基于数字足迹的武夷山遗产地自助游网络结构特征及影响因素研究

林育彬，林开淼，郭伟锋

(武夷学院 旅游学院，福建 武夷山 354300)

0 引言

自助游是当前旅游的主要形式，体现个性化旅游发展趋势，在旅游市场中占据重要地位.自助游最大的特征就是游客自主性[1]很强，愿意冒险[2]，活动轨迹分散，选择景点多样.自助游与传统团队旅游存在众多差别[3]，与传统团队旅游点轴结构相比，自助游呈现网络结构特征[4].以往自助游研究主要集中在自助游行为[5-6]、自助游体验[7-9]、自助游偏好[10]、自助游决策[11]、自助游新技术[12]、自助游推荐算法[13]等，但对自助游旅游流网络研究相对不足，自助游旅游流网络是研究自助游问题的很好切入点.正确理解和把握自助游在目的地流动网络及影响因素，对旅游目的地管理决策及旅游经济健康发展具有重要意义.目前自助游旅游流研究领域较为广泛，如大尺度的甘青宁地区自助游旅游流[14]，以及中尺度的省市自助游旅游流[15-17].然而，由于数据获取难度较大，对于微观尺度的旅游目的地自助游网络研究较少.并且大多文献主要对不同尺度规模的自助游网络结构特征进行分析，如对整体网的密度、核心边缘及节点子群进行分析，对个体网节点中心性和结构洞指标进行分析，发现“整体网络发育不完善，密度较低且结构松散，各旅游节点的功能存在显著差异”[14]、“喜集聚，厌分散”[4]等自助游特征，但遗憾的是目前很少有学者深入挖掘旅游节点网络结构的差异性特征，而对影响网络结构差异性特征形成的主要因素更是缺乏关注.因此，挖掘自助游网络结构特征形成的影响因素是自助游研究的主要话题之一.不过，对于游客的活动轨迹的量化分析，前期研究通常采用问卷调查法[18]、游客流的面板数据统计[19]、旅行社旅游线路[20]、交通流量[21]等，难以刻画自助游客在旅游目的地真实的活动轨迹.而且自助游客对于自然景点和人文景点的偏好程度存在一定的差异性，其活动足迹也不尽一致.在自媒体时代，互联网记录了越来越多自助游客的旅游过程，形成了游客数字足迹.数字足迹所蕴含的空间信息成为了分析自助游网络结构研究的重要数据源.基于此，本文以武夷山自然和文化双遗产地为例，通过网络游记，挖掘自助游客数字足迹，运用社会网络分析武夷山遗产地自助游网络结构特征及影响因素，为当地游客管理、旅游路线、旅游产业布局优化等提供科学依据.

1 研究区与研究方法

1.1 研究区概况

武夷山遗产地位于福建省武夷山市境内，是国内4处世界自然与文化“双遗产”地之一，其旅游品牌享誉海内外.武夷山拥有独特、稀有、绝妙的自然景观.其丹霞地貌，在国内已发现的263处丹霞地貌中，观赏价值最高.在武夷山国家重点风景名胜区，有九曲溪、三十六峰、九十九岩，每一景点以其独特的风格和神韵而赢得游客的极高评价.在武夷山自然保护区，拥有2 527种植物物种，近5 000种野生动物，是地球同纬度地区保护最好、物种最丰富的生态系统.此外，武夷山还拥有丰富的历史文化遗存，如古汉城遗址、武夷精舍、遇林亭窑址、御茶园遗址、摩崖石刻等，历史上众多文化名人在武夷山都留下丰富的文化足迹.[22]

