山东半岛城市群旅游信息流网络结构及其影响因素分析

王文超 车亮亮 王辉

[关键词]旅游信息流; 场强; 社会网络分析;影响因素;QAP分析

旅游流是以旅游客流为主体，涵盖旅游信息流、旅游物流和旅游能流的一个复杂的巨系统[1]，是旅游地理学研究的核心。在旅游信息化高速发展背景下，信息与通讯技术（ICTs）和旅游业的交汇融合加速了旅游流及相关要素流的时空交换，也使旅游数据的规模与生产速度迅猛增长。信息已经应用于旅游行业的方方面面，旅游发展与信息业已密不可分[2]，在推动全域旅游、满足游客需求、调整旅游产业结构、改善旅游产品和服务等方面有效地促进了旅游业的发展变革[3]。旅游信息数据不再难以获取，这些旅游信息对于游客的出行具有导向作用，在一定程度上反映了某地的旅游需求和旅游吸引力。在客源地和目的地之间产生的与旅游相关信息流的单向或双向流动[4]便形成了旅游信息流，它具有流量、流向、规模和主从关系等特征[5]。国内外研究者开始注意到信息流与旅游流之间存在相关关系，对旅游信息流的研究日益受到重视[6]。学者们对旅游信息流的探讨主要集中于旅游信息流的网络结构空间分布特征[7-8]，旅游需求预测[9-10]，旅游信息流的影响机制[11]，旅游信息流带来的影响[12]，旅游信息流与旅游流、区域经济发展的关系[13-14]等方面。

流空间是围绕人流、物流和信息流等核心要素，基于流动而建立起来的具有多尺度特征的动态空间[15]。城市是流空间的重要载体[16]，流空间理论已在城市群的人流、交通流、物流等方面取得较多的研究成果，在信息化时代，作为诸多生产要素的空间聚合体，随着信息的流动与交换，城市群中的联系较为复杂多样，逐渐形成一个多层次、多极化的关联网络[17-18]，这为区域城市网络研究提供了新的范式。旅游流是流空间理论在城市群研究当中的一大主题[19]，在旅游信息流动的过程中，以城市为代表的旅游目的地作为主要研究对象，不同城市的经济发展、旅游资源存在差异，旅游信息在不同城市之间流动的方向和强度也不同[11]，从而形成不同的网络结构特征。从流空间视角对不同城市群的旅游信息网络结构进行分析，可以为旅游目的地旅游资源与设施配置、旅游产品开发和线路设计等提供决策依据，从而优化旅游空间布局，提升区域旅游经济综合效率[20-21]，对于区域旅游协调发展具有重要意义。

旅游信息流是当前各种“流”要素的研究热点，但研究内容缺乏从时空角度对旅游信息流空间格局演变特征的探讨。对城市群旅游信息流的研究多基于场强理论，强调城市节点的辐射能力，难以解释城市群内各个节点之间的相互关系，而流空间理论更关注地域发展过程中，不同节点间的网络连接所形成的空间关系[22]。在旅游信息流的驱动机制研究方面，当前研究以QAP相关分析为主，仅能探究各因素之间存在相互关系，但缺少对各影响因素相互关系的强弱判断。

基于此，本文以“城市名+旅游”为关键词进行搜索，获取山东半岛城市群2012年到2021年的百度搜索指数，利用场强模型分析各城市节点旅游信息流辐射能力的强弱。基于百度指数建立城市群各城市节点之间旅游信息流入和流出的有向“OD”网络矩阵，使用ucient软件建立各个城市之间的区域旅游信息流网络关系，并选取适度指标对山东半岛城市群旅游信息流网络空间结构特征进行评价。在旅游信息流的驱动机制方面，以推拉理论为基础，利用QAP相关分析和回归分析探究各影响因素间的相互关系，解释城市群旅游信息流网络结构形成的驱动机制。

1 数据与方法

1.1 研究区域

山东半岛城市群位于我国东部沿海地区，不同学者对其区域界定不同，本文所研究的山东半岛城市群是指2021年12月31日山东省政府文件《山东半岛城市群发展规划（2021-2035年）》中所包括的区域，作为国家“两纵三横”城镇化战略布局中的重点城市群，是沿黄河流域七大城市群中唯一成熟的城市群。山东半岛城市群以济南和青岛为核心，覆盖山东全域16市，区域内包括胶东经济圈、省会经济圈和鲁南经济圈，是我国经济发达、人口密集的区域之一。

