(南京大學 地理與海洋科學學院,江蘇 南京 210023)

旅游流一直是旅游地理學關注的焦點問題[1]。旅游流網(wǎng)絡結構能反映旅游流時空特征,對旅游規(guī)劃方向和旅游環(huán)境容量的確立具有指導意義[2]。社會網(wǎng)絡分析理論是研究旅游流網(wǎng)絡結構較為成熟的理論框架,研究尺度可分為國家、區(qū)域、省、市、景區(qū)等層面。國外學者最早將社會網(wǎng)絡分析理論用于旅游流時空特征研究[3,4]，國內(nèi)學者同樣較為關注這一領域,研究內(nèi)容涵蓋了旅游流網(wǎng)絡構建[5,6]、省際旅游流時空特征[7]、城市間旅游流時空特征[8,9]、城市內(nèi)旅游流時空特征[10]、旅游流空間結構與經(jīng)濟的聯(lián)系[11]、入境旅游流網(wǎng)絡結構特征[12-15]等方面。

當前的研究中多用非加權的社會網(wǎng)絡方法構建旅游流網(wǎng)絡,通過設置斷點值將多值矩陣轉(zhuǎn)化為非加權的二分網(wǎng)絡矩陣,其中斷點值的設置主要由個人決定,因此缺乏科學依據(jù)。在基于此方法構建的網(wǎng)絡中,邊的權值為定值,即存在聯(lián)系的節(jié)點之間的聯(lián)系強度均相同。但在現(xiàn)實網(wǎng)絡中,邊的權值是衡量節(jié)點間聯(lián)系強度非常的重要指標[16],在構建二分網(wǎng)絡矩陣的過程中會造成信息丟失,使網(wǎng)絡結構難以被詳細描述[17]。

鑒于此,本研究以定量描述邊的權值為主要切入點,依托南京市智慧旅游大數(shù)據(jù)的監(jiān)測平臺,運用加權方法對南京市旅游流網(wǎng)絡進行了深入分析,在驗證方法有效性的基礎上,探究網(wǎng)絡的結構特征,為旅游流網(wǎng)絡研究在方法上提供了改進。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本研究采用2015年7月1日至2016年6月30日共366天的南京市景區(qū)組合線路數(shù)據(jù)。該數(shù)據(jù)由已經(jīng)過清洗、匯總和統(tǒng)計的手機信令數(shù)據(jù)生成,來源于南京市智慧旅游大數(shù)據(jù)監(jiān)測平臺。平臺監(jiān)測范圍覆蓋了南京市34個主要景區(qū)(表1),基本涵蓋了南京市所有熱門景區(qū)。手機信令數(shù)據(jù)具有規(guī)模大、時效性強的特點,因此監(jiān)測平臺的數(shù)據(jù)具有較好的代表性,有助于有效分析旅游流網(wǎng)絡特征。

表1 平臺監(jiān)測覆蓋的景區(qū)構成

1.2 研究方法

本研究使用以復雜網(wǎng)絡理論為基礎的加權方法,通過計算節(jié)點結構參數(shù)和網(wǎng)絡同配性對南京市旅游流網(wǎng)絡進行分析。在加權方法的有效性得到驗證的基礎上,對每日數(shù)據(jù)按月份整合,探究南京市旅游流網(wǎng)絡結構時序變化特征。

網(wǎng)絡矩陣構建:由于景區(qū)組合線路數(shù)據(jù)是無向的,需要將組合線路數(shù)據(jù)拆分為無向節(jié)點對,匯總后得到節(jié)點對之間的客流量,并進一步建立網(wǎng)絡矩陣,數(shù)據(jù)處理流程見圖1。