1.2 数据来源

本文采集的“数字足迹”从网络游记获取.为了保证数据精准，同时获取游记中文本和照片两种信息.游记文本确定游客旅游节点和时间，而照片则印证旅游节点的准确性.为了选择合适的“数字足迹”采集平台，尽量扩大样本量，通过搜索引擎对比旅游游记最多的各大旅游网站后，最终选取马蜂窝、携程网、同程网、途牛网、去哪网、穷游网和驴妈妈7个旅游网站进行“数字足迹”采集.在实际采集过程中，在以上7个旅游网页的游记搜索界面，键入或查找“武夷山”“自由行”“自助游”等关键词，并按游记发布时间顺序排列，发现在2015年武夷山高铁开通后至新冠疫情2019年12月发生前的自助游游记最多、最典型，因此选取2015年11月到2019年11月的完整4年的自助游游记为样本数据.根据游记内容判断是否属于自助游游记，删除团队旅游游记，删除同一作者重复发布的游记.对符合自助游标准的游记，用Excel表格分别记录其网络平台、标题、作者、发布时间、出行时间、出行方式、游客类型、旅游节点等信息.在实际记录过程中，必须按照游客旅游时间顺序依次录入旅游节点.最终，统计出符合研究标准的游记430篇.

在以上游记数据基础上，构建武夷山遗产地自助游网络.首先，梳理武夷山遗产地所有自助游节点.依据节点的类型、位置、知名度等特征，对位置较近节点进行归并，如将武夷宫、宋街、柳永纪念馆、万春园等景点归并到武夷宫；将好汉坡、天成禅院、语儿泉等景点并入虎啸岩.其次，通过430条旅游路径的旅游节点顺序与方向，收集到66个旅游节点之间的关系数据，获得一个66×66的多值有向关系矩阵.最后，选取适合的断点值，将多值矩阵转换成二值矩阵.经过多次测算，本次研究选取的断点值为2，去除孤立点后，获得28个节点之间的有向关系数据，也即28×28的二值有向关系矩阵.

1.3 研究方法

1.3.1 社会网络分析方法

社会网络分析方法研究网络结构及节点在网络中的位置与角色等.其常用的方法有中心性分析、结构洞分析、凝聚子群分析、块模型分析及关系数据的假设检验[23]等.因此，本研究使用UCINET6.689软件对武夷山遗产地自助游网络整体结构特征和节点特征进行分析.通过网络规模、密度和核心边缘模型来反映自助游网络的整体结构特征，通过度数中心性、中介中心性、接近中心性、特征向量中心性等来反映自助游网络的节点特征，并采用社会网络的点层次回归分析研究武夷山自助游网络结构的影响因素.

1.3.2 模型构建

在以往文献的研究中，交通可达性[24-26]、旅游基础设施[17]、旅游资源禀赋[27]是影响旅游流分布的重要因素.此外，对于小微尺度的旅游目的地，旅游节点的地理位置也是影响自助游旅游流分布特征的重要因素，这是以往研究很少提及的因素.基于此，构建如下自助游旅游流影响因素模型：

C=f(Tra，Inf，Res，Geo)

式中显示的是数据之间的关系，相应变量数据是一系列节点(景点)的属性数据.因变量C代表旅游节点(景点)在自助游网络中的中心性，在本研究中选取特征向量中心性作为因变量.在有向的自助游网络中，因变量指标数值有内向特征向量中心度和外向特征向量中心度.在自变量中，Tra代表节点交通可达性，Inf代表节点旅游基础设施，Res代表节点旅游资源禀赋，Geo代表节点地理位置.由于各节点的属性数据在自助游网络中相互影响，不宜采用传统回归分析，应采用社会网络点层次回归分析进行检验.

2 自助游网络结构特征分析

2.1 网络规模与密度

通过UCINET 6.689软件可视化操作，得到武夷山遗产地自助游数字足迹网络图(图1)，其中网络节点圆面积大小代表特征向量中心度大小.该自助游网络由28个节点组成，密度为0.176，网络密度较稀疏，总共拥有133条自助游路径(表1).根据自助游节点的资源属性特征，可以把武夷山自助游分为自然遗产游和文化遗产游.如果把自然遗产游和文化遗产游网络单独分开，在去除孤立节点后，可以发现自然遗产游网络节点有11个，大于文化遗产游9个节点；自然遗产游网络的路径数为40，明显高于文化遗产游网络路径数目17；自然遗产游网络密度0.190高于整体网络密度0.176，而文化遗产游网络密度0.109低于整体网络密度.可见，在武夷山自助游网络中，自然遗产游网络规模与密度明显高于文化遗产游，自然遗产游是武夷山自助游网络最重要组成部分.在自然遗产游网络中，特征向量中心度较高的节点有天游峰、九曲溪漂流、大王峰、玉女峰、一线天、虎啸岩、水帘洞(图2)，这些都是武夷山知名度最高的山水自然遗产景点，也是开发最早的自然遗产景点.而在文化遗产游网络中，特征向量中心度较高的节点有武夷宫、大红袍、武夷精舍和印象大红袍(图3)，网络密度比自然遗产游网络更稀疏.

