成都旅游流空间格局的季节差异研究*

熊 力 ,李 华* ,刘大均 ,简代飞

(1.上海海事大学 经济管理学院,上海 200135;2.成都大学 旅游与文化产业学院,四川 成都 610106;3.南宁师范大学 地理科学与规划学院,广西 南宁 530000)

0 引言

旅游流作为一种空间存在,其空间结构是旅游流的内在属性与鲜明特征。研究旅游流的空间分布特点、规律性及其交互效应,对于旅游资源开发、旅游产品设计以及旅游企业运营等各个方面,均具有重要的理论意义和实践价值[1]。当前,已有研究内容主要聚焦于流动效应、网络结构、时空结构演变等方面。其中,在流动效应方面,Yang 等利用GIS空间数据以及莫兰指数测量空间自相关,为中国城市间旅游流的分布特征提供了可能性解释[2];Chen等通过AGA-SSVR 预测和试验模型,指出精确预测旅游流动效应对中国旅游业发展的重要性[3];Huang等基于“百度指数”数据,指出百度指标在预测国内旅游流量与流动效应方面的重要作用[4]。对于网络结构的研究,王娟等运用社会网络分析方法,归纳出武汉自助游流动网络结构与流动方式特征[5];刘大均基于旅游“数字足迹”,深入分析长江中游城市群的旅游流空间格局及发展模式[6];Zeng基于在旅行社搜集的包价旅游线路与在线网络游记搜集的自由行游客线路,利用社会网络分析方法研究中国赴日旅游流的节点结构和网络结构特征[7]。从时空结构演变方面分析,罗秋菊等从“点”“线”“面(或区)”三个角度分析了云南省自驾车旅游客流的时空分布特征[8];王录仓等运用核密度函数分析了兰州市旅游流时空特征[9]94;Mou等基于“数字足迹”数据,以青岛为研究对象,运用定量分析与社会网络分析相结合的方法探讨青岛时空演变结构以及未来旅游发展的挑战[10]。游客的时空行为是游客信息的重要来源,可以分析其旅游偏好并为旅游管理者提供重要决策导向[11]91。目前,旅游流的大多数研究是基于整个年度或具体某个时期[12-14],从不同季度研究旅游流空间格局差异性的成果较少。此外,已有研究成果大都基于大、中尺度[15-17],关于微观尺度旅游流空间格局的研究较少,比如对城市或市域内部旅游流空间格局的研究不足,而市域作为重要的旅游目的地与旅游者活动的重要场所,已成为不可或缺的旅游资源[18]197。掌握市域内部旅游流不同季节的分布差异,有助于更好地在旅游目的地进行旅游开发与营销。因此,研究市域内部不同季节旅游流的空间分布格局,具有重要的理论与现实意义。

基于此,本文以成都市为例,将成都旅游流空间格局的季节差异作为研究对象,探讨关于微观尺度的旅游流空间模式,利用网络爬虫程序获取成都市2016-2017年旅游攻略,并进一步筛选与整理获取的数据,运用定性与定量相结合、社会网络分析等方法,通过分析成都市旅游景区不同季节的旅游流变化频次、不同季节各景区之间的流动差异与空间格局以及旅游流季节差异的成因,为研究成都旅游者在不同季节的流动特征提供了较为新颖的视角,同时在了解成都市旅游流季节差异的基础上,较好地把握成都市旅游者在不同季节的流动特征、机制与模式,为成都市旅游资源开发、旅游企业管理与运营、旅游产品设计、旅游市场开拓等方面的进一步研究提供更多参考。

1 数据来源与研究方法

1.1 研究区域

作为四川省省会的成都市,是西南地区唯一一个副省级市、特大城市,该地区商业繁荣、经济发达,是国家重要的高新技术产业基地、商贸物流中心与综合交通枢纽[19]58。成都是中国十大古都之一、国家级历史文化名城,同时也是著名的古蜀文明发祥地。成都作为中国最佳旅游城市之一,有着锦里、宽窄巷子、青城山、都江堰风景区等众多名胜古迹,因其丰富的旅游资源以及浓厚的文化底蕴,吸引着四面八方的旅游者来此旅行。如今,成都市的旅游业发展形势欣欣向荣,呈现出良好的发展前景,本文以成都市作为研究区域具有较强的现实意义。