圖1 數(shù)據(jù)處理流程

如在一條線路中,景區(qū)A到景區(qū)B客流量為50，在另一條線路中,景區(qū)B到景區(qū)A的客流量為20,且其他組合線路中不含景區(qū)對(A,B)之間的客流,則景區(qū)對(A,B)間的客流量為70。在驗證加權方法的有效性方面,需分別基于加權方法和非加權的社會網(wǎng)絡方法構建加權網(wǎng)絡矩陣與非加權的二分網(wǎng)絡矩陣,對比各項結構參數(shù)的分析結果。為了統(tǒng)一數(shù)據(jù)處理口徑,預設相同的斷點值構建加權網(wǎng)絡矩陣與二分網(wǎng)絡矩陣?？紤]到單條景區(qū)組合線路客流量的最小值為1,最大值可達43291。本研究假設客流量小于20人的景區(qū)對不具代表性,即設置20為斷點值。若景區(qū)對A、B間的客流量小于20人,則二分網(wǎng)絡矩陣中(A,B)與(B,A)單元的值為0,反之為1;加權網(wǎng)絡矩陣中(A,B)與(B,A)單元的值為0,反之為邊權。邊權按其意義可劃分為相似權與相異權,相似權與相異權用于構建不同的加權網(wǎng)絡以支持結構參數(shù)的計算。節(jié)點對之間的相似權越大或相異權越小,則節(jié)點對之間的聯(lián)系越強。在邊權計算方面,采用景區(qū)對之間的客流量作為相似權,取相似權的倒數(shù)作為相異權。在計算度數(shù)中心性、集聚系數(shù)、網(wǎng)絡同配性時,構建相似權網(wǎng)絡矩陣;計算接近中心性與中介中心性時,構建相異權網(wǎng)絡矩陣。

結構參數(shù)計算:基于Python語言,采用復雜網(wǎng)絡分析工具包NetworkX[18]完成各參數(shù)的計算與數(shù)據(jù)處理。設無向網(wǎng)絡G=(V,E)。式中,V為節(jié)點集合；E為邊集合；N為節(jié)點個數(shù)。各項參數(shù)計算方法如下[19-22]:

度數(shù)中心性:節(jié)點vi的鄰邊數(shù)ki稱為該節(jié)點vi的度,在加權網(wǎng)絡中與非加權網(wǎng)絡中節(jié)點度相對應的是點權,點權是節(jié)點度的自然推廣。節(jié)點vi的點權Si定義為與它關聯(lián)的邊權之和,計算公式為:

(1)

式中,Ni為與節(jié)點vi鄰接的節(jié)點集合;wij為節(jié)點vi與節(jié)點vj所成的邊上的權重。在非加權網(wǎng)絡中,節(jié)點vi的度數(shù)中心性CD(vi)為其度數(shù)ki除以網(wǎng)絡中其他節(jié)點個數(shù)(N-1);在加權網(wǎng)絡中,節(jié)點vi的度數(shù)中心性CD(vi)為其點權Si除以(N-1)。度數(shù)中心性描繪了節(jié)點與其他節(jié)點聯(lián)系的強度,是節(jié)點在網(wǎng)絡中集散作用的體現(xiàn)。

接近中心性:節(jié)點vi的接近中心性Cc(vi)可表示為:

(2)

式中,dij為節(jié)點vi到節(jié)點vj的最短路徑長度。接近中心性Cc(vi)即節(jié)點vi到其他所有節(jié)點最短路徑之和的倒數(shù)乘以其他節(jié)點個數(shù);在非加權網(wǎng)絡中,路徑的長度為所經(jīng)過邊數(shù)之和;在加權網(wǎng)絡中,路徑長度為所經(jīng)過邊的長度之和。該參數(shù)反映了節(jié)點在網(wǎng)絡中居于中心的程度,指標越大,說明該節(jié)點與其他節(jié)點的聯(lián)系越密切,在網(wǎng)絡中地位越高。

中介中心性:節(jié)點中介中心性CB(vi)是指網(wǎng)絡中某一節(jié)點與其他各點之間相間隔的程度,可表示為:

CB(vi)=2Bi/[(N-2)(N-1)]

(3)

式中,Bi為通過節(jié)點vi的最短路徑數(shù)目。該參數(shù)反映一個點幫助不相鄰點間建立連接的程度,指數(shù)越高說明節(jié)點對網(wǎng)絡連接建立的貢獻越大,對其他節(jié)點的控制作用越強。

集聚系數(shù):設節(jié)點vi的度為ki,在非加權網(wǎng)絡中,節(jié)點vi的集聚系數(shù)可表示為:

Ci=2Mi/[ki(ki-1)]

(4)

式中,Mi表示與節(jié)點vi鄰接的ki個節(jié)點間實際存在的邊數(shù)。在加權網(wǎng)絡中,集聚系數(shù)的計算公式[21]為:

(5)

同配性:同配性用以考察度值相近的節(jié)點是否傾向于互相連接。同配性的計算公式為:

(6)

