段淼然 ，陳 剛 ，于 靖 ，張 笑

(1.南京大學(xué)a.地理信息科學(xué)系;b.江蘇省地理信息技術(shù)重點實驗室，南京210093)

0 引言

旅游流是游客在旅游空間場內(nèi)的遷移現(xiàn)象［1-2］，在狹義上是指旅客流，廣義上不但包括旅客流，還有與此相關(guān)或伴生的相關(guān)流如信息流、資本流、技術(shù)流、貨物流等［3］。旅游流的強度大小、分布狀況、空間等級和結(jié)構(gòu)差異關(guān)系到國家、地區(qū)旅游業(yè)發(fā)展的空間布局、旅游發(fā)展戰(zhàn)略的制定與實施，影響旅游地的經(jīng)濟(jì)效益、社會效益和環(huán)境效益等［4-5］。旅游客源地的空間分布結(jié)構(gòu)同樣是旅游地理研究的基本內(nèi)容，也是旅游地理空間相互作用的主要特征［6-7］。

國內(nèi)外學(xué)者從需求方面對旅游流的驅(qū)動機制進(jìn)行了闡述，側(cè)重于采用計量經(jīng)濟(jì)方法對旅游流進(jìn)行解釋［8-9］，國內(nèi)學(xué)者對旅游流和旅游空間分布多有關(guān)注［10-12］。吳必虎總結(jié)了中國城市居民旅游目的地選擇行為的基本規(guī)律［13-14］;張紅等探討了西安境外游客市場的結(jié)構(gòu)特征及客流量的時間變化規(guī)律［15］;保繼剛等對桂林市國內(nèi)旅游客源市場的空間演變進(jìn)行了研究［16］;張捷等提出Pareto模型是最佳的旅游距離衰減指數(shù)模型［17］;鐘士恩等提出客源地出游力的社會經(jīng)濟(jì)現(xiàn)象假說，論證了客源地的社會經(jīng)濟(jì)屬性決定其出游力大?。?8］。

對旅游空間分布結(jié)構(gòu)的分析，要求收集能反映旅游流的源、匯之間的流向與流量數(shù)據(jù)。中國目前此類統(tǒng)計數(shù)據(jù)較少，大部分是客源地和旅游目的地之間的流量數(shù)據(jù)，缺少流向數(shù)據(jù)，這也是導(dǎo)致中國大尺度國內(nèi)旅游流特征研究薄弱的原因之一［19］。而新浪微博數(shù)據(jù)解決了各類統(tǒng)計中缺少流向數(shù)據(jù)和實地采樣數(shù)據(jù)樣本量不足的問題，因此，對中國各省份(未含港澳臺地區(qū))旅游景點的官方微博的粉絲數(shù)據(jù)進(jìn)行了提取，通過GIS空間分析和專題制圖等手段找出了省域出游驅(qū)動流的空間分布特征，并分析其主要影響因素。

1 研究思路和數(shù)據(jù)處理

1.1 研究思路

新浪微博作為國內(nèi)最重要的社交網(wǎng)絡(luò)工具，截止至2013年末，用戶數(shù)已達(dá)5億，平均每天發(fā)布超過1億條微博內(nèi)容。由于其強大的影響力及廣泛的用戶分布［20］，國內(nèi)各大旅游景區(qū)均開設(shè)了官方微博，為景點的宣傳、營銷起到了強大的推動力。因此，新浪微博可以作為進(jìn)行省域出游驅(qū)動力研究的一個重要數(shù)據(jù)源。通過針對新浪微博API設(shè)計專用的爬蟲程序，提取景區(qū)官方微博的粉絲以及用戶間的相關(guān)關(guān)系，分析省域客源地的分布情況，挖掘其空間分布特征，并剖析東部、中部、西部三大地域的出游力情況和出游方向的分布。

