据构造原始赋值矩阵,并对其进行二值化处理。在遵循突出网络核心节点和建立节点间普遍关系的原则上,对断点值进行反复选取,最终选择1为切分点,即当2个旅游节点间的流动次数大于1和小于等于1时分别赋值1和0。此时共纳入21个建立充分旅游空间联系的旅游节点,最终建立21×21的二分矩阵,以进行下一步的社会网络结构研究。

3 广州市夜间旅游流网络结构分析

3.1 整体网络特征分析

利用Ucinet软件中的NetDraw模块对二分矩阵进行可视化处理,绘制广州市夜间旅游流网络结构图(见图1)。可以看出,位于网络中心位置的广州塔、上下九、北京路、长隆度假区、珠江夜游、花城广场、天河路商圈、海心沙、沙面等夜间旅游节点间的流量相对较大,为游客主要的夜间旅游消费聚集区。并依据Ucinet软件得到的整体网络密度值0.342 9开展进一步讨论,21个夜间旅游节点的空间区域理论上能够达到的最大网络规模为420,而实际网络规模仅有144,整体网络密度偏低。图1揭示了当前广州市夜间旅游流网络中核心节点间的联系较多,大多为该城市热门夜间旅游景点,从地理区位来看均具有空间临近优势;而部分边缘节点与其他节点间的联动不足,整体看呈现较分散化的特征,夜间旅游流网络结构存在网络密度偏低及空间失衡问题。

表1 游客来穗夜间到访旅游节点出现频率统计排序Tab.1 Statistical ranking of the occurrence frequency of night tourism nodes in Guangzhou

图1 广州市夜间旅游流网络结构图Fig.1 Network structure diagram of night tourism flow in Guangzhou

3.2 节点指标评价分析

进一步对网络结构中的节点指标进行评价,包括对广州市夜间旅游流网络结构的中心性和结构洞分析,具体数值如表2所示。由于本文建立的夜间旅游流数据库均为有向旅游流,因此程度中心度和接近中心度均包含内、外向2个测量指数,用以表示旅游节点间的双向关系。

表2 广州市夜间旅游节点中心性及结构洞指标Tab.2 Centrality and structural hole index of night tourism nodes in Guangzhou

如表2所示,内外向程度中心度的“均值”反映了网络结构中21个夜间旅游节点平均每个旅游节点与6.857个其他旅游节点存在旅游流的集聚与辐射联系。其中广州塔、上下九、北京路、长隆度假区、珠江夜游、花城广场、天河路商圈、海心沙、沙面的内外向程度中心度相对较高,在整体网络结构中处于绝对的中心地位,为广州市核心夜游项目,符合游客对于城市代表性景点的偏好。具体来看,广州塔、北京路、天河路商圈、海心沙、沙面、越秀公园的内向程度中心度高于其外向数值,为广州市夜间旅游的集聚消费节点群,花城广场、上下九、长隆度假区、珠江长堤则偏重于扩散功能。此外,内向程度中心度标准差5.167大于其外向标准差4.324,表明在广州市夜间旅游流网络中,旅游节点间的内向程度中心度的差别较为明显,夜间旅游格局呈现空间集聚效应。同样由程度中心势指标可知,内向程度中心势超过了50%,且远高于外向程度中心势,说明该网络中围绕核心旅游节点间的集聚远高于发散,旅游流在空间上具有集聚性,同时也揭示了该旅游流网络存在一定程度的路径依赖。

从接近中心性的分析结果来看,核心旅游节点的内外向接近中心度指标均高于边缘节点,表明这些节点间的联系较多,在游客转移的便捷性和交通的互通性上具有较大优势。尤其对于广州塔来说,该节点作为广州市的城市名片和代表性夜间城市景观,拥有具备高位接近中心度水平的旅游吸引力和地理区位条件。但就各核心旅游节点来说,同样存在内外向指标水平的差异，如广州塔的内向接近中心度大于其外向数值,表明该节点更偏重于集聚功能,用该景点属性和广州市夜间旅游产品构成特点均可解释。广州塔作为一个复合型的夜间旅游景点，兼具观光娱乐和休闲餐饮功能,并作为构成广州市夜间旅游产品体系中的关键一环,是游客出游的“必打卡地”,因此旅游流量始终维持高位水平。而对于上下九来说,其外向接近中心度76.923大于内向数值68.966,表明该旅游节点较少依赖其他节点,与核心节点直接联结。实际来看,上下九位于广州市老城区,住宿业态丰富且配套设施完善,游客夜间旅游的行动多发动于此也终止于此,节点的扩散功能明显。此外,以中山大学、二沙岛为代表的边缘节点的内外向接近中心度数值均较小,表明同其他旅游节点在夜间的联结度较差,需进一步强化联系以实现夜间旅游市场的多元化拓展。

同样由中介中心性可知,广州塔、上下九、北京路、花城广场的中介中心度均处于较高水平,结合上述分析结论,这些旅游节点不仅在整体网络中承担着集散中心功能,还在旅游流网络中发挥了关键的中介作用,对其他节点旅游流的控制能力较强。而番禺万达广场、猎德大桥、中山大学、二沙岛等节点的中介中心度均为0,表明这些节点的交通通达性和转移效率相对较弱,处于整体网络结构的边缘地位。此外,该网络中介中心势的数值也仅为19.35%,说明仅部分旅游节点扮演着旅游流转移和扩散节点的角色,其他旅游节点间不存在直接的旅游流联系,整体旅游流网络受核心旅游节点控制明显。这也揭示了夜间旅游节点独立性较强的特点,表征该网络存在“核心-边缘”结构。

