北京作为我国三大出入境口岸城市之一,入境旅游接待量和外汇收入长期以来一直位居全国前列,已经成为我国入境旅游发展的桥头堡和其他省市入境旅游发展的重要"二手客源地。入境游客对于航空交通高度依赖。作为我国国际航空网络的核心节点,北京的对外交通网络非常发达,是国内、国际航空通达性最高的城市,已与全世界 40 多个国家的 60 多个城市开通了国际航线。因此,无论是从入境旅游接待规模、外汇收入,还是航空交通条件来看,北京都已经发展成为我国入境旅游的重要增长极之一。
因此,研究北京入境旅游流的空间分布特征与扩散规律,对于扩展全国及其他省市的入境旅游市场规模具有重要意义。
国内学者针对北京入境旅游流做了大量的研究: 刘宏盈和马耀峰从省域尺度上,通过对西部六大省区北京入境游客转移态和市场竞争态进行比较分析,发现陕西是北京入境旅游流最偏好的西部省份。刘永建等人在对北京入境旅游流西向演化特征的研究中,得出与刘宏盈等高度一致的结论,即北京是陕西旅游区最要的"二手客源地"。王永明对北京入境旅游流向中国其他城市空间扩散的特征及扩散路径模式进行了研究,研究发现北京入境流空间扩散强度在城市间分布不均衡,呈集中扩散态势。张佑印等人对于北京入境旅游流的分级扩散模式、扩散动力机以及旅游流时空演化规律进行了深入探讨,并提出了旅游流通道便捷度的概念。另外还有学者对北京入境旅游流空间扩散与区域经济的联系进行了分析。学者们对于北京入境旅游流空间模式的研究热点集中在旅游流扩散与转移特征,多从省域尺度出发,以城市为节点,从目的地城市之间的入境旅游流联系角度开展的北京入境旅游流地理分布与网络结构特征研究十分有限。社会网络分析法,是在美国社会心理学家莫雷诺提出的社会测量法基础之上发展起来,用来研究行动者彼此之间的关系。对于纷繁复杂的旅游系统所表现出来的网络特性,社会网络分析法弥补了传统旅游研究的个体主义视角,通过对这些网络进行结构性分析,有助于深化对旅游现象结构的复杂性及演化机制的了解。因此,文中以城市为节点,以城市间的旅游流联系为连接构建北京入境旅游流网络,在此基础之上对网络的节点位置和整体结构进行分析,旨在深化对北京入境旅游流空间分布特征和流动规律的认识,弥补北京入境旅游流研究的不足。
1、 材料与研究方法
1. 1 数据来源
采用问卷调查法,于 2010 年 11 月和 2011 年 8 月分两次分别于西安、广州、深圳、上海、杭州、苏州、北京、成都、桂林、阳朔等热点旅游城市进行入境游客信息采集。调查过程中共计发放问卷 3000 份,回收有效问卷 2687 份,有效率为 89. 6%。基于文中研究的实际需要,经过整理从中筛选出从北京入境的游客调查问卷 1266 份作为研究样本。样本特征(表 1) 。
1. 2 绘制旅游流分布图
调查样本中共收集整理出北京入境游客旅游线路 1048 条。根据到访的先后顺序将所有旅游线路拆分为有向城市对,如: 线路 A→B→C,可拆分为 A→B 和 B→C 两个城市对,一个城市对出现一次记为 1,累计统计出所有城市对的出现次数。利用 Coreldraw 软件,依据上述统计结果绘制北京入境旅游流地理分布图。在绘制过程中,如果城市 A→B 的游客流动次数为M,B→A 的游客流动次数为 N,且 M≥N,则图中箭头指向为 A→B,另外用线段粗细来区分城市对之间旅游流流量大小(旅游流流量 = M + N) ,线越粗,表示流量越大,反之越小。
1. 3 旅游流网络构建
旅游流网络以北京入境旅游流到访的目的地城市为节点,以节点城市间的旅游流联系为连接构建。
首先,建立旅游流流向数据库; 其次,根据节点城市间的旅游流流向和流量关系建立非对称赋值矩阵 W,矩阵单元 Wij代表城市 i 到城市 j 的直接流动次数; 最后,以 1 为界将赋值矩阵 W 转化为 1 -0 矩阵。二值化过程中,原赋值矩阵中所有小于 1 的单元将会被转化为 0,否则转化为 1。在此 1 -0 矩阵的基础上,应用 Netdraw 软件,绘制北京入境旅游流网络拓扑结构图(图 1) 。
1. 4 旅游流网络结构评价指标
1. 4. 1 个体的网络结构位置指针
