上海迪士尼对长三角国内旅游流网络结构的影响——基于网络关注度的分析

马丽君，刘 聪

(湘潭大学 商学院，湖南 湘潭 411105)

0 引言

主题公园作为一种新兴的城市旅游吸引物，因其强大的引流和“吸金”能力，成为各城市投资的热点。据不完全统计，目前中国拥有近3 000家主题公园。国外关于主题公园的研究主要集中在主题公园游客流动模式分析[1]、游客行为[2，3]、游客路线选择[4]和游客体验[5]等方面。国内相关研究主要集中在主题公园游客体验评价与满意度[6，7]、品牌关系塑造[8]、资源要素[9]、客流时空分布[10]等方面。迪士尼乐园是全世界最具知名度和人气的主题公园，一直以来都是国内外学者研究主题乐园的重要对象[11-13]。上海迪士尼作为迪士尼乐园的全球第6家主题乐园，于2016年6月16日正式开园，是中国内地首座迪士尼主题乐园。据主题娱乐协会TEA和AECOM联合发布的榜单显示，2019年上海迪士尼乐园接待游客1 121万人次，游客接待量在2019年全球主题乐园中排名第10，截止到2019年6月，上海迪士尼乐园已实现接待游客旅游8 300万人次，实现旅游收入超过400亿人民币。巨大的商业价值使其从建园之初就引发了学术研究的热潮。相关研究包括客源市场空间结构预测[14]、主题公园旅游者旅游动机及差异研究[15]、迪士尼开业前后的上海旅游流网络对比分析[16]、上海迪士尼国内旅游流地理分布与流动特征[17]等方面。

纵观国内外研究现状，相关研究已取得了一定的进展，为本研究提供了一定的理论支撑和方法借鉴。但是关于主题公园对区域旅游流网络结构影响的研究较少，且相关研究多采用问卷调查或网络文本数据，样本量较少，很难全面反映旅游流网络结构特征。长江三角洲城市群(以下简称“长三角”)是“一带一路”与长江经济带的重要交汇地带，国务院批复的《长江三角洲城市群发展规划》将长三角的范围确定为江浙沪皖26个城市。2010年以来，长三角已经发展成长江经济带的引领者，是中国城镇化基础最好的地区之一。本文收集2015年6月至2017年6月长三角国内旅游网络关注度流量及流向数据，利用社会网络分析法，分析上海迪士尼开业前后长三角旅游流网络结构特征的异同，揭示迪士尼开业对长三角旅游流网络结构特征的影响。以期为深化主题公园建设对区域旅游流网络结构的影响研究，促进长三角旅游发展提供参考。

1 数据来源及研究方法

1.1 数据来源

网络关注度即百度搜索指数，指人们对某一事物的网络关注程度，游客网络关注度是游客在出游前对旅游目的地检索的痕迹，是游客出游的一种体现和预兆，前人已有大量研究表明，网络关注度与旅游流之间存在密切的正相关关系[18-20]，并被大量应用于旅游需求的研究中[21-23]。

本文依托百度指数，利用python语言编写程序，收集上海迪士尼开业前后一年(2015年6月至2017年5月)，长三角26个城市之间的网络关注度作为旅游流的流量和流向数据，用于分析长三角旅游流网络结构。A级景区是一个地区旅游发展的重要依托，是游客出游选择的主要对象。因此在依托百度指数检索网络关注度数据时将采用的关键词分为2类：一类是长三角所有A级景区名称(A级景区名录来源于研究区内各省市文化和旅游厅)，经反复测验，去除未收录在百度指数平台中的景区和重复或指代不明的景区后，可作为关键词的景区总数为342个，另外“上海迪士尼”虽未收录到A级景区名录，但由于其特殊影响力，本文将其纳为关键词；第二类是“城市名称+旅游”以及“城市名称+景点”以增加数据的可信度。上海迪士尼于2016年6月17日开业，由于网络关注度相对实际旅游流具有短期的前兆效应[24]，取2015年6月至2016年5月的网络关注度数据构建上海迪士尼开业前长三角旅游流网络结构，2016年6月至2017年5月的网络关注度数据构建上海迪士尼开业后长三角旅游流网络结构。