1.2 数据来源

游记攻略是旅游者对自身在旅游活动过程中的所见所闻所感以及个人旅游行程的记录,通常发布在网络平台供他人浏览或借鉴,文本中包含了大量旅游者的空间信息与切身感受[20]33。通过挖掘与整理游记攻略中的相关信息,可以提炼出有效的游客偏好信息。携程网(http://www.ctrip.com)是我国用户量最大的在线旅游网站,旅游者可以通过该网站在线搜索旅游产品并获取相关信息[21]。携程网创立以来,备受广大旅游群体的青睐,来自各地的旅游者在携程网上发布了大量游记攻略用以记录旅途点滴[6]218。本文中的数据主要来自携程游记,通过网络爬虫程序采集携程网上2016-2017年的成都游记攻略的数据,共采集到7 820篇初始数据。在此基础上,通过剔除和甄别(即删除不含文字信息和标题与文本内容不符的文本,去除非实际旅游经历的文本,例如涉及的游记内容仅是作者对某景点的具体介绍、推荐以及宣传等非自身旅游经历,以及合并相同内容的文本),最后获取到1 189 篇有效游记。在整理与分析1 189篇有效游记的基础上,进一步提炼和整理游记中的时间、景点与行程,以此作为本文研究的数据样本。

1.3 研究方法

本文通过网络爬虫程序在携程网上采集所研究区域的网络游记数据并处理得出所需的最终数据,在研究过程中主要采用定性与定量分析相结合的方法、社会网络分析法。

运用定性与定量分析相结合的方法,分析成都旅游流季节变化及成因。定性分析主要是通过分析与总结成都游记攻略中的有效信息,揭示成都旅游流不同季节的内在变化规律;定量分析主要是分析成都旅游流季节变化的客观性以及变化的客观性与各变量之间的因果联系。定性与定量分析在本文的运用是统一且相互补充的,定性分析作为定量分析的基本前提,揭示初步研究的变化规律;定量分析则使定性分析更加科学、准确,通过相应数据说明因果联系,它在一定程度上可使定性分析更为广泛而深刻,二者结合起来并灵活运用才能取得最佳效果[22]。

运用社会网络分析法,主要选取网络密度、网络规模、中心势等网络结构评价指标,分析作为本文研究对象的成都市旅游流不同季节的网络结构以及不同季节旅游节点在整个网络结构中的重要程度。社会网络是指社会行动者 (包括个体与群体)以及他们之间形成某种关系的集合[23]1,社会网络理论涉及3个基本要素:节点、关系和连线,该理论主要通过绘制空间关系网络来揭示旅游景区之间的关系特征与类型、旅游目的地流向与流量、旅游景点之间通达性与连接方式等方面[24]。从社会网络这一特定角度去测量成都市旅游者活动的空间选择路径与游客偏好,可以较为合理地构建出该地区旅游流网络结构[25]。

2 季节分布差异研究

2.1 空间分布特征

通过统计2016-2017年成都市旅游景点在四季中旅游的频次,以春季旅游景点中频次“大于5”的景点作为甄选标准(由于出现频次极低的景点对于本文的研究而言意义较小,故将“大于5”作为分界点,筛选出本文的研究景点),将夏秋冬三季中以甄选标准为基础的景点统计频次与之分别对应(春夏秋冬的划分是依据中国气象局标准,春季为3-5月,夏季为6-8月,秋季为9-11月,冬季为12-翌年2月),做出Excel数据表格并绘制出图1所示的折线图。

由图1 可看出,在春夏秋冬四季中,锦里、宽窄巷子、春熙路等景点在各季节中出现的频次都相对较高,而黄龙溪古镇、望江楼公园等景点在各季节中出现的频次都相对较低。

图1 旅游景点季节到访频次

从总体上分析可得知,春夏秋冬四季在景点频次的变化趋势上大体是一致的。其中,春季各景点到访频次大于其他季节,夏季和秋季居中,冬季相对偏低,整体上呈现出春季大于夏季大于秋季大于冬季的变化趋势,而春季景点的总体到访频次大于其他季节的主要原因是春季气候条件优越,以清明小长假作为先决条件且是赏花的好时节。

