徐菁 靳誠

[摘? ? 要]旅游關(guān)注是旅游虛擬空間的重要表現(xiàn)形式，文章基于百度指數(shù)探討旅游關(guān)注空間格局特征，并建立面向線狀要素的空間相互作用局部分析模型，探討影響因素作用的空間異質(zhì)性。旅游關(guān)注網(wǎng)絡(luò)存在差異，高關(guān)注度省份集聚于東部地區(qū)。局部模型擬合結(jié)果優(yōu)于全局模型，能很好解釋旅游關(guān)注。景區(qū)數(shù)量和GDP對旅游關(guān)注具有促進作用，距離則為抑制作用。各影響因素作用存在空間異質(zhì)性，景區(qū)數(shù)量對短距離關(guān)注具有較強影響，西部省份的經(jīng)濟發(fā)展水平對長距離關(guān)注有更強影響，經(jīng)濟較好省份受到關(guān)注距離的影響較小。在旅游關(guān)注這一虛擬空間中，距離效應(yīng)依然存在，但作用強度弱于現(xiàn)實空間。文章構(gòu)建的線狀要素空間相互作用局部分析模型，為理解旅游關(guān)注網(wǎng)絡(luò)乃至其他類型網(wǎng)絡(luò)（流動）的形成機制提供了一種新的空間分析方法。

[關(guān)鍵詞]旅游關(guān)注;網(wǎng)絡(luò);影響因素;空間異質(zhì)性

引言

隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)的飛速發(fā)展，世界已然進入了信息化、數(shù)字化和網(wǎng)絡(luò)化的嶄新時代[1]。信息技術(shù)的發(fā)展對社會經(jīng)濟空間組織有著潛在的影響，高效的互聯(lián)信息使得傳統(tǒng)時空概念、地理空間正在被重新認識[2]。作為傳統(tǒng)地理空間的延伸與異化的虛擬空間日益受到學者的關(guān)注[3]，基于地理空間和網(wǎng)絡(luò)空間相互融合而形成的地理網(wǎng)絡(luò)空間成為洞悉虛擬與現(xiàn)實相互作用的有效橋梁[4，5]?？焖侔l(fā)展的信息化在改變傳統(tǒng)生產(chǎn)、生活空間同時，也為地理要素空間認知提供了新的分析視角。信息網(wǎng)絡(luò)產(chǎn)生的時空數(shù)據(jù)為理解地理空間的格局特征、相互聯(lián)系、時空過程、結(jié)構(gòu)模式提供了數(shù)據(jù)支撐。如Malecki利用全球主要城市的互聯(lián)網(wǎng)數(shù)據(jù)，分析了全球網(wǎng)絡(luò)信息中心的分布傾向[6]，亦有學者通過互聯(lián)網(wǎng)數(shù)據(jù)分析網(wǎng)絡(luò)信息空間的生產(chǎn)與格局[7-9]。在國內(nèi)，汪明峰和寧越敏基于互聯(lián)網(wǎng)基礎(chǔ)設(shè)施分析了中國互聯(lián)網(wǎng)絡(luò)的地理格局及其城市體系[10]，王波和甄峰利用百度搜索數(shù)據(jù)分析互聯(lián)網(wǎng)下的中國城市等級體系[11]，甄峰等基于新浪微博分析中國城市網(wǎng)絡(luò)體系特征[12]。

旅游業(yè)具有很好的經(jīng)濟社會效益，已成為全球經(jīng)濟發(fā)展中勢頭最強勁的產(chǎn)業(yè)之一，在國民經(jīng)濟中的重要地位日益凸顯[13]。伴隨著旅游業(yè)的快速發(fā)展，旅游空間作為一種獨特而又重要的地理空間形式日益得到重視。新的信息技術(shù)、網(wǎng)絡(luò)數(shù)據(jù)也同樣在旅游空間分析中得到應(yīng)用，學者主要是利用互聯(lián)網(wǎng)數(shù)據(jù)進行網(wǎng)站訪問行為[14]、規(guī)劃旅游行程[15-16]、游客流動過程[17-18]、目的地形象構(gòu)建[19-20]等方面的研究。

近年來，有學者開始涉及基于互聯(lián)網(wǎng)的旅游關(guān)注分析。旅游關(guān)注是現(xiàn)實旅游活動的一種前置行為[21]，同時其本身又是一種存在于網(wǎng)絡(luò)的虛擬空間。學者對旅游關(guān)注研究主要集中在以下兩個方面：一是探討旅游關(guān)注度與現(xiàn)實旅游要素，特別是現(xiàn)實客流的相互關(guān)系，研究主要集中在景區(qū)層面，且以華山、平遙古城、九寨溝等高等級景區(qū)為主[22-25]，亦有學者探討省域尺度旅游關(guān)注的差異[26-27]及中國旅游地的國際關(guān)注[28]，分析發(fā)現(xiàn)網(wǎng)絡(luò)關(guān)注與景區(qū)客流具有較好的耦合性，對現(xiàn)實客流具有前兆和引導作用[20，29];在相互關(guān)系分析基礎(chǔ)上，學者構(gòu)建基于網(wǎng)絡(luò)關(guān)注的預測模型，預測客流變化[30-33]。二是分析旅游關(guān)注本身，討論旅游關(guān)注的時空特征[34]，并從氣候變化[35]、節(jié)事活動[36]、旅游安全[37]等方面解釋旅游關(guān)注的時空變化，從資源豐度、經(jīng)濟水平、人口數(shù)量等方面解釋旅游關(guān)注的形成機制[38]。

對旅游關(guān)注的深入分析，一方面，可以理解這一獨特網(wǎng)絡(luò)虛擬空間的格局特征與形成機制;另一方面，可以深入認知游客流動行為，具有很好的研究意義。學者對旅游關(guān)注的分析得到許多有益結(jié)論，但在以下3個方面值得進一步深入探討：

一是旅游關(guān)注的網(wǎng)絡(luò)化問題。在未來的研究范式中，針對要素之間相互關(guān)系及其相互作用的系統(tǒng)分析變得愈加重要，網(wǎng)絡(luò)分析成為理解空間聯(lián)系、流動空間最有效的切入點[39]。旅游關(guān)注在空間上并非孤立，不同地域之間的旅游關(guān)注是相互交織聯(lián)系的，并以網(wǎng)絡(luò)形式呈現(xiàn)出來，以往分析多是針對單個關(guān)注或者多個關(guān)注之間的比較，而從網(wǎng)絡(luò)視角分析旅游關(guān)注有待加強，這有利于揭示對這一虛擬空間的格局特征。

