基于电信数据的潜在旅游流网络结构特征及影响因素分析——以江苏省为例

濮 蓉，陶卓民，濮元生，荣慧芳，刘培学

（1.南京师范大学 地理科学学院，南京 210023；2.江苏省地理信息资源开发与利用协同创新中心，南京 210023；3.江苏联合职业技术学院南京工程分院，南京 211135；4.南京大学地理与海洋科学学院，南京 210093）

随着互联网的规范化和价值化，网民们线上活动越发积极，据中国互联网络信息中心调查公示，截至2016年末我国网民接近7.4亿，互联网普及率超过50%，人均每周上网时长达26 h。其中线上旅行预订用户规模达到3.34亿，接近网民总量的一半。旅游者线上旅游行为已经成为各大旅游企业关注的重点。随着数据对社会各领域的影响逐渐突出，作为三大运营商之一的中国电信也积极挖掘其亿级用户数据在旅游行业中的应用价值，助力中国旅游产业发展，并逐步成为我国旅游产业中举足轻重的一环。电信用户线上数据受商务、研学等外部客观因素造成的“顺便旅游行为”影响较小，可以客观反映出潜在游客对旅游目的地的到访意愿，即网站线上搜索量可以间接映射出旅游者的旅游倾向，进一步构建潜在旅游流网络结构，可以突破传统实际旅游活动下的旅游流研究，丰富旅游地理学研究内容，为区域发展提供参考。

一直以来关于旅游流空间结构的研讨不断，国内外学者以中心地理论、核心—边缘理论、增长极理论等为基础，提出大量旅游流空间结构模型，如 Campbell［1］的旅游流流动模型，Lundgren［2］的旅游流空间分层模型，Dainne［3］提出的多目的地旅游流空间结构模型，具备了初步的旅游流网络思想，吴必虎［4］基于圈层理论提出环城游憩带理论。在旅游流空间结构特征和演化机制方面，国外学者最早运用社会网络分析法对旅游流空间特征进行实证研究［5-6］，主要体现在2个层面上：一是对区域内的旅游流进行分析，通过结构研究对旅游流进行相应解释；二是以“关系”为研究基点，探讨各种关系所构成网络的形成与演化［7-8］。国内学者的研究主要应用于前者，如杨兴柱等［9］利用社会网络分析法研究城市旅游流网络的结构特征，深入探讨城市旅游流网络结构的评价指标体系；刘宏盈等［10］从旅游线路视角剖析泛北部湾区域的网络结构特征；马丽君等［11］利用社会网络分析揭示典型城市居民国内旅游流网络结构特征；文彤等［12］以马蜂窝网作为研究对象，运用社会网络分析软件建立旅游虚拟社区成员互动关系网络，发现社区网络呈现出明显的分散状态。在旅游流影响因素研究方面，不少学者分别将客源地及目的地自身属性作为解释变量来研究各因素如何影响旅游流空间结构［13-17］，其中尤以“推拉阻”理论为代表，李山等［18］基于威尔逊形式，从“推拉阻”3个方面选择影响变量来构建基础的旅游引力模型。此外，刘法建等［19］从旅游地供给属性出发研究入境旅游者空间移动的动力机制，发现自然资源因素、经济发展水平、对外联系度、空间距离等与之有强相关性。徐敏等［20-21］基于在线预订数据，结合社会网络分析技术，对长江三角洲地区旅游流影响因素进行了分析。

国内外学者对旅游流网络结构特征和影响机制都做出了大量的工作，为旅游地理学的发展奠定了良好的基础。然而研究大多基于传统旅游统计资料，从对象属性数据的视角出发，基于关系视角的研究并不多见。且在互联网技术高速发展下，人们生活方式已有所改变，在旅游动机驱使下，用户在旅游网站上的行为也会促成旅游流的形成，对于潜在游客及潜在旅游流的研究可以补充和丰富传统旅游流网络研究，为旅游市场的定位及区域发展提供参考。