截至2022年2月15日，山东境内共有14个AAAAA级景区，不同城市间的旅游资源互补性很强，既有以儒家文化为代表的人文旅游资源，也有以海洋旅游资源为代表的自然旅游资源。区域内交通完善、信息产业发达，城市间旅游要素流动极为便利。根据山东省文化和旅游厅的统计数据，2021年，山东省共接待游客7.3亿人次，旅游总收入8 278.6亿元，分别比2020年增长26.6%和37.5%。2023年3月31日，山东省委、省政府印发《关于促进文旅深度融合推动旅游业高质量发展的意见》。发达的经济、丰富的旅游资源、便利的交通运输，加上政策扶持，使旅游业在山东经济发展中的地位得到进一步巩固。同时，山东省科技厅制定了《山东省新一代信息技术创新能力提升行动计划（2023-2025年）》，提出力争到2025年要实现新一代信息技术创新能力全国领先，届时，山东信息技术产业优势将更加突出，旅游信息流动将更加活跃。因而有必要对该区域旅游信息流网络结构及其影响因素进行分析，为其旅游信息的布局提供依据。

百度指数平台是以百度海量网民行为数据为基础的数据分析平台，是当前互联网乃至整个数据时代最重要的统计分析平台之一，自发布之日便成为众多企业营销决策的重要依据[23]。百度指数平台，具备用户IP地址与手机号码所属地的统计功能，自2011年起提供移动端任意时段的无线搜索指数，使得量化一定时间段内某地区对其他地区的旅游相关信息的检索量成为可能，依托百度搜索引擎，以搜索的关键词为统计对象，并限定搜索的区域范围，计算各关键词的搜索频次，可以表示网民对某种事物的需求与关注度。考虑到2012年中国互联网行业拥有了第一个五年规划、4G 网络在中国加速布局，选择2012年到2021年整体日均百度搜索指数作为衡量各城市间的旅游信息流动情况的标准，以山东省16个城市为旅游信息节点，以“城市名+旅游”为搜索关键词，获得不同年份的16×16的旅游信息流多值有向原始矩阵。

为研究山东半岛城市群旅游信息流的驱动机制，构建了衡量其影响因素的指标体系，数据主要来自2012年到2021年的《中国城市统计年鉴》《山东省统计年鉴》和各地级市统计年鉴，部分空间数据如城市间距离通过ArcGIS 10.8软件进行测算，将同一经济圈的心理距离定义为0，不同经济圈之间的心理距离定义为1。

1.2 研究方法

1.2.1 场强分析

旅游信息流的场强大小可以用来表征旅游信息节点对相应区域旅游信息作用力的强弱，主要包括扩散场强与集聚场强。扩散场强代表城市节点旅游信息的流出情况，可以表示节点对于周围地区辐射带动能力。集聚场强代表城市节点旅游信息的流入情况，可以表示节点旅游吸引力的强弱。场强的计算式为

式中：Ei 为节点i 旅游信息流总场强;Qij 为节点i扩散到节点j 的旅游信息流量（j=1，2，3，…），具体指节点j 对节点i 的百度搜索指数;Qji 为节点j 扩散到节点i 的旅游信息流量（i=1，2，3，…），具体是指节点i 对节点j 的百度搜索指数;Dij 为节点i 与节点j 的空间距离，运用ArcGIS 10.8中的pointdistance工具进行测算。

1.2.2 社会网络分析

在社会网络分析中，研究者通常会将个体（如人、组织或概念）表示为节点，而他们之间的关系则表示为边或连线。通过对这些节点和边进行定量和定性分析，可以揭示网络中的关键节点、群体结构、信息流动路径以及整体网络的强度和稳定性等。

本文将山东半岛城市群中的16个地级市作为网络节点，用旅游信息搜索量表示节点之间的信息流动关系，构建山东半岛城市群旅游信息流社会网络结构，以网络密度、凝聚子群和核心—边缘分析其整体网络结构特征，以节点的中心性分析旅游信息流节点特征。

1.2.3 QAP分析

二次指派程序（quadratic assignment procedure，以下简称QAP）是以矩阵数据的置换为基础，探究两个及多个矩阵中对应元素之间的关系，得出矩阵相关与回归关系的检验方法。该方法与其他传统的计量方法相比，能有效地解决多重共线性及虚假相关等问题，目前已广泛应用于社会网络分析中的影响驱动因素探究，主要包括QAP相关性分析与QAP回归分析两种分析方式。其算式为：

