基于数字足迹交互的武汉市旅游流网络结构研究

周 婷，向敬伟，李江风

（中国地质大学（武汉）公共管理学院，武汉 430074）

旅游者借助网络社交平台，通过旅游图片、文字心得、视频直播等方式分享旅行游记，不仅为其他旅游者提供有参考价值的内容，也为旅游企业决策和相关学术研究提供重要数据来源。

旅游数字足迹的概念于2008年被首次提出，指旅游者在旅游活动进行期间和结束后，在互联网或者相关电子信息系统中留下的导航、手机信号等记录，以及图片、文字等信息［1］。国外对数字足迹研究相对较早，主要基于移动手机等通讯设备以及网络社群平台，通过地理分析、文本分析等方法［2，3］，对游客行为需求、旅游者流动性、旅游地图生成等方面进行研究［4-6］。国内相关研究自2013年逐渐兴起，借助问卷调查、微博签到、关键词搜索等数据采集形式［7-10］，采用社会网络分析法、GIS空间分析法等分析方法［11-14］，对游客时空行为特征、旅游景观共现效应等方面进行研究［15-18］。其中围绕数字足迹网络空间模式［19-21］研究，主要表现在对空间网络形态以及节点性质的阐述，总体上为厘清旅游行为足迹规律以及判断网络结构提供了有益借鉴。然而，目前研究主要集中在基于数字足迹对单一的旅游区域发展或重点旅游节点建设方面，点与面分析较为孤立，缺乏数字足迹点面交互的探索，忽略了二者之间的相互作用，以致对研究区特色旅游线路组织和空间布局开发意义不显著，难以全面实现旅游网络系统性、协调性发展。

鉴于此，本研究基于互联网大数据，将数字足迹点面交互思路应用于旅游流网络结构的研究，由点及面判断各旅游节点在网络中的地位，明确关键节点对线路及网络局面的带动作用；同时由面到点判断网络整体属性，明确网络全局结构，拉动区域内相关节点，以实现二者相互补充，反映旅游流网络结构特征。并以武汉市为例，对其旅游流网络结构进行点面交互系统性分析，探索武汉市特色旅游线路，为推动武汉市旅游空间结构、旅游线路优化发展与智能化管控，以及区域旅游发展提供思路借鉴。

1 研究区概况与数据来源

1.1 研究区概况

武汉市风光独特，具有承东启西、沟通南北与维系四方的作用，是中国经济地理的心脏，优越的区位条件使得武汉市具备旅游发展的天然基础，对全国各地旅游客源有着强大的吸引力［22］。武汉市旅游资源种类丰富，数量繁多，其中包括以长江、东湖为代表的自然旅游资源，以黄鹤楼、湖北省博物馆为代表的人文旅游资源，以武昌起义旧址、中共五大会址纪念馆为代表的红色旅游资源，以归元禅寺、古德寺为代表的宗教旅游资源，以武汉大学、华中师范大学为代表的高校旅游资源等。

区别于以往武汉市旅游相关的研究多集中于武汉市城市圈［23，24］，本研究以旅游者到访武汉市最为频繁的旅游地以及旅游业最发达的区域为研究对象，结合其旅游活动线路特征，并筛选出武汉市中心城区20个主要旅游景点，以此研究武汉市旅游流结构特征。

1.2 数据来源

通过对比各大旅游社交网站，选取携程网和马蜂窝网站共同作为此次旅游数字足迹采集平台。具体操作步骤为：以“武汉市”作为检索词，按照时间顺序依次对2016年10月至2018年10月（以发布时间为准）期间到访武汉市旅游者发布的相关信息进行数据爬取，以旅游者的一次完整旅游经历为单位，包括停留时长、出行人数、出行路线、网址链接等信息，另配有相关照片作为游记佐证，以保证信息的有效性。通过人工筛选，对符合研究标准的旅游数字足迹进行提取，逐条筛查去除广告痕迹严重、抄袭复制明显、时空信息缺失的无效文本。最终确定可利用的游记602篇，其中337篇来自马蜂窝网站，265篇来自携程网。

