基于ESDA―SNA城市旅游网络结构研究.docVIP

基于ESDA―SNA城市旅游网络结构研究 　　摘要：基于TGC与传统统计数据，把SNA理论模型与ESDA分析技术交互，并以宁波市旅游网络结构为研究对象，得出以下结论：宁波市旅游网络整体发展相对成熟，但西北部和西南部地区旅游网络发育不健全，中心区域与城市南北两极集聚效应显著，市区东部与中西部地区旅游集聚能力和自身网络地位不协调：宁波市中心核心区和周围边缘区域存在明显的网络结构分层，核心区对边缘区的集聚作用大于辐射扩散作用，优质景区和一般景区存在显著的“马太效应”，空间联动能力弱：宁波市县区旅游吸引强度呈现正相关性，但旅游资源空间分布不均衡，整体呈现出北密南疏、东密西疏的分布格局，旅游资源在南部区域呈组团状，游客烈度在西南部呈“L”环状，二者空间网络结构差异显著：在旅游网络结构研究中，空间分析能从宏观角度弥补网络分析在全局尺度表征区域整体结构特征的缺陷，把二者相结合作对比修正才能评判旅游景区的综合竞争力和旅游吸引力。 　　关键词：SNA理论模型；ESDA分析技术：旅游网络结构 　　旅游产业的不可移动性和与其他产业的高度熵流交换过程决定了其复杂的社会空间网络结构。社会网络结构映射为旅游活动中的关系网络，通常借助于社会网络理论进行分析解译。社会网络分析（SNA），由美国社会心理学家Moreno J L提出后迅速发展起来，是对社会行动者之间的联系程度进行量化分析的一种结构化方法。当前，国外学者应用社会网络分析理论在旅游流研究中取得了长足进步，研究内容集中于区域旅游流网络结构的时空演化及形成机理、游客行为模式对目的地网络结构的影响机制以及真正以“关系”为研究视角优化旅游主体之间的网络结构等方面：国内从2006年开始尝试把社会网络分析方法应用于旅游流研究领域，研究内容主要集中于宏观视角下的旅游流网络结构优化分析、中观尺度下的网络中心度变化测度以及微观角度的景区景点在城市旅游网络中的角色与地位变迁特征等方面，但研究数据多为属性型数据，研究手段多为单一的空间探索性分析（ESDA），研究结论多为针对现象规律的因果解释，从而忽视了旅游研究本质上的多维发展过程。 　　现今大数据背景下的关系型数据TGC（toufist generated content）更能真实反映旅游网络运行中的的问题和规律，是旅游创新研究中的重要数据来源悯，并且已经有学者通过虚拟社区等网络平台提取游客游线数据研究游客旅游偏好及空间行为特征，从而得到更为真实的研究结论。因此，空间网络社会化与社会网络空间化的融合统一势必会形成旅游研究的创新范式，然而现在这种多角度研究视角刚刚崭露头角，具体综合分析文献并不多见。所以，在综合社会网络分析理论模型和空间统计方法的前提下，结合游客自主性游线网络研究旅游网络的自组织结构特征，为区域整体和个体旅游效益实现最大化提供参考和借鉴，为未来旅游研究热点领域积累经验。 　　1.数据来源与研究方法 　　1.1数据来源 　　鉴于游客贡献内容（TGC）多展现在国内外知名旅游网站的博客游记、游后点评等自媒体上，因此数据主要来源于蚂蜂窝和Tripadvisor旅游网站上的377篇游客游记以及同程旅游网和携程旅行网上的6 788篇关于宁波景点的游客反馈记录，并以此数据建立旅游网络基础数据库。此外，选取2014年宁波市旅游统计公报、统计年鉴作为辅助修正依据，细致研究宁波市近年来旅游网络结构特征。 　　1.2研究方法 　　城市旅游流网络结构是指旅游者在游览城市不同景点过程中所建立的旅游关系总和，它反映了旅游者在旅游活动中的社会、经济联系和空间属性。其中，景点间社会联系表现为旅游者自主性游线交互形成的认知网络；经济联系指由旅游者、旅游景区和旅游经营者共同建立起来的旅游经济网络；空间属性是旅游景点的自身属性，包括资源特色、与周围景区旅游资源的互补竞争态势等。 　　从小区域分析角度可以看出，象山县、慈溪市和余姚市在旅游景点数目上占优势如图7所示；奉化市相对自身地域面积来说则最少，整体呈现出北密南稀、东密西稀的分布格局。而旅游网络联系最稠密的地区主要集中在奉化市和宁波市区之间，说明单独以宁波市区为旅游辐射核心并不能很好的协调宁波市整体旅游网络系统，导致宁波北部慈溪、余姚地区和南部象山、宁海地区的旅游环线不能高效地与旅游辐射核心相融合。这当然与宁波市西南多山地丘陵，东北多平原盆地的特殊地势而造成的时间、距离成本差异有关，从而导致断裂型辐射核心的形成。其中象山县表现最为突出，利用游客烈度数据生成宁波市整体旅游流空间网络voronoi图可以清楚地说明这一点，如图8所示。象山县利用自身丰富的海洋资源和悠久的历史文化使地方旅游流呈集聚状态，游客烈度达到14.91，在宁波各市县区中位列第一；其他游客烈度高的地区除鄞州区外也多出现在西部多山地地区，如奉化市为12.88，