1.2 數(shù)據(jù)處理

1.2.1 數(shù)據(jù)來源。數(shù)據(jù)主要來源于中國A級景區(qū)名錄、新浪微博用戶關(guān)系數(shù)據(jù)、中國互聯(lián)網(wǎng)發(fā)展報告、《中國統(tǒng)計年鑒2013》。①以中國A級景區(qū)名錄為基礎(chǔ)，對各省份風(fēng)景名勝進(jìn)行篩選。根據(jù)各省份的實際情況，從5A和4A級景區(qū)中篩選出69個景區(qū)，其中5A級景區(qū)60個，4A級景區(qū)8個，正在申請5A級景區(qū)1個(貴州荔波)，除去港澳臺地區(qū)，保證大陸地區(qū)覆蓋率100%。景區(qū)選取以5A景區(qū)為主，挑選部分4A級著名景區(qū);每個省份挑選2～3個代表性景區(qū)，部分省份挑選1個;在各地的5A級景區(qū)中，優(yōu)先挑選自然風(fēng)景區(qū)，因為存在大量知名度很高的自然風(fēng)景區(qū)且其旅游接待容量更大，輔助選取若干人文景觀(表1)。② 對遴選出的景區(qū)進(jìn)行官方微博的認(rèn)證，選取的景區(qū)微博以官方微博為主，部分景區(qū)根據(jù)粉絲數(shù)和實際情況進(jìn)行篩選。共認(rèn)證了64個微博用戶，覆蓋了全部69個景點(表1)。由于個別用戶存在“僵尸粉”的情況，采取大樣本采集策略，每個景區(qū)提取5 000個粉絲作為樣本(粉絲數(shù)不足5 000則將總粉絲數(shù)作為樣本)，舍去海外及港澳臺地區(qū)的用戶和部分不符合要求的用戶。③ 從中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)發(fā)布的2013年《中國互聯(lián)網(wǎng)發(fā)展報告》中獲取各省份最新的相關(guān)信息化指標(biāo)。④ 從《中國統(tǒng)計年鑒2013》獲取國家統(tǒng)計局統(tǒng)計出的各項經(jīng)濟(jì)社會指標(biāo)。

表1 景區(qū)篩選結(jié)果一覽Tab.1 Result of scenic spots

1.2.2 數(shù)據(jù)采集。在對新浪微博用戶關(guān)系數(shù)據(jù)的采集過程中，通過編寫爬蟲程序，對認(rèn)證的景區(qū)微博用戶的粉絲數(shù)據(jù)進(jìn)行提取，舍去粉絲數(shù)小于300的用戶和覆蓋率小于25個省份的數(shù)據(jù)，認(rèn)為這些微博的粉絲數(shù)據(jù)不具有代表性。最終，共遍歷粉絲總數(shù)253 292條，其中，除去無效粉絲和港澳臺地區(qū)、海外和其他地區(qū)的粉絲，有效粉絲數(shù)220 786條，有效率(真粉率)87.17%，由于本地人口的聚集關(guān)注效應(yīng)，再除去景區(qū)所在省份的本地粉絲數(shù)，最終錄用粉絲數(shù)155 420條，錄用率70.39%。

1.2.3 數(shù)據(jù)計算。對微博用戶關(guān)系數(shù)據(jù)的處理主要包括4個步驟。①粉絲數(shù)據(jù)關(guān)系矩陣。對用戶數(shù)據(jù)進(jìn)行地域識別，計算出省份(i)×景區(qū)(j)粉絲數(shù)據(jù)關(guān)系矩陣P={pij}m×n，用來表示不同省份的游客對于各個景區(qū)的關(guān)注數(shù)量。②去信息化。發(fā)達(dá)地區(qū)的信息化程度較高，微博用戶的比例也較高，為了消除信息化程度不同帶來的影響，通過從中國互聯(lián)網(wǎng)發(fā)展報告，計算考慮去除信息化因子后的數(shù)據(jù):pij'=pij/bi。式中:pij為矩陣P中的元素;bi表示各省互聯(lián)網(wǎng)普及率指數(shù)。③標(biāo)準(zhǔn)化。受實際粉絲數(shù)、本地粉絲數(shù)、海外粉絲數(shù)和“僵尸粉”現(xiàn)象的影響，從各個景區(qū)官方微博采集到的粉絲數(shù)據(jù)數(shù)量差異較大，對數(shù)據(jù)的匯總和計算都帶來了極大的不便。因此，對用戶數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化的省份×景區(qū)的粉絲矩陣 R={rij}m×n，其中的元素 rij=pij'/∑jpij'×100，表示不同省份到不同景區(qū)的標(biāo)準(zhǔn)化出游人數(shù)。④出游驅(qū)動指數(shù)計算。對各省份在不同景區(qū)的粉絲人數(shù)進(jìn)行匯總，考慮到不同省份認(rèn)證的景區(qū)數(shù)量各不相同，而粉絲樣本的采集需要去除本省粉絲數(shù)，導(dǎo)致認(rèn)證景區(qū)較多的省份在計算出游驅(qū)動指數(shù)的時候數(shù)值會降低。因此，引入C參數(shù)來計算各省份游客出游驅(qū)動指數(shù):Mi=［Ca/(Ca-Ci)］×(∑jrij-rij)。式中:Ci表示省份 i所包含的景點數(shù);Ca表示所有景點數(shù);Mi為各省份出游驅(qū)動指數(shù)，是各省份旅行者(潛在旅行者)出游的可能性的綜合指標(biāo)。