1.2 研究方法

社会网络是用来研究一个社会中成员及它们之间关系的集合。本研究采用社会网络分析法对上海迪士尼开业前后长三角旅游流网络结构特征进行分析，各城市是网络中的点，各城市之间的国内旅游流空间关联关系就是网络中的线。本文主要从个体网络结构和整体网络结构两个层面展开分析，其中个体网络主要以单个城市作为分析主体，通过网络规模、中心度和结构洞等指标进行分析。网络规模用来衡量长三角各城市与其它城市在旅游流网络中关联的关系数量；中心度是用来衡量长三角各城市联系的紧密程度，包括度数中心度、中间中心度和接近中心度3个指标；结构洞是用来衡量长三角各城市在旅游流网络中的影响力，分为有效规模、效率和限制度3项指标。

整体网络是对长三角旅游流网络的整体分析，着重分析了整体网密度、中心势、核心—边缘模型和块模型等方面特征，其中，整体网密度主要用于反映整体网络关系的紧密程度；中心势用来衡量长三角旅游流网络结构的中心化程度和总体协同程度，包括度数中心势和中间中心势，数值越大网络中心化程度越高，发展越不均衡；核心—边缘模型主要用于分析各城市在长三角旅游流网络结构中的核心地位和边缘地位，本文以关系密度为标准建立了核心—边缘模型，关系密度高的块为核心区，密度低的块为边缘区；块模型又称像矩阵，主要用于表示长三角旅游流网络中内部关系紧密的城市之间的相互关系，块模型分为双向溢出模块、主受益模块、主溢出模块、经纪人模块(表1)[25]。本文依托网络关注度数据，利用Ucinet 6.0软件，对长三角旅游流网络结构的个体网和整体网进行了分析。

表1 块模型的4种位置类型

2 上海迪士尼开业前后长三角国内旅游流网络结构特征

2.1 上海迪士尼开业前长三角国内旅游流网络结构

统计2015年6月至2016年5月长三角各城市间旅游网络关注度数据，从引入量来看，上海是长三角中旅游吸引力最大的城市，旅游网络关注度引入量超过1 500万人次，其次依次为苏州、杭州和南京，引入量均超过了1 000万人次，是长三角重要的旅游目的地。泰州、马鞍山、南通、盐城和铜陵等5个城市旅游网络关注度引入量均小于100万人次，是长三角中较冷门的旅游目的地，旅游吸引力不足。从旅游流溢出来看，上海居民出游意愿最强烈， 旅游网络关注度溢出人数超过了1 500万人次，其次是苏州和杭州，旅游网络关注度溢出超过了1 000万人次，是长三角重要的旅游客源地。铜陵和池州居民出游意愿最低，是长三角中仅有的网络关注度流出量小于100万人次的两个城市。上海、南京、苏州、杭州、嘉兴、湖州、绍兴、金华、舟山、安庆、池州和宣城等12个城市旅游流引入大于溢出，其它14个城市旅游流引入小于溢出。

26个城市理论上存在650条旅游流流向数据，实际存在639条数据，即长三角一共存在639个旅游流关系，占理论值650条旅游流的98.3%。26个城市旅游流联系非常紧密，无独立发展的城市，各城市间均存在旅游流引入和流出。上海和苏州以及上海和杭州是长三角旅游联系最强的两个城市对，共有5条旅游网络关注度超过150万人次，有20条旅游网络关注度超过100万人次。建立旅游网络关注度引入和流出矩阵，并借助ArcGIS 10.7分析上海迪士尼开业前长三角旅游流网络结构，结果发现，当阈值为0时，有639个旅游流段，网络密度为98.3%，旅游流网络关联度非常高。当阈值为4万人次时，网络中的旅游流线段为416条，网络密度为64%，此时旅游流线段数量适宜，可以避免线段过多产生重合导致核心节点不突出。故本文选择4万人次作为阈值，绘制上海迪士尼开业前长三角旅游流网络结构图，节点越大表示连接度越高，与之有旅游流连接的城市越多(图1)。