二是影響要素空間作用的非平穩(wěn)性問題。地理要素在空間上是存在相互聯(lián)系的，即存在近鄰性[40]。旅游關(guān)注網(wǎng)絡(luò)及其影響因素和其他空間要素一樣，存在空間依賴，并產(chǎn)生空間異質(zhì)性[41]。然而在以往分析中，研究者往往認為旅游關(guān)注的影響因素是穩(wěn)定的，并利用全局回歸模型來解釋旅游關(guān)注，忽視了影響要素空間作用的非平穩(wěn)性問題。旅游關(guān)注影響因素作用的異質(zhì)性分析有利于進一步揭示旅游關(guān)注的形成機制。

三是線狀要素局部分析模型問題。旅游關(guān)注在空間上可以抽象為線狀要素，要解決旅游關(guān)注影響要素作用的異質(zhì)性，就是要構(gòu)建基于線狀要素的局部分析模型。局部分析模型最為著名的是GWR（geographically weighted regression）模型[42]，但其空間分析多是利用面域或者點狀數(shù)據(jù)進行分析。線狀聯(lián)系作為空間活動的一種常見形態(tài)，不同路徑之間亦存在相互作用及其相互依賴。線狀要素包括兩個端點，其屬性數(shù)據(jù)表現(xiàn)為具有起始點的二維矩陣，面域、點狀數(shù)據(jù)屬性則表現(xiàn)為一維的單列數(shù)據(jù)，因而線狀聯(lián)系間相互作用復雜程度要高于面域、點狀間的相互作用。構(gòu)建線狀空間局部分析模型成為理解旅游關(guān)注形成機制的重要一環(huán)。

為解決上述3個科學問題，本文以百度關(guān)注指數(shù)為數(shù)據(jù)來源，構(gòu)建旅游關(guān)注指數(shù)，從網(wǎng)絡(luò)化視角分析旅游關(guān)注的空間特征，并建立基于線狀要素的局部分析模型，探討影響因素作用的空間異質(zhì)性。以期深化對旅游網(wǎng)絡(luò)關(guān)注這一虛擬空間格局及其形成機制的認知。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

百度指數(shù)是以百度海量網(wǎng)民行為數(shù)據(jù)為基礎(chǔ)的數(shù)據(jù)分享平臺。百度搜索指數(shù)以網(wǎng)民在百度的搜索量為數(shù)據(jù)基礎(chǔ)，以關(guān)鍵詞為統(tǒng)計對象，科學計算出各個關(guān)鍵詞搜索頻次的加權(quán)和。根據(jù)搜索者區(qū)域的不同，可以按照地域?qū)γ總€關(guān)鍵詞的搜索指數(shù)進行劃分。本文利用百度搜索指數(shù)來構(gòu)建省域間旅游關(guān)注指數(shù)，搜索時段為2017年全年，從1月1日到12月31日。本文從省、市兩個尺度綜合考慮旅游關(guān)注，公式如下：

式（1）中，Aij為i省對j省的旅游關(guān)注指數(shù)，TSIij為i省對j省的省域尺度旅游搜索指數(shù)，TSIijk為i省對j省k市的旅游搜索指數(shù)，n為j省域內(nèi)設(shè)區(qū)市的數(shù)量。本文研究對象為我國的31個省、直轄市和自治區(qū)（不含港澳臺），最終得到31×31的旅游關(guān)注網(wǎng)絡(luò)矩陣。在關(guān)鍵詞的選擇上，省域尺度搜索關(guān)鍵詞為“省區(qū)名+旅游”“省區(qū)名+景點”，市域尺度關(guān)鍵詞為“城市名+旅游”“城市名+景點”。選擇關(guān)鍵詞和省市兩個尺度綜合分析的原因如下：首先，本文研究全國省域之間的旅游關(guān)注，考慮到單純進行省域之間的關(guān)注搜索數(shù)據(jù)較粗，因而本文增加了市域尺度的搜索數(shù)據(jù)，以增強分析的精度。其次，本研究關(guān)鍵詞為“旅游”“景點”，選擇“旅游”的原因在于，游客可以通過其獲取目的地旅游攻略等相關(guān)信息，便于更為全面地了解目的地情況;選擇景點的原因在于，游客在前往某一地區(qū)進行深入旅游時候，需要關(guān)注當?shù)氐木包c資源，往往會搜索當?shù)卮嬖谀男┞糜尉包c，而后進行合理的路線規(guī)劃。

在本文分析中還涉及其他兩類數(shù)據(jù)：一類是空間數(shù)據(jù)，省域行政區(qū)數(shù)據(jù)來源于國家基礎(chǔ)地理信息中心網(wǎng)站;選擇省會間的公路交通距離作為兩省之間的交通距離，通過百度地圖獲取，省域自身距離為該省所有兩兩設(shè)區(qū)市之間公路交通距離的平均值。另一類是社會經(jīng)濟數(shù)據(jù)，人口、GDP等數(shù)據(jù)來源于中國統(tǒng)計年鑒，各省域5A級景區(qū)及其世界遺產(chǎn)數(shù)量來源于文化和旅游部網(wǎng)站。

1.2 研究方法

1.2.1? ? 網(wǎng)絡(luò)和節(jié)點格局分析指標

旅游關(guān)注網(wǎng)絡(luò)格局分析指標如下：

式中，ME為平均關(guān)注量，IN為不均衡度，AD為平均關(guān)注距離。Aij為i省對j省的旅游關(guān)注指數(shù)，n和m分別為關(guān)注節(jié)點和被關(guān)注節(jié)點的個數(shù)，dij為兩個節(jié)點間的距離，abs為取絕對值函數(shù)。不均衡度表征關(guān)注之間的差異，分布在0～1之間，數(shù)值越大，分布越不均衡。

式中，Pouti、Pini、ASi分別為省域i的關(guān)注度、被關(guān)注度以及關(guān)注優(yōu)勢度，n為省域的數(shù)量。關(guān)注度反映了省域i對所有省份旅游關(guān)注情況，被關(guān)注度反映了省域i旅游被其他省份關(guān)注情況。ASi為關(guān)注度和被關(guān)注度的比值，反映省域i的關(guān)注與被關(guān)注差異。

1.2.2? ? 線狀要素空間相互作用局部模型

利用引力模型這一空間相互作用經(jīng)典解釋模型來闡述網(wǎng)絡(luò)關(guān)注的形成機制。選擇被關(guān)注地景區(qū)數(shù)量來表征吸引力，高級別景點在省域間更易獲得關(guān)注，因而本文選擇5A級景點和世界遺產(chǎn)數(shù)量作為吸引指標。經(jīng)濟發(fā)展水平影響居民出游能力，進而影響旅游關(guān)注，本文選擇關(guān)注者所在省份的GDP作為推力指標。選擇省會間公路距離作為距離影響指標。基于引力模型的旅游關(guān)注解釋模型可表達如下：

