大陆居民赴台湾自由行旅游流网络分析及演化研究
时间：2020-04-23 08:07:22 来源：达达文档网 本文已影响 人 
打开文本图片集
[摘 要]随着人们旅游消费能力逐渐增强，对旅游品质的要求越来越高，自由行已经成为人们主要出游方式之一。文章以大陆居民赴台湾自由行为对象，采用数据挖掘技术采集我国最大旅游分享社区网站2009年以来的台湾自由行行程信息，构建了细粒度的旅游流有向网络，并使用社会网络理论进行分析。研究表明，该网络属于无标度网络，网络规模为2656，但平均路径只有4.3，网络密度较低，节点的度分布满足幂律分布，网络核心区与边缘区互动较少。按照时间顺序构建旅游流网络，研究网络的演化并分析其演化动力，发现网络规模、连接数量都与行程数量近似于比例增长，网络演化过程中新增加的节点优先链接网络中的明星节点。文章首次从网络演化的角度使用社会网络理论研究旅游流，丰富和拓展了旅游流研究内容。
[关键词]旅游流；社会网络；网络演化；动力机制
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2016）10-0113-09
Doi： 10.3969/j.issn.1002-5006.2016.10.021
引言
随着我国城镇居民人均可支配收入的增长，人们旅游消费能力逐渐增强，对旅游品质的要求越来越高，越来越多的人不再满足于走马观花式的跟团出游。自由行作为一种新兴的出游方式，顺应了市场需求，得到快速发展。数据显示，从2011年6月试点启动大陆居民赴台个人游至2015年2月底，赴台个人游达累计达218.64万人次，其中2014年赴台个人游达117.9万人次1。可以看出自由行发展异常迅速，但规模庞大的自由行旅游流与传统团体旅游流不同，旅游者具有较强的个性化特征，旅游流覆盖的旅游资源也更加广泛。由于赴台自由行旅游发展较快、规模大，本文以此为研究对象。
通过对中国学术期刊数据库和Science Direct数据库进行文献检索，显示当前对自由行旅游流的研究甚少。一个地区的自由行旅游流具有什么样的网络特征，该网络是如何演化的，演化的动力机制是什么？上述问题的回答不但可以丰富旅游流的理论研究，也具有较强的实践意义，对旅游目的地的资源开发、区域旅游的规划与政策制定、旅游线路的空间规划、旅游危机预测与防范、旅游流扩散与区域旅游均衡发展等都有重要指导意义[1-2]。
1相关理论综述
关于旅游流的研究，学者们依托地理学理论形成了较为系统的旅游流时空研究模式[3]，建立起旅游流理论框架[4-5]。在该理论框架下，国内外学者对旅游流的时空分布[6]、结构模式[7]、影响因素[8]、辐射效应[9]、动力机制[10]等方面进行了理论与实证研究[11]。在上述研究中，主要采用定性研究和以计量统计法、GIS分析法、社会物理学理论方法、区域经济学理论方法等为代表的定量研究为主。然而，如何揭示旅游流所形成的网络特征？学者们发现社会网络理论对诸多旅游问题具有强大的解释力[12]。将不同旅游资源或目的地视为网络节点，利用社会网络理论研究旅游流网络、解决旅游相关问题受到众多学者的重视，并取得了一些重要研究成果[13-16]。
由于旅游流要素信息采集的限制，目前国外的相关研究主要集中在目的地之间关系以及组织之间的联系。Palvovich较早利用网络密度分析和中心性指标对旅游目的地的演化与转型问题进行研究，深入研究了原住民、政府、企业组织间的相互作用和影响[17]。Scott等通过对目的地网络结构和网络凝聚力进行分析，发现旅游目的地的经济发展水平越高、规模越大，其集聚作用越强[18]。Shih运用社会网络方法对台湾南投地区自驾车旅游目的地所构成的网络进行分析，通过对网络节点中心性、结构洞的测算与分析，为当地旅游发展定位和旅游设施建设提出可行性建议[19]。上述研究均未涉及自由行旅游流研究，也未从整体网视角揭示旅游流网络的时空演化规律。
与国外相比，国内学者在应用社会网络理论对旅游流研究方面成果更丰硕。杨兴柱等首次借助社会网络理论和方法，研究了城市旅游流网络结构特征和评价指标体系，并对南京市16个景区组成的旅游流网络结构进行了实证分析[20]，但该研究对象采集的时空尺度较短，网络节点较少。张妍妍等通过采集游客的数字足迹并结合社会网络分析法，总结了西安国内散客旅游流时间及网络结构特[21]。吴晋峰[22]、王奕祺等[23]、杨新菊等[24]、王金莹等[25]等应用社会网络理论与分析方法对我国入境旅游进行深入研究，揭示其网络分布与结构特征。但这些文章只收集了部分城市的入境数据，忽略了一些重要城市，其网络测量有一定的误差。虽然吕丽等运用该理论构建了上海世博会客流向长三角区域空间扩散的网络，分析了每个城市节点的集聚、中转和扩散客流的能力[9]，但事实上上海世博会旅游者的旅游行程中多数选择单一目的地——上海世博会，扩散的旅游者占百分比较少。
上述对社会网络理论在旅游流研究的应用尚局限于网络结构的特征分析，尚未涉及旅游流网络的演化[26-27]，研究对象方面也未涉及到自由行旅游流。究其原因，基于传统的通过问卷、访谈、政府官方统计等数据采集方法很难获得长时间、不间断的旅游流网络数据[28]。因此，本文提出将先进的数据挖掘技术作为获取旅游流数据的重要工具，可以在较短的时间内对分布在互联网上大规模的旅游数据进行抓取和自动化处理，通过人工的数据校验，获得适用于研究的长时间段的大样本数据。
本文采用数据挖掘的方法获取2009年以来马蜂窝旅行网（http：//）上的大陆居民赴台湾自由行行程和行程中每一站信息，构建遍历时间较长的自由行旅游流网络，并基于社会网络分析理论研究台湾自由行的旅游流网络特征。首次应用社会网络理论分析旅游流网络的时空演化，拓展了社会网络理论在旅游流网络分析中的应用，为研究分析各类旅游流网络的演化机制提供了新的思路和理论方法。