表1 武夷山遗产地自助游网络规模与密度

图1 武夷山遗产地自助游数字足迹网络图

图2 武夷山自然遗产游数字足迹网络图

2.2 核心边缘分析

通过核心边缘模型分析，可以区别网络节点所处核心区还是边缘区，通过核心边缘密度矩阵(表2)量化核心区与边缘区关联与带动效应.武夷山自助游核心区节点有9个：一线天、九曲溪漂流、印象大红袍、大红袍、天游峰、武夷宫、水帘洞、玉女峰、虎啸岩.由表2数据发现，核心区成员间密度达到了0.958，远远大于整体自助游网络密度0.176.这反映了核心区9个旅游节点流动非常紧密，是游客在武夷山自助游选择最核心的旅游节点.除了印象大红袍外，另外8个节点都集中在武夷山风景名胜区，反映了武夷山风景名胜区是自助游客在武夷山遗产地最受欢迎的景区.边缘区节点有19个：下梅古民居、云河漂流、云窝、大王峰、天上宫、崇阳溪步行道、御茶园、桃源洞、止止庵、武夷水秀、武夷精舍、牛栏坑、白云岩、茶博园、莲花峰、遇林亭窑址、青龙大瀑布、马头岩、龙川大峡谷等.边缘区网络密度仅为0.029，远低于整体网络密度0.176，可见边缘区节点之间联系很少.从8个核心区节点和11个边缘区节点都集中在武夷山风景名胜区，可见该景区对武夷山自助游旅游流具有龙头带动作用.但是，从核心区和边缘区的联结密度表明武夷山自助游网络存在明显的结构分层.由表2可知，核心对边缘联结密度为0.140，边缘对核心联结密度为0.175，两者都略低于整体网络密度.这反映了核心区带动边缘区旅游流联系的能力有限，旅游流从核心区到边缘区的扩散效应明显不足.

表2 核心-边缘密度矩阵

2.3 中心性分析

节点中心性反映节点在网络中所处核心地位情况，具体指标有点度中心度、中间中心度、接近中心度和特征向量中心度等.经UCINET 6.689软件分析，武夷山自助游节点的中心性指标如表3所示.

表3 武夷山遗产地自助游网络结构中心性指标

1)程度中心性.有向网络节点的点度中心度包括内向点度中心度和外向点度中心度，分别代表一个节点的聚集和辐射能力[28].由表3可知，节点的内向点度中心度和外向点度中心度均值都为4.75，说明平均每个节点与4.75个节点存在旅游流集聚或辐射联系.两个标准差值大于4.5，值较大，说明网络节点的点度中心度分布不均衡.而程度中心势反映了网络整体的中心趋势.武夷山自助游网络内向程度中心势为43.21%，外向程度中心势为35.53%，数值较高，反映了整个网络围绕核心节点聚集与发散的趋势较明显.其中，天游峰、大红袍的2个节点的点度中心度值最高，内外向点度中心度都超过10，表明天游峰、大红袍2个节点处于自助游网络核心，是武夷山遗产地自助游的聚集地核心，对其他节点的集聚和辐射能力最强；而武夷宫、九曲溪漂流、虎啸岩、印象大红袍、玉女峰、一线天、水帘洞、云窝等8个节点内外向点度中心度都超过了5，处于自助游网络次核心地位，拥有较强网络集聚和辐射能力.