式中,ki、kj分別表示邊eij的兩個節(jié)點vi、vj的度(加權網(wǎng)絡中為點權);M表示網(wǎng)絡的總邊數(shù)。若r<0,則網(wǎng)絡為負相關;若r>0,則網(wǎng)絡為正相關;若r=0,則網(wǎng)絡為不相關。在非加權網(wǎng)絡中,同配性描述的是度—度相關性。如果度大的節(jié)點傾向于與度大的節(jié)點連接,則網(wǎng)絡為正相關;反之,若度大的節(jié)點傾向于與度小的節(jié)點連接,則網(wǎng)絡為負相關。在加權網(wǎng)絡中,與非加權網(wǎng)絡的度—度相關性類似,可用點權—點權相關性來描述網(wǎng)絡的同配性。

2 旅游流加權網(wǎng)絡分析

2.1 加權方法的有效性驗證

為使驗證過程具有代表性,避免隨機性,在結構參數(shù)計算方面選取研究時段中的整月數(shù)據(jù)進行分析;在反映整體網(wǎng)絡特征的同配性計算時,選取所有日期的數(shù)據(jù)進行分析。基于原始數(shù)據(jù)分別使用加權方法與非加權的社會網(wǎng)絡方法構建旅游流網(wǎng)絡,對各個參數(shù)的計算結果進行比較,驗證加權方法的有效性,總結加權方法的優(yōu)勢。

網(wǎng)絡結構參數(shù)分析:選取2016年1月份的數(shù)據(jù)進行分析,計算各景區(qū)節(jié)點每日網(wǎng)絡結構參數(shù)并進行極差標準化,將結果換算為百分數(shù),考察景區(qū)節(jié)點的月平均值。利用基于景區(qū)位置構建的泰森多邊形代表景區(qū)節(jié)點,便于各項結構參數(shù)的表達。為了得到各項結構參數(shù)的空間分布格局,在ArcMap中使用自然斷點法,按數(shù)值大小將景區(qū)節(jié)點劃分為高值、較高值、較低值、低值4類。圖2中I—IV為非加權網(wǎng)絡分析結果,V—VIII為加權網(wǎng)絡分析結果。

注:A為夫子廟;B為玄武湖;C為南京市博物館;D為總統(tǒng)府;E為金牛湖;F為明文化村;G為南京博物院;H為梅園新村;I為南京科技館;J為南京大屠殺遇難同胞紀念館;K為牛首山;L為棲霞山;M為求雨山文化園;N為天生橋景區(qū);O為紅山動物園;P為銀杏湖;Q為游子山;R為雨花臺;S為閱江樓;T為珍珠泉;U為鐘山風景區(qū);V為周園;W為紫清湖;X為高淳老街。

圖2南京市旅游流網(wǎng)絡結構參數(shù)空間分布

由圖2可知,在非加權網(wǎng)絡各項結構參數(shù)的計算中,絕大部分節(jié)點對應的參數(shù)值分布在100或0附近,具有集中化、二極化的特點,而加權網(wǎng)絡的計算結果可改善這種狀況。結合圖2中加權網(wǎng)絡和非加權網(wǎng)絡除中介中心性外的各項參數(shù)的空間分布狀況進行對比分析可知,非加權網(wǎng)絡中除中介中心性外的各參數(shù)高值與較高值節(jié)點群在加權網(wǎng)絡中被進一步劃分為三類,分別為位于主城區(qū)東的高值集群、主城區(qū)西的較高值集群和主城區(qū)外圍較低值集群,且相比于非加權網(wǎng)絡,加權網(wǎng)絡呈現(xiàn)出清晰的主城區(qū)東—主城區(qū)西—主城區(qū)外圍—郊區(qū)的由高值到低值的空間分布格局。在中介中心性方面,非加權網(wǎng)絡中的高值節(jié)點集群在加權網(wǎng)絡中被精簡,有5個節(jié)點對應非0值,其中夫子廟、玄武湖為高值集群,因加權網(wǎng)絡在描述節(jié)點間最短路徑時,能夠脫離非加權網(wǎng)絡用邊的數(shù)量描述路徑長度的局限,節(jié)點間路徑長度衡量了聯(lián)系強度,與其他節(jié)點聯(lián)系更密切的少數(shù)節(jié)點占據(jù)了網(wǎng)絡中的控制位置。據(jù)此,加權網(wǎng)絡比非加權網(wǎng)絡在描述網(wǎng)絡結構上更為具體、清晰,更有利于探究旅游流網(wǎng)絡特征。