2 出游驅(qū)動力空間分布特征

2.1 總體分布特征

各省份出游驅(qū)動力分布總體特征(圖1)和人們一般認(rèn)知中的社會經(jīng)濟(jì)排名大體一致，說明出游驅(qū)動力的空間分布受社會經(jīng)濟(jì)的統(tǒng)計指標(biāo)的影響，不過仍呈現(xiàn)出了很強的空間特征。

圖1 出游驅(qū)動力分布圖Fig.1 Distribution of traveling driving force

2.1.1 出游驅(qū)動力整體分布情況。出游驅(qū)動力分布呈現(xiàn)出東南強、西北弱的特點，整體分布規(guī)律符合人們的正常認(rèn)知，同時也存在差異(圖1)。一是兩極突出，北京和廣東的峰值突出非常明顯;二是華東地區(qū)和華中地區(qū)有較高的出游驅(qū)動指數(shù)。華東和華中地區(qū)經(jīng)濟(jì)基礎(chǔ)較好，又處于中國的南北交界處，一方面匯聚全國各地的人，更能接受外地文化;另一方面，處于交通的樞紐地區(qū)，到各地交通都較為便利。

2.1.2 各省份的出游驅(qū)動力差距大。將各省份的出游驅(qū)動指數(shù)Mi進(jìn)行排序(圖2)，廣東、北京的出游驅(qū)動指數(shù)都在500以上，而青海、甘肅、內(nèi)蒙古等地卻在100以下。

2.1.3 出游驅(qū)動力的層級分布。各省份的出游驅(qū)動力分布有明顯的層級性，觀察圖2a上的斜率變化，將31個省份按出游驅(qū)動指數(shù)劃分為4個層級:廣東、北京為第一層級，出游驅(qū)動指數(shù)大于400，是全國性的主要出游地區(qū);江蘇、四川、河南、山東、浙江、上海為第二層級，出游驅(qū)動指數(shù)為300～400，是區(qū)域性出游中心;湖南、湖北、安徽、江西、福建、河北、陜西、重慶、遼寧、廣西為第三層級，出游驅(qū)動指數(shù)為150～300，是地方性出游中心;云南、內(nèi)蒙古、山西、貴州、青海、西藏等地為第四層級，出游驅(qū)動指數(shù)在150以下，是出游欠發(fā)達(dá)地區(qū)。從4個層級來看，廣東和北京處于絕對高值。北京是全國的中心，交通便利［21］，聚集了大量的人才，這些人對閑暇出游的需求較大;同時人口眾多，外來人口比例較高，信息化程度高度發(fā)達(dá)，信息獲取渠道廣泛。而廣東的出游驅(qū)動指數(shù)比北京更高，是因為廣東是中國GDP第一大省，有強大的經(jīng)濟(jì)基礎(chǔ)作為支持，珠江三角洲吸引了大量優(yōu)秀人才，匯聚了大量外來人口，廣東又是中國最早的開放地區(qū)，自古就和外界交往、貿(mào)易，同樣也是出國、移民、留學(xué)最多的地區(qū)之一，人們思想較為活躍，擁有強烈的外出需求，因而，廣東成為中國出游需求最旺盛的省份。