2)中间中心性.中间中心度是从宏观上衡量某节点在旅游流网络互动中对其他节点控制和依赖程度的指标[29].中间中心势反映所有节点在这指标上的均衡程度.武夷山自助游网络的中间中心势为18.04%，值较低，反映了武夷山自助游网络整体通过中间节点来发生联系较少.从中间中心度数值看，天游峰最高，数值超过140，反映了其对旅游流控制能力最强.其次是大红袍、武夷宫、九曲溪漂流3个节点，其数值都超过50，反映了其对旅游流控制能力较强.如果去除这4个节点，将使某些边缘节点因旅游流通路的阻断而降低客流量.此外，桃源洞、武夷水秀、御茶园、茶博园、青龙大瀑布、马头岩等13个旅游节点的中间中心度为0，说明这些旅游节点处于自助游流网络的边缘，对旅游流的控制能力很弱.

3)接近中心性.接近中心性反映旅游者在节点间转移扩散的有效性和通畅程度[29]，其指标包括内向接近中心度和外向接近中心度，其值越小代表接近中心性越高，反映节点与其他节点间的向内或者向外的旅游流通达性越好.由表3的内向接近中心度和外向接近中心度数值看，天游峰、大红袍、九曲溪漂流3个旅游节点的数值小于等于60，数值都较低，反映的接近中心性较高，说明这3个节点在整个网络节点间内向和外向转移扩散的有效性和通畅程度较好，处于整个自助游网络结构的中心.与之相反，崇阳溪步行道、青龙大瀑布、天上宫、莲花峰4个节点的数值较高，反映内外接近中心性都较低，说明与其他节点之间的旅游流通达性较差.

4)特征向量中心性.一个网络节点的重要性既取决于自身的点度中心度，也取决于其邻居节点的重要性.特征向量中心性相对其他3种中心性更具有综合性，首先计算邻接矩阵，然后计算邻接矩阵的特征向量.有向网络的节点特征向量中心度包含内向特征向量中心度和外向特征向量中心度，分别代表一个节点在向内或者向外旅游流网络的中心性重要程度.从表3数值看，天游峰特征向量中心度最高，内向和外向特征向量中心度数值都为1，是武夷山自助游网络结构的核心节点.而武夷宫、大红袍、九曲溪漂流、玉女峰、虎啸岩、一线天、印象大红袍、水帘洞的内外向特征向量中心度数值超过0.7，是武夷山自助游网络结构的次核心节点.而莲花峰的内外向特征向量中心度数值接近0，处于武夷山自助游网络结构的最边缘.

综上所述，天游峰、大红袍是武夷山自助游网络中最核心节点，其程度中心性、接近中心性、中间中心性和特征向量中心性指标都较高.这两个核心节点不但拥有较强的聚集、辐射能力，还有较强的扩散通畅能力，并对其他节点具有较强的控制能力.

3 影响因素分析

3.1 影响因素指标选取

本研究选取自助游网络节点特征向量中心性作为因变量.特征向量中心性相对其他3种中心性更具有综合性.根据以往学者研究成果，本研究选取旅游节点的交通可达性[26]、旅游基础设施[17]、旅游资源禀赋[27]为自变量影响因素.综合考虑小微旅游目的地中地理位置对自助游旅游流分布的影响，也将节点地理位置作为自变量影响因素之一.正是这些因素共同作用下，促进了武夷山自助游网络空间结构形态.各因素分析如下：

1)交通可达性.交通可达性是游客由关键交通枢纽到达旅游节点的便利程度.景点的交通可达性越高，就越能吸引自助游前往旅游.在本案例中，选取“武夷山北”动车站到各旅游节点的最短乘车距离(以当下百度地图数据为准)作为该区域自助游旅游节点交通可达性衡量指标.该节点距离“武夷山北”动车站越远，其交通可达性越差.

2)旅游基础设施.良好的旅游基础设施可以更好为游客提供服务，增强旅游体验愉悦感[30]，其中旅游住宿设施是衡量旅游基础设施水平重要指标之一，星级饭店和民宿住宿设施一定程度上能反映一个地区的住宿水平.因此本案例选取旅游住宿设施(包括酒店和民宿)数量作为其衡量指标，其住宿设施越多，代表旅游基础设施越好，具体通过携程网当下记录的3 km半径内住宿设施数量作为衡量指标.