圖3 鐘山風景區(qū)結構參數(shù)與網(wǎng)絡中游客量的時序變化

以鐘山風景區(qū)為例,對其在網(wǎng)絡中各月份游客量和結構參數(shù)的時序變化情況進行分析,圖3a、3b分別為加權網(wǎng)絡和非加權網(wǎng)絡的分析結果。從圖3可見,網(wǎng)絡中景區(qū)游客量的變化不足以充分描述節(jié)點在網(wǎng)絡中的地位和作用的波動,網(wǎng)絡結構參數(shù)的時序變化特征在加權網(wǎng)絡中得到了更清晰、明確的體現(xiàn)。加權網(wǎng)絡結構參數(shù)是客流分布的具體表達,與網(wǎng)絡中游客量這一指標相比,含義更豐富,其時序特征反映了節(jié)點在網(wǎng)絡中地位和作用的變化。

網(wǎng)絡同配性分析:結合度數(shù)與點權指標,分別計算每日旅游流網(wǎng)絡的同配性。由表2可知,南京市旅游流網(wǎng)絡同配性在兩種方法下均為負,說明網(wǎng)絡中較熱門的景區(qū)傾向于與較冷門的景區(qū)相連,熱門景區(qū)對冷門景區(qū)具有促進效應。相關系數(shù)時間序列的波動幅度均較小,加權網(wǎng)絡的序列更為穩(wěn)定。在非加權網(wǎng)絡的同配性計算中,共出現(xiàn)139個無效日期,原因是在當日的旅游流網(wǎng)絡中,每個節(jié)點都與其他節(jié)點存在連接,所有節(jié)點度數(shù)相同,不存在Pearson相關系數(shù)。因此,加權方法有助于避免非加權網(wǎng)絡中因相關系數(shù)不存在造成的無效性問題。

綜上可知,加權方法由于保留了絕大部分有效信息,在一定程度上避免了非加權的社會網(wǎng)絡方法帶來的集中化、二極化和無效化等問題,有助于更加具體清晰地描繪網(wǎng)絡結構特征,有效性已得到驗證。同時,加權網(wǎng)絡結構參數(shù)的時間序列有助于反映節(jié)點在網(wǎng)絡中地位和作用的波動,因此可基于加權方法進一步探究南京市旅游流網(wǎng)絡結構的時序變化特征。

圖4 度數(shù)中心性時序變化特征

2.2 網(wǎng)絡結構時序變化特征分析

基于加權方法計算景區(qū)各月的結構參數(shù),歸納其時序變化特征。各景區(qū)度數(shù)中心性、接近中心性、中介中心性和集聚系數(shù)時序變化特征的不同類型見圖4—7。度數(shù)中心性是節(jié)點在網(wǎng)絡中集散作用的體現(xiàn)。由圖4可知,各景區(qū)度數(shù)中心性的時序變化特征主要分為波動型和穩(wěn)定型(由于零值型節(jié)點數(shù)值為0或接近0,集散作用較弱,因此不予呈現(xiàn))。在穩(wěn)定型節(jié)點中,夫子廟、玄武湖在全部時段內(nèi)保持高值,是網(wǎng)絡中的集散中心,波動型節(jié)點存在淡季與旺季的差異。

接近中心性反映了節(jié)點在網(wǎng)絡中居于中心的程度。由圖5可知,各景區(qū)接近中心性的時序變化特征可分為波動型、穩(wěn)定型、單峰型。在研究時段內(nèi),單峰型節(jié)點均在第二季度出現(xiàn)峰值;波動型節(jié)點的旺季普遍為第二、三季度;穩(wěn)定型節(jié)點中,銀杏湖呈現(xiàn)持續(xù)低值,其他節(jié)點呈現(xiàn)持續(xù)高值,在網(wǎng)絡中的中心地位較穩(wěn)定。

圖5 接近中心性時序變化特征

中介中心性反映了節(jié)點在網(wǎng)絡中對其他節(jié)點的控制作用。從圖6可見,各景區(qū)中介中心性的時序變化特征主要分為波動型和單峰型(由于多數(shù)節(jié)點為零值型,在網(wǎng)絡中未起到控制作用,因此不予呈現(xiàn))。單峰型節(jié)點的峰值均出現(xiàn)在第一、二季度;波動型節(jié)點擁有網(wǎng)絡中最高的中介中心性,其中夫子廟在1月、6月最高,鐘山風景區(qū)在第三季度最高,玄武湖在其余時段為最高,說明起主導控制作用的波動型節(jié)點的出現(xiàn)具有時間差異。