式中：Ω 表示研究对象的空间网络关系矩阵;Xm （m=1，2，…，n）表示影响因素矩阵。

2 结果分析

2.1 场强分析

2.1.1 时间维度分析

从总场强上来看（图1（a）），2012年到2018年，总场强呈现上升趋势，并在2015 年达到最高值，2016年到2019 年基本上呈现保持不变的态势，2020年开始，由于受到新冠疫情的影响，各个城市节点的总场强明显降低，略高于2013年。就各个城市节点来说，2012年到2018年，各城市总场强基本呈现上升趋势，并且济南、青岛、烟台、威海这4个城市上升幅度最大，说明其对周围地区具有较强的旅游辐射带动能力，从2014年开始，青岛超过济南，成为山东半岛城市群总场强最高的地区。

集聚场强方面（图1（b）），各城市节点呈现先上升后下降然后又上升的规律，2012年到2015年集聚场强上升，2016年到2020年出现下降趋势，2021年又开始上升并达到该城市群的峰值。2012年到2020年间，济南和青岛两城市集聚水平相当，是山东半岛城市群旅游信息流的集聚中心，旅游信息流入量较大，对周边具有较强的旅游吸引能力，烟台和威海则是该城市群的次级中心。

从扩散场强上看（图1（c）），与集聚场强走势相似，2012年到2015年，扩散场强逐渐上升，2016年到2019年整体稳定，2020年到2021年受到疫情的影响又开始下降。与总场强和集聚场强不同的是，济南的旅游信息流出量较低，没有成为山东半岛城市群的扩散中心，青岛、烟台和威海的旅游信息具有较强的扩散能力，对周围地区的辐射带动力较强。

2.1.2 空间维度分析

为探究山东半岛城市群旅游信息流的空间分布情况，运用ArcGIS 10.8软件将各地级市场强可视化，基于旅游信息流场强的时间分布特点以及考虑新冠疫情的影响，选取场强变化特征明显的2012年、2015年和2019年3个时间段来观察山东半岛城市群场强变动情况（图2）。利用Jenks自然断点法，将山东半岛城市群划分为一级、二级、三级和四级场强。

从总场强方面来看，山东半岛城市群呈现出多核心的特点，济南、青岛、烟台和威海4个城市一直是山东半岛城市群的一级场强区域，相比其他城市，这些地区经济发展水平较高，有着充足的旅游资源，对该地区旅游发展具有强大的带动作用。2012年，二级场强区域只有菏泽;2015和2019年，济宁和临沂发展为次级中心，成为二级场强区域。相对于济宁和临沂，菏泽在经济发展水平、旅游资源等方面均处于劣势，但仍然是二级场强区域，可能与该市地理位置有较大关系。2012年，德州、聊城、济宁、临沂、枣庄、潍坊和日照等7个城市为三级场强区域;2015年，三级场强区域变更为德州、聊城、枣庄、潍坊和日照;2019年，济宁再次成为三级场强区域;四级场强区域未发生明显变化，泰安、淄博、滨州和东营等4个城市一直是四级场强区域。

从集聚场强方面来看，山东半岛城市群呈现出由多核心场强特征向双核心方向演变的特征。2012年，存在济南、青岛、烟台和威海4个一级场强区域，济宁和菏泽为该地区的二级场强区域;德州、聊城、淄博、临沂、枣庄、潍坊、东营和日照等7个城市为三级场强区域;泰安和滨州为四级场强区域。2015年，形成了以济南和青岛两个一级场强为核心的双核结构，对区域内具有较强的旅游吸引力，烟台和威海成为二级场强区域。围绕省会济南，济宁、菏泽、德州、聊城、淄博、临沂、枣庄、潍坊、日照、泰安、东营和滨州构成了较低级别的三级和四级场强。2019年，仍然以济南和青岛为核心，临沂和菏泽成为二级场强，其他三级和四级场强基本未发生变化。

