京滬高鐵對主要站點旅游流時空分布影響

[摘要]交通是影響旅游流時空分布的最主要因素之一。文章以京滬高鐵線為例，運用旅游場理論和社會網絡分析方法，比較京滬高鐵開通前后9個主要高鐵站點的旅游流時空分布變化特征。研究表明：高鐵開通強化了北京、上海和南京等重要旅游客源地和目的地的領先地位，呈現出高鐵旅游流的“馬太效應”；高鐵促使靠近重要旅游目的地的競爭處于劣勢的旅游地旅游流呈現“過道效應”；高鐵促使空間距離臨近的兩個城市的旅游流呈現“同城效應”；高鐵提升原本缺乏區位優勢的旅游資源型站點的可進入性，同時對區域核心城市的交通依賴程度明顯下降；高鐵的時空壓縮效應縮短旅途時間，可實現小長假的遠程旅游，雙休日的中程旅游，一定程度上避免了中遠程旅游對黃金周的依賴，從而緩解出游時間的集中性，提高了旅游質量。

[關鍵詞]旅游流； 時空分布； 高鐵效應； 京滬高鐵

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2014）01-0075-08

1引言

旅游者是旅游活動的主體和核心，長期以來對旅游流的研究是旅游地理學關注的核心問題之一[1]。旅游流作為一個具有空間屬性的旅游地理學概念，是旅游系統的神經中樞和紐帶[2，3]，表現為游客在空間區域內的遷移現象[4]。狹義的旅游流僅指客流，即在一個區域內由于旅游需求的近似而引起的旅游者集體性空間位移現象，具體是指旅游者從客源地向目的地流動的人群數量和流動模式[5]；而廣義的旅游流包括游憩流以及與此相關或伴生的關聯流，如信息流、資本流、技術流、貨物流和文化流等[6]。旅游流的流勢在時空演化規律方面存在明顯的經濟導向性和區位導向性[7]。影響旅游流的主要因素包括旅游資源稟賦、交通條件、區位條件、經濟條件、旅游產品結構、旅游服務設施水平和旅游者自身特征等[8-12]，尤其是交通系統對旅游流的影響更為顯著[13，14]，旅游流流量在距離該客源地的不同空間范圍具有不同的分布概率，距離越近，分布概率越大，距離越遠，流量分布可能性越小[15]。因此，在假日制度的閑暇時間約束下，旅游目的地與客源地的時間距離成為影響旅游客流時空分布特征的重要因素[16]。

高速鐵路（以下簡稱高鐵）是當今世界“交通革命”的一個重要里程碑，因其解決了大通道上大量旅客快速輸送問題，已成為世界各國鐵路普遍發展趨勢。由于高鐵具有快速、安全和高效等優勢從而產生明顯“時空壓縮”效應，游客出游半徑會逐漸增大，影響到游客對旅游目的地的選擇，進而對區域旅游流空間格局變化產生深遠影響[17]。

基于此，為深入研究高鐵對區域旅游流格局影響，本文以京滬高鐵線為例，運用旅游場理論和社會網絡分析方法，研究京滬高鐵開通對主要高鐵站點的旅游流的時空分布影響，以便為優化以高鐵為核心的區域旅游空間結構提供有積極意義的借鑒。

2研究設計與數據來源

2-1旅游場

旅游場的場強表征旅游場源點對相應區域旅游發展的作用力，是旅游場效應的基本度量，其包括旅游輻射場強與旅游集聚場強。前者表明某旅游場源點對周圍旅游區域的輻射帶動力大小，后者表明某旅游場源點對周圍旅游區域客流的集聚能力的強弱[18，19]。其公式為：

ET=EC+ED

EC=∑ijQij×Dij

ED=∑jiQji×Dij

式中，ET為旅游場的總強度，EC 和 ED分別為節點i的集聚場強和擴散場強，Qij為旅游場源點i輻射到源點j的客流量（j=1，2，3…），Qji為旅游場源點j集聚到源點i的客流量（i=1，2，3…），Dij為源點i和j間的距離。ET值越大，說明場強越大，其作用力也越大。其中，源點i和j既可以是旅游客源地，也可以是旅游目的地。

利用統計資料，根據場強計算公式，對京滬沿線重要旅游城市的旅游場強進行計算。由于統計的時間跨度不一致，無法用絕對值比較高鐵開通前后各地旅游場強的變化情況，故采用相對場強的指標：