图1 阈值为4万人次的上海迪士尼开业前长三角国内旅游网络关注度流量流向空间示意图

2.2 上海迪士尼开业后长三角旅游流网络结构

利用2016年6月至2017年5月长三角各城市间旅游网络关注度数据建立上海迪士尼开业后的旅游流网络结构，结果发现，长三角城市群有关上海迪士尼的网络关注度达315万人次，成为长三角地区旅游流强度仅次于乌镇的旅游景区。上海迪士尼开业后，无锡、常州、盐城、扬州、杭州、宁波、湖州、绍兴、舟山、台州、合肥和芜湖等12个城市的旅游流引入相对上海迪士尼开业前有所增加，其它城市旅游流引入反而减少。上海、南京、盐城、镇江、泰州、杭州、嘉兴、湖州、绍兴、金华、台州、马鞍山、滁州和池州等14个城市旅游流溢出增加，其它城市旅游流溢出减少。随着上海迪士尼开业，上海向长三角其它城市的旅游网络关注度溢出上涨22.61万人次，而引入其它城市的旅游流网络关注度溢出反而下降了34.52万人次，而上海引入全国其它所有城市的旅游网络关注度上涨了49.43万人次，说明随着上海迪士尼开业，更多长三角以外地区的游客涌入上海旅游，对长三角区域游客产生了挤出效应，空间距离较近的长三角地区游客产生了排挤作用，使得长三角地区的游客流向上海以外的其它城市。各城市在长三角中所处地位不变，上海、南京、苏州、嘉兴、湖州、绍兴、金华、舟山、安庆、池州和宣城等11个城市旅游流引入大于溢出，其它15个城市旅游流引入小于溢出，杭州旅游流由净引入变成了净溢出。

26个城市理论上存在650条旅游流流向数据，实际存在636条数据，即长三角一共存在636个旅游流关系，占理论值650条旅游流的97.85%。共有5条旅游流较大，网络关注度超过150万人次，与上海迪士尼开业前持平但所属城市有所变化，上海和苏州、杭州和上海两组城市对之间的双向流动不变，另外一条所属城市由无锡→苏州变为南京→上海；有21条旅游网络关注度超过100万人次，比上海迪士尼开业前多一条。建立旅游流引入和流出矩阵，以4万人次作为阈值，绘制上海迪士尼开业后长三角旅游网络关注度网络结构图，结果如图2所示。

3 上海迪士尼开业前后长三角国内旅游流网络结构特征比较分析

3.1 个体网网络结构特征比较分析

以网络关注度4万人次为阈值，利用Ucinet 6.0对上海迪士尼开业前后长三角国内旅游流个体网络结构进行分析(表2)。从表2中可见，上海迪士尼开业前后，上海、南京、苏州、杭州和嘉兴均是长三角网络规模最大的5个城市，网络规模为25个，表明这些城市与长三角其它城市均有旅游流联系，与其它城市的旅游流空间关联程度最高。以铜陵为中心的网络成员最少，与之发生联系的城市为9个，表明该城市与长三角其它城市旅游流交往并不紧密，与其它城市的旅游空间关联程度最低。相比上海迪士尼开业前，盐城、扬州、镇江、泰州、宁波、绍兴、舟山和台州的网络规模变大，说明上海迪士尼开业后这9个城市与长三角其它城市的旅游流交往变得更密切，旅游空间关联程度变高；而金华、芜湖和滁州网络规模变小，说明这3个城市与其它城市的旅游空间关联程度有所下降。