1 研究方法

1.1 数据来源及旅游流网络构建思路

本文数据主要来源于中国电信江苏公司大数据智观中心发布的2016年江苏省各市电信用户在OTA网站中对省内232个景区的搜索情况。根据搜索情况，将各景区搜索量汇总分类到所属城市（图1）。同时，据《江苏旅游客情监测与分析2016年年度分析报告》显示，2016年江苏省实际接待的游客中省内跨城市游客共46 263万人次，主要来自南京、苏州、无锡、常州4地。且经济情况较好的苏南区域接待游客量远远高于苏北区域。过夜的省内游客中，大部分游客选择留宿在苏州、无锡和南京；超过60%的游客把目的地选择在苏锡常都市圈内，其次为南京和扬州。由此可见，游客实际到访旅游目的地情况与用户搜索行为所反映出的旅游目的地倾向大致相同，可以验证出旅游者线上线下行为具有共通性，实验数据更具有科学性。

图1 电信用户跨城市搜索情况

由此，为探究江苏省潜在旅游流结构特征，本文运用社会网络分析法，尝试利用电信数据构建江苏省潜在旅游流网络，步骤如下：首先，将江苏省看作一个网络，13个地级市为网络中的节点；然后，将用户搜索行为看作旅游者的空间移动，将用户所搜索的景区归属到所在城市即目的地，而用户所属城市为客源地，二者皆是网络中存在的节点，将数据处理后得到一个13×13的关系矩阵M；最后，对江苏省潜在旅游流关系矩阵进行二值化处理，用截断值来评判节点之间是否有联系，有直接联系的赋值为“1”，否则为“0”。针对不同的截断值 C分别取 1、687、1 288、1 711、5 000（其中C＝687和C＝1 288分别为矩阵每列、行平均值经排序后选取的中间数；C＝1 711为矩阵中169个数据的平均值），利用UCINET 6.186中可视化软件NetDraw绘制出不同截断值下的江苏省潜在旅游流网络示意图（图2），直观地展现出江苏省潜在旅游流网络关系，在不同截断值下，苏南地区都能形成一个闭合图形，网络联系密切，南京、无锡、苏州、常州、镇江等地有多条线路连接，旅游流动频繁；苏中地区情况一般，其中扬州和泰州情况略好；不同截断值下苏北地区常有孤立节点存在，网络联系较弱。其中当C＝1时，旅游流网络最完整，但整体网络显得复杂繁琐；当C＝5 000时，估计量偏大，网络中有诸多节点独立，对研究结果可能造成较大误差。经过反复实验最终选择C＝1 288作为截断值，处理后得到二分矩阵Mb，在二分矩阵的基础上进行后续网络整体密度、核心—边缘、节点中心性等研究。

图2 不同截断值下江苏省潜在旅游流网络

1.2 影响因素指标建立

从空间关联性来看，目的地流入量的变化不完全取决于目的地的自身属性；同理，客源地流出量变化也不完全取决于客源地属性，而是游客对客源地及目的地综合考量的结果。因而客源地与目的地之间属性差异，即解释变量的差异也是影响旅游流空间结构的重要因素。本文基于研究区域的客观实际，借鉴前人研究成果，将江苏省潜在旅游流的影响变量概括为客源地与目的地之间的经济发展水平差异、人口规模差异、可自由支配收入差异、旅游资源禀赋差异、旅游接待设施差异、人均私人汽车拥有量差异、网络营销水平、旅游交通条件等。其中旅游资源禀赋用4A、5A及新增景点数量来替代；旅游接待设施在本文中以星级酒店数量来衡量；考虑潜在旅游流的特殊性，本文将网络营销水平纳入考虑因素，使用网站中旅游产品数量来替代；由于区域面积较小，本文将旅游交通条件分为2部分（公路距离和列车开行数量）。上述数据主要从《江苏统计年鉴—2017》中获取；两地之间公路距离通过ArcGis软件测得；旅游产品数量于2017年12月5日在同程途牛2个网站上获得。列车开行数量于同一天在12306铁路网站上获取。由于本文研究的是关系的影响因素，无法用常规的统计检验方法来验证数据之间是否存在显著关系，本文选用社会网络分析方法中的QAP（quadratic assignment procedure）分析方法来进行影响因素的研究［22］。基于此，构建如下模型：

式中：ELD为经济发展水平差异；PSD为人口规模差异；ID为可自由支配收入差异；TRD为旅游资源禀赋差异；HD为旅游接待设施差异；PCD为人均私人汽车拥有量差异；NML为网络营销水平；RD为公路距离；TN为列车开行数量。式中除NML、RD、TN可直接列出关系矩阵外其余变量均建立差值矩阵，考虑到不同矩阵量化标准不同，使用极值标准化方法对上述矩阵进行处理［23］，公式为