E′T=EC+ED∑ET×100%

E′C=∑ijQij×Dij∑EC×100%

E′D=∑jiQji×Dij∑ED×100%

2-2社會網絡分析

社會網絡分析是目前分析區域旅游流網絡空間特征一種科學的研究方法，其中，中心性分析是社會網絡分析的重點之一，是衡量網絡中一個行動者重要與否、評價其地位優越性或特權性的重要結構位置指針。對旅游流網絡進行多種中心性指標測度可以量化出旅游地在區域中的功能、地位、作用及重要性[20，21]。常用的測度模型有：程度中心性，接近中心性、中介性。本文主要運用程度中心性和中介性進行分析。程度中心性的測度指標為程度中心度，是衡量各旅游地間旅游流的交換能力，可用一個旅游地與其他旅游地之間直接聯系多少來表示，有向旅游網絡分為內向程度中心度和外向程度中心度，旅游者從某旅游地流向其他旅游地，為外向程度中心性，它代表了該旅游地在區域內的旅游流擴散作用的大小；反之為內向程度中心性，反映旅游流在此地的內聚性的強弱。具體表達方式為[22]：

CD，out（ni）=∑Xij

CD，in（ni）=∑Xji

式中，CD，out（ni）表示外向程度中心性，Xij代表節點i與節點j之間的連接關系；CD，in（ni）表示內向程度中心性，Xji代表節點j與節點i之間的連接關系。存在連接關系其值為1，不存在連接關系其值為0。

中介性是衡量個體節點在整個旅游流網絡中作為媒介者能力的指標，從宏觀上衡量某旅游地在旅游流網絡中對其他旅游地控制或依賴程度。它主要通過測度一個旅游地出現在另外兩個旅游地測地線之間次數的多少表示其重要性，類似于旅游流“橋”的作用，次數越多，中介性越大，對旅游流控制力越大，具有越多的結構優勢，其他旅游地對它的依賴程度越強，具體公式為[20，21]：

CB（ni）=∑nj∑nkgjk（ni）gjk，j

式中，CB（ni）為某旅游地的中介性，gjk表示旅游地j和k間測地線數量，gjk（ni）表示一定要經過旅游地i的測地線數量，n為旅游地個數。

2-3案例地選取及數據來源

為研究京滬高鐵開通前后主要站點旅游流時空分布變化特征，本文以全球最大的中文Web2-0自助游網站——“游多多旅行網”（http：//www.yododo.com/）旅游者出游后上傳的游記行程攻略為素材庫，統計旅游者選擇旅游目的地、旅游空間行為以及出游時間情況，篩選和統計條件為：

（1）出游時間以2007年4月18日至2012年12月31日為研究時間段，2007年4月18日為我國鐵路第六次提速起始日，2011年6月30日為京滬高鐵開通日；

（2）交通工具方面，往返于客源地、目的地或集散地的主要交通工具須為火車或高鐵；

（3）由于研究高鐵對站點城市旅游流時空分布演化，在統計游記攻略中反映的旅游流發現，很多站點的旅游流量非常少，甚至一些站點沒有旅游流發生。

因此，為了更好分析高鐵對旅游流時空分布的影響，本文選取旅游流量顯著的9個案例地站點，分別為北京、天津、濟南、泰山（位于泰安市的泰山知名度更高，因此本文以泰山站來代替泰安站）、曲阜、南京、無錫、蘇州和上海，這些案例地擁有數量較多且品位度高的旅游資源，包括世界遺產、國家級風景名勝區、5A級旅游區和4A級旅游區（表1），而旅游者出游傾向于選擇旅游資源品位度高的旅游目的地作為標準[23]，因此，擁有高品位旅游資源的9個案例地倍受旅游者出游青睞，具有較高的旅游流量，符合作為研究對象。