从局部分析来看,春季的景点分布频次折线图呈现出平滑的下降趋势,几乎很少出现极值;夏季的景点分布频次折线图则呈现出较大的起伏状下降趋势,其中,第一个极值点出现在春熙路,第二个极值点出现在金沙遗址博物馆;秋季的景点分布频次折线图也呈现出较大的起伏状下降趋势,其中,较为明显的是在秋季出现了一个极值点——宽窄巷子,该极值点恰好是秋季所有甄选景点中出现频次最高的点;冬季的景点分布频次折线图在前半部分(即锦里-天府广场这一段)呈现出起伏状下降趋势,在中部(即青城山-九眼桥这一段)呈现出较为平缓的反复起伏趋势,在折线图后段(即蜀风雅韵剧院-大慈寺这一段)则趋于平缓。通过分析,可知锦里、宽窄巷子、春熙路等景点在四季中出现频次都较高,这主要是由于这类景区自身知名度、交通状况与接待能力都较好,属于成都的重要旅游景点。

2.2 流动特征

根据成都市2016-2017年的游记攻略提取的景点间流动频次统计数据,筛选出四季中流动频次“大于5”的景点行程(由于流动频次极低的行程对于本文的研究而言意义较小,故将“大于5”作为分界点,筛选出本文的研究行程),绘制了成都市旅游流季节变化趋势图,见图2。

由图2可以看出,在整个雷达图中,武侯祠-锦里这一旅游流是四季中频次最高的,成都大熊猫繁育研究基地-都江堰风景区这一旅游流则是四季中频次最低的。

图2 旅游流季节变化频次

从总体上分析可知,以武侯祠-锦里和雷达图连线对面的春熙路-成都远洋太古里为界,将雷达图划分为左右两侧。其中,在该界限的右侧(主要有:锦里-宽窄巷子、宽窄巷子-成都大熊猫繁育研究基地等旅游流)整体上景点之间流动频次较高,在该界限的左侧(主要有:成都大熊猫繁育研究基地-都江堰风景区、人民公园-天府广场)整体上景点之间流动频次较低。

从局部分析可知,夏季在四季中成为旅游流季节变化频次的主导,夏季各景点之间的旅游流频次大多高于其他季节,春季和秋季的旅游流季节变化频次居中,冬季则相对较少,整体上呈现出夏季大于春季大于秋季大于冬季的变化趋势。夏季成为旅游流频次较高的季节主要是因为夏季有暑假作为时间前提,游客有充足时间在多个景点停留并在景点之间产生流动现象。在整体的频次分布雷达图中,夏季的旅游流雷达图在各区域上变化较大,并且出现了2个极值点,即武侯祠-锦里(也是夏季旅游流的最大值)、锦里-宽窄巷子;春季的旅游流雷达图在各区域上分布相对较均匀,出现了1个极值点,即武侯祠-锦里(也是春季旅游流的最大值);秋季的旅游流雷达图在各区域上变化相对较大,且出现了3个极值点,即武侯祠-锦里(也是秋季旅游流的最大值)、宽窄巷子-锦里、锦里-都江堰风景区;冬季旅游流雷达图所占区域面积相对较小,在各区域上分布相对较均匀,出现了1 个极值点,即武侯祠-锦里(也是冬季旅游流的最大值)。通过分析可知,武侯祠-锦里这类景点之间的流动频次高,而人民公园-天府广场这类景点之间的流动频次低,景点之间的流动呈现这种现象的原因主要在于景区之间交通联系程度的差异。

3 网络结构特征分析

3.1 规模与密度分析

根据二分矩阵,采用Ucinet软件分析成都市2016-2017年的四季旅游流,通过计算四季的网络关系连接数量,可得知它最大可能的连接数量共702个,以下分别分析四季的旅游网络规模情况,在分析过程中将频次“大于5”的景点及行程作为甄选标准,排除对本文研究意义相对较小的景点与行程。

通过表1 可知,四季网络密度值均在0.05～0.08之间,但各季节之间仍然存在一定差异,以0.06与0.07作为分界值,将联系程度划分为联系较弱、联系弱与联系很弱三类用以区分季节性网络密度的特点。