式（8）中，Aij為i省對j省的關(guān)注度，ATTj為j省景區(qū)個數(shù)，GDPi為i省的GDP，dij為i省和j省之間距離，k、α、β、γ為系數(shù)。式（8）的影響因素被認為是全局的，即在回歸擬合中獲得唯一的參數(shù)估計。在現(xiàn)實世界中，同一要素對不同空間旅游關(guān)注的影響存在差異。為深入地理解影響因素作用的異質(zhì)性，有必要從局部視角構(gòu)建分析模型，公式如下：

式（9）中，Aij、ATTj、GDPi、dij含義同上，參數(shù)估計與式（8）不同，針對每一個關(guān)注Aij都會得到與之對應(yīng)的參數(shù)估計值kij、αij、βij、γij。對于局部模型參數(shù)估計需要考慮擬合模型、權(quán)重矩陣、不同關(guān)注之間距離以及最優(yōu)帶寬4個問題。適用于高斯分布的最小二乘法參數(shù)估計和適用于泊松分布的極大似然法參數(shù)估計常被用來進行局部分析。旅游關(guān)注的結(jié)果數(shù)值均為計數(shù)整數(shù)，分布呈現(xiàn)出離散，更適合選用計數(shù)分布的泊松分布。旅游關(guān)注的泊松模型如下：

式（11）中，[i*j*]代表需要校正旅游關(guān)注的起始省份。Wij為空間權(quán)重矩陣，高斯核函數(shù)（Gaussian kernel）和雙重平方核函數(shù)（bi-square kernel）常被用來定義權(quán)重矩陣，本研究選擇后者定義權(quán)重矩陣，公式如下：

式（12）中，[diji'j']為關(guān)注ij和關(guān)注[i'j']之間的距離，b為帶寬。如果[diji'j']在帶寬范圍之內(nèi)，則關(guān)注[i'j']參與關(guān)注ij的權(quán)重矩陣構(gòu)建和參數(shù)估算。關(guān)注ij和關(guān)注[i'j']之間的距離定義如下：

式（13）中，x、y分別為關(guān)注起始端點的經(jīng)緯度坐標，即省會的經(jīng)緯度坐標。

運用赤池信息量準則AICc值來確定最優(yōu)帶寬b，該準則可以權(quán)衡所估計模型的復雜度和模型擬合數(shù)據(jù)的優(yōu)良性，AICc數(shù)值越小，表明模型擬合的越好[43]。遍歷1至961不同帶寬下獲得的回歸模型，統(tǒng)計每個模型AICc值，選擇AICc值最小的帶寬作為最優(yōu)帶寬，并將最優(yōu)帶寬下得到回歸模型作為解釋模型。

2 關(guān)注網(wǎng)絡(luò)格局

2.1 總體關(guān)注格局

利用式（1）計算得到省域間旅游關(guān)注網(wǎng)絡(luò)，共961條路徑，并統(tǒng)計分析網(wǎng)絡(luò)關(guān)注指數(shù)的數(shù)值分布（圖1）。省域間平均關(guān)注指數(shù)為537.60，數(shù)值較大的多為自身關(guān)注，其中，廣東對自身的關(guān)注指數(shù)最高，為6614，其次是山東、浙江和江蘇對自身的關(guān)注;在跨省關(guān)注中，數(shù)值最高的是江蘇對浙江的關(guān)注，關(guān)注指數(shù)為2340，其次是江蘇對山東、上海對浙江的關(guān)注，指數(shù)分別為2314和2304。無論是自身關(guān)注還是跨省關(guān)注，高值關(guān)注主要分布在東部地區(qū)。關(guān)注指數(shù)最低的是西藏對吉林的關(guān)注，指數(shù)為1，其次是西藏對天津關(guān)注;關(guān)注指數(shù)在10以下的路徑有9條，其中8條是西藏對其他省份的關(guān)注。低值關(guān)注主要是西部省份對東、中部省份的關(guān)注。關(guān)注指數(shù)在各路徑間的分布存在不均衡性，關(guān)注指數(shù)在0～500之間的路徑有602條，平均關(guān)注指數(shù)為250.08;指數(shù)在1000以上的路徑有107條，平均關(guān)注指數(shù)為1748.83。在空間上，高關(guān)注路徑在長三角以及華北的京冀魯?shù)貐^(qū)呈現(xiàn)出網(wǎng)絡(luò)化特征，而在華南、西南地區(qū)則呈現(xiàn)出以廣東、云南為核心的放射狀結(jié)構(gòu)。長三角和京津冀地區(qū)居民收入水平較高，出游動機強烈，短距離旅游成為重要的關(guān)注對象。而在華南和西南地區(qū)，廣東出游能力較強，到周邊省域旅游需求較為旺盛，關(guān)注較多;西南地區(qū)，云南是主要的旅游目的地，受到其他省域，尤其是附近省域的廣泛關(guān)注。

2.2 地區(qū)間關(guān)注網(wǎng)絡(luò)差異

進一步比較分析旅游關(guān)注網(wǎng)絡(luò)在東、中、西3個地區(qū)的分布差異。東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南;中部地區(qū)包括為山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南;西部地區(qū)為內(nèi)蒙古、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西。各區(qū)的旅游關(guān)注被劃分為區(qū)內(nèi)部相互關(guān)注、關(guān)注區(qū)外和被區(qū)外關(guān)注3個子網(wǎng)絡(luò)，并利用式（2）至式（4）計算各個網(wǎng)絡(luò)的指標特征（表1）。

在平均關(guān)注指數(shù)上，東部區(qū)內(nèi)相互關(guān)注網(wǎng)絡(luò)指數(shù)最高，為1006.25，說明東部地區(qū)內(nèi)部是全國旅游活動最強烈的區(qū)域，該區(qū)經(jīng)濟發(fā)達，旅游資源豐富，居民出游意愿強烈。中部區(qū)內(nèi)的平均旅游關(guān)注指數(shù)也較高，為678.38。在關(guān)注區(qū)外網(wǎng)絡(luò)中，東部地區(qū)最高，為588.02，說明東部地區(qū)對中、西部地區(qū)旅游具有較高的關(guān)注度和出行意愿;中部地區(qū)次之，平均關(guān)注指數(shù)為492.96，中部地區(qū)亦有較強的出游動力;西部地區(qū)對區(qū)外旅游關(guān)注最低，平均值為257.45，西部地區(qū)居民收入較低，出游動力弱，對中、東部地區(qū)缺乏足夠關(guān)注。在被區(qū)外關(guān)注網(wǎng)絡(luò)中，西部地區(qū)具有更高的被關(guān)注度，平均值為513.78，東部地區(qū)被區(qū)外關(guān)注度最低，為393.05。綜合來看，東部地區(qū)、中部地區(qū)具有較高的區(qū)內(nèi)關(guān)注度，東部地區(qū)對中、西部地區(qū)關(guān)注度較高，西部地區(qū)則更容易受到中、東部地區(qū)的關(guān)注。