3京滬高鐵開通前后主要站點旅游流時空分布變化

3-1旅游流空間場變化特征

3-1-1相對聚集場強變化

表2顯示，京滬高鐵開通前后，北京和南京的相對積聚場均居前兩位，對京滬沿線的旅游流有很強的吸引力，其中，北京的相對聚集場強最大，其吸引的旅游流占9個案例地總數的1/5以上，這與北京擁有大量高品位的旅游資源密切相關（表1）。南京的旅游聚集場強僅次于北京，占9個案例地總和的1/7以上，除南京的旅游資源質量與數量較高外，還得益于南京位于上海、北京、天津、蘇州等重要的旅游客源地的中間位置，區位優勢明顯，方便旅游者出行。另外，京滬高鐵開通后，北京和南京的相對積聚場強均變大，說明高鐵時空壓縮效應對旅游流吸引力增強影響凸顯，表現出明顯旅游流聚集的“馬太效應”。

無錫和天津的相對聚集場強始終較小，且高鐵開通后有變小趨勢，主要原因為：（1）從旅游資源稟賦看（表1），無錫與天津在9個案例地中均不占優勢；（2）無錫和天津在地理區位上也不占優勢，天津緊靠北京這一重要旅游目的地，而無錫緊靠上海、南京和蘇州等重要的旅游目的地。因此，高鐵開通后，加劇了無錫與天津旅游流的“過道效應”，致使他們的相對聚集場強變小。

高鐵開通前后，相對聚集場強變化較為顯著的是濟南、曲阜和泰山，變化率分別為64%，51%和36%，濟南變化最大。本文研究發現，高鐵開通前，由于直接到達曲阜和泰山的火車班次少，但從濟南乘汽車前往泰山和曲阜比較方便，由此京滬沿線的火車旅游者大都會選擇濟南作為中轉地，乘汽車去往泰山和曲阜。因此，盡管濟南在9個案例地中旅游資源質量和數量較低，但因其具有中轉功能而具有較強的旅游聚集場強（10-9%）。京滬高鐵開通后，泰山和曲阜均是高鐵站點，致使可進入性大大增強，旅游者則直接坐高鐵到達泰山和曲阜，因此，泰山和曲阜的旅游聚集場強顯著上升。進一步分析發現，濟南、曲阜和泰山的相對聚集場強總和幾乎沒有變化，由高鐵開通前的28-1%變為高鐵開通后的28-6%，這也說明了高鐵開通后大部分旅游者不以濟南作為中轉地而是直接到達泰山和曲阜。

3-1-2相對擴散場強變化

京滬高鐵開通前后，9個案例地的相對擴散場強排序沒有發生變化，即上海、北京、南京、天津、蘇州、濟南、無錫、曲阜和泰山，這主要與客源地的經濟、人口等多方面因素有關。上海、北京、南京和天津等案例地均是經濟發達、人口稠密的城市，因此這些城市的旅游擴散場強很大。尤其是上海和北京兩地擁有極高的經濟發展水平和眾多的人口數量，出游需求及消費能力非常強，致使兩地的相對擴散場強最大，累計比重超過50%，且高鐵開通后，由于高鐵產生時空壓縮效應使兩地的相對擴散場強進一步增強，呈現出高鐵旅游流擴散的“馬太效應”。

相反，作為資源型旅游地，泰山和曲阜兩地受經濟發展程度和人口規模等因素限制，兩地的旅游相對擴散場強極小，不足1%。濟南相對擴散場強減少較顯著，下降幅度達到33-3%，主要原因：一是濟南只有4A級旅游區，旅游資源品位度明顯低于周邊的泰山和曲阜，旅游吸引力也就難以與泰山和曲阜競爭；二是泰山和曲阜兩地均設有京滬高鐵站，可進入性大大增強，已不需要從區域中心城市濟南中轉。由此可見，高鐵開通后，作為有明顯中轉功能的濟南旅游地對周邊資源型旅游地的旅游流“擴散效應”大大下降（表2）。

3-1-3相對總場強變化

高鐵開通前后，北京、上海、南京和蘇州的相對總場強始終位列前4。北京的相對總場強最大，占到整體總場強的1/4，是最重要的旅游客源地和目的地。其次是上海，占到整體總場強的近1/5，是最重要的旅游客源地和重要的目的地。南京和蘇州的總場強均超過10%，是重要的旅游目的地和客源地。另外，北京、上海、南京和蘇州的相對總場強在高鐵開通后均出現增強態勢，呈現出高鐵旅游流的“馬太效應”。天津的總場強接近10%，但主要是旅游擴散場強明顯，因此天津是京滬高鐵線的重要客源地。濟南的總場強在高鐵開通后下降明顯，主要表現為擴散效應下降明顯，且因本身旅游資源吸引力不強，旅游流的積聚場強也相對較弱。作為資源型旅游地泰山和曲阜的總場強均增強，尤其是高鐵開通后旅游流的積聚場強增加明顯，高鐵時空壓縮效應大大提高了高鐵站資源型旅游地的吸引力，因此泰山和曲阜是京滬高鐵線重要的旅游目的地。無錫高鐵前后的總場強均較低，在9個案例地中處于競爭劣勢。