中心性是一种关于权力的量化指标,包括点的中心度和图的中心势两个分层指标。其中,中心度是对个体权力的量化分析,用以识别个体在网络中的重要程度和位置; 中心势是对群体权力的量化分析,用以刻画网络整体的整合程度。点度中心度是用来衡量个体重要程度的指标。通过与某节点有直接关系的其他节点数目多少来判定。对有向连接的网络,点度中心性又分为出度和入度。其计算公式分别为:
式(2) 中,CDO(ni) 表示出度,Rji代表节点 i→j 的旅游流连接关系,若存在联系,其值为 1,反之为 0。n 表示网络中所包含的节点总数; 式(3) 中,CDI(ni) 表示入度,Rji代表节点 j→i 的旅游流连接关系,若存在联系,其值为 1,反之为 0。中间中心度是用来衡量个体中介能力大小的指标。对于旅游流网络而言,若某节点处于其他许多"旅游节点对"捷径上(亦即两节点间最短的路径) ,则该节点具有较高的中间中心度,其计算公式为:
式(4) 中,CB(ni) 表示中间中心度,Rij是节点 i 和节点 j 之间存在最短路径的数目,Rij(ni) 是 i 到 j 之间存在的经过节点 i 的最短路径的数目,n 是网络中所包含的节点总数。中间中心度值越高的节点,对其他节点的控制性越强,越是网络中的关键节点。
1. 4. 2 整体的网络结构型态指针
网络规模是指网络中包含的全部节点的数目。网络密度是指网络中节点之间实际存在的关系数量和理论上的最大关系数量之比。度数中心势是在节点点度中心度的基础上对网络中心化趋势程度的衡量,其计算公式为:
式(5) 中,CD表示度数中心势,CD(ni) 表示节点的点度中心度,CD(nmax) 表示节点点度中心度的最大值,n 表示网络中所包括的节点总数。CD的取值范围在[0 -1],其值越大,说明网络的中心化趋势越明显; 其值越小,说明网络的随机分布趋势越明显。中间中心势是在节点中间中心度基础上反应网络均衡程度的指标,其计算公式为:
式(6) 中,CB表示中间中心势,CB(ni) 表示节点中间中心度,CB(nmax) 表示节点中间中心度的最大值,n 表示网络中所包括的节点总数。
2、 研究结果及分析
2. 1 旅游流地理分布特征
北京入境旅游流地理分布格局(图 2) (为更清楚地反映长三角地区和珠三角地区的旅游流分布,将这两个地区的旅游流分布图进行单独绘制) 。从图 2 可以看出,北京入境旅游流分布范围较广,呈现出东南密,西北疏的总体趋势,高等级入境旅游流集中分布在长三角、泛珠三角、大西安和成渝地区,西北和东北地区入境旅游塌陷显著。旅游流流量大、流动频率高的有北京、西安、成都、桂林、上海 、苏州和杭州等主要热点旅游城市,形成了以这些城市为中心聚集点和辐射点的空间格局,从而在地理分布上呈现出了一个明显的"金三角",即北京 - 西安 - 上海,这三个城市间旅游流联系最为紧密。另外还有四个"银三角": 北京 - 上海 - 桂林、北京 - 桂林 - 上海、北京 - 西安 - 成都和杭州 - 苏州 - 上海。
2. 2 旅游流流动规律
为准确地把握目的地之间旅游流流量大小和流动方向,运用城市对构建北京入境旅游流的流向频次表(表 2) 。从表 2 可以看出,北京入境旅游流在目的地城市间的有向流动符合"二八定律",即 80% 的有向流动发生在近 20%的城市对之间。调查样本中共统计出 379 个有向城市对,这些城市对之间共产生了3659 次有向流动。其中,流动频次不少于 8 的城市对共有 78 个,占所有城市对总量的 20. 58% 。从流动频次看,这 78 个城市对共产生了 2946 次有向流动,占所有流动次数总和的 80. 51%,即 80% 的有向流动产生在 20%的城市对间。入境旅游流的高频城市对以区域内组合为主,区域间组合为辅,其中,区域内组合主要集中在长三角和珠三角区域内部,流动频次不少于 20 次的 44 个城市对中有 6 对为长三角区域内部城市,3 对为珠三角内部城市,这些城市间入境旅游流的互动十分频繁。长三角内部以苏州、杭州和上海这 3 个城市间的有向流动为代表。