从扩散场强方面来看，山东半岛城市群呈现东西方向边缘地区高于中部地区，且由南向北减弱的结构特点。可以发现，2012年到2019年，青岛、烟台、威海和菏泽一直是山东半岛城市群的核心区域，青岛、烟台和威海3个城市经济发展水平高，区域内旅游资源也较为丰富，而菏泽则由于地理位置的原因，成为较高的扩散场强区域。2012年二级场强区域有德州、聊城、济宁、枣庄、临沂和日照6个城市，济南为唯一的三级场强区域，泰安、淄博、滨州、东营和潍坊5个城市为四级场强区域。2015年，济南成为二级场强区域，枣庄变为三级场强区域。2019年，日照成为三级场强区域，其他城市基本未发生变化。

2.2 社会网络分析

2.2.1 网络密度

旅游信息流网络当中各个节点密度越大，说明网络中各节点之间联结关系越紧密。通过ucinet软件分析可知，2012 年山东半岛城市群旅游信息流的密度为0.287，除2020年因受到新冠疫情影响以外，2012到2021年10年间网络密度都是逐渐增大的，2021年达到0.308。虽然网络密度仍然不高，各城市旅游节点间联结并不完整，但随着时间的推进，网络密度在不断加强，整体网络化程度也在不断提高，网络结构正在不断优化。

2.2.2 凝聚子群

利用ucinet软件的凝聚子群分析功能得到2012年、2015年和2019年3个时间截面的凝聚子群情况，利用ArcGIS 10.8软件将其可视化（图3）。2012年山东半岛城市群旅游信息流存在7个凝聚子群。凝聚子群具有一定的空间邻近性，但并不完全邻近，有些子群空间分割较为严重，如凝聚子群1被凝聚子群2所分割，凝聚子群5被凝聚子群1所分割，说明旅游信息流具有跨越空间界限的特征，体现了其对地理空间的重构。从子群内部的空间联系来看，子群1和子群2内部的联系较强，其他子群的内部联系非常低，内部联系紧密的子群经济发展水平、空间邻近性和旅游资源替代性较强，而内部联系低的子群虽然有空间邻近性，但其旅游资源存在一定的相似性。

2015年，凝聚子群变为6个，凝聚子群空间分布发生了较大的变化。凝聚子群空间分割的特点更加突出，各凝聚子群之间相互分割，从凝聚子群内部联系来看，除凝聚子群6内部联系水平较低以外，其他子群内部联系均较高，大部分子群内部联系水平都超过0.5，子群内部旅游信息流动性增强。2019年，凝聚子群重新被分为7个。子群之间的空间分割更加明显，但从内部联系来看，除子群5和子群6由于空间邻近性较低、内部旅游信息联系较低以外，其他子群内部的旅游信息联系均有很大提高。

2.2.3 核心—边缘结构分析

利用ucinet软件核心边缘分析工具，分析2012年到2021年山东半岛城市群核心—边缘结构，选取变化较为典型的2012年、2015年和2019年作为时间截面进行核心—边缘结构分析，结合旅游信息流的流向和流量特点将其可视化（图4）。

根据核心边缘的离散分析，2012年，山东半岛城市群的核心节点为济南、青岛、淄博、烟台和潍坊。根据核心边缘的集聚分析，济南和青岛的集聚系数为0.428和0.536，明显高于其他3个核心（淄博为0.337、烟台为0.355、潍坊为0.357），因此，这里将淄博、烟台和潍坊划分为次级核心区域。边缘区有枣庄、东营、济宁、泰安、威海、日照、临沂、德州、聊城、滨州和菏泽11个城市，集聚系数均小于0.2，山东半岛城市群旅游信息流网络结构呈现核心—次级核心—边缘的结构特点。 2015年，核心节点依然是济南和青岛;次级核心为潍坊、济宁和临沂，核心节点未发生变化，次级核心除潍坊以外，演变为济宁和临沂;边缘区域包括淄博、枣庄、东营、烟台、泰安、威海、日照、德州、聊城、滨州和菏泽11市。2019年核心节点依然是济南和青岛，潍坊和临沂依然是次级核心区域，济宁则成为边缘区域;边缘区域为淄博、枣庄、东营、烟台、济宁、泰安、威海、日照、德州、聊城、滨州和菏泽。与2012年、2015年相比，次级核心区域的集聚系数有所增大，表明山东半岛城市群旅游信息流虽然一直是双核结构，但其他边缘节点的联系也在日益增加。

2.2.4 中心性分析

中心性分析主要包括度数中心度、接近中心度和介数中心度3个方面，是社会网络分析的重要内容。利用ucinet软件进行中心度的计算，得到山东半岛城市群2012年到2021年旅游信息流网络结构中各个节点的中心性，并利用ArcGIS 10.8软件中的反距离权重插值法将其进行可视化表达。