3-2旅游流空間分布變化特征

用UCINET 6 軟件的相關模塊對旅游流的中心性進行分析，結果如表3和圖1所示。

程度中心度是反映旅游地間旅游流交換能力的指標，類似于旅游場強。其中，外向性反映了節點的擴散能力，表3顯示外向性較大節點為上海、北京、南京和天津，說明這些地方的旅游流擴散能力較強，尤其是北京和上海的外向性指數在30以上，且高鐵開通后均變大。泰山和曲阜的外向性最小，說明兩地的旅游流擴散能力最弱。高鐵開通后，濟南的外向性顯著減少。上述分析與旅游場強的分析結果相吻合。程度中心度的內向性反映了旅游地吸引旅游流的能力，由表3看出，蘇州、南京、泰山和北京等地的內向性最大，也與旅游場強的分析結果吻合。此外，高鐵開通后整個網絡的外向性和內向性均值都有所提高，說明高鐵促進了京滬沿線旅游地間旅游流的整體交換能力。

圖1顯示，北京與濟南、蘇州的旅游流網絡聯系由高鐵開通前的一般態勢轉變為高鐵開通后的較強態勢。泰山與曲阜間的旅游流網絡聯系由高鐵開通前的一般態勢轉變為高鐵開通后的極強態勢。另外，北京與天津、上海與南京、上海與蘇州空間距離較近，高鐵開通前旅游流社會網絡聯系為較強態勢，高鐵開通后旅游流量增強，社會網絡聯系升級為極強態勢，呈現出高鐵的“同城效應”。尤其是，雖然天津在積聚場強方面呈現出過道效應，但天津擴散場強明顯，表明高鐵促進天津與北京的聯系，方便從天津當日往返出行到北京。

中介性反映了旅游地在旅游流關系上對其他旅游地的控制能力和依賴程度。高鐵開通前，濟南的中介性最大，濟南作為山東核心城市，對周邊泰山和曲阜的旅游流有很強的控制力；高鐵開通后，因泰山和曲阜擁有高鐵站，增強了可達性，對濟南的依賴程度下降，由此濟南中介性下降明顯。京滬高鐵開通后，高鐵時空壓縮效應顯著，使北京、上海和南京的中介性顯著提升，由此更加利于旅游流的聚集和擴散（表3）。

3-3旅游流時間分布變化特征

由表2可知，北京和上海是京滬高鐵線最重要的客源地，兩地的擴散場強之和超過9個站點總和的一半（高鐵開通前后分別為52-1%和56-2%），具有顯著的代表性，因此，以北京和上海為代表，分析高鐵對旅游流時間分布變化影響。以京滬兩地為起點，以0～300km為近程范圍，300km～800km為中程范圍，800km以上為遠程范圍的標準[24]，將北京和上海客源地到各旅游資源點的空間距離分為近程、中程和遠程3類。同時，將出游時間分為5大類，即雙休日、小長假、黃金周、其他時間和寒暑假，對京滬兩大客源地按照去往不同旅游資源點的時間分別統計，各時間段的比重如圖2所示。