2.1.4 出游驅(qū)動力呈一定特征分布。把31個省份按照傳統(tǒng)東部、中部、西部地區(qū)的劃分方法進(jìn)行分區(qū)，按出游驅(qū)動指數(shù)由大到小分別排序(圖2b)。東部地區(qū)的出游驅(qū)動指數(shù)總體要明顯高于中部和西部，占所有出游驅(qū)動指數(shù)的 53.09%，而中部(占 23.97%)和西部(占22.74%)較低，但都有一個明顯的出游中心，分別是河南和四川。中部地區(qū)的峰值省份河南，在普遍認(rèn)知中并不是中部地區(qū)的政治文化商業(yè)中心，說明出游驅(qū)動指數(shù)和社會經(jīng)濟(jì)指標(biāo)表現(xiàn)出不完全相同的特征。

圖2 地區(qū)－省份出游驅(qū)動指數(shù)排序Fig.2 Sequence of region-province traveling driving index

2.2 地區(qū)分布聯(lián)系特征

現(xiàn)將標(biāo)準(zhǔn)化的省份×景區(qū)的粉絲矩陣R轉(zhuǎn)化為省份i到景點j的1 922組出游驅(qū)動流，并進(jìn)行由低到高排序，發(fā)現(xiàn)數(shù)據(jù)之間具有明顯的層級性(圖3)。隨著數(shù)量的增加，旅游驅(qū)動指數(shù)的總數(shù)呈現(xiàn)出類似于指數(shù)的增長趨勢。具體來說，有1 184條驅(qū)動流的驅(qū)動指數(shù)落在0～3之間，占總數(shù)的61.6%，有560條驅(qū)動流的驅(qū)動指數(shù)落在4～7之間，占總數(shù)的29.14%。僅有178條驅(qū)動流的驅(qū)動指數(shù)落在大于7的區(qū)間，占總數(shù)的9.26%，但是這178條驅(qū)動流的驅(qū)動指數(shù)卻占了總驅(qū)動指數(shù)的34%，代表了所有驅(qū)動流的走向和指數(shù)分布特征。

圖3 客源地—目的地出游驅(qū)動流排序Fig.3 Sequence of source-destination tourist flow

出游驅(qū)動流是從客源地到旅游目的地的有向流［22-23］。從空間上來看，旅游驅(qū)動流是旅游目的地、客源地和交通線路三者之間相互作用的結(jié)果?？驮吹厥锹糜悟?qū)動流的源，目的地是旅游驅(qū)動流的匯，旅游者的異地流動也將帶動一系列的物質(zhì)、信息和貨幣的流動，這三者的空間相互作用共同影響出游驅(qū)動流的分布。

將178條出游驅(qū)動流劃分為東、中、西部3個地區(qū)內(nèi)部及其之間的有向流(表2，圖4)，并用省會城市代表所在省份的出游情況。從旅游驅(qū)動流的源(省域客源地)來看，由東部出發(fā)的出游驅(qū)動流有120條，所占指數(shù)比例高達(dá)68.16%，占據(jù)了絕大部分流量，而從中、西部出發(fā)的出游驅(qū)動流分別占21.06%，10.78%，呈現(xiàn)出由東至西逐漸減弱的規(guī)律。從內(nèi)部聯(lián)系上來看，東部地區(qū)內(nèi)部聯(lián)系最為強烈，中西部內(nèi)部聯(lián)系相對較弱。從跨地區(qū)流量來看，東部向中部、東部向西部占總流量的37.79%，中部向東部、西部向東部的聯(lián)系占本地區(qū)發(fā)出流量的51.25%，32.59%。綜上所述，和東部的聯(lián)系占據(jù)了出游驅(qū)動流的絕大部分流量，東部地區(qū)由于其強大的經(jīng)濟(jì)基礎(chǔ)和高密度的人口分布以及高知名度的特色旅游景區(qū)成為旅游驅(qū)動流的主要目的地，而以成渝地區(qū)為代表的西部雖然社會經(jīng)濟(jì)已經(jīng)有了長足的發(fā)展，但其旅游驅(qū)動流量和中部地區(qū)的差距仍然較大。

