粤港澳大湾区城市旅游信息网络结构

苏海洋，刘人怀，文 彤

（暨南大学a.管理学院；b.战略管理研究中心，广州 510632）

城市群网络结构是中国区域发展研究的重要内容（刘正兵等，2015；周灿等，2017；彭翀等，2019）。网络结构特征较多通过经济规模（张荣天，2017）、企业分布（熊瑶等，2019）、交通布局（赵映慧等，2017）等产业发展和硬件设施指标来反映。然而，这些指标的重要程度往往是在政府自上而下推动基础上，城市自身经济发展所决定的（Zhang et al.，2018），这意味着大量产业和基础设施往往布局在直辖市、省会等第一梯队城市，形成以这类城市为网络核心区的特征。随着信息化时代的到来，基于电子通讯、物质设施等网络关系之上的新型空间组织出现（甄峰等，2007），互联网信息等软实力要素所表征的关系网络逐渐受到重视。其内部包含的城际关系信息往往通过互联网用户、互联网服务提供商以横向互动的形式，在虚体空间塑造出网络化特征，关注这种软性指标对于认识城市群网络结构的新特征和新内涵具有重要意义。如网页共指联动数据（Zhang et al.,2019）、豆瓣同城关注数据（黎智枫等，2016）、百度贴吧内容数据（邓楚雄等，2018）和百度指数搜索数据（蒋大亮等，2015）等，为基于信息大数据为主的城市群网络研究提供了有价值的数据来源。

在旅游领域中，旅游目的地空间关系的马太效应使区域内知名度大、旅游资源突出的目的地在旅游供给、客源分配和旅游资源深度开发等方面存在既定优势（韩晶晶等，2005），旅游者自然对第一梯队城市的旅游信息最为关注。但是，随着旅游产品的多元化和市场需求的个性化，旅游者的活动空间逐步由单个城市目的地走向整个城市群目的地空间（虞虎等，2012）。因此，旅游者也开始关注第一梯队与后梯队城市同时存在的信息，来满足自身对多城市组合旅游信息的需求。而随着在线旅游领域的兴起，无论基于国内旅游还是出境旅游的目的，人们越来越有兴趣在互联网中即时获取城市旅游的相关信息（汪秋菊等，2017），这重新塑造了旅游信息发布、搜索和消费的方式（Pan et al.,2006）。这些来自供给端和需求端的行为所产生的“痕迹”被互联网所记录，呈现为“城市+旅游”的形式（Zheng et al.,2008）。而基于以城市群为尺度的研究目的，伴随着多个城市与旅游等关键词的出现，形成了多个城市之间的旅游信息关系，在虚拟空间中呈现出城市群的网络化结构特征。这种网络结构在国内与国际市场维度下有何共性与差异？是否也存在马太效应？理清这些问题对于打造第一梯队城市与后梯队城市、后梯队城市之间的旅游联动战略，后梯队城市如何提升旅游市场地位有重要意义。

粤港澳大湾区在旅游开发过程中，已促成了旅游中心城市的崛起（孟庆伟等，2014），区域性基础服务设施等旅游硬实力得到显著提高。然而，目前粤港澳三者间的要素流动仍受到制度性因素的限制（张虹鸥等，2018），从而影响硬件设施布局与交流环节的效率。因此，粤港澳合作今后应由单纯的“硬”产业建设向“软”环境建设深入（张宇星等，2021）。信息化是冲破行政区划割据的利器（窦群，2014），低门槛、自由化、扁平化的互联网平台进一步促进了旅游要素趋向于相对自由化流动，给后梯队城市制造“弯道超车”的机会。对于面向“双循环”格局下的粤港澳大湾区城市旅游来说，这不仅仅是几个第一梯队城市面向国内外市场进行互联合作的同质模式，而是所有城市分别在国内、国际市场承担不同功能、不同合作模式进行互联共生的异质网络。打造世界级旅游品牌应该抓住互联网用户与互联网服务供应商横向互动所产生的城际联系，从而在虚体空间层面掌握粤港澳大湾区旅游信息联系的动态变化所产生的新特征，更好地从社会层面自下而上推动粤港澳大湾区城市旅游建设。为此，本文基于关键词共现、共指联动等研究思路，从海量网页中提取粤港澳大湾区两两城市旅游信息的共现频率，在国内和国际维度下对粤港澳大湾区城市旅游信息网络结构进行分析，试图解决以下问题：其一，从“软联通”角度探索粤港澳大湾区两两城市旅游信息联系所构成的网络结构演变特征，揭示城市群旅游网络新内涵；其二，分析国内、国际旅游市场维度下粤港澳大湾区在功能分工、市场影响力以及团体合作模式的异同点，探讨旅游目的地空间关系的马太效应的适用性。以期为“双循环”格局下粤港澳大湾区城市旅游协同发展提供新思路。