（1）度数中心度。度数中心度是指与其他节点相连的边数，节点的度数中心度越高，表示该节点在网络中的连接程度越高，节点在网络中居于核心位置，节点的度数中心度越低，在网络中与其他节点的连接程度越低，在网络中处于边缘位置。通过分析发现（图5），2012年度数中心度大于10以上的节点有济南、青岛、淄博、烟台和潍坊，其中济南和青岛的度数中心度超过了20，青岛的度数中心度为24，是网络结构中度数中心度最高的节点，表明这5个城市有着较高的旅游吸引力和出游能力，其他城市节点的辐射和带动能力相对较弱，形成了以济南和青岛为核心，淄博、烟台和潍坊为次级核心，其他城市为边缘区域的旅游信息流网络结构。2015年，各个节点的中心度都有所提高，节点之间的相互联系有所增强，与2012年相比，总体网络结构变化不大。2019年的中心度相比2012年和2015年有了较大程度的提高，但是核心区域和边缘区域之间的差异仍然较大，但次级核心与核心的差异在缩小，网络结构在一定程度上朝着多核心方向发展。表明主要核心区域溢出与辐射效应开始显现，使其他区域受益，旅游信息流网络结构开始呈现均衡式发展的态势。济南和青岛的核心地位未发生变化，度数中心度较高的区域有所增加，淄博、济宁和枣庄成为中心度较高的区域，次级核心变化较大。

（2）接近中心性。城市节点的接近中心性越高，节点的信息通达性越强，旅游信息流的联系强度也就越高。可以发现（图6），2012年、2015年和2019年3个时间阶段，接近中心度在不断增大，说明山东半岛城市群信息通达性不断增强，旅游信息的联系程度不断加强。2012年济南、青岛和临沂具有较高的接近中心性，青岛的接近中心度为41，是接近中心性最高的节点。另外，潍坊和威海也具有较高的接近中心性，这与前文的核心—边缘结构具有一定的相似性。相比于其他城市节点，这些地区拥有着良好的交通条件、出游便捷、经济发展水平和城市化水平高、居民收入较高、具有着较高的旅游需求等特点。另外，这些地区的基础设施也比较完善，有着较高的信息化水平，且具有丰富的旅游资源，旅游业开发时间早，有较强的旅游吸引力，从而推动旅游信息在城市群中传播和扩散，在旅游发展中具有较为突出的地位。2015年济南和青岛是接近中心度较高的区域，济南的中心度超过青岛，成为最高的城市节点，其他城市节点则较为均衡，高低值的变化较为稳定。2019年，济南和青岛仍然是高中心性区域，烟台的中心度明显增强，其他城市节点与高中心性节点的差距进一步扩大，表明旅游信息流网络结构存在较强的极化现象。从2015年和2019年的情况来看，可以明显地发现虽然各个城市节点的接近中心度都在不断增大，但是节点之间的差距也在扩大，济南和青岛接近中心性的增量明显高于其他城市节点，旅游信息流网络结构朝着双核心方向发展。

（3）介数中心度。介数中心度越高，表示节点在网络中具有更大的控制力和影响力。整体来看（图7），2012年到2019年介数中心度空间分布情况变化不大，济南和青岛一直是介数中心度最高的区域，具有较高的影响力，是山东半岛城市群旅游联系的交通枢纽和中转通道，其他节点对其依赖程度较高。济南的介数中心度从2012年到2015年逐渐提高，但从2015年到2019年开始下降，而青岛的情况与之相反，其介数中心度2012年到2015年逐渐下降，2015年到2019年逐渐上升，介数中心度的中心区域由内陆地区向沿海地区转变。相比于济南和青岛，从2012年、2015年和2019年3个时间段来看，其他城市节点介数中心度都非常低，除了烟台、潍坊、济宁和临沂以外，许多节点的介数中心度的值为0，几乎没有中转信息能力。表明网络结构存在较为突出的极化现象，整体旅游经济网络的介数中心度不均衡状况显著，济南和青岛作为核心区域充当了各个区域旅游经济联系的重要通道，并且青岛作为桥梁的中介作用逐渐增强，其影响力和控制力将继续稳步提升。