表2 出游驅(qū)動流統(tǒng)計表Tab.2 Statistics of tourism drive flow

從匯(旅游目的地)也就是出游驅(qū)動流的末端(表3)來看，到達(dá)東部、中部、西部3個地區(qū)的出游驅(qū)動流的數(shù)量和總流量差距都不是很懸殊，尤其是西部地區(qū)甚至超過了中部地區(qū)。西部地區(qū)旅游驅(qū)動流的源(10.78%)和匯(32.59%)對比會發(fā)現(xiàn)，西部地區(qū)由于區(qū)域廣闊，旅游資源比較豐富，存在大量知名度高、獨具地方特色的優(yōu)質(zhì)景區(qū)，已經(jīng)吸引了大量的游客到西部地區(qū)觀光，在游客出游目的地選擇中處于越來越重要的位置，但從西部發(fā)出的旅游驅(qū)動流仍然處于較低的水平，自身的出游需求仍沒有趕上平均水平，地區(qū)發(fā)展仍不協(xié)調(diào)，人們的出游需求并沒有與經(jīng)濟(jì)建設(shè)同步增長。

表3 出游目的地區(qū)位統(tǒng)計表Tab.3 Statistics of tourism destination

每條出游驅(qū)動流的平均值都在12左右，呈穩(wěn)定狀態(tài)，分布較為均勻，進(jìn)一步說明了景區(qū)選取的合理性。同時反映中國旅游景區(qū)的流量呈均勻化分布，各個地區(qū)都有知名度高的景區(qū)并且吸引了大量游客;由于信息化程度的提高，人們接收新消息的渠道和范圍都大大拓寬，使各地游客的觀光范圍不再局限于本地或者附近的地區(qū)，而更愿意到全國各地看看不同風(fēng)土人情;現(xiàn)代交通工具的高度發(fā)達(dá)也使得人們的出游范圍發(fā)生翻天覆地的變化，距離不再是約束人們出游的主要因素。

圖4 東部、中部、西部地區(qū)旅游聯(lián)系Fig.4 The tourism connection of eastern，central，western region in China

進(jìn)一步對比分析東部、中部和西部地區(qū)間的出游驅(qū)動流聯(lián)系強度及地理特征(圖4)發(fā)現(xiàn)，中部和西部地區(qū)的出游驅(qū)動流總量少，更多地流向了東部，地區(qū)內(nèi)部的旅游流量次之，而中部向西部和西部向中部的流量非常少，共有12條驅(qū)動流，占總流量的6.17%，這說明中部和西部地區(qū)雖然總體上有一定的社會經(jīng)濟(jì)基礎(chǔ)作為支撐，能負(fù)擔(dān)得起較遠(yuǎn)的旅途(如西部向東部)，但是由于獲取消息的渠道相對閉塞，思想開放程度較低，旅游范圍僅僅局限在地區(qū)內(nèi)部和東部發(fā)達(dá)地區(qū)的著名旅游點，而很少去關(guān)注相鄰地區(qū)旅游點。

2.3 主要出游驅(qū)動力分布地區(qū)

全國出游驅(qū)動流集中分布在幾個主要地區(qū)，具體表現(xiàn)為“五大旅游出游地”(表4，圖5)。這五大地區(qū)總流量占178條出游驅(qū)動流流量的84.07%，占據(jù)了絕大多數(shù)流量，說明經(jīng)濟(jì)發(fā)達(dá)地區(qū)在出游驅(qū)動力方面處于絕對的主導(dǎo)地位。