在实际数据爬取过程中，对游记内容中指代不明确的旅游景点（景区）名称，通过游记照片显示的地点信息进行修正；对一些空间距离很近、资源同质性较高的旅游景点（景区）进行名称合并，如将武昌起义旧址、辛亥革命博物馆合并为辛亥革命武昌起义纪念馆；旅游节点东湖指代包括听涛景区、磨山景区等在内的整个武汉市东湖生态旅游风景区。

2 研究思路与方法

用武汉市旅游流网络结构研究体系（图1），以Ucient 6.0进行时空及可视化分析，从旅游节点结构与旅游整体网络结构2个方面入手，对武汉市旅游流网络进行定量分析。

图1 武汉市旅游流网络结构研究体系

依据上述研究思路，利用社会网络分析法展开具体分析。社会行动者及其关系构成的集合［25］在社会网络中以节点表示，主要探索社会群体中行动者之间的关系，以及行动者之间的关系模式对网络成员行为的影响力，分析其网络结构、性质及其他属性［26］。将社会网络理论应用于旅游流，研究因旅游者在不同旅游节点之间进行时空位移而产生的网络结构，可以实现旅游数字足迹的点面交互分析。

3 实证结果

3.1 旅游足迹的时间特征

时间分析分为旅游者出行时间和停留时长。武汉市旅游者的出游时间分布（图2）呈现以下特点：出行到武汉市的月份集中在3—5月和9—11月，其中3—5月所占比例最大，主要与樱花季有关，3月后气温回升樱花绽放，各种赏花活动密集；6—8月、12—2月所占比例较小，这主要与武汉市夏季闷热，冬季潮湿的气候条件有关，不太适宜游客出行。

图2 武汉市旅游者出游时间分布

从武汉市旅游者的停留时长分布（图3）可以看出，停留时长以2—3 d为主，其中停留2 d的占比最高，达37%；停留3 d次之，达35%，基本符合计算所得的平均停留时间2.8 d。这主要与武汉市中心区资源条件、地理分布有关，其中汉口、汉阳和武昌3个区域内旅游节点种类各异，其间有长江、汉江分隔连通，2～3 d能够基本浏览武汉市主要景点。

图3 武汉市旅游者停留时长分布

3.2 旅游数字足迹可视化

结合武汉市旅游资源分布情况，选取到访率较高的前20个旅游景点作为研究节点，构造20×20的旅游节点流量赋值矩阵，选取1作为最恰当的断点值进行矩阵二值化处理。运用Ucient 6.0对二分矩阵进行分析，绘制武汉市旅游流网络结构（图4）。图中各节点间连线数量越多，表示旅游者在其间的旅游活动越频繁；节点间箭头表示内外向联系，箭头始端指向终端则表示旅游者从始端节点到终端节点的流动。另外，武汉市旅游流网络空间结构分层显著，具体表现在武昌区最为密集，江汉、江岸、洪山、汉阳4城区相对集中，硚口、青山2城区网络联系极其微弱。武昌、江汉2城区在整个网络结构中占有重要地位，而硚口、青山2城区在网络中几乎处于孤立地位。

图4 武汉市旅游流网络结构

3.3 旅游节点结构

通过Ucient 6.0软件中的网络中心度功能对武汉市旅游流网络节点进行程度中心性、接近中心性和中介中心性分析，详细结果见表1。

表1 武汉市旅游流网络中心性

3.3.1 集聚与辐射程度 运用程度中心性算法，计算武汉市旅游流网络节点的集聚与辐射程度。江汉路步行街的外向、内向程度中心度均较高，说明江汉路步行街对游客吸引力较强，是武汉市旅游网络的主要核心点，具备较强的集聚与辐射能力；黄鹤楼的内向程度中心度最高，外向程度中心度偏低，说明黄鹤楼是武汉市旅游网络的主要集聚点；昙华林的外向程度中心度最高，内向程度中心度偏低，说明昙华林是武汉市旅游网络的主要辐射点。湖北省美术馆内向、外向程度中心度均处于较低水平，说明其对其他节点集聚与辐射强度均较低，旅游流联结性相对微弱。所选取旅游节点间平均联系度为8.90，内向程度中心性标准差小于外向程度中心性，内向、外向程度中心性方差均较大，说明这些旅游节点间分布不均衡，集聚与辐射能力相差较大。