珠三角内部以广州、深圳和香港 3 个城市间的有向流动为代表。从区域间组合来看,北京与上海、桂林、西安和重庆等个城市旅游流流量大,流动频率高,桂林与长三角和珠三区域旅游流互动频繁。
2. 3 旅游流网络拓扑结构特征
2. 3. 1 网络整体结构特征
北京入境旅游流网络规模为 75,网络密度为0. 068,一个由 75 个节点组成的旅游网络最大可能的联结数量有 5550 个,实际观察到的联结数量仅为 378 个,说明北京入境旅游流网络整体结构松散,节点间旅游流联系不紧密。网络的度数中心势为 0. 636,处于较高水平,说明该网络集中化趋势明显,存在比较明显的" 枢纽" 节点,暗示整个网络可能存在核心区。网络的中间中心势为0. 524,说明该网络中居于核心中介地位的节点偏少,而网络中多数的节点要依靠这些节点来完成旅游流的转移和扩散。
2. 3. 2 核心 - 边缘结构分析
根据上文关于网络整体结构的分析和对图 1的观察,首先假设北京入境旅游流网络为" 核心- 边缘" 网络,在此基础之上选择 Ucinet 软中的"核心 - 边缘" 分析模块对其进行拟合 ,并利用QAP 命令对拟合结果进行检验。经测算,相关系数为 0. 636,拟合效果理想,说明北京入境旅游流网络是 "核心 - 边缘"网络的假设成立。
分析结果显示,北京入境旅游流网络可以划分为明显的核心区和边缘区。其中核心区共包括17 个目的地城市,边缘区包括 59 个目的地城市。核心区成员分别是: 北京、西安、成都、上海、桂林、杭州、阳朔、昆明、广州、南京、香港、重庆、武汉、丽江、大连、苏州和厦门。除西安、成都和重庆外,其余 15 个核心成员均位于中东部地区。
2. 3. 3 网络个体结构位置
从表 3 可以看出,北京入境旅游流网络中节点的点度中心度指标具有明显的等级结构,网络中的 75个目的地城市大致可以划分为三个等级: 第一级,"三高"(高总度、高出度、高入度) 目的地城市,主要包括北京、上海、西安和桂林 4 个城市,是该网络中最主要的集散中心。北京的总度数、出度和入度均排在首位,说明北京是该网络当中最重要的旅游流集散中心,其旅游流的扩散和集聚能力均很强。这除了与文中所选取的样本均以北京作为入境口岸有直接关系外,北京本身的高知名度和丰富的旅游资源,对国际游客也很有吸引力。上海的总度数排在第二位,但是入度明显高于出度,说明上海作为主要的集散中心,集聚能力强于扩散能力。西安的总度数排名第三,出度和入度相差不大。结合图 2 可以看出,西安的入境旅游流主要来自于北京的"二手客源",另外还承担了北京入境旅游流向西北边远地区节点和桂林、成都、重庆、武汉和上海等地的输送功能。第二级,"中高"目的地城市。与"三高"城市相比,这些城市的总度数、出度、入度略低,但仍处于较高水平,属于次要集聚中心。主要包括成都、香港、广州、杭州、昆明、南京和阳朔。这 7 个城市的总度数介于 21 -41 之间,除香港外,其余 6 个城市的出度和入度相差不大,说明这几个城市的入境旅游流集聚和扩散能力相当。香港的出度远低于入度,说明香港的入境旅游流集聚能力远大于扩散能力。第三级,"三低"目的地城市(低总度、低出度、低入度) 。主要包括丽江、苏州、厦门等 64 个城市的旅游流集散能力一般,属于一般集散中心。
通过对中间中心度指标进行等级嵌套分析发现,阿克苏、包头和常州等 28 个中间中心度值为 0 的节点在第一次迭代中被删除,说明这些城市不具有旅游流中转功能,仅作为目的地存在; 喀什、拉萨和宜兴等33 节点城市在第二次迭代中被删除,中间中心度值均低于均值,说明这些城市旅游流中转能力极为薄弱,属于一般中转中心; 青岛、兰州等 9 个节点城市在第三次迭代中被删除,中转能力较强,属于次要中转中心。剩余的 5 个城市分别为北京、上海、西安、成都和桂林,这几个城市中间中心度值处于较高水平,属于主要中转中心。
根据网络个体结构位置,北京入境旅游流网络中 17 个核心节点大致可以分为四类: 复合型节点、枢纽节点、中转节点和重要节点。其中,北京、上海和西安属于复合型节点,兼具旅游流集散与中转功能; 桂林和成都属于枢纽节点和中转节点,是网络中重要的集散中心和中转中心。香港、广州、杭州等属于重要节点。