3)旅游资源禀赋.旅游资源禀赋是一个地区旅游业发展的基础和前提.旅游资源禀赋越佳，将越吸引游客前往旅行.在自助游目的地，各节点旅游资源禀赋不同将影响游客选取节点的意愿，最终影响各旅游节点的网络中心性.在本研究中，选取专家对武夷山各知名节点(景点)旅游资源价值评分作为各节点旅游资源禀赋的衡量指标，专家评分越高，该节点旅游资源禀赋越好.

4)地理位置.节点所在地理位置将影响自助游网络结构形成.在本案例中，武夷山风景区名胜区是武夷山遗产地的核心龙头景区，对整个武夷山旅游业具有支撑性作用.各旅游节点是否处于武夷山风景名胜区内的地理位置，将影响旅游节点在自助游网络中的中心性地位.因此，旅游节点在武夷山风景名胜区内，其地理位置指标取值为1，不在取值为0.

3.2 点层次回归分析

通过UCINET的Node level regression分析(表4)，以网络节点内、外向特征向量中心性为因变量，经过10000次的随机置换，R-Square值都较高(0.631和0.703)，并且置换检验的结果都非常显著，Sig值接近于0.可见自助游网络节点内外向特征向量中心性与各影响因素的回归拟合优度较好.在各影响因素中，旅游资源禀赋和地理位置对网络节点内外向特征向量中心性影响都显著，Sig值小于0.05.旅游基础设施对自助游网络节点内外向特征向量中心性影响都不显著，其Sig值大于0.05.交通可达性对节点内向特征向量中心性影响显著，而对外向特征向量中心性影响不显著，其Sig值大于0.05.当自助游客进入旅游节点时，游客会把旅游节点的可达性作为选择节点的重要考虑因素.但是，当游客离开旅游节点时，游客不会把交通可达性作为离开旅游节点的重要考虑因素.

表4 特征向量中心性回归结果

旅游节点的交通可达性、旅游资源禀赋、地理位置对自助游网络结构的影响程度大小不一.以节点内向特征向量中心性因变量为例，经过标准化回归系数Beta绝对值对比，可以明确3个因素对内向特征向量中心性影响程度大小：旅游资源禀赋>交通可达性>地理位置.首先，旅游资源禀赋是吸引自助游客旅游的前提条件，其旅游资源价值越高就越能吸引自助游客旅行，所以旅游资源禀赋对网络结构影响最大.旅游资源禀赋的回归系数为正数，说明节点的旅游资源禀赋越好，该节点的内向特征向量中心性越强.在案例中，天游峰是武夷山第一胜地，在天游峰仿佛置身于仙境，遨游于天宫，其资源禀赋极高，是武夷山自助游的首选节点，其内向特征向量中心性也是最高.其次，交通可达性是自助游客进入旅游节点的必要条件，只有交通通畅，离关键交通枢纽点越近的节点，自助游客更愿意进入，所以交通可达性对网络结构影响排第二.但在该模型中交通可达性的回归系数为负数，因交通可达性选择的指标是各旅游节点到“武夷山北”动车站的距离为指标，其内涵代表节点距离动车站越远对应的节点内向特征向量中心性越低.最后，不同节点的地理位置会进一步影响自助游客选择节点的意愿，进而影响网络节点的中心性地位.对于武夷山遗产地来说，武夷山风景名胜区就是该目的地最为独特的地理位置.在风景名胜区内，各节点距离较近，旅游资源禀赋高，品牌知名度都较高，节点相互联系也较多，节点的内向特征向量中心性较强.与之相反，在风景名胜区外，各节点距离较远，品牌知名度也不高，所以网络节点中心性也相对较低.