3.3.2 控制与依赖程度 运用接近中心性算法，计算武汉市旅游流网络节点的控制与依赖程度。江汉路步行街和黄鹤楼分别为外向、内向接近中心性最高的旅游地，表明这2个节点可进入性较高，独立性强，受其他节点控制程度较小。湖北省美术馆内向、外向接近中心性最小，对附近旅游节点依赖性较强。所选取武汉市旅游节点间内向接近中心性平均值小于外向接近中心性，二者标准差差值较小，说明这些旅游节点间内向、外向接近中心性变化趋于一致，二者方差分别达81.63和96.04，说明这些节点间尽管存在一定程度的联系，但个别节点被相对孤立。

3.3.3 周转与扩散程度 运用中介中心性算法，计算武汉市旅游流网络节点的周转与扩散程度。江汉路步行街、武汉大学、武汉长江大桥的中介中心度较高，说明这些节点承接了大量中转关系，对旅游流控制能力较强，可看作是旅游流网络中的桥梁。而古琴台、湖北省美术馆的中介中心度均较低，说明这些节点既难以接收到桥梁节点的带动作用，也难以成为旅游流网络间的中转站。所选取的武汉市旅游节点间平均充当中介者的次数为10.80，极差超过36，标准差高达9.72，说明这些节点间中介中心性差别较大，周转与扩散能力参差不齐，发展尚不协调。

3.3.4 竞争与协作程度 运用结构洞算法，计算武汉市旅游流网络节点的竞争与协作程度。从武汉市旅游节点结构洞分析（图5）可以看出，江汉路步行街的效能处于20个节点中的最高值，而其约束偏低，说明其结构洞水平高，自身获得的旅游流流量较大，并不依附于其他旅游节点而存在，处于武汉市旅游流网络的有利位置，自身竞争力较强，且便于与周边节点形成协作关系。汉口江滩、黄鹤楼等节点效能较高且约束较小，对其他节点依赖性较弱，在网络中竞争力较强。而湖北省美术馆、古琴台等效能较低且约束较大，发展较为落后且对其他节点的影响力较小，难以与其他节点形成紧密的协作关系，有待进一步管理和开发。

图5 武汉市旅游节点结构洞分析

3.4 旅游流整体网络结构

3.4.1 中心性与均衡性 武汉市旅游流网络密度为0.47，标准分割点是0.49，一个由20个旅游节点组成的旅游流网络最大可能链接数量有178个，整体网络密度偏低，旅游节点间联系并不紧密。从武汉市旅游流网络中心势（表2）可以看出，整体程度中心势和接近中心势相对偏高，中间中心势较低，表明较多节点需要通过核心节点发生联结，整体旅游流网络具有较大不均衡性。

表2 武汉市旅游流网络中心势

3.4.2 结构凝聚程度 凝聚子群成员可达性数值为3时，得出武汉市旅游流网络凝聚子群密度（表3）。将武汉市旅游流网络分为8个子群，其中子群3、5和7的内部密度为1，表明这3个子群内部旅游节点联系最为紧密；子群8内部密度为0，说明在子群8内部各旅游节点角色相同；子群1和3间密度最大，表明旅游者选择对这2个组合进行旅游联系次数最多；子群1和5与其他子群联系程度较高，表明这2个子群内部节点黄鹤楼和江汉路步行街集聚、辐射带动能力较强，既能带动子群内部节点间互动，也能拉近临近子群内节点联系。

表3 武汉市旅游流网络凝聚子群密度

3.4.3 核心度与关联度 结合旅游流节点结构分析，将武汉市旅游流网络中20个节点，分成13个核心旅游节点和7个边缘旅游节点（表4）。武汉市旅游流网络核心度为0.46，空间分布较零散。核心区与边缘区联结度为0.31，说明二者联系并不紧密，核心区对边缘区带动能力有限；核心区内部联系度较高为0.76，边缘区内部联系度仅为0.21，说明武汉市旅游流网络分层结构较明显。