表1 季节性网络规模分析

由表1可知,春季的旅游流网络密度为0.058 4(<1),实际的联系数量为41个,由此可以说明网络中节点链接很少,网络密度低;即成都市春季旅游流节点之间的联系少,只在某些知名景点之间存在旅游线路(比如武侯祠-锦里、都江堰风景区-青城山、宽窄巷子-锦里、锦里-武侯祠等景点之间存在旅游线路)。夏季的旅游流网络密度为0.071 2(<1),实际的联系数量为50 个,由此可以说明网络中节点链接较少,网络密度较低;即成都市夏季旅游流节点之间的联系较少,只在某些知名景点之间存在旅游线路(比如武侯祠-锦里、锦里-宽窄巷子、都江堰风景区-青城山、锦里-武侯祠、宽窄巷子-锦里、宽窄巷子-春熙路等景点之间存在旅游线路)。秋季的旅游流网络密度为0.052 7(<1),实际的联系数量为37个,由此可以说明网络中节点链接很少,网络密度非常低;即成都市秋季旅游流节点之间的联系很少,只在某些知名景点之间存在旅游线路(比如武侯祠-锦里、宽窄巷子-锦里、宽窄巷子-春熙路等景点之间存在旅游线路)。冬季的旅游流网络密度为0.059 8(<1),实际联系数量为42 个,由此可以说明网络中节点链接少,网络密度低;即成都市冬季旅游流节点之间的联系少,只在某些知名景点之间存在旅游线路(比如武侯祠-锦里、宽窄巷子-成都大熊猫繁育研究基地、都江堰风景区-青城山这类知名度较高的景点之间存在旅游线路)。通过以上分析可知,成都市旅游景点之间的网络密度较低,联系较松散。

3.2 中心性分析

中心性是社会网络分析中的重点之一,是对具体行动者拥有怎样权利以及居于何种中心地位的量化表示[26]114。中心性指标是中心性分析必不可少的工具,主要分为中心度和中心势两大指标。其中,旅游网络结构中的中心度是指某旅游节点的相对重要性,反映了旅游节点居于何种中心地位,以及该旅游节点在与其他旅游节点互动过程中的影响和支配效力;而中心势则是度量整个网络中心化的程度,反映总体网络结构的整合度与一致性,是旅游流网络整体均衡性的表征[27]1016。中心性分析常用的测量指标主要包括3种:程度中心性、接近中心性以及中介中心性,在本文分析中心性的过程中主要将频次“大于5”的景点与行程作为甄选标准,排除与本文研究关联性不强的景点及行程。

3.2.1 程度中心性

本文采用Netdraw 软件分析的成都市旅游流四季网络图为有向旅游网络图,测量指标包括外向和内向程度中心势,分别表示该旅游节点与其他旅游节点之间存在的外在和内在联系。例如,旅游者从某一旅游节点流向其他节点则是外向程度中心势,旅游者从其他旅游节点流向该节点则为内向程度中心势[28]611。某旅游节点可以通过以上两个指标的大小及对比结果判断在旅游网络结构图中的地位,即该节点是否属于核心点(内外向中心势指标皆高)、聚焦点(内向中心势指标高,外向中心势指标低)、发散点(外向中心势指标高,内向中心势指标低)。通过对成都市2016-2017年四季旅游流网络结构图的相关分析和对比,同时根据表2的程度中心势数据可知:宽窄巷子是整个旅游网络结构图中的核心点,春熙路和武侯祠为整个旅游网络结构图中的聚焦点,杜甫草堂和锦里属于整个旅游网络结构图中的发散点,其他节点的发散聚焦程度都不太明显。

表2 季节性程度中心性分析

此外,程度中心势则是通过各旅游节点中心度的差值与同等规模网络最大差值之间的对比来反映网络整体的中心趋势,它的值越大表明旅游网络结构中的旅游流围绕核心节点发散或聚焦的趋势越明显[29]。通过对成都市2016-2017年四季旅游流网络结构图的相关分析可知,成都市旅游流围绕核心节点发散的趋势相比于聚焦趋势更明显,并且春季和夏季的内向程度中心势高于秋季和冬季,这说明成都市春夏两季的聚焦程度高于秋冬两季。

3.2.2 接近中心性

接近中心性用以反映网络结构中具体某一节点与其他节点之间的接近程度。对于具体某一旅游节点,如果它距离其他节点越近,接近中心性越大,也就说明与其他旅游节点之间的旅游通达性越好,联系越紧密,且越处于整个旅游网络的节点中心,受其他节点影响控制程度越小[27]1016-1017。它的分析和程度中心性有着类似之处,可以反映网络节点在整个网络的聚集程度与核心地位。