由结构洞指标同样可以分析出,处于网络结构中心位置的夜间旅游节点均表现出高效能性、高效率性和低限制性特征。其中,广州塔的旅游效能达到了11.210,效率为0.623,限制度仅为0.224,为广州市夜间旅游的核心旅游节点,非替代性优势十分明显。而诸如江南西、TIT创意园等旅游节点,由于地理位置及其夜间旅游吸引力的劣势,导致自身限制度较大,在城市夜间旅游流网络中的竞争力较弱。因此，需打通与核心旅游节点的交通联结,进一步优化自身的夜间旅游产品组合和业态创新,提高旅游节点在夜间旅游消费上的吸引力,实现夜间旅游场景的自由转换。

3.3 核心-边缘分析

进一步验证广州市夜间旅游流网络中核心边缘结构的具体情况,利用Ucinet软件中的core-periphery mod分析模型工具得出核心边缘区域的节点组成及其密度矩阵,具体数值如表3、表4所示。

表3 广州市夜间旅游节点旅游流网络核心-边缘结构划分Tab.3 Core-edge structure of tourism flow network of night tourism node in Guangzhou

表4 核心-边缘密度矩阵Tab.4 Core-edge density matrix

由核心-边缘模型CORR算法得出的最终拟合指数达0.755,指数数值水平较高,网络结构中存在“核心-边缘”结构。具体来看,核心区旅游节点内部密度达到了0.803,而边缘区中的节点联结密度仅为0.014,进一步表明广州市夜间旅游流网络中存在较明显的结构分层。夜间旅游者的移动行为主要发生在核心区域,边缘区旅游流之间的互通互联较少。其中,核心及枢纽旅游节点分别为广州市越秀区、天河区、番禺区的著名旅游景区,具有开展夜间旅游的优质资源和条件,可形成一定规模的夜间旅游消费聚集区。而对比核心区与边缘区的联结密度,均值维持在0.1～0.3水平,虽略高于边缘区内部的密度,但同整体网络密度值0.342 9还存在一定的差距,说明核心区域将旅游流带动转移至边缘区域的能力有限,夜间旅游流的辐射效应不足,导致当前广州市夜间旅游消费的空间范围较窄。

4 结论与启示

4.1 研究结论

本文基于Python网络爬虫技术采集的广州市夜间旅游数字足迹样本数据,采用社会网络分析法,对广州市夜间旅游流网络结构特征进行了分析探讨,围绕整体网络结构和节点结构得到以下主要结论:

1)夜间旅游流整体网络密度偏低,存在较明显的“核心-边缘”结构分层。由于旅游节点的夜游资源禀赋和地理空间临近性特征,城区内主要核心旅游节点拥有大规模的夜间旅游流量,且核心区内部流动频繁。该研究结果与广州市商务局发布的《广州夜间消费地区》有较大吻合,反映了当前广州市夜间旅游市场的典型特征。

2)夜间旅游流网络结构偏重集聚功能,呈空间近域性分布,网络结构存在一定程度的路径依赖。同时,边缘节点内部及其与核心节点的联结密度较低,核心旅游节点的夜间有效辐射范围较窄,导致与边缘节点的旅游流互通互联效果不明显。但从局部区域来看,广州市区域性夜间旅游消费聚集区已初具雏形,以核心城区抱团分布为主要特征。

3)就网络节点而言,核心旅游节点的非替代性优势十分明显,在夜间旅游流网络结构中发挥着关键的集聚、扩散和中介作用。相对而言,边缘节点由于夜游产品组合、营销宣传和交通联结等方面的限制,在承接和转移夜间旅游流的效率和便捷度上与核心节点存在较大差距,夜间旅游产品供给不足。

4.2 研究启示

根据上述研究结论,本文认为，进一步完善全域夜间经济产业链对于优化广州市夜间旅游流网络结构和提升夜间旅游整体效率具有重要意义。同时,广州市夜间旅游流网络结构呈现的“核心-边缘”结构分层特征、空间近域性分布特征以及核心旅游节点的非替代性优势特征,对一线大城市发展夜间旅游经济也具有重要的启示意义。因此,从城市夜间旅游流结构优化和产品升级的角度出发,提出以下3点管理启示:

1)进一步加强夜间旅游节点间的协同发展,充分利用核心聚集区规模效应,打破核心边缘节点的联结限制,提升城市夜间旅游的联动吸引力。其中，关键环节就是要打通夜间旅游通道,通过开通夜间旅游公交专线实现旅游流的点对点投放,以此培育核心旅游节点辐射边缘旅游节点的联动运转能力,激活广州市整体夜间旅游产品市场供给。

2)重点发挥“片区联动”的关键作用,挖掘越秀区、天河区、番禺区等夜间旅游重要城区内部旅游节点间互通互联的潜力,打造区域性夜间旅游消费聚集区。一方面，需更新片区边缘旅游节点的经营模式,实现旅游功能向夜间时段延展,满足旅游者在夜间旅游消费区的全要素旅游需求;另一方面，可采取联动营销的方式引导旅游者由片区内部向邻近片区转移,形成片区连通整体的规模优势和联动效应。

3)紧抓当前商旅文体融合发展的契机,从品牌营销角度出发打造核心夜游项目,强化核心旅游节点的集聚功能,进一步壮大夜间旅游流规模。其次，还要将产品开发重点逐渐转移至边缘旅游节点,将文化创意园区、传统美食街开发为城区夜间旅游消费“新打卡地”,着力培育夜间体育消费等新时尚。通过夜间旅游业态和消费场景的创新,培育游客对夜间旅游景点和项目的多元化需求。