在均衡性方面，所有網(wǎng)絡(luò)的不均衡度指數(shù)均分布在0.4～0.8之間，各個網(wǎng)絡(luò)的整體均衡性存在差異。區(qū)內(nèi)關(guān)注網(wǎng)絡(luò)的不均衡指數(shù)均在0.7以上，均衡性比其他類型網(wǎng)絡(luò)差。區(qū)內(nèi)旅游活動頻繁，內(nèi)部關(guān)注差異巨大，西部區(qū)內(nèi)關(guān)注的不均衡性更為明顯?？偟膩砜?，各網(wǎng)絡(luò)整體均衡性較差，但區(qū)外關(guān)注網(wǎng)絡(luò)的均衡性要好于跨區(qū)關(guān)注的均衡性。

從加權(quán)平均關(guān)注距離來看，全國平均關(guān)注距離為1634.66 km，區(qū)內(nèi)相互關(guān)注的距離較短，東部、中部和西部區(qū)內(nèi)關(guān)注的平均距離分別為792.67 km、634.87 km和1014.37 km。西部地區(qū)由于遠離中、東部地區(qū)，被區(qū)外關(guān)注的平均距離最長，為1906.53 km，其關(guān)注區(qū)外的平均距離也達到了1611.33 km。此外，東部關(guān)注區(qū)外的平均距離也較長，為1558.81 km?？偟膩碚f，區(qū)內(nèi)關(guān)注的平均距離要明顯小于跨區(qū)關(guān)注的平均距離，中、東部地區(qū)關(guān)注區(qū)外比被區(qū)外關(guān)注的平均距離要長，西部地區(qū)被區(qū)外關(guān)注比關(guān)注區(qū)外具有更強的作用距離。

2.3 省域關(guān)注類型劃分

利用式（5）和式（6）計算各省旅游關(guān)注度和被關(guān)注度，并利用Jenks聚類法劃分為5個等級（表2），以此分析各省域在網(wǎng)絡(luò)中扮演的角色。在關(guān)注度方面，關(guān)注度最高的省份為5個，其中，關(guān)注度最高是廣東;5個省份均位于東部沿海地區(qū)，這些地區(qū)經(jīng)濟發(fā)展好，信息化水平高，居民出游能力強。關(guān)注度較高的省份有7個，其中，5個分布于中、東部地區(qū)，2個位于西部地區(qū)。低關(guān)注度省份主要分布在西部地區(qū)，這些省份經(jīng)濟發(fā)展落后，旅游出游意愿較低，其中，關(guān)注度最低的是西藏，僅為1548，其次是青海，關(guān)注度為4107。在被關(guān)注度方面，高被關(guān)注度省份有5個，山東的被關(guān)注度最高，為34 867，這些省份主要分布在旅游資源較為豐富的地區(qū)，具有較高的旅游吸引力。較高被關(guān)注度的省份有7個，這些省份旅游發(fā)展較好，得到了較多的旅游關(guān)注。被關(guān)注度較低的省份不像關(guān)注度較低省份那樣分布在西部地區(qū)，而是在東中西部均有分布。和關(guān)注度分布的比較來看，關(guān)注度分布在空間上較為集聚，而被關(guān)注度離散分布特征更為明顯。

根據(jù)各省關(guān)注度與被關(guān)注度的差異，筆者從類型學視角對其進行類型劃分。利用式（7）計算各省關(guān)注優(yōu)勢度，并將其劃分為3類：關(guān)注優(yōu)勢型（AS>120）、均衡性（80

3 影響因素異質(zhì)性分析

3.1 影響因素全局模型分析

對全局模型、局部模型擬合結(jié)果進行比較分析，判斷誰對旅游關(guān)注的解釋性更優(yōu)。首先，利用泊松回歸估算了全局模型中3因素的系數(shù)（表4）。全局模型的Adjusted R2值為0.636，說明全局模型對省域間旅游關(guān)注的解釋性不是特別高，擬合方程的AICc值為3554.986。所有估算系數(shù)均能通過1%水平的顯著性檢驗。景區(qū)系數(shù)（α）、GDP系數(shù)（γ）的估算值分別為0.348和0.637，均為正值，說明目的地景區(qū)數(shù)量、客源地GDP對旅游關(guān)注有促進作用。距離系數(shù)（β）的估算值為-0.537，呈現(xiàn)負相關(guān)，距離對旅游關(guān)注起到阻礙作用。

3.2 影響因素局部模型分析

利用線狀要素空間相互作用局部模型來分析旅游關(guān)注相關(guān)因素作用的異質(zhì)性。遍歷所有帶寬，比較不同帶寬下擬合的局部分析模型的AICc值，獲得最優(yōu)帶寬為86。在此帶寬下，旅游關(guān)注局部模型的Adjusted R2值為0.947，較全局模型的解釋性明顯提升。AICc值為299.429，較全局模型大幅降低，旅游關(guān)注局部模型要明顯地優(yōu)于全局模型。

對于任一個解釋變量，均會得到961個局部參數(shù)估計值來描述該變量對各個關(guān)注路徑的影響，利用t值對局部參數(shù)估計值進行顯著性檢驗，顯著性水平選擇0.05（表5）。在景區(qū)系數(shù)估算上，有665條關(guān)注通過顯著性檢驗，系數(shù)均值為0.361，其中，最大值1.022，最小值-0.308，數(shù)值多分布于0～0.8之間，663個系數(shù)為正值，說明目的地景區(qū)數(shù)量具有促進作用，景區(qū)越多，旅游關(guān)注指數(shù)越大。GDP系數(shù)估算均能通過了顯著性檢驗，系數(shù)均值為0.548，最大值1.032，最小值0.196，均為正值，說明客源地GDP對旅游關(guān)注同樣具有促進作用，且GDP系數(shù)估算值顯著大于景區(qū)系數(shù)估算值，說明其影響普遍強于景區(qū)數(shù)量的影響。在關(guān)注距離系數(shù)估算上，有837條關(guān)注通過顯著性檢驗，距離系數(shù)均值為-0.516，最大值為0.581，最小值為-1.407。僅有7個關(guān)注的距離系數(shù)為正值，這些關(guān)注主要發(fā)生在東部地區(qū)對西部地區(qū)遠距離關(guān)注，如山東對云南的關(guān)注（0.581），文化和距離的巨大差異，會在一定程度上激發(fā)游客對目的地的關(guān)注。其他均為負值，說明距離對省域間旅游關(guān)注大多具有抑制作用，距離越遠，關(guān)注發(fā)生概率越低。