圖2-a顯示了高鐵開通前后北京旅游流時間分布變化特征。（1）由圖2-a可知，近程旅游主要集中在雙休日，高鐵前后分別占58%和55%；在小長假期間，短途旅游流量由高鐵開通前的17%降為高鐵開通后的9%；黃金周和寒暑假期間短途旅游流接近于0；而短途旅游流在“其他時間”則由17%上升為36%。（2）從中程旅游流時間分布看，高鐵開通后，發生在雙休日的中程旅游流大幅增加，由高鐵開通前的21%增至高鐵開通后的47%，變為首選的出行時間；而高鐵開通前，則選擇小長假出游為主導，占將近50%，高鐵開通后，則降為27%，表明高鐵開通后，在雙休日就可以實現中程旅游。（3）從遠程旅游流發生的時間看，高鐵開通前，遠程旅游流主要發生在寒暑假期間，占40%，其次為其他時間和黃金周，分別為27%和13%；高鐵開通后，遠程旅游流主要發生在小長假和其他時間，均為35%，表明高鐵開通后，3天時間即能實現遠程旅游，而選擇在寒暑假和黃金周出行的旅游流則大幅降為6%，由于黃金周和寒暑假時間較長，保證遠程旅游，但也出現熱點景區人滿為患，出游質量下降，高鐵時空壓縮效應極大縮短旅途時間，從而使旅游者可在3天的小長假實現遠程旅游。此外，高鐵開通之前，在雙休日產生的遠程旅游流幾乎為0，利用火車在雙休日進行遠程旅游幾乎不可能，但在高鐵開通后，產生巨大的時空壓縮效應，雙休日產生的旅游流上升為18%。

圖2-b顯示了高鐵開通前后上海旅游流時間分布變化特征。（1）高鐵開通前后，上海出行近程空間范圍旅游均主要集中在雙休日，分別占53%和48%；小長假期間，短途旅游流量由高鐵開通前的22%下降為高鐵開通后的14%，寒暑假期間的短途旅游流一直維持在10%左右。根據游記材料發現，利用小長假或寒暑假進行短途旅游的大多數不是上海客源，而是中遠程游客先到上海后，再沿蘇州—無錫—南京等城市游覽，改變原先的單一旅游目的地為旅游鏈模式，因此，在小長假或寒暑假的這部分客流實質上也應是遠程客流。（2）從中程旅游流發生的時間看，高鐵開通前主要集中在小長假和其他時間，分別為35%和29%，高鐵開通后，則主要集中在雙休日、小長假和其他時間，分別為39%、28%和28%，而黃金周由7%下降為接近于0。（3）從遠程旅游流發生的時間看，高鐵開通前旅游流主要集中在寒暑假、其他時間和黃金周，分別為33%、33%和25%；小長假僅為8%，表明利用火車3天時間難以實現遠程旅游，雙休日則更困難，比重接近于0；但高鐵開通后，選擇在小長假和雙休日進行遠程旅游比重較大，分別為27%和18%，表明高鐵開通后，選擇3天時間實現遠程旅游較為普遍，成為大多數旅游者的首選。

4結論與討論

（1）高鐵促使旅游流呈現“馬太效應”。從旅游場和社會網絡看，高鐵前后上海和北京的擴散場強最大，同樣，旅游流外向程度中心性的系數最大，成為京滬高鐵線最重要的旅游客源地，更為突出是，高鐵開通后，北京和上海的擴散場強和外向程度中心性均表現出增強趨勢，呈現出旅游流擴散的“馬太效應”；高鐵前后北京和南京的積聚場強和內向程度中心性的系數均比較大，且高鐵開通后均有增長的態勢，呈現出旅游流積聚的“馬太效應”。

（2）高鐵促使旅游流呈現“過道效應”。在9個高鐵站點中，天津緊靠北京這一重要旅游目的地，無錫緊靠上海、南京和蘇州等重要的旅游目的地。高鐵前后天津和無錫的積聚場強和內向程度中心性的系數均比較小，且高鐵開通后均有下降的態勢，呈現出旅游流積聚的“過道效應”。

（3）高鐵促使旅游流呈現“同城效應”。北京與天津、上海與南京、上海與蘇州空間距離較近，高鐵開通前旅游流社會網絡為較強態勢，高鐵開通后旅游流量均表現出增強態勢，社會網絡聯系升級為極強態勢，表現出了高鐵“同城效應”。

（4）高鐵提升了缺乏區位優勢旅游地的可進入性，進而增強吸引力。泰山和曲阜旅游資源價值極高，但在高鐵開通前，交通不變，可進入性差，對遠程旅游流的吸引力十分有限，要借助于交通發達的濟南作為客流的集散地；高鐵開通打破了泰山和曲阜依賴濟南交通格局，提高了對遠程客源地的吸引力，積聚場強和內向程度中心性的系數增長顯著。