根据计算出的接近中心性数据(见表3)可知:宽窄巷子、杜甫草堂、春熙路、锦里的内向和外向接近中心度指数在四季中普遍较高,反映出这几个旅游节点的交通通达度较好且可进入性强,基本处于整个网络的中心;而西岭雪山、大慈寺、黄龙溪古镇、成都国际金融中心等旅游节点的内向和外向接近中心度指数在四季中普遍较低,反映出在旅游网络结构中这些旅游节点几乎处于孤立地位。此外,通过相关分析可以得知旅游网络结构的接近中心性在四季中差异并不是很明显,这主要是由于交通的通达程度受季节因素影响很小。

表3 季节性接近中心性分析

3.2.3 中介中心性

中介中心性在旅游网络结构中扮演着“桥梁”角色,主要通过中介中心度和中介中心势两个指标反映。其中,中介中心度是衡量旅游网络结构中旅游节点与其他节点之间控制和依赖程度的指标;中介中心势则是反映所有旅游节点通过这一指标显示出的均衡程度。中介中心性越高,则表明它作为“中转站”或“桥梁”的次数越多,对其他旅游节点的控制程度也越强,越是整个网络结构中的核心节点[27]1017。

通过计算中介中心性相关指标(见表4)可以得知:宽窄巷子、杜甫草堂、春熙路、锦里的中介中心度指标在四季中普遍较高,这说明这些旅游节点作为中转站的次数越多,对其他旅游节点的控制程度也越强,处于整个网络结构中的核心地位。而西岭雪山、大慈寺、黄龙溪古镇、成都国际金融中心等旅游节点的中介中心度指标在四季中普遍较低,即表明这些旅游节点几乎处于网络结构中的边缘区。

表4 季节性中介中心性分析

此外,通过相关分析可知,春夏两季的中介中心势指数明显大于秋冬两季,表明相比春夏两季,秋冬季节的旅游网络结构中有更多的旅游节点需要核心节点来联结,且各节点之间的联系不太紧密。

3.3 旅游节点结构洞分析

在旅游网络结构中,某些旅游节点之间会存在联系的断裂现象,这种断裂处被称为“结构洞”[28]612。比如,在旅游网络结构中,某一旅游节点X 与节点Y、Z 存在联系,节点Y、Z 之间没有发生联系,则Y、Z 之间出现了结构洞,而这一具体的旅游节点X 则是此结构洞中的重要节点。倘若某些特殊旅游节点拥有无数结构洞优势,则表明这类旅游节点拥有不可代替的优越地位;而从另外一方面分析,由于该旅游节点缺乏可替代的旅游节点和路线,往往很容易出现堵塞现象,在此处形成旅游流瓶颈。结构洞分析主要采用效能大小、效率性以及约束性这三个指标来测度。

根据成都2016-2017年四季旅游流网络结构图的结构洞相关指标(见表5)可知:宽窄巷子、锦里、春熙路、杜甫草堂等旅游节点在成都旅游流季节分布结构网络中占据较多的结构洞优势,这类旅游节点旅游地的效能较大、有效规模和自身效率都相对较高,受其他旅游节点的制约较少,拥有非替代性的区位优势和更多的竞争机会。而西岭雪山、大慈寺、黄龙溪古镇、成都国际金融中心等旅游节点在成都市旅游流季节分布结构网络中表现不佳,处于结构洞劣势地位,或是由于景区自身的有效规模很小、景区自身的效率偏低、景区自身的制约度不够等因素,造成这类旅游节点的市场竞争力和开发力处于相对劣势地位。这类景区可以通过完善自身的旅游基础设施、改善旅游服务,加强与具有结构洞优势节点间的旅游合作[30],改善自身的结构洞劣势地位。

表5 旅游节点结构洞分析

表5(续)

此外,通过相关分析可知,春夏两季的结构洞优势大于秋冬两季,这表明相比于春夏两季,秋冬季节的旅游结构洞劣势更为明显,存在更多的旅游节点断裂现象。这主要是由于在春夏两季旅游者愿意花更多时间在成都停留,从而在各旅游节点之间形成更多的流动。

4 结论与建议

4.1 结论

本文以成都市为例,通过挖掘携程游记的数据,构建成都市四季景点间流动关系矩阵与景点频次矩阵。生成四季景点频次分布折线图,分析成都市旅游景点四季空间分布特征;生成旅游流流动频次雷达图,分析成都市旅游流四季流动特征;生成旅游流四季网络结构图,分析四季旅游流网络结构特征。从旅游者这一流动行为主体出发,探讨成都市旅游流季节差异及影响因素,并得出一些有益结论:

第一,成都市四季各旅游景点的空间分布特征在整体上是一致的,其中锦里、宽窄巷子、春熙路等景点在各季节中出现的频次相对较高,而黄龙溪古镇、望江楼公园等景点在各季节中出现的频次相对较低,各景点在四季的旅游频次整体呈现出春季大于夏季大于秋季大于冬季的变化趋势。通过分析可知,在四季中出现频次较高的景点大多影响力较大、知名度较高,而春季各景点旅游频次整体较高的原因主要在于春季拥有适宜出行的气候条件。

第二,成都市旅游流季节变化差异较为明显,夏季各景点之间的旅游流频次大多高于其他季节,春季和秋季居中,冬季则相对较低,旅游流季节变化频次整体呈现出夏季大于春季大于秋季大于冬季的变化趋势。气候条件是影响旅游行为的重要因素[31],造成旅游流季节变化的差异性与气候条件和节假日因素联系较为紧密,固然冬季有较长寒假,但由于冬季气候寒冷且冬季假期为阖家团圆的时节,大多数旅游者愿意回家团聚而不是外出旅行,且成都冬季雾霾较为严重、空气质量不佳,故冬季旅游流呈现出不佳状态。

第三,成都市旅游流季节网络结构密度呈现出夏季大于冬季大于春季大于秋季的状态,总体上网络密度低,联系较为松散,旅游流节点之间的联系较少,少数节点掌握着绝对的网络权力,存在明显的核心-边缘结构。比如在四季中都存在着中心性较强的节点:宽窄巷子、武侯祠、锦里等,这类景点在网络结构中处于中心位置,有较强的连接与中转功能。

第四,成都市旅游流网络结构中心性在四季中存在着以下差异:从程度中心性来看,成都市旅游流呈现出春夏两季的聚焦程度高于秋冬两季的状态;从中介中心势来看,春夏两季的中介中心势指数明显大于秋冬两季。这表明春夏两季是成都旅游流十分活跃的季节,旅游者更愿意在春夏两季去往成都各景点旅游,并在多个旅游景点之间产生流动现象,也就是说春夏两季是成都市的旅游旺季,而秋冬两季相对而言则是成都市的旅游淡季。

4.2 建议

旅游流是具有空间属性的旅游经济系统的神经中枢与纽带,同时也是旅游业发展的基础[9]95,通过分析旅游流的季节可以更好地把握旅游的发展态势及方向。本文通过分析成都市旅游流季节的差异及成因,从网络结构关系这一视角分析了四季景点间的空间分布及流动特征,在分析成因并得出相应结论的基础上提出以下针对性建议:

第一,成都市旅游的发展季节性差异较大,淡旺季较为明显。建议在旅游流量相对较少的秋冬两季,以景区本身特征为出发点,开展与之相应的节庆活动以及丰富的旅游形式来吸引游客的眼球,并在成都市的秋冬两季培育新的旅游吸引物,对其做必要的宣传,实施相应的营销计划,使得秋冬季节的旅游流量得以相应增加,促使成都市旅游均衡发展。

第二,成都市旅游景点被游览的频次以及各旅游景点之间的流动频次在很大程度上受到交通状况的影响,位于交通干线旁或离交通干线越近的景区景点出现的频次越多,景区景点之间交通通达度越强它们之间的旅游流越活跃。交通不佳的景区景点可通过改善自身交通状况,完善旅游交通网络,增强自身的可进入性,增加自身被游览次数以及与其他景区景点的联系程度,进一步实现成都市旅游的健康发展。

第三,成都市旅游景点自身知名度的差异,在一定程度上导致成都市各旅游景点被游览次数以及在旅游流中出行频次出现较大偏差。自身知名度较低的景点可从自身实际情况出发,通过开展相应的旅游活动提高知名度以及通过更有力的宣传手段来增加景区的曝光度;此外,还可通过强化旅游核心点的引领地位以及加强各旅游节点之间的联系,相应地以核心点带动边缘景点发展,同时合理规划旅游线路,增加这类景点的吸引力,以此达到成都市各旅游景点全面发展的目的。

第四,成都市各景区景点自身发展状况与接待能力成为各旅游景点在四季中出现频次差异性较大的一个重要原因,其中景区目前发展状况、接待能力与景点在四季中被游览的频次呈正相关关系。处于结构洞劣势的景区景点应注重自身实力、增强发展能力及接待能力,提高被游览频次以及改善自身在旅游网络结构中的不利地位,促使各旅游景点共同发展。