上海、南京、杭州和嘉兴点入度最高，均为25，即这些城市接受了其它所有城市的旅游流溢出，是长三角主要的旅游目的地。相比上海迪士尼开业前，常州、扬州、镇江、宁波、绍兴、舟山和合肥的点入度增加，说明这些城市的客源地城市增加，南通、金华、芜湖、铜陵和宣城的点入度减少，说明这些城市的客源地城市变少。上海、南京和苏州是点出度最高的3个城市，即旅游流溢出关系较多，说明这3个城市是长三角主要的客源地。相比上海迪士尼开业前，盐城、扬州、镇江、泰州、绍兴和台州的点出度增加，这些城市的游客出游范围变广，上海、常州、安庆、滁州和池州的点出度减少，这些城市的游客出游范围变得更集中。

上海、南京、杭州和嘉兴网络中心性较强，说明这些城市在旅游流网络中处于核心位置，与网络中其它成员联系最为密切，其度数中心度、中间中心度和接近中心度均高于其它城市，说明这些城市在与其它城市间的旅游流交往中控制程度高，中介作用强。而盐城、泰州、台州、马鞍山、铜陵和滁州度数中心度和接近中心度较低，且中间中心度均小于0.1，说明这些城市在与其它城市间的旅游流交往中控制程度较低，中介作用弱。相比上海迪士尼开业前，扬州、镇江、宁波和绍兴度数中心度、中间中心度和接近中心度均变大，说明它们在与长三角其它城市的旅游流交往中控制程度变高，中介作用变强；金华、芜湖和滁州度数中心度、中间中心度和接近中心度均变小，说明它们在与长三角其它城市的旅游流交往中控制程度变低，中介作用变弱。

上海、南京、苏州、杭州、合肥和池州的有效规模和效率较大，限制度较小，说明这些城市在旅游流网络中冗余度小，受到其它城市的限制少，对其它城市的依赖度低，在网络中处于相对有利的位置。南通、盐城、泰州、台州、马鞍山、铜陵和滁州的有效规模和效率较小，限制度较高，说明这些城市在旅游流网络中冗余度大，受到其它城市的限制较大，对其它城市的依赖度高，需要加强与其它城市的联系和合作。相比上海迪士尼开业前，南京、无锡、常州、南通、盐城、扬州、镇江、泰州、杭州、绍兴、舟山、台州和铜陵等13个城市的有效规模和效率变大，限制度变低，说明这些城市在旅游流网络中冗余度变小，受到其它城市的限制变小，对其它城市的依赖度变低；上海、苏州、嘉兴、金华、合肥、芜湖、安庆、滁州、池州和宣城等10个城市的有效规模和效率变小，限制度变高，说明这些城市在旅游流网络中冗余度变大，受到其它城市的限制变大，对其它城市的依赖度变高。

3.2 整体网网络结构特征比较分析

利用Ucinet 6.0对上海迪士尼开业前后各1年内长三角旅游流整体网络进行分析(表3)。总体而言，长三角城市之间的旅游流联系较为密切，协同程度高。上海迪士尼开业后，流量较小的旅游流减少，流量较大的旅游流增多。以4万人次为阈值进行对比分析，上海迪士尼开业前，长三角旅游流整体网络的度数中心势为20.49%，中间中心势为8.06%，开业后旅游流整体网络的度数中心势为19.43%，中间中心势为5.3%。整体而言，数值较低，表明长三角旅游流网络结构中心化程度较低，旅游流网络发展较平衡，且随着上海迪士尼的开业，长三角旅游流整体网的度数中心势和中间中心势数值变小，说明城市之间的旅游流联系变得更为密切，协同程度变得更高，旅游流网络发展更为平衡。