2.3 影响因素分析

2.3.1 指标选取

旅游信息流网络结构受到多种因素的影响，在对旅游信息流驱动机制的研究中，推拉理论被广泛应用。这一理论最早被拉文斯坦应用于人口迁移问题的研究[24]。在旅游动机的研究中，引起旅游者产生旅游的原因是由客源地的推力因素和目的地拉力因素共同作用产生的。学者们不断对这一理论进行完善，提出了更为全面的“推—拉—阻”三方面因素[11]102，[25]。本文借鉴已有研究成果，将旅游信息流的影响因素分为“推—拉—阻”3方面，推力因素包括经济发展水平、人口、交通便捷程度和信息化程度[26]，拉力因素包括政府支持力度、旅游资源禀赋[27]、旅游服务水平和公共服务水平[28]，阻力因素则为空间距离[29]2176，共得到16个指标（表1）作为山东半岛城市群旅游信息流网络结构的驱动因素。

2.3.2 结果分析

QAP分析是一种非参数分析法，不需要考虑变量之间是否相互独立，同时又能较好地处理“多重共线性”的问题[30]，可以得出稳健、有效的矩阵间相关系数。但QAP相关分析仅能得到多个变量之间的相互关系，无法对各个变量之间的关联程度进行分析，这就需要借助QAP回归分析。QAP回归分析可以用来探究因变量矩阵与多个自变量矩阵之间的关系，使分析结果更加精准[31]。本文将收集到的影响因素指标通过两两地级市间的相对差值计算，建立有向的差异矩阵，利用ucinet软件中的 QAP相关分析和回归分析功能分别计算因变量关系矩阵和自变量关系矩阵的相关系数和回归系数（表1）。

由QAP相关分析结果（表1）可以发现，地区生产总值、普通高等学校在校学生数、民用汽车拥有量、移动电话年末用户数、电信业务总量、国际互联网用户数、A 级景区拥有量、住宿餐饮业从业人员数和公园绿地面积显著性水平在1%和5%之间，通过了显著性水平检验，且为正相关，说明经济发展水平、人口因素、交通便捷程度、信息化程度、旅游资源禀赋、旅游服务水平、公共服务水平和旅游信息流存在相关性，而政府支持力度、空间联系程度与旅游信息流之间并不存在相关性。推力因素与旅游信息流的关联性较高，拉力因素除政府支持力度以外，其他因素和旅游信息流有一定的关联性，而阻力因素并没有对旅游信息流产生影响。进一步对相关因素进行QAP回归分析，由回归结果（表1）可知，与旅游信息流相关的因素只有普通高等学校在校学生数、民用汽车拥有量、移动电话年末用户数、电信业务总量、国际互联网用户数和公园绿地面积6个因素通过了显著性检验，且民用汽车拥有量和移动电话年末用户数对旅游信息流具有负面影响，仅有普通高等学校在校学生数、电信业务总量、国际互联网用户数和公园绿地面积对旅游信息流产生了正面影响。从影响程度上看，普通高等学校在校学生数对旅游信息流的影响最大，回归系数为0.556，其次是公园绿地面积，而电信业务总量和国际互联网用户数对旅游信息流的影响相同。

在推力因素中，经济发展水平与旅游信息流网络结构虽然有一定的相关性，但不能说明山东半岛城市群各节点的经济发展水平会影响旅游信息流的流动情况;人口因素，特别是人口质量会对旅游信息流网络结构产生显著的影响，从而导致旅游需求的增加、目的地选择的变化、旅游服务和设施的调整以及旅游信息获取渠道的增加，这些因素都将共同影响旅游信息流的网络结构;交通便捷化程度对旅游信息流网络结构具有负面的影响，这可能是因为交通便捷化使得更多的旅游目的地变得可访问，导致游客面临信息过载的问题，大量的旅游信息和选择可能使得游客难以筛选和确定最佳的旅行目的地和行程;信息化程度对旅游信息流网络有着正向的影响，是区域内旅游信息流动的基础，促进了区域旅游信息流网络结构的形成。在拉力因素方面，政府在促进旅游信息的发布与传播的同时，也在集中控制旅游信息发布平台和资源整合，可能会限制其他独立媒体、社区和个人发布信息的自由，阻碍其他机构或企业进入市场，限制竞争和创新的发展，造成信息的单一性和局限性，削弱了旅游者获得多样化信息的能力;旅游资源禀赋虽然对旅游信息流的网络结构的影响程度不大，且这种影响可能受到旅游资源质量的制约，如果一个目的地的旅游资源质量较差，相关的旅游信息评价较为负面，旅游者可能会增加对旅游信息的甄别筛选;良好的公共服务，对旅游者具有导向作用，旅游者对其关注度会随之增加，特别是以公园绿地面积为代表的环境设施对城市节点旅游信息流网络具有较强的影响。在阻力因素上，地理距离和心理距离的远近可能会阻碍旅游信息的流动，同时获取的旅游信息也会增强旅游者对空间距离的认知，进而降低对某一空间范围内旅游目的地的信息关注和搜索。