4 结论与讨论

4.1 结论

本研究通过挖掘游客在武夷山遗产地的旅游数字足迹，分析了武夷山遗产地自助游网络结构特征，并用社会网络点层次回归分析了自助游网络结构影响因素.主要研究结论如下：

1)根据自助游节点资源属性特征，可以把武夷山自助游分为自然遗产游和文化遗产游.武夷山自然遗产游网络规模和密度高于文化遗产游网络，文化遗产旅游节点的网络联系较稀疏.在9个核心旅游节点中，只有印象大红袍、大红袍和武夷宫3个节点是文化遗产节点，其余是自然遗产节点.因此，自然遗产游是武夷山自助游网络中的主要组成部分.

2)在节点中心性指标中，天游峰、大红袍是武夷山自助游网络中最核心节点.其程度中心性、接近中心性、中间中心性和特征向量中心性指标都较高.在核心旅游节点中，除印象大红袍外，其他8个节点集中在武夷山风景名胜区.因此，武夷山风景名胜区对武夷山遗产地自助游网络具有龙头带动作用，但是其核心节点带动边缘区的旅游流联系能力不足.

3)通过构建自助游旅游流影响因素模型，用社会网络点层次回归分析了交通可达性、旅游基础设施、旅游资源禀赋、地理位置等因素对自助游网络结构的影响.研究发现：旅游节点的交通可达性、旅游资源禀赋、地理位置对武夷山遗产地自助游网络节点的内向特征向量中心性有显著影响；旅游资源禀赋、地理位置对自助游网络节点的外向特征向量中心性有显著影响；旅游基础设施对自助游网络节点内外向特征向量中心性影响不显著.

4.2 讨论

1)世界“双遗产”地自助游网络应该由自然遗产和文化遗产资源禀赋共同驱动影响.目前，武夷山自然遗产游网络规模和密度明显高于文化遗产游网络.武夷山自然遗产资源禀赋高，类型丰富，品牌知名度高，是自助游游客选择武夷山旅游的主要原因.但像五夫古镇朱子理学形成地、闽越王国古汉城遗址、桐木村世界红茶发源地等也都具有世界品牌知名度的文化遗产资源，还未列入武夷山自助游常见旅游节点，这点值得深思.自然遗产资源不用刻意挖掘，游客可以马上感受，但是文化遗产资源需要深入挖掘、开发、设计，才能让游客领略其中魅力.而旅游资源禀赋是影响自助游网络结构最重要的影响因素，因此要深入挖掘武夷山文化遗产资源魅力，开发高品质的文化遗产旅游景点，增强文化遗产资源禀赋吸引力.

2)在小微旅游目的地，应充分利用地理位置因素促进自助游旅游流网络流动.在案例中，武夷山风景名胜区是武夷山遗产地的地理标志.节点是否处于武夷山风景名胜区内的地理位置，对武夷山自助游网络结构具有显著的影响.核心区网络节点大多集中在武夷山风景名胜区，但带动边缘区旅游流联系不足，这也与整个遗产地自助游经营方式有关.应充分发挥武夷山风景名胜区核心地理位置优势，通过转变经营方式，增强核心区的辐射带动作用.如，风景名胜区内的核心节点和边缘节点联合营销和共同开发自助游线路.风景名胜区应充分发挥世界遗产地和5A级景区品牌优势招来游客，而边缘节点借助个性化和差异化资源特色和服务能力，丰富武夷山遗产地自助游网络的内涵和个性特色.

3)有向自助游网络选取节点内外向特征向量中心性为因变量，更有助于分析自助游网络结构影响因素.中心性是描述旅游节点在整个自助游网络地位中最直观的指标，尤其特征向量中心性考虑周边节点中心性地位，比其他中心性指标更具综合性.在有向自助游网络中，内外向特征向量中心性的影响因素也略有不同.比如，本案例中的交通可达性对节点内向特征向量中心性有显著影响，但对外向特征向量中心性影响不显著.具体表现在自助游客进入旅游节点时，会重点考虑交通可达性因素，但离开节点时不会强调交通可达性因素.因此，在引导游客进入目的地时，应完善网络节点交通设施，开通旅游公交车专线，配备自驾车停车场设施等，都可以增强旅游节点的交通可达性.

在以后的研究中，针对自然遗产资源和文化遗产资源如何融合驱动遗产地自助游网络发展，还应进一步探索影响机制和规律.