（5）從旅游流時間分布變化看，高鐵影響明顯的是中程和遠程旅游。高鐵開通前的中程旅游主要選擇小長假，但高鐵開通后，選擇雙休日進行中程旅游的比重大幅度上升；對于遠程旅游，高鐵開通前主要選擇黃金周和寒暑假兩個時間段，高鐵開通后，選擇小長假和雙休日出游占有較大比重，且比高鐵開通前明顯上升。高鐵實現旅游流分流，達到“削峰填谷”目標。

受數據資料的限制，本文只對比分析了旅游者乘坐火車和高鐵出行的主要站點旅游流的時間和空間分布特征，而火車和高鐵只是居民出游可選擇的眾多交通工具的兩種，居民還會選擇航空和汽車等交通方式出游，且在出行過程中，游客還會將高鐵和其他交通工具配合使用。另外，高鐵不僅是對高鐵站點的旅游流時空分布會產生影響，同時對高鐵線腹地區域的旅游流時空分布也會產生影響。因此，將研究視角放大到航空、火車、汽車和高鐵綜合交通系統，并將高鐵線影響的腹地區域綜合考慮進來，高鐵對區域旅游流時空分布的影響將會更加復雜，需要在今后研究中進一步深入探討和分析。

參考文獻（References）

[1]Tang Shuntie， Guo Laixi. Study of tourist flow system [J]. Tourism Tribune， 1998， 13（3）：38-41. [唐順鐵， 郭來喜. 旅游流體系研究[J]. 旅游學刊， 1998， 13（3）：38-41.]

[2]D Pearce. Tourism Development [M]. New York： Longman Group Limited， 1981- 67-75.

[3]Wu Jinfeng， Bao Haosheng. Spatial structure mode of tourist system [J]. Scientia Geographical Sinica， 2002， 22（1）： 96-101. [吳晉峰， 包浩生. 旅游系統的空間結構模式研究[J]. 地理科學， 2002， 22（1） ： 96-101.]

[4]Yang Xingzhu， Gu Chaolin， Wang Qun. Analyze of driving force of tourist flow [J]. Geographical Research， 2011， 30（1）： 23-36. [楊興柱， 顧朝林， 王群. 旅游流驅動力系統分析[J]. 地理研究， 2011， 30（1）： 23-36.]

[5]Ma Yaofeng， Li Tianshun. Research of China’s Inbound Tourism [M]. Beijing： Science Press， 1999- 12-24. [馬耀峰， 李天順. 中國入境旅游研究[M]. 北京： 科學出版社， 1999- 12-24.]

[6]Zhang Jinhe， Zhang Jie， Li Na， et al. Analyze China’s domestic tourist flow spatial field [J]. Geographical Research， 2005， 24（2）： 293-303. [章錦河， 張捷， 李娜， 等. 中國國內旅游流空間場效應分析[J]. 地理研究， 2005， 24（2）： 293-303.]

[7]Zhang Youyin， Ma Yaofeng. Timespatial evolution law of tourist flow of Beijing’s indirect inbound tourism[J]， Tourism Tribune， 2011， 26（10） ： 31-35. [張佑印， 馬耀峰. 北京間接入境聚集旅游流流勢時空演化規律研究[J]. 旅游學刊， 2011， 26（10） ： 31-35.]

[8]Xuan Guofu， Lu Lin， Wang Degen， et al. Tourist flow spatial feature of Sanya city [J]. Geographical Research， 2004， 23（1）： 115-124. [宣國富， 陸林， 汪德根， 等. 三亞市旅游客流空間特性研究[J]. 地理研究， 2004， 23（1）： 115-124.]

[9]Wang Yunming， Gao Yuanheng. Tourism interaction between Shanghai and provinces of Yangzi River vally [J]. Acta Geographica Sinica， 2008， 63（6）： 657-688. [汪宇明， 高元衡. 上海與長江流域各省區間的旅游互動[J]. 地理學報， 2008，63（6）：657-668.]

[10]Liu Fajian， Zhang Jie， Chen Dongdong. Net structure characters and causes of China’s inbound tourism [J]. Acta Geographica Sinica， 2010， 65（8）： 1013-1024. [劉法建， 張捷， 陳冬冬. 中國入境旅游流網絡結構特征及動因研究[J]. 地理學報， 2010， 65（8）： 1013-1024.]