3.3 影響因素作用的空間異質(zhì)性

3.3.1? ? 景區(qū)作用的空間異質(zhì)性

被關(guān)注地景區(qū)數(shù)量對旅游關(guān)注影響的空間分布如圖2（a）所示。景區(qū)影響在不同關(guān)注間存在明顯差異。從顯著性上看，華北、華東、東北省份作為被關(guān)注對象時，普遍能夠通過顯著性檢驗;華南、西南、西北地區(qū)省份作為被關(guān)注對象時，部分系數(shù)無法通過顯著性檢驗，其中，貴州、新疆僅有2個被關(guān)注路徑通過檢驗，這些省份景區(qū)數(shù)量雖然在提升關(guān)注方面有正向影響，但影響不夠顯著。從空間分布來看，高影響關(guān)注度主要分布在華東和華北地區(qū)，估算值最大的是河南關(guān)注山東，景區(qū)系數(shù)為1.022，其次是山東關(guān)注山東、山東關(guān)注河南，景區(qū)系數(shù)分別為0.985和0.933，東部地區(qū)資源豐富，出游距離適中，景點對短距離游客具有較強的吸引力。景區(qū)影響系數(shù)僅有2個為負數(shù)，分別是西藏關(guān)注廣東和西藏關(guān)注海南。其他系數(shù)較低的值多為與西部地區(qū)有關(guān)的長距離關(guān)注。進一步探討景區(qū)影響系數(shù)和關(guān)注距離之間關(guān)系，發(fā)現(xiàn)影響系數(shù)較高的主要為短距離關(guān)注，長距離關(guān)注的影響系數(shù)普遍較低。說明在短距離范圍內(nèi)，高等級景區(qū)數(shù)量的多少會顯著地影響潛在游客的旅游關(guān)注;長距離范圍內(nèi)，景區(qū)影響強度降低，游客關(guān)注不再僅僅依賴目的地景區(qū)數(shù)量。

3.3.2? ? 經(jīng)濟作用的空間異質(zhì)性

客源地GDP影響差異如圖2（b）所示。從顯著性來看，所有關(guān)注的GDP影響系數(shù)均通過了顯著性檢驗，且系數(shù)值均為正值，說明客源地GDP對旅游關(guān)注均起到正向影響， GDP越高，旅游關(guān)注指數(shù)也就越大。從圖上可以看出，新疆、西藏關(guān)注其他省份的GDP系數(shù)較高，邊疆地區(qū)處于邊緣地區(qū)，距離效應(yīng)明顯，因而GDP的正向促進作用會更加明顯，東北三省被西部省份關(guān)注的GDP系數(shù)也較高。從空間分布來看，高值GDP影響系數(shù)主要產(chǎn)生于遠距離關(guān)注，最高的是新疆關(guān)注遼寧，系數(shù)為1.032;影響系數(shù)最低的是遼寧關(guān)注吉林，數(shù)值為0.196，其次是天津關(guān)注內(nèi)蒙古。同樣，進一步探討影響系數(shù)和關(guān)注距離間的關(guān)系，影響系數(shù)較高的關(guān)注多是從西部省份出發(fā)的長距離關(guān)注，影響系數(shù)較低的關(guān)注發(fā)生在東北、華北地區(qū)的短距離關(guān)注。西部省份的經(jīng)濟發(fā)展水平對其關(guān)注中東部較遠距離省份具有較強的影響，而短距離旅游關(guān)注受到客源地經(jīng)濟發(fā)展水平的影響較低。

3.3.3? ?距離作用的空間異質(zhì)性

距離對旅游關(guān)注影響的異質(zhì)性如圖2（c）所示。有837條關(guān)注通過5%水平的顯著性檢驗，無法通過檢驗的關(guān)注主要為華北、華東及其東北地區(qū)省份對華南、西南及其西北地區(qū)省份的旅游關(guān)注。從數(shù)值上看，僅有7個關(guān)注的距離影響系數(shù)為正值，且被關(guān)注地均是云南，客源地都是東部發(fā)達省份，說明距離對云南邊境旅游具有正向作用。其余830條關(guān)注的距離系數(shù)均為負值，說明距離對旅游關(guān)注? ?整體上起到抑制作用。從分布圖上來看，距離影響較大的關(guān)注多是中、西部省份間的關(guān)注，而中、東部省份間關(guān)注的距離影響較小。距離影響較大的關(guān)注以呈現(xiàn)出以西藏、新疆、青海為中心的放射性結(jié)構(gòu)，其中，抑制作用最強的是西藏對內(nèi)蒙古的關(guān)注，數(shù)值為-1.407。中、東部地區(qū)省份間旅游關(guān)注的距離影響較小，如上海對海南關(guān)注的距離影響系數(shù)只有-0.188。此外，客源地經(jīng)濟較好省份的旅游關(guān)注受到距離的影響較小，經(jīng)濟欠發(fā)達省份旅游關(guān)注受到距離的影響較大。

無論是全局模型還是局部模型的分析，在旅游關(guān)注這一虛擬空間中距離效應(yīng)依然存在。在以往現(xiàn)實空間距離效應(yīng)分析中，如在全國尺度運用航空數(shù)據(jù)和媒介簽到數(shù)據(jù)的流動研究中，影響系數(shù)多在-0.8左右[18， 44];在利用出租車軌跡或者公交卡數(shù)據(jù)的城市內(nèi)部流動研究中，影響系數(shù)多在-2.0～-1.0之間[45-46]。本文利用局部模型在全國尺度的旅游關(guān)注分析中得到距離影響因素大多在-1.0～0之間，平均值為-0.516，數(shù)值明顯小于現(xiàn)實空間中的距離影響系數(shù)。說明旅游關(guān)注這一虛擬空間中雖然存在距離衰減效應(yīng)，但作用強度明顯弱于現(xiàn)實空間。