1 文献回顾

“流空间”理论认为信息、资本、技术和人力资源在全球流动构成的流动空间中造就了全球城市体系（Castells,1989），是一种不依靠空间邻近而共享社会资源的组织方式。这使得区域空间结构研究从城市的形态、等级体系转变为城市网络结构、功能和联系（Batten, 1995; Smith, 1995; Taylor, 1997;Brenner,1999）。如在“全球－地方”联系形成的全球生产网络和全球贸易网络中，构建了由国家力量所驱动的基于关系构筑的网络空间（陈航航等，2018）。这进一步使得城市网络研究视角多集中在对企业组织（金钟范，2010；Taylor,2015；庄德林等，2017；季菲菲等，2014）和基础设施（薛俊菲，2008；Moss, 2000; Rutherford, 2004）的关注。同样，在旅游领域，较多学者往往探讨城市间旅游经济联系（杨丽花等，2018；张洪等，2020）、旅游企业（石建中等，2015）的空间联系格局与特征。近年来，出现了以搜索引擎、微博、网络文本大数据为主的多源互联网信息关系数据（王莉莉等，2018；闫闪闪等，2019），探讨需求侧的客流、交通流、信息流等要素构成的城市群旅游信息联系网络（刘大均，2018；刘大均等，2020；吴睿怡等，2020）。在研究方法上，主要运用旅游流模型或城市旅游空间作用模型揭示区域间旅游联系（陈浩等，2008），并结合社会网络分析探讨网络结构特征。在研究结论上，往往表现出国际城市、省会城市和经济发达城市间旅游联系更强，互动更频繁，传统意义上的高等级城市支配作用更大（史庆斌等，2018；吴志才等，2020），揭示了国内知名度大、旅游资源突出的旅游目的地由于具有强大的品牌效应导致市场竞争力较强，在客源分配、旅游供给、旅游资源的深度开发等方面存在既定优势，而其他旅游地在强势旅游地的阴影下毫无竞争力，形成既定劣势（韩晶晶等，2005）。然而，随着“双循环”格局不断引导学界更加关注国内、国际两个市场维度下的城市旅游网络，各城市历年来在国内、国际旅游市场下的功能分工和联动方式是否会出现变化，由此导致的旅游目的地等级差异和空间竞争状态是否会不同，马太效应在不同旅游市场下又是否适用？这些问题尚不明确。因此，有必要开展相应研究。

2 研究区域、数据收集与研究方法

2.1 研究区域

粤港澳大湾区位于中国大陆最南部，包括香港、澳门、广州、深圳、珠海、佛山、惠州、东莞、中山、江门、肇庆等2 区9 市，2021 年常住人口接近8 000 万。2019 年，粤港澳大湾区年旅游总收入超过1 万亿元，占全国旅游收入的20%以上，接待旅游人数超过5亿。这些成就都源于粤港澳长期的合作发展。如2003－2004 年，CEPA 开始实施、港澳自由行开始被推广。2010 年发布的《粤、港合作框架协议》提出联合开发推广“一程多站”旅游线路，研究开发粤、港多元旅游产品体系等行动，2013 年《粤、港、澳区域旅游合作愿景纲要》通过评审后颁布。2016年国家“十三五”规划提出推动粤港澳大湾区和跨省区重大合作平台建设”，国务院印发《关于深化泛珠三角区域合作的指导意见》，明确要求广州、深圳携手港澳，共同打造粤港澳大湾区，建设世界级城市群。2019年《粤港澳大湾区发展规划纲要》树立了世界级旅游目的地的发展目标，致力于旅游业高质量发展和区域一体化。这有利于内部城市间旅游要素流动，促进湾区城市群网络化特征进一步深化，并向多层次、全方位的新格局发展。