利用Ucinet 6.0软件中的Net-work→Core/Periphery算法，将上海迪士尼开业前后长三角旅游流网络进行核心—边缘分析(图3)。上海迪士尼开业前，长三角旅游流网络中15个城市处于核心区，11个城市处于边缘区；开业后，16个城市处于核心区，10个城市处于边缘区。上海迪士尼开业前后，上海、南京、无锡、常州、苏州、扬州、镇江、泰州、杭州、宁波、嘉兴、湖州和金华等13个城市在旅游流网络中均处于核心位置，说明这些城市与其它城市旅游联系紧密，旅游发展较好。盐城、台州、马鞍山、铜陵、安庆、滁州、池州和宣城等8个城市在旅游流网络中始终处于边缘位置，说明这些城市与长三角其他城市旅游联系较为松散，在长三角旅游流中的影响力一直偏低，旅游发展有待加强。上海迪士尼开业前，舟山和芜湖在长三角旅游流网络中处于核心区，但随着上海迪士尼的开业，这两个城市在长三角旅游流网络中的影响力下降，进入边缘区，游客赴这两个城市旅游的意愿降低，应采取相应措施加强其旅游吸引力。上海迪士尼开业前，南通、绍兴和合肥在长三角旅游流网络中处于边缘区，但之后进入核心区，说明上海迪士尼的开业给这些城市的旅游发展带来了机遇，长三角游客赴这些城市旅游的意愿变高，这3座城市在长三角旅游流网络中的影响力变大。

利用Ucinet 6.0中的CONCOR程序，以分割深度为2，收敛标准为0.2，将上海迪士尼开业前后长三角旅游流网络分割为4个模块(表4)。从表4中可以看到，上海迪士尼开业前后，第1模块和第4模块分布的城市未发生变化，其中，第1模块包括上海、苏州、杭州、宁波、嘉兴、湖州、绍兴、金华、舟山和台州，第4模块包括合肥、芜湖、马鞍山、铜陵和滁州。上海迪士尼开业前，第2模块包含南京、安庆、池州和宣城，第3模块包含无锡、常州、南通、盐城、扬州、镇江和泰州；上海迪士尼开业后，南京被划分到了第3模块。由此可见，除南京外，各城市在凝聚力子群中的位置均未发生变化。

表4 上海迪士尼开业前后长三角模块分布表

分别对上海迪士尼开业前后模块特征进行分析(表5)。由表5可知，随着上海迪士尼的开业，包括合肥、芜湖、马鞍山、铜陵和滁州5个城市在内的第4模块内部关系、向模块外发出和接受的关系均下降了一个单位，实际内部关系比例降低，由主受益模块变为经纪人模块。其它3个模块的模块类型未发生变化，其中，另外一个模块内城市未发生变化的第1模块随着上海迪士尼的开业，模块内部关系虽未发生变化，向模块外发出和接受的关系均有所增加，实际内部关系比例降低。内部关系比例越高，说明其模块内旅游经济往来更为频繁和密切，第1和第4模块实际内部关系比例降低，说明随着上海迪士尼开业各模块内部联系变弱，而与外部模块联系增加。

表5 上海迪士尼开业前后长三角模块特征

分别计算出上海迪士尼开业前后长三角模块密度矩阵(表6)。各模块与其他模块发生溢出效应的排名未发生变化，从密度大小来看，随着上海迪士尼开业，第1模块内部溢出效应未发生变化，向第2模块和第4模块的溢出减少，向第3模块的溢出增加；第2模块向所有模块的溢出效应均有所下降；第3模块向第2模块的溢出效应增强，而向其它模块的溢出效应变弱；第4模块向第3模块的溢出效应增强，而向其它模块的溢出效应变弱。

表6 上海迪士尼开业前后长三角模块密度矩阵

以整体网密度0.640和0.648为分界值，高于整体网密度赋值为1，低于整体网密度赋值为0，发现上海迪士尼开业前后，各模块之间的相互关系未发生变化，画出上海迪士尼开业前后像矩阵(图4)。由图4可见，第2模块地处长三角中心，是长三角最主要的旅游目的地，同时接受来自其它3个模块的旅游流溢出。由上海、苏州和浙江城市构成的第1模块和由其它江苏城市构成的第3模块是主要的旅游客源地，分别向除第4模块的其它模块有旅游流溢出，地区经济的发展是影响居民出游的重要因素，江浙沪是全国经济最发达的地区，同时也是全国其它城市重要的旅游客源地。由合肥、芜湖、马鞍山、铜陵和滁州5个安徽城市构成的第4模块与其它模块旅游流交往最不密切，仅向第2模块有旅游流溢出，且未接受其它任何模块的旅游流溢出。