4 結(jié)論和討論

網(wǎng)絡(luò)分析日益成為研究地理空間的新范式，旅游業(yè)作為國民經(jīng)濟的重要組成部分，旅游關(guān)注網(wǎng)絡(luò)值得深入分析。地理空間存在空間依賴，影響因素在空間上呈現(xiàn)出非平穩(wěn)性，虛擬空間是否存在這樣的關(guān)聯(lián)效應(yīng)和非平穩(wěn)性呢？本文以百度搜索指數(shù)為數(shù)據(jù)來源，構(gòu)建旅游關(guān)注指數(shù)，建立旅游關(guān)注網(wǎng)絡(luò)，探討旅游關(guān)注這一虛擬網(wǎng)絡(luò)在省域尺度的格局特征，并基于線狀要素空間相互作用局部模型來分析影響因素的空間異質(zhì)性。研究結(jié)論如下：

（1）旅游關(guān)注網(wǎng)絡(luò)格局存在明顯的空間差異，東部地區(qū)、中部地區(qū)具有較高的區(qū)內(nèi)關(guān)注度，東部地區(qū)對中、西部地區(qū)的關(guān)注度也較高，西部地區(qū)更容易受到中、東部地區(qū)的旅游關(guān)注。網(wǎng)絡(luò)整體均衡性較差，但區(qū)內(nèi)關(guān)注網(wǎng)絡(luò)的均衡性要好于跨區(qū)關(guān)注的均衡性。高關(guān)注度省份集聚分布于東部沿海地區(qū)，而被關(guān)注度的離散分布特征更為明顯。

（2）線狀要素空間相互作用局部分析模型能夠很好地處理旅游關(guān)注的局部空間關(guān)系，擬合結(jié)果優(yōu)于全局模型，各個系數(shù)估算值均呈現(xiàn)出正態(tài)分布特征。被關(guān)注省份景區(qū)數(shù)量和客源地GDP對旅游關(guān)注具有正向促進作用，但GDP影響要普遍強于景區(qū)影響。關(guān)注地和被關(guān)注地之間的距離對旅游關(guān)注具有抑制作用，距離越遠，關(guān)注指數(shù)越低。

（3）研究從局部的視角闡述了旅游關(guān)注與解釋變量之間相互關(guān)系。景區(qū)數(shù)量、經(jīng)濟水平和距離對關(guān)注的影響存在異質(zhì)性。景區(qū)影響較高的關(guān)注主要發(fā)生在短距離之內(nèi)，而長距離關(guān)注的景區(qū)影響普遍較低。西部省份對東部省份的長距離關(guān)注更易受到經(jīng)濟發(fā)展水平的影響，而短距離旅游關(guān)注受到經(jīng)濟發(fā)展水平的影響較低?？驮吹亟?jīng)濟較好省份的旅游關(guān)注受到距離的影響較小，經(jīng)濟欠發(fā)達地區(qū)旅游關(guān)注受到距離的影響較大。

（4）在旅游關(guān)注這一虛擬空間中，距離效應(yīng)? ? 依然存在。省域間旅游關(guān)注的距離影響系數(shù)大多在-1.0～0之間，均值為-0.516，數(shù)值明顯小于現(xiàn)實空間中的距離影響系數(shù)，距離效應(yīng)強度弱于現(xiàn)實空間。

本研究尚存在一些局限，如只利用1年數(shù)據(jù)來研究旅游關(guān)注，無法從時間維度探討旅游關(guān)注及其變量影響作用的變化，對其規(guī)律性把握存在一定困難;研究粒度建立在省域單元，空間面積較大，且將省域間距離測算設(shè)定在省會之間，這對距離效應(yīng)分析會存在一定誤差;在空間權(quán)重設(shè)定上，只考慮了旅游關(guān)注間絕對歐式空間距離，而忽視了快捷交通體系及其地形地貌的潛在影響;在影響因素的選擇及其影響因素表征指標設(shè)定上需要進一步地完善，如運用綜合評價獲取景點分值來表征吸引力;在關(guān)鍵詞的搜索上，僅用省市名+旅游、省市名+景點進行搜索，可能會影響到搜索的精度。盡管如此，現(xiàn)有數(shù)據(jù)仍然能夠支撐旅游關(guān)注網(wǎng)絡(luò)化格局和局部模型分析，并得到了一些新的有意義的結(jié)論，為有效解釋旅游關(guān)注及其與相關(guān)要素的空間關(guān)系提供了嶄新視角。在未來的研究中，基于相對距離的長時段、小尺度的綜合過程分析將成為進一步深化方向，并將關(guān)注數(shù)據(jù)和現(xiàn)實流動數(shù)據(jù)進行交互驗證分析，從而更深入地揭示游客在現(xiàn)實和虛擬空間的旅游行為。

總之，網(wǎng)絡(luò)關(guān)注是旅游虛擬空間分析的一個重要組成部分，是旅游相關(guān)影響要素在網(wǎng)絡(luò)空間的真實表達，為深入理解虛擬空間中的旅游行為提供了潛在的可能。基于地理信息系統(tǒng)的空間分析，特別是空間統(tǒng)計，提供了一套強有力的工具，能夠在考慮空間依賴性和空間異質(zhì)性的基礎(chǔ)上來研究旅游空間相互作用。同時，線狀要素空間相互作用局部分析模型在捕獲網(wǎng)絡(luò)（流動）空間非平穩(wěn)能力方面具有顯著的優(yōu)勢，為理解旅游關(guān)注網(wǎng)絡(luò)乃至其他類型網(wǎng)絡(luò)（流動）的形成機制提供了一種新的可行的空間分析方法和建模思路。

參考文獻（References）

[1] 周其樓， 張捷. 物聯(lián)網(wǎng)時代信息地理研究的思考[J]. 地理研究， 2013， 32（8）： 1508-1516. [ZHOU Qilou， ZHANG Jie. Prospect on information geography in the era of Internet of things[J]. Geographical Research， 2013， 32（8）： 1508-1516.]

[2] 劉衛(wèi)東. 論我國互聯(lián)網(wǎng)的發(fā)展及其潛在空間影響[J]. 地理研究， 2002， 21（3）： 347-356. [LIU Weidong. Development of the Internet in China： Spatial characteristics and implications[J]. Geographical Research， 2002， 21（3）： 347-356.]

[3] 張捷， 顧朝林， 都金康， 等. 計算機網(wǎng)絡(luò)信息空間（Cyberspace）的人文地理學研究進展與展望[J]. 地理科學， 2004， 20（4）： 368- 373. [ZHANG Jie， GU Chaolin， DU Jinkang， et al. Geographical approach to Cyberspace — Review and prospect[J]. Scientia Geographica Sinica， 2004， 20（4）： 368-373.]