2.2 数据收集

关键词共现是指关键词在同一文献中两两出现的频率（储节旺等，2011），表明这两个词之间具有一定内在关系，出现次数越多，关系越密切（殷沈琴 等，2011）。在此基础上，Zhang 等（2019）提出了共指联动（Co-reference linkage）概念，用于表征互联网上两个城市的共现频率，并明确将其定义为两个城市所引用的网页数量。当两个城市的关键词在网页中出现时，它们被认为存在一定的联系，涉及到经济、交通、旅游、历史、社会、文化和政府关系（Liu et al.,2014;Salvini et al.,2016;Hu et al.,2017）。再者，相关学者认为可以通过搜索引擎检索返回的“匹配”性关键词研究旅游问题（Yu et al.,2003）。如Zheng 等（2008）采用“city+tour‐ism”的形式挖掘区域内各城市旅游信息搜索量揭示互联网用户的在线旅游行为。可以看出，在线旅游信息已经成为旅游者进行消费决策前的重要信息获取渠道，搜索引擎在这一过程中扮演着重要的角色（胡兴报等，2012），旅游者通过在互联网搜索引擎中查找旅游目的地的相关旅游信息，会进一步促使搜索引擎不断加大对旅游信息相关网页的收录，而其本身也会自行收录大范围的旅游信息网页来丰富旅游者的搜索和选择（李君轶等，2013）。因此，搜索引擎一直是研究旅游问题的重要数据来源。

于是，本文构建“城市+城市+旅游”的数据收集方法，将两两城市与旅游等关键词在网页内容中共同出现的频率作为两个城市间的旅游联系，频率越高，联系更紧密，关系强度越大。并进一步考虑数据的可获取性和可比性，网络搜索平台的权威性、数据样本性和动态即时性，以及已有研究对于国内外数据平台的兼顾性（路紫等，2007），选择百度、谷歌搜索引擎作为数据挖掘平台，在操作上，通过搜索引擎中的高级搜索页面，输入关键词（例如“广州”“深圳”“旅游”或“Guangzhou”“Shenzhen”“tourism”），检索后在结果页面分别限定年份，百度和谷歌将返回检索后呈现的历年总频率。本文搜集了粤港澳大湾区自2010—2019年共计10 a的共现频率数据，这主要是考虑到谷歌搜索引擎在2010年退出了中国大陆市场，在这之前存在较多中国大陆用户的搜索行为，无法精确展示国际市场情况，而2010年及之后的搜索结果在很大程度上代表国际市场情况。需要说明的是，搜索引擎公司的搜索算法是不透明的，可能存在返回不一致的结果。一些相关的历史数据可能会随着时间的推移而丢失且没有明确解释（Funahashi et al., 2010）。为了减少测量误差，参考前人对搜索结果进行相对长期跟踪的方法（Liu et al., 2014），在2020-03-20—04-20 期间收集了20 套数据，并选择最大值作为估计城际间旅游关系的最终数据。

2.3 研究方法

将获取到的原始关系数据通过描述性分析和社会网络分析等方法进行探究。首先，将搜集到的联系量记入Excel表中，以11个城市为节点构建行和列，得到20个11×10的关系矩阵。接着，对基于原始数据的旅游信息联系强度进行分析（图1），再者，基于前文对粤港澳大湾区标志性事件的分析基础，以及为简明反映网络结构演变特征，采用2010、2013、2016 和2019 年的数据，并选择合理断点值进行二值化，参照旅游网络结构评价指标体系（吴晋峰等，2010；杨兴柱等，2015）进行历时性分析。在分析指标体系中，选择节点结构特征中的节点中心性、结构洞，和网络结构特征中的网络密度、核心－边缘结构和凝聚子群，建立指标体系并进行社会网络分析（表1）。