综上分析，人口素质和信息化程度是影响旅游信息流网络结构形成的关键推动力，使旅游者产生旅游动机，在旅游目的地旅游服务水平和公共服务水平的拉力作用下，这种动机得到了增强，从而驱使旅游者产生旅游信息搜索行为。同时，以空间距离和心理距离为代表的阻力因素会对动机形成产生抑制作用。在“推-拉-阻”3种作用力的影响下，形成较为复杂的“流动空间”，构成了山东半岛旅游信息流网络结构的基本形态。

3 结论与讨论

3.1 结论

本文以山东半岛城市群16个地级市为研究对象，基于百度指数和场强理论，借助社会网络分析法，探讨了山东半岛城市群旅游信息流场强特征和网络空间结构特征及其影响因素，得到以下结论：

（1）在旅游信息流场强时间演变上，山东半岛城市群旅游信息流场强表现出上升—停滞—下降的特征。第一阶段，2012年到2015年，总场强、集聚场强和扩散场强基本呈现上升趋势，并在2015年达到峰值;第二阶段，2016年到2019年，各场强趋于停滞基本保持一致;第三阶段，2020年开始，各个城市节点的旅游信息流场强明显降低。在旅游信息流场强空间分布特征上，山东半岛城市群信息流总场强呈现多核心的特点，济南、青岛、烟台和威海4个城市一直是山东半岛城市群的一级场强区域;集聚场强方面，山东半岛城市群由多核心场强特征向双核心方向演变;扩散场强方面，山东半岛城市群呈现出东西方向边缘地区高于中部地区，且由南向北减弱的结构特点。

（2）在旅游信息流整体网络结构上，山东半岛城市群旅游信息流网络密度日趋紧密;凝聚子群空间隔离加强，内部联系程度得到深化;网络结构具有明显的等级性，表现为核心—次级核心—边缘地区的梯度分布特征，并且这一特征呈现强化的趋势。网络中心性双核心特征显著，区域差异明显，3个时间节点中，度数中心度、接近中心度和介数中心度的最高值均在济南和青岛间稳定转移，中心性大体由济南—青岛一线向南北两翼递减，网络中心性极化趋势较为突出。

（3）在旅游信息流网络结构影响因素上，山东半岛城市群旅游信息流网络结构受到推—拉—阻3种作用力的影响，推力和拉力因素与山东半岛旅游信息流网络结构具有较强的相关性，而阻力因素相关性不明显。推力因素是旅游信息搜索的直接动因，以人口和区域信息化程度的影响最为直接;旅游服务和公共服务水平等拉力因素进一步拉动旅游信息搜索，进而推动旅游信息流网络结构的形成;空间距离及其引起的心理距离对旅游信息流网络结构形成产生制约作用。

3.2 讨论

旅游信息流正成为旅游流热点研究领域，集中于场所空间，多用来衡量区域城市节点之间辐射能力的强弱[29]2169。随着流动空间理论的发展以及社会网络分析等研究方法的日益成熟，对旅游信息流网络结构的研究逐渐受到了关注，相关研究开始关注于旅游信息在节点间的流动状况[17]424，[18]1338，[19]199，但两种研究方向较为独立。本文在此基础上，探究各个城市节点旅游信息流场强辐射能力的强弱，并对旅游信息流网络结构特征进行了分析，关注城市群内部空间节点之间的旅游信息联系，在研究内容上较为新颖，可以更好地了解各个城市节点间相互关系及其演变情况，推动各个城市节点及时调整旅游发展方向。