2 结果分析

2.1 网络整体分析

利用UCINET 6.186软件对网络整体结构进行评价，网络密度值介于0和1之间，值越接近1则关系间越亲密，越接近0则关系越疏远［24］。结果显示，江苏省潜在旅游流整体网络密度为0.25，密度值相对较低，联结能力较弱，表明江苏省13地市之间的旅游联系相对稀疏。借助UCINET里的corr算法来实现核心—边缘分析，处理后得到拟合指数为0.822，拟合较好，核心—边缘假设成立。其中，网络核心成员分别为南京、苏州、无锡、常州，其余9个城市为边缘成员。表1中显示核心层密度达到0.917，边缘层仅为0.194，说明江苏省潜在旅游流网络存在明显的结构分层，核心成员联系紧密，而边缘成员之间的关系相对破碎，省内旅游发展处于不平衡阶段。

表1 核心—边缘密度分析结果

2.2 节点特征分析

本文选择节点的程度中心度、亲近中心度及中间中心度来研究江苏省潜在旅游流网络节点的中心性，利用UCINET里的网络中心度计算得到表2。表中显示外向程度中心度最高的是南京，而内向程度中心度最高的是常州，说明这2个城市分别充当着网络的发散和集聚中心，是省内最为重要的旅游客源地与目的地，而南京作为省会城市，其内向程度中心度表现一般，考虑到用户线上行为的特殊性，南京作为省内政治经济中心及文化名城，旅游线路及景点被大众熟知，可能在一定程度上减少了用户的搜索量；内向程度中心度大于外向程度中心度，表明旅游目的地属性强于旅游客源地属性，扬州、常州、泰州等地由于近几年旅游基础设施的提升，吸引了一大批省内潜在游客；苏通大桥的通行，使得南通来往苏锡常等地更加方便，但其内外向程度中心度差异较大，易于受到外界因素影响。整体而言，旅游发展较好的苏南地区内外向程度中心度都位居前列，对省内大部分潜在游客有良好的吸引力，且苏南地区的潜在游客也有较大的出行意愿。亲近中心度与程度中心度的结果一般比较相近，故作为对程度中心度的补充判断。南京、苏州、常州、无锡的中间中心度值远远高于其他地区，在整个旅游流网络中对省内其他地区的控制能力显著，处于网络的中心。通过节点中心性与核心—边缘分析的结果可以大致推断出旅游地的角色（表2）。

表2 旅游流网络中心性及角色定位

2.3 江苏省潜在旅游流影响因素分析

将旅游流影响指标数据导入软件计算，得到相关性分析结果（表3），旅游接待设施差异、列车开行数量、网络营销水平均在1%水平上显著；人口规模及公路距离在5%水平上显著，表明这些变量对潜在旅游流流动影响显著，其中，公路距离系数为负值，说明公路距离越远，潜在游客对自驾或乘车前往该地的意愿越小；经济发展水平及旅游资源禀赋均在10%水平上显著，表明这2个变量对潜在旅游流影响较为显著；而其余变量未通过显著性检验，研究意义不大。从相关系数上来看，列车开行数量系数最大，网络营销水平次之，表明铁路交通的便捷程度及网络宣传营销对潜在游客的旅游选择有较大的影响，苏州—南京—无锡—常州处于长三角高铁一小时圈内，交通优势明显，而苏北铁路覆盖率远远低于苏南水平，大部分地区至今没有开通高铁，且距离本省政治经济中心较远，可达性较差，易限制潜在游客出游动机；潜在游客在选择目的地时对网络宣传较好、产品丰富的旅游区更为关注。