表1 城市旅游网络结构指标体系Table1 Index system of urban tourism network structure

3 粤港澳大湾区城市旅游信息网络实证分析

基于对原始数据的整理，发现2010－2019年以来国内、国际旅游市场都表现为各城市旅游信息联系总量、均值逐步增加，增幅分别达到104%和213%。国内、国际旅游市场在2010、2013、2016和2019 年的变异系数Cv值分别为0.536、0.417、0.414、0.320 和0.820、1.075、1.169、1.107，年际变化趋势差异明显。可见城市之间的旅游信息联系日益紧密，但相比国内旅游市场规模大、平稳发展的态势，国际旅游市场的旅游信息联系量规模较小，发展更快，不稳定性增强。这也造成国内、国际旅游市场下旅游信息联系格局产生较大差异。如在旅游信息联系总量、均值和占比方面，国内旅游市场中，历年来佛山、中山、东莞、珠海和惠州排在前五位，这些城市的旅游信息联系总量相对均匀（图1-a）。国际旅游市场中，历年来香港、广州、深圳、澳门排在前四位，而肇庆、江门、惠州排在后三位，城市旅游信息联系总量极化现象较为明显，往往集中在个别城市中（图1-b）。

图1 国内（a）和国际（b）旅游市场下粤港澳大湾区城市旅游信息联系量及其占比Fig.1 Linkage and proportion of urban tourism information in domestic(a)and international(b)tourism market of the Guangdong-Hong Kong-Macao Greater Bay Area

为了使网络结构更加显像化，遵循保留有效信息性和可比性原则，经多次测试，选择中位数作为断点值，并对矩阵进行二值化处理。借助UCI‐NET6.0软件分别构建两类仅存在1和0值的双向对称网络。其中，基于百度搜索的矩阵数据选择中位数7 870 000作为切分点，基于谷歌搜索的矩阵数据选择中位数104 000 作为切分点，由此进行社会网络分析，得到如下网络特征。

3.1 旅游信息联系紧密并走向一体化

粤港澳大湾区城市旅游网络节点间集散能力、联系性增强。与2010年相比，各城市在2019年的程度中心性、接近中心性均大幅提升（表2）。程度中心性方面，国内、国际旅游市场中，平均每个城市的程度中心性分别由2010年的34.545、43.636提升到2019年的69.091、70.909。接近中心性方面，国内、国际旅游市场中，平均每个城市的接近中心性分别由34.828、64.405 上升到77.610、79.172，各城市中心地位和互动性整体增强。其次，网络密度明显升高，网络关联性加强。国内、国际旅游市场的网络密度分别由2010 年的0.172 7、0.436 4 提升到2019 年的0.345 5、0.709 1。可见，虚体空间中城市旅游信息联系逐渐紧密并走向一体化。

在演变特征上，国内旅游市场中，程度中心性、接近中心性、网络密度基本呈现逐步上升趋势（见表2，图2）。如最初处于孤立状态的江门，2019年程度中心性和接近中心性分别达到60.000 和71.429，集聚性与通达性大幅提升，珠海由最初的50.000、41.667 均提升到2019 年的100.000，成为联系中心。国际旅游市场中，程度中心性、接近中心性、网络密度基本呈现先下降后上升的特征（见表2，图3）。如珠海和东莞的接近中心性分别由最初的62.500 和58.824 同时下降到2013 年的41.667，后来下降到2016 年的40.000，再上升到2019 年的90.909，呈现较大幅度的变动。

图2 国内旅游市场中粤港澳大湾区城市旅游网络结构演变（二值化）Fig.2 Evolution of urban tourism network structure in the Guangdong-Hong Kong-Macao Greater Bay Area in domestic tourism market(binarization)

图3 国际旅游市场中粤港澳大湾区城市旅游网络结构演变（二值化）Fig.3 Evolution of urban tourism network structure in the Guangdong-Hong Kong-Macao Greater Bay Area in international tourism market(binarization)

3.2 功能分工和市场影响力出现分化

粤港澳大湾区城市旅游信息网络中“一家独大”局面被弱化，呈现多中心格局。如表2 所示，在国内旅游市场中，2010－2013年佛山、广州、珠海和东莞的中介中心性远高于其他城市，而到2016年出现下降，中山、深圳、江门和澳门的中介中心性开始提升，再到2019年珠海的中介中心性开始显著提升。国际旅游市场中，2010－2016年香港、广州的中介中心性远高于其他城市，表明它们在网络中处于垄断位置，区域旅游发展对其中介作用较为依赖。2019年，除广州外，香港的中介中心性出现大幅下降，珠海、佛山和东莞等第二梯队城市的中介中心性有小幅提高。可以发现，相比国际旅游市场，国内旅游市场中有更多城市作为桥梁承担起了沟通网络的功能，多中心格局更加明显。