推拉理论已被广泛应用于旅游信息流驱动机制的研究中，学者们不断对这一理论进行完善，提出了更为全面的“推—拉—阻”三方面因素[11][31]，并建立了相应的影响因素评价指标。本文以此为依据，构建了“推—拉—阻”影响因素评价指标体系。当前，山东半岛城市群正快速推进全域旅游建设，需要探明影响区域旅游整合的各类因素，然而，在影响因素研究上，前人对区域旅游信息流发展的影响因素研究多以各因素之间的相关性分析为主，不能很好地衡量各因素对旅游信息流的影响程度。本文将QAP相关分析和回归分析相结合，分析了区域旅游信息流网络结构的形成原因，对各影响因素的影响程度进行了分析，研究结论与相关研究具有一定的相似性，但核心影响因素方面具有一定的差距，其原因为何可在不同区域的对比研究中加以解决。本文对山东半岛城市群旅游信息流网络结构影响因素的研究对于改善城市节点之间的旅游信息联系，从而制定正确的区域发展蓝图、协调区域旅游发展、增强区域旅游整体竞争力具有理论指导意义。

本文也存在一些不足之处。随着移动大数据的普及，旅游信息的来源具有多样性，如网络搜索数据、在线文本数据、移动通信数据、网络浏览数据等。本文只收集了网络搜索数据中的百度指数数据，数据来源较为单一，对旅游信息流的研究可以扩展至旅游信息的来源途径，选择不同类型、不同平台的旅游数据进行综合研究，在地域范围上也可增加多个区域进行对比分析。另外，旅游信息流的产生具有综合性，本文单独分析了影响旅游信息流形成的因素，但对于旅游信息流和其他信息流之间的关系如何，旅游信息流为区域旅游发展带来的实际效应如何，本文没有展开讨论，今后研究中可探究旅游信息流与其他旅游要素流之间的相互关系。

3.3 相关建议

基于对山东半岛城市群旅游信息流时空特征分析及网络结构特征及其影响因素的分析，针对旅游信息流网络结构存在的问题及其影响因素，本文从以下几个方面提出了相关优化建议。

（1）提高城市服务和功能，增强旅游吸引力。核心城市应加强城市内部交通的公共交通系统，合理规划线路和增加车辆数量，确保公共交通的覆盖面和频次以满足人们的需求;其他城市节点应首先提高与外部联系的交通通达性，同时兼顾内部交通建设;加强环境保护设施建设，包括垃圾处理中心、污水处理厂、绿化带等，推行垃圾分类和废水处理的政策，改善城市环境质量，提升旅游者体验感;积极引进旅游业优秀人才，优化区域旅游人才结构，为旅游者提供高水平的旅游服务;还要加强医疗保健、 公共安全和社区设施等方面的建设，全方位提高城市服务水平和服务功能。

（2）促进区域合作，增强城市节点之间的相互联系。在各个经济圈内部，鲁南经济圈中，济宁、临沂和枣庄有着丰富的红色旅游资源;胶东经济圈中，青岛、烟台、威海和日照均拥有丰富的海洋旅游资源，这些城市之间旅游发展具有一定的相似性，通过协商和合作，推动城市间互联互通，发展全域旅游。就各城市节点来说，应发挥核心城市节点和次级核心节点对周边地区的带动作用，加强核心城市与边缘城市经济合作与文化交流，边缘地区城市节点应积极向核心节点靠拢，加强自身的基础设施服务水平建设，强化与其他城市的联系。

（3）发掘旅游资源潜力，突出城市的独特性。在凝聚子群分析中，山东半岛城市群空间分割较为严重，这体现了各个城市节点旅游资源存在较大差异，不利于整体的协同发展，但这种差异可以转化为节点的独特性优势。山东半岛城市群旅游资源充足，各个城市节点均拥有独具特色的旅游资源，各个城市节点应利用其独有的旅游资源，避免区域之间旅游产品的雷同现象，打造独具特色的旅游名片，提高城市魅力，增强旅游吸引力。

（4）加强信息化建设，促进旅游信息流动。各地区信息化程度的差异是造成旅游信息流网络结构形成的主要原因。建设与完善宽带网络、数据中心、通信基站等基础设施，提供良好的信息和通信基础设施支持;建设城市群内各城市间的旅游大数据共享平台，对相关企业服务行为加以规范，升级服务系统，从而形成一体化的旅游信息服务体系，实现跨部门、跨城市的旅游数据共享与协同管理，促进信息资源的整合和高效利用，让游客全面、及时地了解相关信息;大力发展数字经济，推动城市群内的创新创业和产业转型升级，培育数字经济产业集群，提升城市群的经济活力和竞争力。