3、 讨论
(1) 旅游流的空间扩散与流动受到内力与外力双重作用的影响,其中,内力因素包括游客的社会学特征、旅游目的、旅游动机等,而外力因素主要涉及旅游资源禀赋、交通条件,区域经济发展状况等。北京入境游客中散客比例较高,观光游览是其主要旅游目的,客源主体为学生和专业技术人员,因此在旅游线路选择上更具随意性,从而导致其空间分布范围较广。长三角和珠三角两大经济区,以及众多通达性较高的区域中心城市和传统的入境旅游热点城市成为北京入境旅游流的主要分布与流动区域。
(2) 旅游流的流动是形成旅游流网络的基本动力,流动的不均衡性是导致网络结构不均衡的主要原因。节点的角色与类型主要受制于旅游资源品位与区位条件,北京和上海由于口岸优势和较高国际知名度成为网络中的复合型节点。西安、桂林和成都虽然是内陆城市,但是高品位的旅游资源也吸引了大量游客流入,并成为网络的核心节点。
4、 结论
(1) 北京入境旅游流分布范围较广,呈现出东南密,西北疏的总体趋势。高等级入境旅游流集中分布在长三角、泛珠三角、大西安和成渝地区,形成了以北京、西安、桂林、上海、成都等主要热点城市为中心聚集和扩散的空间格局。一个"金三角"(北京 - 西安 - 上海) 和四个"银三角": (北京 - 上海 - 桂林、北京- 桂林 - 上海、北京 - 西安 - 成都、杭州 - 苏州 - 上海) 构成了北京入境旅游流的总体框架。
(2) 入境旅游流在目的地城市间的有向流动符合"二八定律",即 80%的有向流动发生在近 20% 的城市对之间。旅游流的高频城市对以区域内组合为主,区域间组合为辅,长三角和珠三角区域内部城市间旅游流互动十分频繁。
(3) 北京入境旅游流网络是典型的核心 - 边缘网络,网络密度低,中心化趋势明显。该网络存在明显的等级结构,网络中节点的等级越高,节点数量越少。北京、上海和西安属于复合型节点; 桂林和成都属于枢纽节点和中转节点; 香港、广州和杭州等属于重要节点。
参考文献:
[1]刘宏盈,马耀峰. 入境旅游流空间转移与省域旅游经济联系强度耦合分析 - 以上海入境旅游流西向扩散为例[J]. 资源科学,2008,30(8) : 1162 -1168.
[2]刘宏盈,马耀峰. 基于旅游流转移视角的云南入境旅游发展历程分析[J]. 旅游学刊,2007,23(7) : 23 -27.
[3]吴晋峰,任瑞萍,韩立宁,等. 中国航空国际网络结构特征及其对入境旅游的影响[J]. 经济地理,2012,32(5) : 147 -152.
[4]王永明,马耀峰,王美霞. 北京入境旅游流空间扩散特征及路径[J]. 经济地理,2011,31(6) : 1019 -1024.
[5]刘宏盈,耀峰. 北京入境旅游流西向梯度转移特征研究[J]. 城市问题,2008(5) : 59 -63.
[6]刘永建,马耀峰,张佑印,等. 中国口岸城市入境旅游流西向演化研究 - 以北京市为例[J]. 资源开发与市场,2009,25(10) : 942 -944.
[7]张佑印,马耀峰,马红丽,等. 北京入境集聚扩散旅游流平衡点转移规律研究[J]. 旅游学刊,2009,24(12) : 35 -31.
[8]张佑印,马耀峰,顾静. 北京入境旅游流扩散动力机制分析[J]. 干旱区资源与环境,2012,26(11) : 122 -127.
[9]张佑印,顾静,马耀峰,等. 北京入境旅游流分级扩散模式及动力机制分析[J]. 人文地理,2012,27(5) : 120 -127.
[10]张佑印,马耀峰,顾静. 北京间接入境聚集旅游流流势时空演化规律研究[J]. 旅游学刊,2011,26(10) : 31 -35.
[11]张佑印,马耀峰. 北京市入境旅游流通道便捷度研究[J]. 旅游论坛,2011,4(5) : 59 -62.
[12]褚玉良,马耀峰. 入境旅游流空间转移与旅游经济联系研究 - 以北京向丝绸之路转移为例[J]. 资源开发与市 场,2010,26(5) : 451 -454.