表3 江苏省潜在旅游流动因相关性及回归分析结果

将选取的所有变量与江苏省潜在旅游流流动矩阵进行回归分析，回归结果如表3所示。由于结果中存在很多未通过显著性检验的变量，影响模型的拟合优度。进一步采取逐步回归法，剔除不具有统计意义的变量，结果表明5个被保留的变量对因变量的解释都达到了显著性水平。调整后的判定系数R2并没有因为因变量的减少而有大幅度的变化，反而从0.481提升到了0.486，在可接受范围内，说明旅游接待设施差异、人均私人汽车拥有量差异、可自由支配收入差异、公路距离、列车开行数量这5个因素对自变量的解释力为48.6%。旅游者的可自由支配收入及私家车拥有情况可以反映出居民生活水平，而旅游接待设施、居民生活水平及交通便捷度可以在一定程度上反映出地区社会经济发展水平，除列车开行数量和旅游接待设施外其余自变量都与因变量呈负相关关系，表明地区之间居民生活水平差异越大，空间关联越小，反之则关联越紧密；公路距离越远越容易限制游客的出行；游客都倾向于前往旅游接待设施建设较好、社会经济发展较好的地区，苏南地区在基础设施、经济、社会、民生方面都优于苏北地区，且苏南地区铁路网更加发达，因而苏南地区旅游流动更加频繁，反映到潜在的旅游流亦是如此。由此可得，私人汽车拥有量差异、可自由支配收入差异、公路距离是构成制约地区间潜在旅游流流动的主要因素，而旅游接待设施与列车开行数量是潜在游客选择旅游地所考虑的重要因素。可以得出，拥有较高的居民生活水平、高品质的旅游接待设施及交通便利的目的地是潜在游客群体的首选，这也是苏南地区在旅游流网络中发挥较大作用的原因。

3 结论

1）整体来看，江苏省潜在旅游流整体网络密度值较低，存在明显的核心—边缘结构，核心成员间联系紧密，潜在游客在苏锡常宁等地区线上旅游活动频繁。根据已有研究，江苏省实际的旅游流网络结构也呈现出苏南地区网络联系紧密，苏北地区分布稀疏的情况。由此可见，旅游者线上线下的行为具有共通性，线上行为会对线下行为产生正向影响。从潜在旅游流网络节点特征来看，苏南地区中苏锡宁各项中心度指标都优于其他地区，是网络中的核心区，同时也是省内重要的旅游客源地及目的地；而苏北的徐淮连盐地区在各项指标中表现不足，旅游流输入与输出能力不佳，处于网络中的边缘区，充当着边缘旅游目的地角色。其余地区依据中心性及角色定位分析，旅游流的输入与输出能力均表现较好，判定为网络中的次级核心区域，是省内主要的旅游客源地及目的地。

2）借鉴前人的研究，考虑关系数据的特殊性，使用QAP分析法研究江苏省潜在旅游流流动矩阵与各因素矩阵的相关性并进行回归分析，研究结果表明，经济发展水平、旅游资源、人口规模及网络营销水平对江苏省潜在旅游流存在一定的影响。而私人汽车拥有量差异、可自由支配收入差异、公路距离是构成制约地区间旅游流流动的主要因素，旅游接待设施与列车开行数量则是潜在游客选择旅游地所考虑的重要因素。拥有较高的居民生活水平、高品质的旅游接待设施及交通便利的目的地是潜在游客群体的首选，这也是苏南地区在潜在旅游流网络中发挥较大作用的原因。

3）苏北地区面积大，发展潜力更大，据了解，随着苏北高铁的全线通车，省内交通将日益完善，加上核心旅游地的辐射，苏北的客流量将会有所提升；同时，苏北地区旅游资源同质化程度低，如淮安红色旅游，连云港滨海旅游，徐州汉文化旅游等，基本为一市一主题，应当借鉴苏南地区的发展经验，从旅游规划做起，做细做精旅游资源，把握城市内涵及资源主题，促进文旅融合，大力发展全域旅游与智慧旅游，完善服务体系，致力提升旅游服务品质，扩大旅游宣传，建设一批有影响力的旅游综合性示范区来吸引本省的核心旅游地带人群。同时苏南地区应继续做好创新发展，保持协同竞争力，增加省内辐射能力，从而做到省内旅游的平衡发展。

4）本文使用社会网络分析法，首次使用电信数据分析江苏省潜在旅游流网络结构特征及影响因素，在研究结论上有一定的新意，但相关研究仍存在局限性。首先，用户搜索量是一个间接数据，并不能完全代表实际旅游流，本文假设凡是搜索该景区的用户，就是准备到实际景区去的旅游者，但实践中会有一部分用户仅仅是一般性浏览。如何剔除这一部分，是今后研究的一个内容。其次，电信数据具有一定的局限性，若利用多数据源进行综合分析，可能会得到更具有创新价值的结论。此外，省内潜在游客在对传统旅游景点已经熟知，新增景点层出不穷的情况下，是否会对搜索行为产生影响，并且不同年龄、职业、家庭等背景下的潜在游客所构成的旅游流的深层内涵有待挖掘。