表2 国内、国际旅游市场中粤港澳大湾区城市旅游网络节点中心性Table 2 Centrality of urban tourism network nodes in the Guangdong-Hong Kong-Macao Greater Bay Area in domestic and international tourism market

结构洞分析显示，在国内旅游市场中，东莞、佛山、中山和珠海相比其他城市基本表现出高效能、高效率性和低约束性（表3）。珠海、广州由2010年的优势地位下降到2016年的相对劣势地位，又在2019年大幅提升，分别排第一和第四。惠州由2010 年的第八位逐步上升到2019 年的第二位，提升显著。在国际旅游市场中，广州、香港、深圳和澳门相比其他城市在结构洞上基本保持高效能、高效率性和低约束性（见表3）。香港在2010－2016年均保持与广州一样的强势，但之后在效能大小和效率性上逐步下降。而珠海、佛山和东莞在2013年的效能开始变大，但效率性较低、约束性较高。2019年，除了肇庆、江门、中山、惠州与澳门，其余城市的效能值相差不大，均衡化趋势明显。综上，粤港澳大湾区各城市在国内、国际旅游市场中分别形成了精细化分工，表现在以佛山、中山、东莞、珠海与惠州在国内旅游市场占据重要地位，而香港、广州、深圳和澳门等城市在国际旅游市场占据主导地位。整体呈现出第二梯队城市主导内部联动、第二梯队城市引领对外开放的旅游市场格局。

表3 国内、国际旅游市场中粤港澳大湾区城市旅游网络结构洞Table 3 Urban tourism network structure of the Guangdong-Hong Kong-Macao Greater Bay Area in domestic and international tourism market

3.3 核心城市引领小团体发展模式不同

粤港澳大湾区在国内、国际旅游市场中核心城市组成存在较大差异（表4）。通过核心－边缘分析可知，国内旅游市场中，网络核心度均值逐步增大，东莞、佛山、中山、惠州、珠海等历年来一直处于核心区。江门和肇庆分别在2016 和2019 年由边缘区转为核心区，说明江门和肇庆近些年逐步加强了与其他城市在互联网上的旅游信息联系，通过与其他城市合作开发与宣传旅游产品，在一定程度上激发了互联网用户潜在的旅游需求。国际旅游市场中，粤港澳大湾区网络核心度均值在2010－2016年变化不大，在2019年明显提高。香港、澳门、广州、深圳、珠海等城市历年来一直处于核心区。这些城市的旅游联系相当稳定，且层次较高。2019年，惠州、东莞、中山、江门进入核心区，整体网络均衡性提升，而肇庆自始至终都在边缘区。说明在第一梯队城市先前网络优势影响下，第二梯队城市也开始在国际旅游市场拥有一席之地。

表4 国内、国际旅游市场中粤港澳大湾区城市旅游网络核心-边缘结构类型Table 4 Core-Edge structure type of urban tourism network in Guangdong-Hong Kong-Macao Greater Bay Area in domestic and international tourism market

国内、国际旅游市场的核心城市组成不同，意味着网络中城市间的相对地位和合作方式也会不同（见图4）。分析凝聚子群发现，国内旅游市场中，2019年出现以中佛肇、莞惠、澳江、广深为代表的城市团体，形成了以佛中莞珠惠等核心城市间集聚引领的国内旅游合作模式，说明这些城市往往以组合形式出现在互联网信息中，具备较强的组合影响力。在此基础上，第二梯队城市还不断与第一梯队的广州、深圳和澳门加强联系，与江门和肇庆等第三梯队城市也存在着密切关系，进一步说明了粤港澳大湾区在开拓国内旅游市场中，佛中莞珠惠发挥着联动强势城市与弱势城市的中流砥柱作用，正在大量吸引互联网用户与互联网服务供应商的关注与宣传，影响力显著提升。但值得注意的是，香港、澳门和珠海虽然属于核心区城市，但是在子群中处于孤立的个体，意味着在国内旅游市场中这3个城市往往以单独的身份出现在互联网信息中，因此需要进一步提升它们与其他城市的信息联系，从而更加紧密地融入到集聚模式中去。在国际旅游市场中，2019年出现港深莞珠、澳中江等为代表的城市团体，基本形成了以港广深澳为核心城市分别带动其他城市的国际旅游联动模式。说明面向国际旅游市场，第一梯队城市的香港、深圳和澳门加强与后梯队的东莞、珠海、中山和江门等城市的合作与联动，通过优势互补给了后梯队城市在国际旅游市场上展现的机会，并逐步提升了其在国际舞台的知名度。其中，广州和佛山虽然属于核心区城市，但是在子群中也处于较为孤立的状态，这反映了广佛同城化在国际旅游市场中的旅游信息联系存在缺口，如何更好发挥广州在国际旅游市场中带动佛山的能力值得进一步思考。