從地區(qū)分布上看，3個主要的出游區(qū)域在東部，說明東部在旅客出游需求方面具有絕對優(yōu)勢，而北京地區(qū)、江浙滬地區(qū)和廣東地區(qū)剛好代表了華北、華東和華南這東部三大地區(qū)，說明東部地區(qū)的出游需求分布也較為均勻，東部地區(qū)的旅游發(fā)展處于較高的水平;中部和西部也各有一個主要出游區(qū)域(豫鄂湘地區(qū)和成渝地區(qū))作為地區(qū)的主要代表，說明中部和西部在旅游需求方面已經(jīng)具有一定的規(guī)模，但是分布差距較大，旅游業(yè)的總體發(fā)展不均衡，提升的空間仍然很大。從五大主要出游區(qū)域在全國的分布情況(圖5)來看，各主要出游地區(qū)的分布均比較廣泛，受距離的影響并不大?，F(xiàn)代交通工具越來越發(fā)達(dá)，尤其是隨著高鐵網(wǎng)絡(luò)的鋪開，人們24小時內(nèi)的抵達(dá)范圍幾乎遍布全國，航空網(wǎng)絡(luò)的成熟也使距離成本大大減少。目前，學(xué)者對客源旅游流形成的內(nèi)在驅(qū)動機制已經(jīng)進(jìn)行了非常詳盡的研究，但是在影響出游的諸多因子中，距離成本始終是主要的決定因素，而最新的數(shù)據(jù)表明由于距離成本的降低，人們獲取信息渠道的增加，距離對于人們選擇出游的影響在諸多影響因子中的重要性已經(jīng)大大降低。因此預(yù)測，在未來，距離和交通工具對出游距離的影響會越來越小。

表4 主要出游區(qū)域情況一覽表Tab.4 Introduction of the major travel regions

圖5 五大出游地區(qū)出游驅(qū)動分布Fig.5 Distribution of five major travel regions

3 結(jié)論與討論

新浪微博提供了用戶與用戶之間的關(guān)系數(shù)據(jù)，從而可以提取出出游驅(qū)動流的流量和流向數(shù)據(jù);新浪微博是一個實時的全新的數(shù)據(jù)源，體現(xiàn)的是最新的分布;越來越多的人關(guān)注，也使微博成為宣傳和交流的主要平臺，數(shù)據(jù)具有一定的權(quán)威性。因此，從新浪微博獲取數(shù)據(jù)為研究省域出游驅(qū)動力提供了一個全新的視角。

根據(jù)從新浪微博抓取的數(shù)據(jù)，計算出各省份的出游驅(qū)動指數(shù)以及地區(qū)與地區(qū)之間的出游驅(qū)動流。全國的出游驅(qū)動力分布差距較大，和社會經(jīng)濟(jì)指標(biāo)的分布整體趨勢大體一致，但仍呈現(xiàn)出了不同的特點:(1)廣東和北京是2個主要的出游地;(2)各地驅(qū)動力分布存在著明顯的等級關(guān)系和層級區(qū)分，并將各省份分為4個層級;(3)整體分布呈東部強，中部、西部相當(dāng)?shù)囊?guī)律;(4)由于地處中部地區(qū)以及受交通樞紐的影響，華東地區(qū)和華中地區(qū)的出游驅(qū)動力都有較高的指數(shù)。

通過將數(shù)據(jù)轉(zhuǎn)化成省份—景區(qū)的點對點出游驅(qū)動流，并從源和匯分析了旅游發(fā)展?fàn)顩r，發(fā)現(xiàn)和東部的聯(lián)系占了所有出游驅(qū)動流流量的82.5%。并找出了五大主要出游地區(qū):廣東地區(qū)、北京地區(qū)、江浙滬地區(qū)、豫鄂湘地區(qū)和成渝地區(qū)，這五大地區(qū)占所有流量的84.07%，東部地區(qū)的旅游發(fā)展均衡，旅游需求量和旅游接待量都很大，而中部和西部在旅游接待量方面已經(jīng)有了全面的發(fā)展，但是自身的出游需求并沒有相應(yīng)提高，特別是中部、西部地區(qū)之間的旅游交往很少。最后指出五大地區(qū)到全國的流量呈發(fā)散狀，和距離的關(guān)系并不明顯，由于高鐵網(wǎng)絡(luò)的鋪開和航空業(yè)的成熟發(fā)展，距離和交通工具對人們出游的制約將會越來越小。

目前，對旅游流的研究比較深入，視角多樣，但大多關(guān)注于現(xiàn)實旅游流，而對網(wǎng)絡(luò)空間虛擬旅游流涉足較少［24］。而新浪微博的受眾主要還是以10～45歲的較年輕的群體為主，并不能代表整個社會出游的規(guī)律，但是這個年齡段的人是現(xiàn)在出游的主力。隨著時間的推移，本研究的內(nèi)容將會成為未來出游驅(qū)動力空間分布特征的一個趨勢，具有一定的積極意義。

［1］ Matley I M.The Geography of International Tourism［R］.Washington DC:Association of American Geographers，1976.