[4] H. 巴凱斯， 路紫. 從地理空間到地理網(wǎng)絡(luò)空間的變化趨勢： 兼論西方學者關(guān)于電信對地區(qū)影響的研究[J]. 地理學報， 2000， 55（1）： 104-111. [BAKIS H， LU Zi. The change from the geographical space to geocyberspace： Review on the western scholars on regional effects by telecommunication[J]. Acta Geographica Sinica， 2000， 55（1）： 104-111.]

[5] 沈麗珍， 張敏， 甄峰. 信息技術(shù)影響下的空間觀及其研究進展[J]. 人文地理， 2010， 25（2）： 20-23. [SHEN Lizhen， ZHANG Min， ZHEN Feng. An overview of space and the development of its research with the influence of information technology[J]. Human Geography， 2010， 25（2）： 20-23.]

[6] MALECKI E J. The economic geography of the Internets infrastructure[J]. Economic Geography， 2002， 78（4）： 399-424.

[7] BARNETT G A， PARK H W. Examining the international internet using multiple measures： new methods for measuring the communication base of globalized cyberspace[J]. Quality & Quantity， 2014， 48（1）： 563-575.

[8] ZHEN F， WANG B， WEI Z. The rise of the internet city in China： Production and consumption of internet information[J]. Urban Studies， 2015， 52（13）： 2313-2329.

[9] KELLERMAN A. Image spaces and the geography of Internet screen-space[J]. GeoJournal， 2016， 81（4）： 503-517.

[10] 汪明峰， 寧越敏. 互聯(lián)網(wǎng)與中國信息網(wǎng)絡(luò)城市的崛起[J]. 地理學報， 2004， 59（3）： 446-454. [WANG Mingfeng， NING Yuemin. The Internet and the rise of information network cities in China[J]. Acta Geographica Sinica， 2004， 59（3）： 446-454.]

[11] 王波， 甄峰. 互聯(lián)網(wǎng)下的我國城市等級體系及其作用機制——基于百度搜索的實證分析[J]. 經(jīng)濟地理， 2016， 36（1）： 46-52. [WANG Bo， ZHEN Feng. Chinas city hierarchy under Internet and its influencing mechanism： An empirical analysis based on Baidu search[J]. Economic Geography， 2016， 36（1）： 46-52.]

[12] 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]. 地理學報， 2012， 67（8）： 1031-1043. [ZHEN Feng， WANG Bo， CHEN Yinxue. Chinas city network characteristics based on social network space： an empirical analysis of Sina micro-blog[J]. Acta Geographica Sinica， 2012， 67（8）： 1031-1043.]

[13] YANG Y， FIK T. Spatial effects in regional tourism growth[J]. Annals of Tourism Research， 2014， 46（5）： 144-162.

[14] 路紫， 趙亞紅， 吳士鋒， 等. 旅游網(wǎng)站訪問者行為的時間分布及導引分析[J]. 地理學報， 2007， 62（6）： 621-630. [LU Zi， ZHAO Yahong， WU Shifeng， et al. The time distribution and guide analysis of visiting behavior of tourism website users[J]. Acta Geographica Sinica， 2007， 62（6）： 621-630.]

[15] XIANG Z， WANG D， OLeary J T， et al. Adapting to the internet： trends in travelers use of the web for trip planning[J]. Journal of Travel Research， 2015， 54（4）： 511-527.

[16] XIANG Z， MAGNINI V P， FESENMAIER D R. Information technology and consumer behavior in travel and tourism： Insights from travel planning using the Internet[J]. Journal of Retailing and Consumer Services， 2015， 22： 244-249.

[17] 靳誠， 徐菁， 黃震方， 等. 南京城市內(nèi)部景點間游客流動特征分析[J]. 地理學報， 2014， 69（12）： 1858-1870. [JIN Cheng， XU Jing， HUANG Zhenfang， et al. Analyzing the characteristics of tourist flows between the scenic spots in inner city based on tourism strategies： A case study in Nanjing[J]. Acta Geographica Sinica， 2014， 69（12）： 1858-1870.]

[18] LIU Y， SUI Z， KANG C， et al. Uncovering patterns of inter-urban trip and spatial interaction from social media check-in data[J]. PlosOne， 2014， 9（1）： e86026.

[19] TSENG C， WU B， MORRISON A， et al. Travel blogs on China as a destination image formation agent： A qualitative analysis using Leximancer[J]. Tourism Management， 2015， 46： 347-358.

[20] ZHOU X， XU C， KIMMONS B. Detecting tourism destinations using scalable geospatial analysis based on cloud computing platform[J]. Computers， Environment and Urban Systems， 2015， 54： 144-153.

[21] 李山， 邱榮旭， 陳玲. 基于百度指數(shù)的旅游景區(qū)絡(luò)空間關(guān)注度： 時間分布及其前兆效應(yīng)[J]. 地理與地理信息科學， 2008， 24（6）： 102- 107. [LI Shan， QIU Rongxu， CHEN Ling. Cyberspace attention of tourist attractions based on Baidu index： Temporal distribution and precursor effect[J]. Geography and Geo-information Science， 2008， 24（6）： 102-107.]

[22] 張曉梅， 程紹文， 劉曉蕾， 等. 古城旅游地網(wǎng)絡(luò)關(guān)注度時空特征及其影響因素——以平遙古城為例[J]. 經(jīng)濟地理， 2016， 36（7）： 196- 202. [ZHANG Xiaomei， CHEN Shaowen， LIU Xiaolei， et al. Spatial-temporal characteristics and influencing factors of network attention to ancient city destination： A case of Pingyao[J]. Economic Geography， 2016， 36（7）： 196- 202.]

[23] 王碩， 曾克峰， 童潔， 等. 黃金周風景名勝區(qū)旅游客流量與網(wǎng)絡(luò)關(guān)注度相關(guān)性分析——以廬山、華山、八達嶺長城風景名勝區(qū)為例[J]. 經(jīng)濟地理， 2013， 33（11）： 182-186. [WANG Shuo， ZENG Kefeng， TONG Jie， et al. A correlative analysis of the relationship between tourists and tourist network attention for scenic spots in special session[J]. Economic Geography， 2013， 33（11）： 182-186.]

[24] 王守成， 郭風華， 傅學慶， 等. 基于自發(fā)地理信息的旅游地景觀關(guān)注度研究——以九寨溝為例[J]. 旅游學刊， 2014， 29（2）： 84-92. [WANG Shoucheng， GUO Fenghua， FU Xueqing， et al. A study of the spatial patterns of tourist sightseeing based on volunteered geographic information： The case of the Jiuzhai Valley[J]. Tourism Tribune， 2014， 29（2）： 84-92.]