图4 上海迪士尼开业前后长三角旅游流4大模块相互关系

4 结论

本文收集网络关注度有关数据，利用社会网络分析法对上海迪士尼开业前后一年长三角旅游流网络结构特征进行了比较分析，考察上海迪士尼开业前后各城市在长三角旅游流网络结构中扮演的角色和所处位置的异同，结果发现：

(1)上海迪士尼开业后，长三角区域间总体旅游流有所上涨，但各城市在长三角中所处地位基本没有发生变化。上海向长三角其它城市的旅游流溢出上涨，旅游流受溢反而下降。主要原因是随着上海迪士尼开业，更多长三角以外地区的游客涌入上海旅游，对离上海空间距离较近的长三角地区游客产生了挤出作用，使得长三角地区的游客流向上海以外的其它城市。上海迪士尼开业后，长三角城市之间的小型旅游流减少，大型旅游流变多。

(2)个体网变化明显。盐城等城市网络规模变大，与长三角其它城市的旅游流交往变得更密切，旅游流空间关联程度变高；而金华、芜湖和滁州网络规模变小，与其它城市的旅游流空间关联程度下降。常州等城市的客源地城市增加，南通等城市的客源地城市变少。上海、南京和苏州是长三角主要的客源地，上海迪士尼开业后，盐城等城市游客的旅游目的地增加，上海等城市游客的旅游目的地减少。扬州等城市在与长三角其它城市之间的旅游流交往控制程度变高，中介作用变强，而金华等城市在与长三角其它城市之间的旅游流交往控制程度变低，中介作用变弱。南京等13个城市的有效规模和效率变大，限制度变低，受到其它城市的限制变小，对其它城市的依赖度变低；上海等10个城市的有效规模和效率变小，限制度变高，受到其它城市的限制变大，对其他城市的依赖度变高。

(3)整体网有一定的变化。南通、绍兴和合肥由边缘区变成核心区，而舟山和芜湖由核心区变成了边缘区，说明上海迪士尼的开业既是机遇也是挑战，不同城市对这次事件的响应不同。长三角旅游流整体网的度数中心势和中间中心势数值变小，城市之间的旅游流联系变得更为密切，协同程度变得更高。上海迪士尼开业前，4大模块均为主受益模块，上海迪士尼开业后，由合肥、芜湖、马鞍山、铜陵和滁州5个安徽城市构成的第4模块变成了经纪人模块，各模块间的溢出效应略有变化，但是各模块的相互关系并没有因为上海迪士尼的开业而发生变化。主要原因是长三角尤其是其中的江浙沪城市旅游资源丰富，旅游流整体网络结构稳定，迪士尼乐园虽是全世界最具影响力的主题公园，但并不足以对长三角地区的整体网结构造成太大影响。

本文收集2015年6月至2017年6月长三角国内旅游网络关注度流量及流向数据，利用社会网络分析法，对上海迪士尼开业前后长三角旅游流网络结构特征进行了对比分析，在研究视角和结论上具有一定的新意，可在一定程度上深化主题公园建设对区域旅游流网络结构的影响研究，为促进长三角旅游发展提供参考。但研究中存在一定的局限，首先，网络关注度是一个间接数据，并不能完全代表实际的客流量，因此相关研究结果可能存在一定的偏差，需要基于实际客流量数据的进一步验证；其次突发事件和重大事件对旅游的影响往往是复杂而允长的，本文仅选用了上海迪士尼开业前后各1年的数据进行分析，只能得到短期的影响效应；再次本文未考虑其它事件对长三角旅游流网络结构可能的影响，未折算为每万人口的网络关注度，也会导致相关研究结果出现一定的偏差。以上几个方面将在后续研究中予以完善。