图4 2019年国内（a）、国际（b）旅游市场中粤港澳大湾区城市旅游网络凝聚子群分析Fig.4 Analysis on cohesive subgroup of urban tourism network in the Guangdong-Hong Kong-Macao Greater Bay Area in domestic(a)and international(b)tourism markets in 2019

4 结论与讨论

4.1 结论

本文基于文献计量学中的关键词共现、全球城市网络研究中的共指联动以及在线旅游研究中“城市+旅游”等方法，构建了“城市+城市+旅游”的数据收集方法，从海量网页中提取两两城市旅游信息共现频率，利用社会网络分析法在国内和国际维度下对粤港澳大湾区城市旅游信息网络结构特征进行历时性分析，得出的结论主要有：1）粤港澳大湾区城市旅游信息联系总量、均值逐步增加，网络中旅游信息联系集聚与扩散能力、信息互动关系与网络关联性显著提升，区域旅游一体化趋势明显，相比之下国内旅游市场的信息联系格局更加稳定。2）粤港澳大湾区各城市在国内、国际旅游市场下所处的网络优势地位不同，旅游功能分工和市场影响力出现分化，呈现出以东莞、佛山、中山和珠海为中心的第二梯队城市主导内部联动，广州、香港、深圳和澳门等第一梯队城市引领对外开放的旅游市场影响力格局。3）粤港澳大湾区在不同市场下核心城市引领小团体发展的模式主要有：以佛中莞珠惠等城市集聚引领的国内旅游合作模式，和以港广深澳等核心城市分别带动其他城市的国际旅游联动模式。值得注意的是，国内旅游市场中香港、澳门和珠海等城市以及国际旅游市场中的广州和佛山等城市独自出现在旅游信息中的情况较多，缺乏与其他城市的联系和合作。

4.2 讨论

从“硬联通”的基础上实现机制上的“软联通”，降低粤港澳三地的制度成本，增强互动关系，是粤港澳大湾区未来的一项长期任务（刘毅等，2019）。本研究基于“软联通”角度，从三方面对城市网络结构的相关文献进行了回应。

首先，本文使用的旅游信息关系数据突破了地理距离、政策和经济发展水平的限定，折射出城市旅游网络的超时空联系特征。但不同于熊丽芳等（2013）单纯基于互联网用户角度的百度指数探讨城市间信息流强度，而是通过构建“城市+城市+旅游”的数据收集方法，基于互联网用户与互联网服务供应商的横向互动，所产生的网页中两两城市旅游信息共现频率反映信息关系，这一数据收集方法在运用大数据进行科学研究的趋势下具有一定可行性，有利于探索新型旅游空间关系。

其次，在旅游领域揭示了国内外海量网页内容中反映的城市群网络结构，是分工明确、各有所长的旅游功能组织体系。以往研究缺失了对国内、国际旅游市场的双重考虑（王方方等，2018；郭璇瑄，2018），本文基于“双循环”新发展格局背景，分别从国内、国际旅游市场两个维度透析网络结构的差异，通过对比明确对内与对外市场中各城市的角色、地位、比较优势以及联动方式，在旅游角度印证了网络社会导向下的信息联系以更低门槛、更高效率推动要素的自由流动，并实现对所有城市的节点性成长，呈现多中心化趋势（邱坚坚等，2019）。在旅游领域揭示出城市网络结构目前还不太像Friedman（2005）所想象的平面世界，也不太像传统领土主义区域地理学所推定的纯粹等级层级结构（Derudder et al.,2005）。另外，以城市群为尺度的旅游网络在一定程度上融为一体，表现出“牵一发而动全身”的特点，这也是粤港澳大湾区城市群在旅游产业上践行“一带一路”倡议的深刻体现，可为全球尺度下世界城市旅游网络研究提供思路。