[25] 梁保爾， 潘植強. 基于旅游數(shù)字足跡的目的地關(guān)注度與共現(xiàn)效應(yīng)研究——以上海歷史街區(qū)為例[J]. 旅游學刊， 2015， 30（7）： 80-90. [LIANG Baoer， PAN Zhiqiang. An analysis of scenic areas preference and the co-occurrence phenomenon based on online information： A case of Shanghai historic district[J]. Tourism Tribune， 2015， 30（7）： 80-90.]

[26] 馬麗君， 龍云. 基于網(wǎng)絡(luò)關(guān)注度的湖南省居民旅游需求時空特征[J]. 經(jīng)濟地理， 2017， 37（2）： 201-208. [MA Lijun， LONG Yun. Spatiotemporal characteristics of residents tourism demand for typical scenic spots in Hunan province based on network attention[J]. Economic Geography， 2017， 37（2）： 201-208.]

[27] 靜恩明， 郭風華， 李仁杰， 等. 基于新浪旅游博客的河北省A級景區(qū)網(wǎng)絡(luò)關(guān)注度研究[J]. 地理與地理信息科學， 2015， 31（3）： 118-122. [JING Enming， GUO Fenghua， LI Renjie， et al. Analysis of scenic network attention-degree of A-grade tourist attractions in Hebei province： Base on Sina travel blogs[J]. Geography and Geo-information Science， 2015， 31（3）： 118-122.]

[28] 王琨， 郭風華， 李仁杰， 等. 基于Tripadvisor的中國旅游地國際關(guān)注度及空間格局[J]. 地理科學進展， 2014， 33（11）： 1462-1473. [WANG Kun， GUO Fengha， LI Renjie， et al. Tourism attention degree about China from overseas and its spatial patterns based on Tripadvisor[J]. Progress in Geography， 2014， 33（11）： 1462-1473.]

[29] 馬莉， 劉培學， 張建新， 等. 景區(qū)旅游流與網(wǎng)絡(luò)關(guān)注度的區(qū)域時空分異研究[J]. 地理與地理信息科學， 2018， 34（2）： 87-93. [MA Li， LIU Peixue， ZHANG Jianxin， et al. Research on spatial and temporal difference between tourist flow and web search behavior in scenic spots[J]. Geography and Geo-information Science， 2018， 34（2）： 87-93.]

[30] 孫燁， 張宏磊， 劉培學， 等. 基于旅游者網(wǎng)絡(luò)關(guān)注度的旅游景區(qū)日游客量預測研究——以不同客戶端百度指數(shù)為例[J]. 人文地理， 2017， 32（3）： 152-160. [SUN Ye， ZHANG Honglei， LIU Peixue， et al. Forecast of tourism flow volume of tourist attraction based on degree of tourist attention of travel network： A case study of Baidu index of different clients[J]. Human Geography， 2017， 32（3）： 152-160.]

[31] LI X， PAN B， LAW R， et al. Forecasting tourism demand with composite search index[J]. Tourism Management， 2017， 59： 57-66.

[32] BANGWAYO-SKEETE P F， SKEETE R W. Can Google data improve the forecasting performance of tourist arrivals？ Mixed-data sampling approach[J]. Tourism Management， 2015， 46： 454-464.

[33] HUANG X， ZHANG L， DING Y. The Baidu Index： Uses in predicting tourism flows： A case study of the Forbidden City[J]. Tourism Management， 2017， 58： 301-306.

[34] JANI D， JANG J H， HWANG Y H. Big five factors of personality and tourists Internet search behavior[J]. Asia Pacific Journal of Tourism Research， 2014， 19（5）： 600-615.

[35] 馬麗君， 孫根年， 楊睿， 等. 城市氣候舒適度與游客網(wǎng)絡(luò)關(guān)注度時空相關(guān)分析[J]. 地理科學進展， 2011， 30（6）： 753-759. [MA Lijun， SUN Gennian， YANG Rui， et al. A correlative analysis of the spatial and temporal relationship between climate comfort degree and tourist network attention for typical cities[J]. Progress in Geography， 2011， 30（6）： 753-759.]

[36] JIA F， CHENG X， DUAN Z. Analyzing the activity areas of non-resident tourists of Shanghai Expo using cellular phone data[J]. Procedia-Social and Behavioral Sciences， 2013， 96： 1136-1145.

[37] 鄒永廣， 林煒鈴， 鄭向敏. 旅游安全網(wǎng)絡(luò)關(guān)注度時空特征及其影響因素[J]. 旅游學刊， 2015， 30（2）： 101-109. [ZOU Yongguang， LIN Weiling， ZHENG Xiangmin. Spatial-temporal characteristics and influential factors of network attention to tourism security[J]. Tourism Tribune， 2015， 30（2）： 101-109.]

[38] 馬麗君， 孫根年， 黃蕓瑪， 等. 城市國內(nèi)客流量與游客網(wǎng)絡(luò)關(guān)注度時空相關(guān)分析[J]. 經(jīng)濟地理， 2011， 31（4）： 680-685. [MA Lijun， SUN Gennian， HUANG Yunma， et al. A correlative analysis on the relationship between domestic tourists and network attention[J]. Economic Geography， 2011， 31（4）： 680-685.]

[39] BATTY M. The New Science of Cities[M]. Cambridge， MA： MIT Press， 2013： 1-10.

[40] TOBLER W. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography， 1970， 46： 234-240.

[41] YAO J， FOTHERINGHAM A S. Local spatiotemporal modeling of house prices： A mixed model approach[J]. The Professional Geographer， 2016， 68（2）： 189-201

[42] FOTHERINGHAM A S， BRUNSDON C， CHARLTON M. Geographically Weighted Regression： The Analysis of Spatially Varying Relationships[M]. Chichester， UK： Wiley， 2002： 23-40.

[43] AKAIKE H. A new look at the statistical model identification[J]. IEEE Transactions on Automatic Control， 1974， 19 （6）： 716-723.

[44] XIAO Y， WANG F， LIU Y， et al. Reconstructing gravitational attractions of major cities in China from air passenger flow data， 2001—2008： A particle swarm optimization approach[J]. The Professional Geographer， 2013， 65（2）： 265-282，

[45] LIU Y， KANG C， GAO S， et al. Understanding intra-urban trip patterns from taxi trajectory data[J]. Journal of Geographical Systems， 2012， 14（4）： 463-483.

[46] LU Y， LIU Y. Pervasive location acquisition technologies： Opportunities and challenges for geospatial studies[J]. Computers， Environment and Urban Systems， 2012， 36（2）： 105-108.