圖6 中介中心性時序變化特征

圖7 集聚系數(shù)時序變化特征

集聚系數(shù)反映了節(jié)點對相鄰節(jié)點的帶動作用。從圖7可見,各景區(qū)集聚系數(shù)的時序變化特征可分為波動型、穩(wěn)定型、單峰型。在研究時段內(nèi),單峰型節(jié)點的數(shù)值普遍在第二季度升高;波動型節(jié)點的峰值出現(xiàn)在不同時段;穩(wěn)定型節(jié)點中夫子廟、玄武湖保持高值,對相鄰節(jié)點具有強帶動作用。

綜合以上4項結構參數(shù)的分析可知,各個景區(qū)在網(wǎng)絡中地位和作用具有較為鮮明的時序變化特征。夫子廟、玄武湖的各項參數(shù)均為網(wǎng)絡中的最高值,具有最強的集散、控制和帶動作用,是網(wǎng)絡的核心節(jié)點。多數(shù)景區(qū)節(jié)點在第二季度各項參數(shù)升高,反映出網(wǎng)絡結構于此時發(fā)生了顯著改變。鐘山風景區(qū)、南京大屠殺遇難同胞紀念館、求雨山文化園、南京市博物館、高淳老街在除中介中心性以外的其他三項參數(shù)中表現(xiàn)相似,說明這些節(jié)點在網(wǎng)絡中所處地位與集散、帶動作用呈現(xiàn)相似的時序變化特征,在各自的旺季更易發(fā)揮優(yōu)勢。其中,鐘山風景區(qū)與南京大屠殺遇難同胞紀念館的旺季出現(xiàn)在第二、三季度,求雨山文化園與南京市博物館的旺季出現(xiàn)在第二季度,高淳老街的旺季為1月份。金牛湖、紫清湖、牛首山、游子山、天生橋等生態(tài)游景區(qū)的度數(shù)中心性與中介中心性呈現(xiàn)持續(xù)低值,第二季度的接近中心性和集聚系數(shù)顯著升高,表明其在網(wǎng)絡中地位上升,帶動作用增強,也反映出這些節(jié)點在第二季度更多地參與了游線的組合,且承接了較多來自其他節(jié)點的客流,是游客在該時段生態(tài)游傾向上升、游覽范圍擴大的體現(xiàn)。

3 結論與討論

3.1 結論

本文基于加權方法對南京市旅游流網(wǎng)絡結構分析的結果顯示,網(wǎng)絡同配性為負,其中各個景區(qū)在網(wǎng)絡中地位和作用具有較為明顯的時序變化特征,特別是在第二季度,網(wǎng)絡結構的變化反映出游客的生態(tài)游傾向上升。為滿足游客在不同時段的出游傾向,充分發(fā)揮各景區(qū)在不同時段的優(yōu)勢,需圍繞網(wǎng)絡中以夫子廟、玄武湖為主的核心景區(qū)制訂合適的營銷策略,增強景區(qū)間交通通達性,打造優(yōu)化的旅游線路組合以利用其促進效應,并有效引導核心景區(qū)在游覽旺季所溢出的客流。在當前大數(shù)據(jù)應用范圍愈加廣泛的背景下，結合旅游大數(shù)據(jù)的加權旅游流網(wǎng)絡分析將有助于發(fā)掘蘊含在網(wǎng)絡演化特征中的游客傾向與需求，對城市旅游線路運營和營銷策劃具有現(xiàn)實意義與參考價值。

3.2 討論

與非加權的社會網(wǎng)絡方法相比,加權方法結合具體數(shù)據(jù)為邊的權重賦值,有助于量化各個節(jié)點之間的聯(lián)系,在網(wǎng)絡結構參數(shù)計算方面從一定程度上彌補了非加權網(wǎng)絡中出現(xiàn)的集中化、二極化、無效化等不足,描述網(wǎng)絡結構更加具體、清晰,為旅游流網(wǎng)絡研究提供了方法改進。未來需結合空間距離、時間間隔等更多指標量化景區(qū)節(jié)點之間的聯(lián)系并對旅游流網(wǎng)絡中的交互影響因素、機制加以描述,考慮節(jié)點增減對網(wǎng)絡結構的動態(tài)影響,進行時間尺度更細的網(wǎng)絡結構長期演化分析,以期更深入地探索旅游流網(wǎng)絡的時空特征。