[11]Lin Lan， Kang Zhilin， Gan Mengyu， et al. An analysis of the spatial field effects of tourist flow of Taiwanese visiting mainland China based on airports [J]. Geographical Research， 2007，26（2）： 403-413. [林嵐， 康志林， 甘萌雨， 等. 基于航空口岸的臺胞大陸旅游流空間場效應分析[J].地理研究， 2007，26（2）： 403-413.]

[12]Yang Guoliang， Zhang Jie， Liu Bo， et al. Study on the ranksize distribution and variation of crude oil flow in China [J]. Geographical Research， 2007，26（4）：662-672. [楊國良， 張捷， 劉波， 等. 旅游流流量位序—規模分布變化及其機理[J]. 地理研究， 2007，26（4）：662-672.]

[13]Prideaux B. The role of the transport system in destination development [J]. Tourism Management.2000， 21（3）：53-63.

[14]Jameel K， Boopen S. Transport infrastructure and tourism development [J]. Annals of Tourism Research， 2007， 34（4）：1021-1032.

[15]J S L S. Recreation Geography [M]. New York： Longman Group Limited， 1983-149.

[16]Liu Zehua， Li Haitao， Shi Chunyun， et al. The response of short term tourist flows to space structure of reginal tourism [J]. Acta Geographica Sinica， 2012， 25（12）： 1623-1632. [劉澤華， 李海濤， 史春云， 等. 短期旅游流時間分布對區域旅游空間結構的響應[J]. 地理學報， 2012， 25（12）： 1623-1632.]

[17]Wang Degen， Chen Tian， Li Li， et al. Enlightenment and research of tourism impact on Highspeed Rail [J]. Scientia Geographical Sinica， 2012， 32（3）： 322-328. [汪德根， 陳田， 李立， 等. 國外高速鐵路對旅游影響研究及啟示[J]. 地理科學， 2012， 32（3）： 322-328.]

[18]Li Chuangxin， Ma Yaofeng， Zhang Ying， et al. Dynamic evolution mode of regional dominance indexes of Chinese inbound tourism flows during 1993 to 2008：An empirical research based on modified entropy technology [J]. Geographical Research， 2012， 31（2）：257-268. [李創新， 馬耀峰， 張穎， 等. 1993～2008年區域入境旅游流優勢度時空動態演進模式[J]. 地理研究， 2012， 31（2）：257-268.]

[19]Zhang Jinhe， Zhang Jie， Liu Zehua. A study on spatial competition among tourism regions based on the theory of tourism field [J]. Scientia Geographical Sinica， 2005， 25（2）： 248-256. [章錦河， 張捷， 劉澤華. 基于旅游場理論的區域旅游空間競爭研究[J]. 地理科學， 2005， 25（2）： 248-256.]

[20]Liu Fajian， Zhang Jie. Roles and functions of provincial destinations in Chinese inbound tourist flow network [J]. Geographical Research， 2010， 29（6）： 1141-1152. [劉法建， 張捷. 中國入境旅游流網絡省級旅游地角色研究[J]. 地理研究， 2010， 29（6）： 1141-1152.]

[21]Yang Xingzhu， Gu Chaolin， Wang Qun. Urban tourism flow network structure construction in Nanjing [J]. Acta Geographica Sinica， 2007， 62（6）： 609-620. [楊興柱， 顧朝林， 王群. 南京市旅游流網絡結構構建[J]. 地理學報， 2007， 62（6）： 609-620.]

[22]Wu Jinfeng， Pan Xuli. Study on the relationship between inbound tourism flows network and aviation network[J]， Tourism Tribune， 2010， 25（11）： 39-43. [吳晉峰， 潘旭莉. 入境旅游流網絡與航空網絡的關系研究[J]. 旅游學刊， 2010， 25（11）： 39-43.]

[23]Chen Jianchang， Bao Jigang. A study of tourist behavior and its practical significance [J]. Geographical Research， 1988， 7（3）： 44-50. [陳健昌， 保繼剛. 旅游者的行為研究及其實踐意義[J]. 地理研究， 1988， 7（3）： 44-50.]

[24]Wang Degen， Chen Tian， Liu Changxue， et al. Analysis on the residents’ perception of holiday adjustment impacts leisure travel in the developed regions [J]. Geographical Research， 2009， 28（5）：1414-1426. [汪德根， 陳田， 劉昌雪， 等. 發達地區居民對節假日調整影響休閑旅游的感知分析[J]. 地理研究， 2009， 28（5）：1414-1426.]