表4 核心边缘节点分布及密度矩阵

3.5 旅游数字足迹交互分析

通过将数字足迹点面交互思路应用于旅游流网络结构的研究，在点与面交互分析的基础上得出。

1）武汉市旅游流网络中，以江汉路步行街、黄鹤楼等核心节点吸引力较强，使得旅游要素在这些节点间不断进行聚集，逐渐形成武汉市旅游核心区域，如子群1（黄鹤楼、楚河汉街、辛亥革命武昌起义纪念馆、湖北省博物馆）中，黄鹤楼作为核心节点吸引大量游客，同时带动周边节点发展，逐渐形成了武昌区内鲜明的旅游集群。

2）核心区节点通过辐射效应，向周边节点或同类节点进行旅游流输出，带动其他旅游节点发展，如子群7（汉口江滩、黎黄陂路）中，汉口江滩作为江汉区内核心节点，带动临近节点黎黄陂路的发展。

3）武汉市旅游流网络节点与区域之间正逐渐形成相辅相成、交互结合的发展趋势，在武昌、江汉区内热门节点、区域持续升温之时，带动汉阳区竞争力较弱的节点、区域发展，推动武汉市旅游流网络协调、全面发展。

4 小结与讨论

4.1 小结

本研究通过对旅游数字足迹的搜集与筛选，在点面交互分析的基础上对武汉市旅游流网络结构进行研究，得到以下结论。

1）武汉市旅游数字足迹规律性较为显著。旅游者到访武汉市的时间主要由武汉市当地的气候条件决定，春、秋为旅游旺季，夏、冬为旅游淡季，其中3—5月是武汉市的最佳旅游时间，游客最为集中，主要与春季的樱花季有关；通过计算得出到访武汉市旅游者平均停留时间为2.8 d。

2）武汉市旅游流网络中节点地理空间分布较不均衡，以武昌区最密集，江汉、江岸、洪山、汉阳4城区相对集中，硚口、青山2城区几乎无分布。节点间尽管存在一定联系，但资源质素和发展能力不一，个别节点相对孤立，依靠部分核心节点的集聚与周转尚不足以实现旅游节点全面、协调发展。

3）武汉市旅游流网络空间结构分层比较显著，核心区与边缘区之间联结度较低，整体网络密度偏低，区域内发展较不均衡。因此需进一步发挥核心节点作用，促进多个核心区域的形成，以核心区节点带动周边节点乃至区域的发展。同时应打造特色鲜明的旅游线路，从而实现以点带面、以面促点、点面交互结合的发展格局，推动武汉市中心区域旅游流网络系统性、协调性发展。

4.2 讨论

综合国内外相关研究，将数字足迹点面交互思路应用于旅游流网络结构研究，对武汉市旅游流网络结构进行系统性分析，研究结果基本符合武汉市旅游现实发展状况，表明本研究数据具备代表性，研究结果具备相当程度的可靠性和价值性。通过实现网络内点与面统筹兼顾，揭示旅游流网络空间结构的特征，有利于形成关于研究区域旅游流网络全面、清晰的认识，深入了解旅游流网络的科学属性和动因机制，把握其内涵和外延，对旅游流网络结构有组织、有特色发展具有一定的学术价值和实践意义。

未来关于旅游流网络结构和研究，可以从以下2个角度着手，以便更加及时准确发现数字足迹的流动特征，形成对网络流结构的多视角分析，深入挖掘其流向、形式和线路的科学组织。

1）研究方法上，利用社会网络分析和地理空间分析法，并借鉴Getis-Ord Gi*热点分析法、自然断裂分类法等对网络结构指标进行深入分析，使定性与定量分析相结合，以拓宽旅游流网络研究深度。

2）数据搜集方式上，可尝试与大数据与云计算相关联，借助新兴第五代移动通信网络（5G）技术，使得旅游流相关信息能够更加快速地上传，实现旅游大数据的云存储，以期为实时调控旅游客流、规划合理旅游路线、构建均衡旅游网络提供智能化支持。