第三，从虚体空间层面揭示了旅游目的地空间关系的马太效应在国内、国际市场的差异性。本研究发现，资源禀赋、企业布局与基础设施建设处于第二梯队的城市，在国内旅游市场中“逆风翻盘”的可能性在增加。虽然在以往研究中，得出的结论多是以香港、广州、澳门和深圳等城市为核心的等级规模体系和网络格局主导粤港澳大湾区发展（刘成昆等，2019；吴开军，2019）。但是，随着关系论更新了区位论（沈丽珍等，2009），区位、经济规模以及固有的城市等级已不能完全决定城市旅游功能的空间分布以及城市间的旅游关系互动。本研究在面向国内旅游市场的分析中，发现以珠江西岸（佛山、中山、珠海）与珠江东岸（东莞、惠州）为两翼的信息关系格局已经在粤港澳大湾区的虚体空间中占据核心地位，出现新的旅游发展机遇，这也与李郇等（2018）发现莞惠、佛中等边界地区正在成为新的机会空间，呈现去边界化的趋势相符合。另外，与吴开军等（2021）指出的粤港澳大湾区存在旅游经济差异的均衡化特征相比，本文发现粤港澳大湾区旅游信息差异均衡化表现得更加明显。这预示着传统城市群旅游网络体系可以在信息社会被重新定义，不存在地理邻近关系的第二梯队城市也可以通过互联网这一低门槛的信息传播渠道产生紧密的关系，这些城市抓住了组合宣传和合作共赢的发展机遇在国内旅游市场中抢占一席之地。在信息加速时代，它们也可以拥有中级甚至是高级旅游功能与地位，使原本处于空间竞争中的劣势转化为优势，从而促进综合实力提升，达到“逆风翻盘”。然而，第一梯队城市在国际旅游市场中“强者恒强”的局面仍会持续，在一定程度上又符合马太效应的特征。多中心城市旅游网络结构的形成，并不意味着城市群旅游联系规模的绝对分散。信息仍是往高等级城市集聚，但这种集聚并不往某个大城市，而是往多个枢纽和次枢纽城市（沈丽珍等，2009）。本文中，国际旅游市场中具有较高知名度的香港、广州、深圳和澳门在网络中形成了“四足鼎立”格局，这与较多研究结果（冯娜等，2014；王金莹等，2013）相一致。说明粤港澳大湾区第一梯队城市仍在旅游领域发挥不可替代的对外开放作用，具有引领其他城市走向国际旅游市场的能力，维持“强者恒强”的局面。

在实践层面，本研究揭示了粤港澳大湾区各城市在互联网信息中的宣传、推广和关注力度的差异，为旅游供给方的网络营销和旅游者对游览多个目的地组合的决策行为提供参考。城市网络信息关系加深了区域一体化的内涵表达，为区域旅游硬实力与软实力的统筹协调、旅游业跨区域发展等实践提供参考。粤港澳三地政府作为资源的拥有者和管理者，要理清各城市在虚体空间网络中的相对优势和市场影响力，在实践中能够从自下而上的角度促进更有效的资源配置和公平理性的竞合。在面对新时代湾区旅游高质量发展进程中出现的新动态、新特征时，不但要为内部资源配置作出协调，更要为资源的永续发展和公平利用定下游戏规则（林初昇，2017）。因此，在今后“双循环”发展格局下，如何将佛中莞珠惠等城市在国内旅游市场虚体空间中集聚联动的合作模式应用到现实旅游合作中，以及在国际旅游市场开拓中如何加强广港深澳等城市带动大湾区城市群整体对外开放值得思考。

在未来，随着新兴自媒体的出现，城市间如何通过组合式宣传为旅游者决策作参考，从而促区域旅游一体化，是值得思考的问题。影响信息关系所形成的旅游网络结构的因素复杂多样，需要继续检验并证实背后的“为什么”。同时，由于网络的动态性和搜索引擎的不稳定性，分析结果无法做到完全精确，只能通过相对量进行比较，今后可以尝试使用不同数据挖掘平台或开发软件工具进行数据收集，得到更多具有精准性和普遍性的分析方法。