［2］ Coshall J.Spectral Analysis of International Tourism Flows［J］.Annals of Tourism Research，2000，27(3):577-589.

［3］ Pearce D G.Tourist Development［M］.London:Longman Group Limited，1981.

［4］ 陳德廣.旅游驅(qū)動力研究［D］.開封:河南大學(xué)，2007.

［5］ 董亞娟，馬耀峰，李振亭，等.西安入境旅游流與城市旅游環(huán)境耦合協(xié)調(diào)關(guān)系研究［J］.地域研究與開發(fā)，2013，32(1):98-101.

［6］ Crampon L J.A New Technique to Analyze Tourist Markets［J］.The Journal of Marketing，1966，30(2):27-31.

［7］ Lundgren J O.Geographic Concepts and the Development of Tourism Research in Canada［J］.GeoJournal，1984，9(1):17-25.

［8］ Gnoth J.Tourism Motivation and Expectation Formation［J］.Annals of Tourism Research，1997，24(2):283-304.

［9］ Goossens C.Tourism Information and Pleasure Motivation［J］.Annals of Tourism Research，2000，27(2):301-321.

［10］ 張凌云.旅游流空間分布模型:普洛格理論在定量研究中的推廣［J］.地域研究與開發(fā)，1988，7(3):41-42.

［11］ 楊國良，張捷，艾南山，等.旅游流齊夫結(jié)構(gòu)及空間差異化特征——以四川省為例［J］.地理學(xué)報，2006，61(12):1281-1289.

［12］ 劉宏盈.長三角入境旅游流西向擴散效應(yīng)分析——以向陜西擴散為例［J］.地域研究與開發(fā)，2010，29(4):93-98.

［13］ 吳必虎.上海城市游憩者流動行為研究［J］.地理學(xué)報，1994，49(2):117-127.

［14］ 吳必虎.大城市環(huán)城游憩帶(ReBAM)研究——以上海市為例［J］.地理科學(xué)，2001，21(4):354-359.

［15］ 張紅，李九全，楊兆萍，等.西安境外游客結(jié)構(gòu)特征及時空動態(tài)模式研究［J］.干旱區(qū)地理，2000，23(2):165-169.

［16］ 保繼剛，鄭海燕，戴光全.桂林國內(nèi)客源市場的空間結(jié)構(gòu)演變［J］.地理學(xué)報，2002，57(1):96-106.

［17］ 張捷，都金康，周寅康，等.自然觀光旅游地客源市場的空間結(jié)構(gòu)研究——以九寨溝及比較風(fēng)景區(qū)為例［J］.地理學(xué)報，1999，54(4):71-78.

［18］ 鐘士恩，任黎秀，蔣志欣，等.客源地出游力的社會經(jīng)濟(jì)現(xiàn)象假說——基于中國國內(nèi)旅游出游力研究［J］.旅游學(xué)刊，2008，23(6):18-23.

［19］ 章錦河，張捷，李娜，等.中國國內(nèi)旅游流空間場效應(yīng)分析［J］.地理研究，2005，24(2):293-303.

［20］ 甄峰，王波，陳映雪.基于網(wǎng)絡(luò)社會空間的中國城市網(wǎng)絡(luò)特征——以新浪微博為例［J］.地理學(xué)報，2012，67(8):1031-1043.

［21］ 任瑞萍，吳晉峰，王奕祺，等.旅華美國旅游流地理分布和網(wǎng)絡(luò)結(jié)構(gòu)特征研究［J］.地域研究與開發(fā)，2013，32(5):144-150.

［22］ Leiper N.The Framework of Tourism:Towards a Definition of Tourism，Tourist，and the Tourist Industry［J］.Annals of Tourism Research，1979，6(4):390-407.

［23］ 唐順鐵，郭來喜.旅游流體系研究［J］.旅游學(xué)刊，1998，13(3):38-41.

［24］ 涂瑋，黃震方，方葉林.基于網(wǎng)絡(luò)團(tuán)購的虛擬旅游流空間差異及動力機制研究［J］.地域研究與開發(fā)，2013，32(4):84-89.