基于社会网络理论，以到访南京自助旅游者为例，采用旅游数字足迹数据，建立南京市自助旅游流网络二分矩阵，运用中心性、结构洞、规模密度、核心边缘、凝聚子群指标，从旅游节点和整体网络两方面，分析南京市自助旅游流网络结构特征。结果表明总统府和夫子庙非替代优势最明显，夫子庙与各节点联系最密切；网络密度较低，存在10个核心节点，31个边缘节点，构成8个子群，不同节点中转能力差距较大；网络中存在明显的分层现象，核心区对边缘区的影响能力有限。
目录
摘要1
关键词1
Abstract1
Key words1
一、问题的提出1
二、研究设计3（一）理论基础3（二）数据收集3
（三）数据预处理3
1.样本筛选 4
2.样本特征 4
三、结果分析4（一）南京市自助旅游流网络结构可视化分析4
（二）南京市自助旅游流节点结构分析5
1.旅游节点中心性 5
（1）节点程度中心性6
（2）节点接近中心性7
（3）节点中介中心性7
2.结构洞 7
（三）南京市自助旅游流整体网络结构分析7
1.网络规模密度 7
2.网络中心势 8
3.核心—边缘分析 8
4.凝聚子群分析 8
四、结论与建议10（一）结论10（二）建议10
致谢11
参考文献11
基于旅游数字足迹的自助旅游流网络结构研究 ——以到访南京市游客为例
引言
一、问题的提出
旅游流是旅游业的基础，也是旅游地理学的核心概念之一[1]。20世纪60年代，国外学者率先用“流”这一概念来描述旅游者的空间位移活动。旅游流有广义和狭义之分，广义的旅游流是指“以旅游客流为主体，涵盖旅游信息流、旅游能流等的一个复杂巨系统”[2]；狭义的旅游流是指“在一个区域上由于旅游需求的近似而引起的旅游者集体性空间位移现象”[3]。如无特别说明，一般均指狭义的旅游流。谢彦君(2004)提出测度旅游流的三 *景先生毕设|www.jxszl.com +Q: ^351916072^ 
个基础指标，即流向、流量和时间[4]。随着旅游流的集聚和扩散，各旅游目的地通过旅游流联结成旅游目的地网络，并且表现出一定的结构特征[5]。杨兴柱(2007)认为旅游流网络结构是指旅游者在不同的旅游节点(景点、景区、城市等)之间产生位移，各个旅游节点相互联结并产生的旅游流关系之和[6]。这种对旅游流中“关系”的捕捉和应用，有效弥补了微观视角和个体层面上只关注旅游流属性数据而引致的研究局限[7]。
国外较早开始研究旅游流网络结构。Christaller(1964)首次基于核心—边缘理论证明欧洲度假游客出现从核心区向边缘区流动的趋势[8]；Oppermann(1992)发现马来西亚国内游客分布表现出明显的区域差异，旅游者集中分布在西海岸[9]；Pavlovich(2003)开展纵向研究记录对比某洞穴旅游地网络的结构变化[10]；Shih(2006)构建了自驾车旅游地网络，并测量了每个旅游地在网络中的重要程度[11]；Hwang等(2006)得出美国入境游客的城市旅行模式[12]；Scott等(2008)发现旅游产业化水平与旅游网络紧密度呈正相关[13]；Yang(2013)以南京市为案例地发现旅游目的地空间结构影响旅游流网络结构[14]；Park等(2017)研究到访韩国的中日游客旅游流网络[15]。
国内对旅游流网络结构的研究，按照研究时间顺序呈现出不同的研究重点。开始阶段聚焦于大尺度入境旅游流网络结构研究。吴晋峰(2010)发现京沪入境旅游流网络中存在明显派系[16]；李蕾(2012) 发现入境旅游流空间中的核心节点和边缘节点突出，同时存在显著的孤立节点[17]。后续研究多集中于省域、都市圈或城市群等中尺度以及城市或社区等小尺度旅游流网络结构。黄明霞(2012)基于旅行社走访、问卷调研及网络游记搜集旅游者的旅游路径，发现厦门市旅游核心为鼓浪屿，核心旅游区还包括南普陀、厦大等。[18]王祥(2017)研究泉州市8年间旅游流网络结构演化，表明网络密度较低同时出现下行趋势。[19]付琼鸽等(2015)分析不同区域旅游流的网络结构演化及其区别[20]。陈梅花(2017)基于问卷调查数据，发现河南省旅游流网络存在3个核心节点和5个次核心节点。[21]朱胜慧(2018)以西藏自驾车旅游流为研究对象，选取3个年份建立了西藏自驾车旅游流数据库。[22]徐敏(2018)基于在线预订数据研究长三角地区网络特征及其成因[23]。此外，随着信息采集技术的进步，还有部分学者开展了出境旅游流网络结构研究。姚梦汝(2018)等发现中国—东盟旅游流网络自1995年到2015年紧密程度和能级水平逐渐提升，网络的核心区域呈现出由南向北转移的动态变化趋势；[24]阮文奇等(2018)发现中国赴泰旅游流网络呈现环形放射状，形成了以曼谷为核心，多基点向四周散射的环形旅游流空间结构。[25]总体来看，国内旅游流网络结构研究开始较晚，研究类型涵盖了入境、国内和出境旅游流，前两类相关研究较为丰富，研究尺度经历了从大尺度向中小尺度的转变。
旅游流网络结构研究方法包括GIS分析法、内容分析法和社会网络分析法等。其中社会网络分析法的运用最为广泛，该方法基于社会网络理论，主要用来分析社会关系结构及其属性，解释旅游流网络中各个节点特征和整体网络结构特征。20世纪90年代开始，社会网络理论和分析方法被引入旅游研究，部分学者甚至将其视为开展旅游研究的绝佳范式。[26]
随着收入水平的提高和旅游观念的转变，人们自助出游成为重要发展趋势。自助旅游者相较于传统的团体旅游者更具个性化特征，旅游流流向更复杂，旅游流覆盖的节点也更广。[27]研究自助旅游流网络结构可以更有针对性地揭示旅游目的地旅游业发展状况。[28]陈杰(2015)通过挖掘网络旅游攻略，发现青海省自助旅游流网络存在16个核心。[29]张文亭(2017)以福建省为案例地，揭示行政区划对自助旅游流网络结构影响能力有限。[30]杨小莉等(2017) 基于旅游流网络结构指标的量化分析结果，结合旅游资源等级和交通条件等，将山西省景区划分为五个等级。[31]司家慧将黄山市旅游景区划分为核心、次核心、一般和边缘四个节点层次。[32]程钰婷(2018)发现大连市自助旅游流网络结构受旅游资源质量，旅游景区的知名度和美誉度，旅游服务设施这些内部因素和交通这个外部因素共同作用。[28]穆小雨等(2019)以成都市为案例地，发现春熙路为集散中心，旅游节点存在9个核心，分为5个等级，旅游网络主体由17个重要节点构成等。[33]

原文链接：http://www.jxszl.com/jmgl/lygl/563537.html